研究與工具
來源原文的標題與連結，未經本站改寫；英文標題附機器翻譯。已排除與 AI 無關的條目；主題由本站地端模型自動分類，可能分錯。
- 學習保留何者：從使用者回饋中進行轉移感知之個人技能學習機器翻譯Learning What to Keep: Transfer-Aware Personal Skill Learning from User Feedback
arXiv:2610.19380v1 Announce Type: new Abstract: User feedback enables LLMs to refine reusable personalized skills, but often mixes persistent preferences with request-specific corrections. Indiscriminately retaining bot
論文基準arXiv cs.CL · 10/15 下午12:00 · 當天共 35 則展開同日其他 34 則
- Titan-Llama：為預訓練大型語言模型外接神經記憶模組
- LLM 代理能否高效辨識家電故障？從模擬家電診斷中獲得的洞見
- 僅在有益時檢索：用於選擇性檢索增強機器翻譯的代理式強化學習
- 問答與教學對話的統一回應框架
- 以證據為錨的死亡調查報告過量死亡預測
- 視覺語言模型整合衝突證據時，如同帶有偏見的貝葉斯觀察者
- REWIND：以不確定性引導軌跡修復，強化測試時推理
- INTACT：在凍結的骨幹上誘發潛在推理
- 領先一步：提升擴散語言模型中的採樣器狀態
- HACHIMI-II：從角色扮演到學習者行為建模，實現忠實的學生模擬
- J-tau：完全本地化的日語工具-代理-使用者互動基準
- BANGLAPLAN：孟加拉語約束式規劃與決策基準
- PersEvalBench：LLM 評測者能否判斷角色資訊的情境適宜性？
- LLM如何理解法哲學？診斷LLM的法哲學推理
- NEPSEE：尼泊爾語情感分析雙重標註基準
- 誰的資料，誰的評測基準？以使用者為中心的評測資源稽核框架
- TopicMerge：以分而治之策略進行主題建模
- 衡量並減少大型語言模型代理的無效回應
- 超越修正動作：以文字批評訓練大型語言模型代理
- 目標與權重不對稱可能偽裝成深度特化
- 尾部競爭解釋可驗證問題中最佳N次抽樣的規模效應
- 語言模型中用於罕見事件估計的加權集成採樣
- 透過語篇解析進行結構保留的文件級資料增強
- 所有摘要的總和：PROPALIGN 用於分級命題顯著性評估
- ELARSpeech：涵蓋675種弱勢語言的3萬小時資料集，用於長尾多語言語音技術
- KoAGE：大型語言模型是否認識、學習並創造韓語新詞？
- 結合預訓練文字轉文字語言模型與讀-標-寫策略，實現高效同步反向文字正規化
- LLM-jp-4 技術報告
- 評估壓縮記憶體：依賴性、效用與內容效益
- PA1-OPD：用於語言模型預訓練的單步前綴增強在策略蒸餾
- DAGFormer：Transformer 跨層連線的全局拓撲預測
- 具型別決策模型的選擇性推理：何時開始、閱讀與停止
- GraphRAG-LTM：針對圖形檢索增強生成攻擊的分層威脅建模框架
- Interlock：從局部正確性到長程代理任務完成
- 在 MLLM 遺忘中解耦知識遺忘與拒答學習機器翻譯Decoupling Knowledge Forgetting and Refusal Learning in MLLM Unlearning
arXiv:2610.14605v1 Announce Type: new Abstract: Current evaluations of multimodal unlearning typically focus on whether a model stops outputting target information. This surface-level criterion, however, masks two criti
論文基準arXiv cs.AI · 10/15 下午12:00 · 當天共 24 則展開同日其他 23 則
- 擴散模型的校正訓練
- Long-Horizon-Terminal-Bench 2.0：自動化多樣化任務建構與衡量代理的持續進展
- VETNET：組建AI驅動獸醫創新基準資料集
- 跨模態潛在影響：視覺語言模型中補塊層級的訓練樣本歸因
- MCP 中哪些 Metadata 影響 LLM 工具選擇？來自受控因子層級干預的證據
- 迎合使用者會損害照護品質：AI 在照護者中介醫療中的諂媚行為
- ANASSA：從高層框架到低層架構的空間代理式AI
- HiPPT：透過多尺度文本對齊實現基於生理學的穿戴式PPG表示學習
- MontageFlow：物理有效的高保真EEG生成
- FDE-Bench：評估從模糊的真實世界商業需求到端到端交付的能力
- CB-Agent：用於序列動作選擇的基於概念之上下文學習
- RASSG：用於串流工具執行的修復感知語義存活閘控
- 結合混合運動學GCN與彈性Transformer，實現高效印度手語辨識
- GateSight：循環記憶預先預測注意力記憶，實現混合式LLM中與查詢無關的KV逐出
- ConicFlow：用於流匹配模型的推論階段受限最優控制
- GREAT-ESDD：用於有效引導配送決策的圖邊注意力網路
- 跨基準、推理模式與硬體，量測開放權重大型語言模型的推論能源效率
- 塑造潛在混合專家：從專家幾何到逐層容量分配
- 執行後學習與動作特定信用
- PEARL：具備流程與經驗感知能力的多輪代理強化學習
- 結合離散與SE(3)擴散模型進行蛋白質界面設計
- 以策略思考，以工具行動：組合問題的可追溯代理優化
- ProgAgent：透過程式化訓練學習工具編排
- 使用 Amazon Bedrock AgentCore 打造自我改進的文件處理機器翻譯Build self-improving document processing using Amazon Bedrock AgentCore
Learn how to build an agentic intelligent document processing (IDP) system using Amazon Bedrock AgentCore that classifies, extracts, validates, and learns from business documents with minimal human intervention, automati
產品應用AWS ML Blog · 10/15 上午12:24