所有文章
共 38598 篇文章
本地部署再引热议：用户自测插件竟遭封号警告
Reddit用户因对自研插件进行红队测试遭平台封禁威胁，申诉被秒拒。事件引发社区对本地部署价值的讨论，凸显云端风控与开发者自由之间的张力。
NVIDIA与RLWRLD推出DexBench：机器人灵巧操作仿真基准
NVIDIA 与 RLWRLD 联合发布 DexBench，一个面向机器人灵巧操作的仿真基准，并提供托管运行服务。本文解析该基准的定位、对机器人学习社区的意义以及尚待明确的问题。
ArtificialAnalysis是否对开源模型有偏见？
Reddit用户质疑ArtificialAnalysis对开源权重模型存在偏见，通过重新校准基准测试压低开源模型排名，并推广智能指数误导企业选型。讨论涉及基准测试透明度与公平性。
文本越短越难测？AI生成文本检测的长度校准与弃权机制
AI生成文本检测器在短文本上的误报率会如何漂移？研究提出分箱校准与弃权机制，将10-200 token各长度区间的误报率稳定在5.0%，并揭示短文本检测的真阳性率天花板。
无基准真相时，人机互补性如何评估？新框架提出 adequacy 标签
人机互补性评估通常依赖基准真相，但医疗建议等任务需判断充分性而非预测事实。本文介绍一种新框架，用上下文相关的 adequacy 标签替代基准真相，通过两步评分法和计算可靠主义，将互补性研究拓展到决策支持场景。
LLM语义合成：数据增强搜索效率提升600倍
研究比较九种数据增强策略，发现LLM生成的变换程序在CIFAR-10、CIFAR-100和SVHN上超越暴力搜索6000候选，候选评估减少22至600倍，并揭示低预算评估的预测效度问题。
静态分析+LLM：代码变更影响分析F1提升至33.3%
论文提出katIA方法，将静态代码影响分析与LLM推理结合，在多智能体变体下CE匹配F1达33.3%，并构建了1931个代码实体的人工标注数据集，改善CIA评估基准。
冻结权重下的Agent自我改进：失败轨迹的价值与边界
研究测试冻结权重下Agent通过失败轨迹改进harness的效果：客服决策任务提升4.0个百分点，但搜索过程贡献约60%，完整对话无显著增益，盲审发现240条测试项中146条有缺陷。
AOP-Smart-Finder：人机混合框架如何高通量挖掘文献中的有害结局路径
AOP-Smart-Finder 是一个整合大语言模型、RAG 与 Python 自动化的人机混合框架，可从大规模文献中高通量提取生物事件与关系，构建有害结局路径（AOP）并完成证据映射。DEHP 案例中30分钟处理近1.3万篇文献，ALS 案例经人工审编后构建出包含16个KE和23个KER的机制网络。
LLM驱动多目标强化学习：5G UPF选择新方案
本文介绍一种基于LLM和多准则深度强化学习的5G UPF选择方案，通过动态奖励函数平衡延迟、功耗与流量分布，在真实5G仿真平台上性能提升16.89%。
跨语言概念子空间：读取、迁移与擦除的实证研究
一项针对孟加拉语习语的研究发现，跨语言概念子空间的读取、分类器迁移与概念擦除并不一致：英语拟合的LEACE仅移除不到1个百分点的孟加拉语比喻类别准确率，而孟加拉语拟合可移除4-11个百分点。研究呼吁分开评估这四种操作。
检索模型存在“搜答案”偏差：密集检索为何偏爱已知答案
研究发现密集检索器存在“搜索答案偏差”：倾向于选择包含模型已知答案对象的段落，即使段落表达错误关系。涉及DPR、Contriever、E5、Qwen3-Embedding等八种模型，对检索增强生成系统有重要启示。
ACT-R模型如何预测语用推理中的个体与项目差异
新研究利用ACT-R认知模型预测语用推理中的个体与项目差异，通过Raven矩阵分数和事件典型性评分独立估计参数，揭示资源理性策略选择机制。
一个小模型搞定四种中亚语言：EmbeddingGemma多语言嵌入微调实践
EmbeddingGemma-300M 直接用于塔吉克语、哈萨克语、乌兹别克语和吉尔吉斯语时 recall@1 仅 51.7%-60.8%。Saidzoda 通过合成多语言数据微调，用一个模型将四种语言 recall@1 提升至 75.2%-77.7%，本文解析其策略、效果与权衡。
越南法律知识图谱：溯源每个法律答案的引用依据
越南法律知识图谱将109,543个问答与573,851份法律文件连接，通过五阶段方法构建11.5M节点图谱，揭示36%答案引用失效法律等问题，提升法律问答可追溯性。
THEATRON：评估LLM长程决策中的人格持续性
THEATRON 是一个评估大模型长程决策中人格持续性的受控基准，采用金融回放环境，对比 Zero-Shot、One-Shot 与 Chain-of-Thought 三种人格注入方式在四个 LLM 上的表现，揭示行为偏移与连贯策略之间的鸿沟。
TID团队Speech-COSER挑战赛ASR系统：LoRA课程学习+剪枝集成
TID团队在Speech-COSER Challenge 2026 ASR赛道提交系统：用CTC伪强制对齐打分驱动两阶段LoRA课程学习，配合LoRA矩阵幅值剪枝和七系统ROVER集成，未归一化WER 36.25%，归一化WER 22.17%。
扩散模型引导气候模拟，精准预测极端高温分布
一项研究利用条件扩散模型作为气候模拟器，通过扩散引导减少CMIP6模型偏差，将极端温度偏差减半，并预测2080年代极端高温影响近半全球陆地。
