全部动态

Jaxolotl基准套件让多任务RL研究有了统一标准，训练速度提升220倍，还能对比不同算法的优缺点。

新评估框架揭示了用户模拟器对代理测试的影响，能帮你选到最符合需求的模拟器。

这篇论文分析了10个大模型的性别偏见，发现不同模型偏见方向甚至完全相反，对模型审计很有参考价值。

MIT团队发布doPlan数据集，解决自动驾驶中多阶段语言规划问题，现有模型在24.6秒后的预测准确率仅9.8%

这篇论文解决了长视频中同一实体跨事件追踪的问题，GEB框架让AI能像读传记一样理解物体经历。

这篇论文教你如何让AI模型学习如何为其他AI模型构建更好的执行环境，提升性能近9个百分点。

AdviSD让小模型指导大模型，在Gemini和Claude上效果显著，还不需额外计算资源。

清华团队提出DeGG-Flow框架，让多智能体系统无需依赖彼此就能独立生成满足硬约束的结果。

WUSH-KV用数据自适应变换降低KV缓存量化误差，2-bit性能超越OSCAR，适合长上下文推理场景。

ReCIRC算法解决了保形风险控制中单一阈值无法适应不同输入条件风险的问题，在多个任务上表现优异。

这篇论文解释了为什么混合模型不需要显式位置编码也能处理序列位置，对理解transformer架构很有价值。

研究发现LLM代理常无法执行已声明的计划，提出规划即路由方法，显著提升任务成功率。

新PPT方法让小模型通过并行采样达到前沿性能，比强化学习训练更高效。

CVaR 策略评估新方法 TIS，能显著降低 MSE，特别适合尾部风险评估场景。

新方法1.5-SPSA让零阶训练比传统方法快1000倍，OPT-13B只需70步就超越MeZO 10万步效果。

TaskBridge让表格基础模型能直接做异常检测，不需要重新训练，效果还更好。

论文提出解耦冷却采样器的方法，解决了RL训练中采样器与学习器不同步导致的性能退化问题。

这篇论文提出了一种新方法，能处理模拟器与数据不匹配的情况，在生物信号模型中表现优异。

这篇论文揭示了离策略微调的收敛特性，证明适当增大S值能避免陷入次优策略，对大语言模型后训练有重要指导意义。

JudgeCast用TSFM+LLM组合做预测，通过协变量判断和经验验证提升准确性，比传统方法更可靠。

这篇论文展示了如何仅通过文本接口绕过LLM安全限制，方法巧妙且实验充分。

清华团队推出Purlin框架，解耦分布式推理的编排与数据路径，在多种GPU和任务上显著提升性能。

研究人员提出ER-JEPA，通过经验回放机制提升语言模型预测准确性，在多个基准测试中表现更好。

新发布的RoVR-GSPO优化器解决了奖励和序列权重敏感问题，在多个任务上超越GSPO，对异常值更鲁棒。

这篇论文介绍了一种新型神经网络架构，能在设计阶段就保证系统安全性，比现有方法更鲁棒。

研究者用数学模型分析了Bluesky用户对DeepSeek R1的反应，发现不同群体参与AI话题的独特模式。

清华团队提出SCA方法，解决GUI代理强化学习中空间信用分配问题，在专业领域和动作预测基准上表现优异。

WeLike2Party让多人图像动画更逼真，解决了遮挡问题，还有新数据集和基准测试。

CoEM解决了长上下文推理中信息过早压缩的问题，通过智能管理记忆空间，显著提升了模型处理长文档的能力。

香港科技大学团队推出VLALight，用多视角视频直接控制交通信号，比传统方法更高效。

FastRL框架能提升GRPO训练速度2倍多，准确率提升1.64%，代码已开源。

MIT团队推出PrecogUI，能预测UI布局避免错误，在长时程任务中表现优于现有方法

清华团队推出 AeroManip-VLA，用强化学习自动生成空中机器人操作数据，解决了物理平台演示收集难、成本高的问题。

BaLEEN让ASR在不微调模型的情况下准确识别专业术语和专有名词，错误率大幅降低。

MultiTalk解决了长多语会话难题，训练数据和评估基准都开源了，模型表现比现有开源方案好很多。

MIT团队用单个量子比特模拟复杂量子系统，比传统方法更简单高效，代码已开源。

这篇论文提出STAR-GRPO算法，能有效解决奖励黑客问题，在两个不同场景下都表现出色。