全部动态
FedeSpu团队发布了首个视频语言模型后训练技术，能检测视频中的执行错误，对未见任务效果提升11.6%。
电商推荐系统新方法：用生存模型替代多分类器，复购预测更准确且模型更轻量。
SHRED模型让聚变反应堆监测更准更快，误差仅5%，还能处理不同磁场和角度的复杂情况。
OpenEuroLLM团队开源了预训练研究，揭示了学习率和批量大小如何随模型和数据规模变化。
VISTA方法改进了OPSD蒸馏技术，通过验证器指导教师自适应，在数学推理任务上显著提升性能。
TraceBench发布了首个LLM智能体时间序列根因评估框架，包含数据集、实验结果和排行榜，tracebench.github.io可访问。
斯坦福团队用基础模型解决电池老化检测难题，一张图像就能获取全颗粒统计，比人工标注快数百倍。
康奈尔大学团队推出超大规模MIMO系统，用物理超表面实现机器学习，波域处理精度媲美数字模型。
TRACE-CRC解决了多步CSI预测中的不确定性量化问题，比传统方法更可靠且不确定性球更小。
SecureDrive-FL用GASHE加密解决联邦学习中的梯度泄露问题，在保护隐私的同时保持高准确率。
ContraTalk揭示了语音理解中的文本偏差问题，Audio Twin框架为多模态推理提供了新思路。
ANTShapes工具发布了4个新数据集，比现有数据集更丰富，适合事件视觉研究。
Thomson展示了如何通过持续学习让更多机构以更低成本实现前沿模型性能，拥有主权AI栈的所有权。
研究人员提出SARA框架，解决了LLM智能体中工具输出被滥用的安全问题，在四个主要评估设置中表现优异。
MIT学者发现LLM智能体安全漏洞，提出LoopHarness解决跨迭代攻击问题，安全性能显著提升。
这篇论文提出了LAAF问责框架，帮你理清大模型应用中的责任归属问题，特别适合医疗、金融等高风险领域从业者。
仅展示最近 2000 条内容，更早的内容请查阅 AI 日报存档