所有文章
共 37291 篇文章
Circe：免训练LLM自我评估新方法，利用组件交互一致性
Circe是一种免训练LLM自我评估方法，通过组件交互一致性（CIC）、表示几何（RG）和似然置信度（LC）融合，无需参考答案即可区分正确与错误回答，并在多语言、多模态和开放世界设置下展现泛化能力。
技术混合主义：AI如何递归重塑社会语义规范
AI生成内容回流社会后如何改变语言规范？一篇社会理论研究提出「递归语义规范化」与「技术混合主义」，拆解生成、选择、采纳、持续四环节，并指出来源洗白、认知多样性侵蚀与解释学资源收窄三重后果。
LLM遇上知识图谱：多跳推理与幻觉抑制基准测试
一项新基准研究评测GPT-5.1、Gemini 2.0 Pro、Llama 3、Qwen与BioGPT在五个异构知识图谱上的多跳推理表现，发现通用模型在高阶推理上占优，且图接地能普遍降低幻觉率。
多任务学习新突破：隐式句法增强提升情感分类效率
本文探讨多任务学习下情感极性分类的句法增强策略，对比Standard-MTL与Contrastive-MTL在11个数据集上的性能与效率，显示隐式句法监督可匹配显式解析且速度更快。
LLM文化适应新范式：从问答到重复社交互动
LLM文化能力评估正从静态问答转向动态社交互动。一项新研究通过沙盒环境发现，记忆机制是模型在重复交互中实现规范同化、跨场景迁移和多语言适应的关键支撑，为交互式智能体的文化对齐提供了新范式。
SpecCTMC：扩散语言模型的精确推测采样
SpecCTMC 是一种无需训练的推测采样器，通过利用模型自身预测并行提议令牌更新，将扩散语言模型的顺序评估次数减少 1.73-4.38 倍，同时保持连续时间马尔可夫链的精确联合分布。
StepBack：步骤级错误定位重采样，推理token省41%
StepBack提出步骤级错误定位重采样方法，先在草稿轨迹中定位首个错误步骤，再重采样该步骤及后缀，在七个数学推理与多跳QA基准上平均匹配自洽性准确率，token使用量最多降低41.26%，并可与Adaptive Consistency等自适应推理方法结合。
机制可解释性如何为AI安全兜底：一篇综述的深度拆解
一篇聚焦AI安全的机制可解释性综述拆解：对比机制证据与行为评估，梳理特征、多义性、电路等基础概念与特征提取、电路发现、因果验证等方法，并分析知识编辑、引导、监控等安全应用及其局限。
MedGraph：用图记忆追踪患者状态，提升长期医疗对话准确性
MedGraph利用图记忆跟踪患者状态，解决长期医疗对话中过时信息、人物混淆和安全遗漏问题，在MedMemoryBench上准确率领先基线超过10个百分点。
标签措辞增强：陌生词有效，缩写与代码无效
研究对比多语言交叉编码器 Ru-Jev 的两个版本，发现标签措辞增强在普通词和借词上提升准确率最高达 0.24，但在缩写和不透明代码上无增益，甚至表现更差。
强到弱蒸馏比GRPO更省算力？最新研究揭示关键条件
最新研究系统对比强到弱OPD与GRPO的算力效率：外部教师下OPD普遍不敌GRPO且响应长度膨胀；但以学生自身GRPO检查点为教师时，数学任务蒸馏FLOPs仅为GRPO的1/50。多教师OPD整合跨域专家仅耗5.2%至8.0%算力。
隐马尔可夫偏好模型：在线预测攻击者下一步行动
论文提出隐马尔可夫偏好模型，统一建模攻击者行为模式切换与动作参数时变可行性，在CAGE 2基准上隐状态每步价值0.8纳特，控制器切换后损失下降速度优于循环基线。
MAEM：用强化学习规模化解读残差流方向
MAEM 元模型通过无标签强化学习将残差流方向映射为强激活文本示例，在 Qwen3.6-27B 上超越语料搜索与 NLA，可激活 89% 留出 SAE 特征，并能恢复 LoRA 后门载荷。
大步长对抗训练：隐式偏置、优化与锐度的新发现
论文研究大步长下对抗训练（AT）的梯度下降动态，发现AT与标准训练存在三大差异：隐式偏置差距在大步长下持续存在、优化误差无统一收敛速率、锐度呈现两阶段动态而非边缘稳定性。
有限实验能否验证整合信息？新研究揭示机制级度量的可识别性边界
新研究精确分析整合信息φ在有限实验中的可识别性：行为相同但机制不同、部分访问导致精度下限、边缘处度量剧变，但单边下界仍可认证。可测量性成为可计算的设计问题。
XStack基准：ML代码跨框架迁移的试金石
XStack是一个评估智能体在PyTorch与JAX生态间迁移ML代码库的基准。Claude Opus 5通过率75%，GPT-5.6-sol 45%，其他智能体至多40%。了解这一跨框架迁移挑战的细节与意义。
用户嵌入是可解释行为模式的稀疏叠加
用户嵌入可解释性新研究：提出用户嵌入是稀疏叠加的可解释行为模式，利用稀疏自编码器（SAEs）自动恢复并命名行为模式，实现零样本受众检索，框架后验且模型无关。
Scientist World：为AI科学家打造可运行的研究世界
Scientist World将每篇论文转化为可执行研究环境，首批发布1000个验证环境。前沿AI科学家在74%情况下超越人类研究者，6400小时研究轨迹用于训练，小模型研究构思能力提升158%。
