arXiv · 第 2 页

查看来源为 arXiv 的资讯与动态，保留原文入口和发布时间。

全部资讯

全部内容

共 190 篇

arXiv 开发动态11-11
模型升级后能否继续复用旧 KV 缓存
DeepSeek 案例显示部分任务可以加快首字响应，但保留有用信息不代表行为完全一致。
AI 研究
arXiv 开发动态11-11
FERN 为数据库问答筛选相关表格
结合冻结检索器与学习排序，先找到问题需要的表，再交给 SQL 生成环节。
AI 研究
arXiv 开发动态11-11
Hx2Dx 让模型先问诊再诊断
千例交互式病例测试显示，主动获取信息会暴露静态答题未覆盖的短板。
AI 研究
arXiv 开发动态11-11
LASER 通过预测下一步变化读懂视频状态
模型先判断哪些属性值得检查，再用后续画面校验物体状态记录。
AI 研究
arXiv 开发动态11-11
百万条盲评显示用户对 AI 的要求在提高
研究固定版本模型的历史对比，发现“两个答案都不好”的投票比例持续上升。
AI 研究
arXiv 开发动态11-11
LM-SimBench 为大模型训练模拟建立基准
用真实集群采样的数据比较模拟器，辅助选择分布式训练配置。
AI 研究
arXiv 开发动态11-11
MaLoRA 尝试更稳地合并多个微调适配器
研究从分类间隔出发，分析保留旧能力、学习新任务与适配器混合的关系。
AI 研究
arXiv 开发动态11-11
PARLEY 用协作谜题测试智能体沟通能力
两个模型掌握不同信息，需要持续反馈和校验才能一起完成任务。
AI 研究
arXiv 开发动态11-11
ReTrace 把智能体操作记录转成可复用流程
研究用规则和代码接管重复步骤，在部分任务中降低调用成本与执行时间。
AI 研究
arXiv 开发动态11-11
Sable 为量化模型推理结果生成可验证证明
研究尝试证明给定输出确实来自指定模型与输入，但生成证明仍有明显开销。
AI 研究
arXiv 开发动态11-11
TAME-O 让多模态助手持续识别用户新概念
研究尝试在长对话中吸收新物品与实体，同时减少和旧记忆混淆。
AI 研究
arXiv 开发动态11-07
Agent-R² 用真实文件训练办公智能体
研究从公开材料构造约 4000 项办公任务，把多种格式的附件和可核查的交付要求配对。
arXiv 开发动态11-07
Scientist World 将论文变成可运行的实验
研究团队先发布 1000 个可执行环境，供科研智能体复现论文基线并尝试改进。
arXiv 开发动态11-07
CascadeFilter 让语义筛选分级处理
框架先让小模型判断简短证据，再逐步转给全文和更强模型，尝试减少推理成本。
arXiv 开发动态11-07
DictLLM 让模型多层共享压缩字典
研究把分组内的权重拆成共享字典和各层稀疏系数，用于压缩已训练模型。
arXiv 开发动态11-07
HaluCheck 评估文本和智能体的幻觉
双语基准超过 4.2 万条，除了判断是否出错，还要求定位错误并修正。
arXiv 开发动态11-07
La-JEPA 用紧凑模型生成机器人动作
模型训练时同时预测未来视觉特征和动作，实际运行时只输出动作。
arXiv 开发动态11-07
SLA 在机器人预训练阶段学习空间信息
方法用三维感知模型指导机器人策略学习，部署时沿用原有推理结构。
arXiv 开发动态11-07
研究比较拆分模型解码阶段的成本
模拟对比显示，进一步分拆注意力和前馈计算是否划算，取决于硬件、互联和资源池。
arXiv 开发动态11-07
StrataFlux 为低比特模型按需补充精度
研究从主机内存或固态硬盘取回部分高精度数据，尝试降低显存占用带来的质量损失。
arXiv 开发动态11-07
TerraMesh-Masks 用自然语言标注卫星影像
数据集将约 1600 万张分割掩码与多模态遥感样本配对，另提供专家复核的评测集。
arXiv 开发动态11-06
SecureGARD 给智能体工具调用加上状态约束
研究把不同工具的动作转成共同的描述，再决定执行、等待或阻止。
arXiv 开发动态11-06
ServerBench 让编程智能体搭建模型推理服务
基准同时校验系统能否工作、输出是否达标，以及运行所需的 GPU 成本。
arXiv 开发动态11-06
BEAKER 测试 AI 能否理解实验室操作
研究团队编制了 1,000 道图像和视频问答，覆盖设备、步骤与安全判断。