arXiv · 第 5 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11-03
TopoQuant 用拓扑变化检查模型量化损失
TopoQuant 研究尝试在不反复运行昂贵下游评测的情况下，判断大模型量化后是否出现行为偏移。团队用拓扑数据分析描述参数结构变化，再观察它与注意力一致性的关系。
arXiv 开发动态11-03
让大模型读求解日志，减少参数调优试错
LDST 研究把混合整数规划求解器的日志交给语言模型分析。系统先提取运行瓶颈，再提出少量参数修改，并在执行前校验配置，而不是把每次求解结果只当作一个黑盒分数。
arXiv 开发动态11-03
AI 智能体尝试解释量子实验数据
一项预印本把语言模型智能体用于量子系统的模型发现：系统提出候选物理模型，调用计算工具，再比较不同假设对实验数据的解释能力。研究使用了三组此前公开的金刚石与碳化硅色心实验数据。
arXiv 开发动态11-03
Pandora 研究更贴近个体的咨询来访者模拟
Pandora 预印本研究如何让心理咨询来访者模拟器更贴近个体的表达方式。系统会根据咨询互动更新心理与关系状态，再单独规划表达内容和语言风格，避免模拟角色总能过分清楚地解释自己的困扰。
arXiv 开发动态11-03
机器人精细操作：更好的示范比大模型重要？
Friday 团队公开了 MetaFine 精细操作挑战赛的方案：每项任务采用约 1,900 万参数的策略模型，而不是直接微调大型视觉语言动作模型。训练数据来自模拟器中的脚本教师，也包含对学生模型错误的纠正。
arXiv 开发动态11-03
Trail 把智能家居指令变成本地分层选择
Trail 研究提出一种完全本地运行的智能家居控制方式。系统不让小模型自由编造控制命令，而是从实际设备注册表中依次选择房间、设备和操作；对把握不足的请求可以拒绝执行。
arXiv 开发动态11-03
研究重查正交训练：收益未必来自正交性
一项语言模型训练研究比较了 14 种正交约束方案，模型规模从 3.6 亿到 31 亿参数，训练数据接近 2,000 亿 Token。作者希望分清性能改善究竟来自正交结构，还是来自参数归一化等其他因素。
arXiv 开发动态11-03
塔吉克语检索模型公开训练与评测方法
Saidzoda-Tajik-E5-Large 基于 5.6 亿参数的多语言嵌入模型微调，面向塔吉克语文档检索。研究使用法律、税务、百科和网页文本构造问答对，同时混入英语与俄语数据，以保留多语言能力。
arXiv 开发动态11-03
研究为注意力输出的扰动范围提供新证明
一项 Transformer 注意力研究提出锥规划框架，尝试为输入变化会让注意力输出偏移多少提供可计算的保证。论文区分了固定查询与查询、键共同变化时的难度。
arXiv 开发动态11-03
PrismServe 协调不同厂商加速器运行大模型
PrismServe 研究面向混合硬件集群的大模型服务。系统在同类设备组内运行量化专家，先根据预期回答质量选择专家，再按负载与缓存位置选择具体副本，减少跨硬件协作的开销。
arXiv 开发动态11-03
SFTProbe 用少量探测筛选推理训练数据
SFTProbe 研究尝试减少推理模型微调数据的筛选成本。方法先做短暂的 LoRA 适配，再只检查每条推理轨迹的一小部分，通过损失特征估计样本难度与多样性。
arXiv 开发动态11-03
BitLLM 优化手机 GPU 上的低比特模型解码
BitLLM 研究把手机 GPU 上的低比特模型推理瓶颈拆成数值类型转换和 KV 缓存访问两部分。方案调整缓存布局，并把部分转换移出矩阵计算的关键路径。
arXiv 开发动态11-03
Skill++ 改写技能说明，减少智能体选错工具
Skill++ 研究关注技能库越变越大后，智能体反而选错技能的问题。新增技能的名称和描述可能挤占原有技能的匹配范围，即使旧技能本身没有修改。
arXiv 开发动态11-03
SYN-DIGITS 校准 AI 对人类回答的模拟
SYN-DIGITS 研究尝试修正语言模型模拟人类回答时的系统偏差。方法利用参考问题上的真人数据，以及数字角色在不同问题之间表现出的关联，推测目标问题的回答。
arXiv 开发动态11-03
新基准检验 AI 能否看懂政策如何变化
DAPE 基准同时判断两份政策是否属于同一领域，以及后一份是延续、扩大、缩小还是逆转前一份。研究用 1,000 组中国政府政策指令构建专家标注数据，避免把困难样本简单归为不相关。
arXiv 开发动态11-03
AStockArena 不只看收益，也查交易是否有据
AStockArena 为金融智能体增加决策审计：把模型报告、交易请求、实际执行回执和账户状态对齐，检查操作是否可追溯、理由是否有证据，以及模型是否正确理解账户情况。
arXiv 开发动态11-03
审计场景研究：AI 也会受到同事意见影响
一项实验让语言模型扮演审计人员，先形成估计，再面对没有新增证据的上级、同事、外部审阅人或客户质疑。研究比较了 12 组模型设置。
arXiv 开发动态11-03
MedForget 检查医疗模型能否有针对性地遗忘
MedForget 把医疗机构及其数据的层级关系纳入多模态遗忘评测，考察删除某一层数据影响时，模型能否保留其他相关能力。
arXiv 开发动态11-03
研究用读者反应轨迹引导 AI 写故事
一项故事生成研究先从人类作品中学习读者反应随情节变化的轨迹，再让较小模型预测这些变化，指导较大的写作模型逐段生成故事。
arXiv 开发动态11-03
去掉选择题选项后，医疗 AI 得分明显下降
一项研究对 14 个模型进行了医疗问答比较，测试同一道题在提供选项和不提供选项时的表现。数据涉及四套基准的 3,076 道题。
arXiv 开发动态11-03
CLAS 根据上下文调整模型行为引导强度
CLAS 将模型激活引导拆成固定方向与随上下文变化的系数。相比始终施加同样力度，它可以在同一次生成的不同位置选择性地引导不同表现。
arXiv 开发动态11-03
工具调用前，怎样判断 AI 是否有把握？
一项研究专门评估大模型函数调用的不确定性，而不只研究普通问答的置信度。作者比较单次与多次采样方法，检验这些分数能否区分可能错误的工具调用。
arXiv 开发动态11-03
ResMem 把检索到的知识转成可复用参数记忆
ResMem 研究让模型离线阅读检索文本，再把这些证据如何改变答案分布的差异写入独立参数记忆。这样可以在后续使用中减少重复在线检索，而不是简单模仿检索器的预测。
arXiv 开发动态11-03
模型改变了数据，统计置信度也要跟着改
一项统计研究关注预测系统上线后的反馈：模型影响人的决策，进而改变下一轮训练数据。早期估计误差会沿着部署和再训练过程传播。