全部动态

PreferenceEKF 用子空间推理解决奖励模型不确定性问题，比传统贝叶斯方法更高效。

这篇论文揭示了单层注意力模型中布尔函数计算的头部需求边界，为理解Transformer架构的计算能力提供了理论基础。

FLY-EVAL++为飞行预测任务提供新评估标准，发现LLM在安全约束下存在显著差异，比单纯看准确率更重要。

研究人员发布了KC-Bench基准，专门测试AI智能体如何处理知识冲突，九个主流模型测试结果都不理想。

DeepSeek-R1等模型推理轨迹中的'突破'可能只是难度信号，真正有价值的信息很少。

OpenAI等模型在复合提示下表现差异大，JSON+专家角色+中等紧急程度组合导致GPT-4o-mini性能下降12.2个百分点。

TRACE框架让自主机器人决策过程完全可追溯，解决了深度学习模型不可解释的问题。

电信专家团队用LLM解决5G/6G网络故障诊断，通过结构化推理减少幻觉，比传统方法更准更可靠。

SafeEvolve通过策略协同进化提升AI智能体安全性，在降低有害响应的同时保持性能，比现有方法更有效。

清华团队提出多智能体LLM系统的博弈论框架，新算法在SWE-bench上超越基准2.2个百分点。

DKL解决了RAG检索失败时的问题，比RAFT和PA-RAG方法更高效，还能保持指令模型的指令跟随能力。

这篇论文教你如何检测黑盒大模型的幻觉，有4种方法可选，无需监督标签也能用。

Loom框架通过嵌入空间重加权技术，在保持高准确率的同时大幅提升推理速度，适合工业场景的根因分析任务。

GRADSOLVE解决了ODE集合在GPU上求解与反向微分速度不匹配的问题，大幅提升计算效率。

研究人员提出Cliff方法，通过识别首次错误来改进强化学习，性能提升显著且适用性广。

PARSER方法通过输出重要性指标优化MoE模型压缩，在相同内存减少下提升模型精度。

NVIDIA提出新方法让FP4预训练更稳定，训练速度提升21.2%，模型性能全面超越现有方案。

DeepSeek和GLM-5.2通过将推理痕迹前置，长上下文推理准确率大幅提升，最高达100%。

研究将LLM与本体排序器融合，提升罕见病诊断准确率，同时保留可追溯的证据链。

FUSE框架首次系统评估了12个商业LLM的危险能力，发现模型间存在显著差异，新模型知识增强但安全提升有限。

这篇论文揭示了压缩传感中可调线性生成先验的理论边界，解释了为什么神经网络先验的可调性在实际应用中有效。

研究人员展示了如何针对代码生成系统进行精准知识投毒，成功率高达93%，连安全防御都难以完全阻挡。

研究人员发现影响函数选中的样本通过重写而非重加权能更有效改变模型行为，这对训练数据归因方法评估有重要启示。

HiPoly框架能从实验数据直接预测聚合物性质并设计可持续替代品，比传统方法更高效准确。