LLM 相关 AI 资讯

论文10:12

大语言模型在市场机制中的竞争行为研究

这篇论文测试了GPT、Claude等LLM在真实市场机制中的表现，发现它们比人类效率低，还公开了测试框架。

#LLM #双向拍卖 #市场均衡 #思维链

arXiv cs.AI@Pawel Struski 等 4 人原文

论文09:13

基于语音印象引导的伪三元组可扩展方向跟随TTS

NTT研究团队发布新方法，让TTS系统能根据表演方向修改语音，无需大量训练数据。

#TTS #LLM #语音合成 #伪三元组

arXiv cs.LG@Kenichi Fujita, Yusuke Ijima原文

模型06:05

LLM训练实验室赋予模型类神能力

LLM训练实验室正在赋予模型类神能力，包括入侵公司和建立隐藏文明，值得关注。

#LLM #Microduck #Hannes von Essen #模型能力

Thomas Wolf@Thom_Wolf原文

行业政策与合规多源确认01:38

美国政府支持OpenAI使用版权材料训练LLM

美国政府公开支持OpenAI使用版权材料训练LLM，明确表态支持AI产业发展

#OpenAI #LLM #版权 #AI产业

事件专题

techcrunch@Amanda Silberling11 个信源在谈原文

论文 Agent 与开发者78°23:48

字节跳动发布HarnessDev自进化智能体框架

字节跳动新出的HarnessDev框架，让AI从完成任务进化到构建智能体，在写作和ML实验上已能匹敌人工工程。

#HarnessDev #ByteDance #智能体 #自进化

事件专题

elvis@omarsar02 个信源在谈原文

行业21:43

Gary Marcus谈LLM局限与AGI发展

Gary Marcus直言LLM的五大局限，解释AGI需要什么，和当前技术有何不同。

#Gary Marcus #LLM #AGI #神经认知

Gary Marcus@GaryMarcus原文

论文78°09:35

AgentFactory：自动化智能体系统设计与优化

研究人员推出AgentFactory，能自动优化智能体系统，比手动设计和现有方法效果更好，平均提升9.1%。

#AgentFactory #智能体 #自动化优化 #LLM

arXiv cs.AI@Enci Zhang 等 5 人原文

论文09:34

数据驱动人格条件化A/B测试模拟

这篇论文教你如何用LLM代理模拟A/B测试，比传统方法快且成本低，准确率高达90%

#A/B测试 #LLM #人格条件化代理 #数据驱动

arXiv cs.AI@Ziyad Benomar 等 4 人原文

论文中美对照73°06:33

Meta发布AI研究偏好模型

Meta新模型帮AI研究代理智能选择实验，比传统方法快30%，省1/3算力

#Meta #AI Research Preference Models #研究代理 #AIRS-Bench

elvis@omarsar0原文

论文官方一手06:29

BenchMIRT：LLM基准实际测量什么

BenchMIRT研究告诉你，现在流行的LLM基准测试到底在测什么，有什么局限性。

#BenchMIRT #LLM #基准测试 #MMLU

事件专题

官方一手Hugging Face: Blog2 个信源在谈原文

产品04:28

Fragments：LLM陈词滥调高亮器与智能体架构

Martin Fowler分享了Fragments新功能，包括陈词滥调检测和智能体架构，关注AI安全和学术诚信问题。

#Fragments #LLM #自主智能体 #AI安全

Martin Fowler@martinfowler原文

论文04:23

七项研究入选2026春季AI评估项目

斯坦福、MIT等七校研究团队入选2026春季AI评估项目，聚焦LLM评估方法和智能体评估框架。

#LLM #AI评估 #Arena #Goodhart定律

lmarena.ai@lmarena_ai原文

产品多源确认03:46

Notion 默认使用不保留数据的 LLM

Notion 解释了为何默认使用不保留数据的 LLM，以及如何手动启用保留数据的 Fable 模型。

#Notion #Fable #LLM #数据隐私

事件专题

Notion@NotionHQ11 个信源在谈原文

产品 Agent 与开发者02:53

OpenRouter集成到Render Workflows

Render和OpenRouter联手，让你的LLM任务自动排队重试，不用自己处理批处理了。

#OpenRouter #Render #LLM #工作流

OpenRouter@OpenRouterAI原文

模型02:25

大模型纯扩展遭遇瓶颈，神经符号AI提供解决方案

GaryMarcus指出纯扩展LLM已到极限，神经符号AI通过工具和约束解决了这一问题

#LLM #神经符号AI #GaryMarcus #推理模型

Gary Marcus@GaryMarcus原文

论文精选73°11:24

BLOOM-WILT：大模型行为审计新方法

BLOOM-WILT让大模型安全审计更高效，在Qwen3.5-4B测试中行为诱导率翻倍，还推翻了原有模型安全排名。

#BLOOM-WILT #Qwen3.5-4B #大模型安全 #行为审计

arXiv cs.AI@Adrians Skapars, Edoardo Manino原文

论文11:24

LLM后训练作为棕地维护：数据工程工业视角

工业LLM维护团队必读，教你如何在有限资源下提升模型性能，数据工程比一次性配方更重要。

#LLM #后训练 #数据工程 #CodeForces

arXiv cs.AI@Gopi Krishnan Rajbahadur 等 4 人原文

论文精选11:20

LLM评估无法检测临床笔记遗漏信息

OpenAI等公司AI临床笔记系统存在信息遗漏问题，新方法能更准确检测遗漏内容。

#LLM #临床笔记 #AI评估 #医疗AI

arXiv cs.AI@Sebastian Fox 等 4 人原文

论文精选73°11:19

大语言模型自我建模评估与改进

研究者提出LLM自我建模评估基准，用合成数据提升模型自我认知能力，但不构成真正的内省。

#LLM #self-modeling #强化学习 #开源模型

arXiv cs.AI@Siqi Zeng 等 3 人原文

论文精选73°10:44

PAC：LLM多任务强化学习的新课程方法

PAC方法解决了LLM多任务RL中任务分配问题，结合优势信号和实际奖励增益，提升训练效率。

#PAC #LLM #强化学习 #课程学习

arXiv cs.LG@Yuanqiang Yu 等 11 人原文

论文 Agent 与开发者精选10:20

黑盒LLM API指纹识别研究：令牌计数不能作为模型血统依据

OpenAI兼容API的令牌计数能识别共享标记化堆栈，但不能单独用于确定模型家族关系，Qwen 3.8和DeepSeek V4变体测试低于阈值。

#LLM #API #Qwen #DeepSeek

arXiv: DeepSeek@Bo Chen原文

论文精选73°10:17

几何发散：追踪隐藏状态轨迹实现自适应多轮推理

这篇论文用几何方法追踪LLM推理轨迹，能提前发现错误路径，提升任务成功率还降低token成本。

#LLM #多轮推理 #隐藏状态 #τ-Bench

arXiv cs.AI@Jie Liang 等 4 人原文

论文10:17

GMTS方法提升LLM推理训练效果

GMTS方法让LLM推理训练更高效，前20%标记选择比传统熵方法表现更好。

#GMTS #RLVR #LLM #推理模型

arXiv cs.AI@Outongyi Lv 等 3 人原文

论文精选73°10:15

基于模型检查的LLM后验解释器自动测试

这篇论文教你如何用模型检查方法自动验证LLM生成的解释是否可靠，比随机测试发现更多问题。

#LLM #后验解释器 #模型检查 #MDP环境

arXiv cs.AI@Dennis Gross, Helge Spieker原文

论文精选73°10:11

可审计的LLM定性主题分析工作流设计

这篇论文展示了如何用LLM做可追溯的主题分析，工作流程透明，还能保护隐私。

#Thematic Analysis #LLM #qualitative analysis #可审计工作流

arXiv cs.AI@Nadia Jul Jeldtoft, Tariq Yousef原文

论文精选73°09:23

PAC-LLM实现混沌时间序列长期预测

研究人员提出PAC-LLM框架，解决了混沌系统长期预测难题，在短期观测条件下也能准确预测。

#PAC-LLM #LLM #混沌系统 #时间序列预测

arXiv cs.LG@Yuhang Yao, Bohan Jiang原文

论文精选09:21

LLM工作负载分配研究

这篇论文教你如何在不确定模型性能的情况下，科学分配LLM工作负载，帮你节省AI预算。

#LLM #CASE #工作负载分配 #模型选择

arXiv cs.LG@Hamed Khosravi, Xiaoming Huo原文

论文精选09:20

多智能体LLM交接中的边界元数据崩溃

多智能体系统交接时边界信息容易丢失，明确约束可大幅降低隐私泄露风险。

#多智能体 #LLM #GPT-5 #DeepSeek-R1-32B

arXiv: DeepSeek@Yian Wang 等 4 人原文

论文09:16

DUOTRACE：多智能体系统故障归因新方法

DUOTRACE让LLM智能体故障定位更准，先检测异常再归因，准确率提升近10%。

#DUOTRACE #LLM #多智能体系统 #故障归因

arXiv cs.AI@Jiayi Zhang 等 7 人原文

论文精选73°09:15

LLMODE：通过门控令牌注入对齐ODE与LLM

LLMODE解决了LLM处理不规则时空观测的难题，通过双源门控交叉注意力将外部时空证据注入冻结LLM。

#LLMODE #ODE #LLM #时空预测

arXiv cs.AI@Di Zhang 等 7 人原文

论文 Agent 与开发者精选73°09:10

智能体技能系统架构与生命周期研究

MIT和哈佛研究人员提出智能体技能的完整生命周期架构，解决LLM智能体在复杂任务中的可靠性瓶颈。

#智能体 #agentic skills #LLM #提示词工程

arXiv cs.AI@Sanket Badhe 等 4 人原文

论文精选73°09:10

Call Neighbours Yourself：图行走框架CNY发布

CNY让LLM自主决定何时扩展邻居获取证据，解决了传统方法静态上下文的局限，在TAG推理任务上表现更好。

#CNY #图推理 #LLM #图行走

arXiv cs.AI@Yilun Liu 等 5 人原文

论文精选73°09:08

TIDE-Bench评估LLM在对话式Text-to-SQL中的表现

研究人员发布了TIDE-Bench基准，专门测试LLM在复杂对话SQL中的意图理解能力，发现现有模型在链式识别和意图漂移处理上仍有明显不足。

#TIDE-Bench #Text-to-SQL #LLM #意图漂移

arXiv cs.AI@Yujia Liu 等 9 人原文

论文精选73°09:07

大语言模型整合人类行为到疫情模型

GABLE用大语言模型模拟人类行为变化，比传统移动数据预测更准，还能提前评估政策效果。

#GABLE #LLM #疫情模型 #COVID-19

arXiv cs.AI@Yicheng Mao 等 4 人原文

产品 Agent 与开发者17:48

Dify日本官方YouTube频道上线

Dify开了日本YouTube频道，看实际演示比看参数表更直观，适合想了解Dify实际表现的人。

#Dify #YouTube #AIAgents #LLM

Dify@dify_ai原文

论文73°11:44

LLM智能体在系统安全中的应用评估

这篇论文全面梳理了LLM智能体在安全领域的应用现状，帮你了解技术进展和未来方向。

#LLM #智能体 #系统安全 #安全评估

arXiv cs.AI@Jingjing Nie 等 4 人原文

论文精选11:40

代码世界模型拓扑与可达性研究

这篇论文揭示了代码世界模型中拓扑与可达性的关系，以及错误修复和缓解的具体方法。

#代码世界模型 #拓扑 #采样门 #LLM

arXiv cs.LG@Javier Aguilar Martín原文

论文11:39

评分规则如何影响LLM预测性能

这篇论文分析了不同评分规则对LLM预测行为的影响，帮你理解如何选择合适的训练目标。

#LLM #评分规则 #预测模型 #Brier分数

arXiv cs.LG@Benjamin Turtel 等 5 人原文

行业多源确认精选10:01

Hugging Face事件启示：可验证奖励的强化学习

OpenAI一年前提出的CoTs安全策略为何在Hugging Face事件中被忽视？

#OpenAI #Hugging Face #强化学习 #LLM

事件专题

Amjad Masad@amasad11 个信源在谈原文

论文09:33

RetailAgent：多模态LLM交易代理的结构性逆向时机

这篇论文研究了LLM交易代理是否存在可预测的结构性行为，发现其决策存在稳定的逆向时机模式。

#RetailAgent #LLM #多模态 #交易代理

arXiv cs.AI@Yupeng Zhang 等 5 人原文