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。
- DistressBench:評估大型語言模型的多維度危機支援能力機器翻譯DistressBench: Evaluating Multi-Dimensional Crisis Support in Large Language Models
arXiv:2610.12758v1 Announce Type: new Abstract: Language models have been adopted faster than evaluation practices that reliably assess their risks, and a growing share of use is affective rather than informational. Wit
論文基準arXiv cs.CL · 10/13 下午12:00 · 當天共 21 則展開同日其他 20 則
- perturber:保留語意之無狀態文字擾動服務
- GeopoliticalQA:針對情報報告的檢索與生成基準測試
- GeoFitBench-LLM:評估大型語言模型在地理分析任務中提煉地理空間資料需求的基準
- 一個模型統御所有循環:語言模型的彈性潛空間循環
- 乘上激活波:分析LLM隱藏狀態的信息与几何結构以优化推測解碼
- 用於投機解碼之平行草稿脈絡修正
- 重新思考擴散與解碼的角色:用於並行語言生成的預測狀態流
- 無共識之協議:免標籤評量標準澄清提升LLM評審一致性,卻未提升與人類的一致性
- 預測遮罩文字重建中的語料庫取樣分歧
- BenCoDiC:孟加拉語政治新聞語境下的大規模網路霸凌語料庫(完整版)
- 深度研究代理的反思式提示詞優化:一種主題不相交、多隨機種子協議,用於衡量可遷移增益與提示詞層級過擬合
- 啟動標註者:將生活經驗運用於資料標註
- zip2zip++:朝向推論階段極小品質損失的Token壓縮
- 多串注意力殘差
- 克服專家選擇偏差所導致的資料不平衡
- U4RASD 於 KnowledgeGraphEval-2026:用於阿拉伯語關係抽取的本體約束編碼器與 LLM 系統
- Evo$^2$:透過權重與框架的共同演化來演化演化器
- CLUE:用於無監督事件類型誘導與標註的對比學習框架
- KV-Repurpose:評估非前綴 KV-Cache 重用之測試平台
- 提示詞最佳化工具會破壞未被計分的條件嗎?一項預註冊研究
- MagicBeanStalk:以遞迴資料合成擺脫RLVR零優勢陷阱機器翻譯MagicBeanStalk: Escaping the RLVR Zero Advantage Trap with Recursive Data Synthesis
arXiv:2610.12659v1 Announce Type: new Abstract: Data-centric scaling of RLVR has focused on collecting or generating verifiable training problems. However, corpus size alone does not determine whether the dataset provid
論文基準arXiv cs.AI · 10/13 下午12:00 · 當天共 39 則展開同日其他 38 則
- 忠實且完整的LLM輔助分層硬體知識圖譜自動建構
- 透過表示幾何正規化,緩解大型語言模型自我改進中的能力退化
- 協作式心智理論:透過預測使用者回應來學習自我修正
- Web$hell:代理式網頁存取之統一介面
- 留意空間差距:地空推理與受限空間編輯基準
- DeFiRank:去中心化金融網路治理中的聯合配對排序
- EmbodiedCLBench:評估自我進化具身代理的持續學習
- LongHarness:透過狀態化證據管理,推進逾1億Token語料庫上的代理推理
- 品質而非僅看結果:用於監督微調之程式碼代理軌跡選擇的結構化評分框架
- SWEAR:透過自我評級難度實現分節高效音訊推理
- 更快決策未必造就更優秀的代理:Jev 在代理工作流程中的實證研究
- VETR:基於執行回饋的符號圖形推理自我改進代理
- CLEAT:學習價值引導式澄清以應用於互動代理
- 前瞻與回顧:用於路網軌跡的預見式生成建模
- RoleWorld:以功能性角色抽象進行世界建模中的知識轉移
- 零售市場的AI調解:營收影響與品項優化
- EliteTable:用於可執行控制策略的自我改進程式搜尋
- 無錨之忠實:論特徵重要性中可解釋AI忠實度指標的結構性錯位
- 透過少量配對資料與蒸餾最佳傳輸實現表示對齊
- 朝向定義、衡量並運用AI應用中的創造力
- 超越二元可驗證獎勵:軟體工程代理的行為自我獎勵
- 超越語義ID:生成式推薦中的有限束可達性與連續查詢生成
- 遺忘未必是壞事:一種受神經啟發的記憶修復機制,用於對抗被投毒的LLM智能體
- 認識你的無知:透過演化生成空間進行代理式資料合成,實現閉環學習
- RegulaTutor:一個以理論為基礎的長期個人化學習框架
- JANUS:以共同演化的世界模型強化長程自主研究
- MathVis:AI 能透過繪圖進行推理嗎?數學圖形生成基準
- 少訓練、多學習:不確定性引導的漸進式收縮,實現高效推理後訓練
- 模型切片上的協同學習與推理
- SpireBench:以《殺戮尖塔》評測代理模型的長程策略能力
- 後見之明結構化建議蒸餾:以失敗經驗與任務特徵訓練顧問,引導執行代理
- 部署階段介入:突破策略限制,解鎖代理式強化學習
- SmartSalesBench:評估LLM銷售代理的抗干擾多輪對話基準
- 以語言訓練神經解碼器
- VIGOR:場景程式中可驗證的工業幾何優化與修復
- BoundaryEvo:於能力邊界進行資料與模型共同演化,以實現長鏈推理蒸餾
- SWE-Critix:用於評估程式碼代理軌跡的後訓練通用驗證器
- AlphaNIST:從二元任務獎勵中湧現的組裝技能