#大语言模型
共 296 篇相关文章
人类 vs LLM模拟来访者：在线咨询训练对话模式对比
一项研究对比人类角色扮演者与Mixtral 8x7b模拟来访者在在线咨询训练中的对话模式，在句子层面分析LLM能否复现真实对话动态，以及咨询师面对人与AI时沟通行为的差异，探讨LLM角色扮演训练的潜力与局限。
H²R：用分层提示奖励提升数学推理
论文提出 H²R 框架，利用数学题固有的子问题结构作为分层提示奖励，为 RLVR 训练提供中间监督，并发布 HiMath 分层数学基准。实验显示分层提示可一致提升多种大模型的数学推理表现，集成到 RL 训练后增益进一步放大。
大模型如何破解医学试题难度密码？
一项研究利用USMLE和PANCE真题的经验难度标签，引导大语言模型归纳医学试题难度规则。研究发现难度并非来自题干长度等表面特征，而线索汇聚、误导性线索和选项竞争才是关键模式；规则引导能改善粗粒度判断，却未稳定提升排序准确性。
用有监督LLM在语言空间融合异构超声心动图AI输出
一项研究提出用有监督大语言模型在语言空间做晚期融合，直接聚合超声心动图多视图AI模型的预测发现与测量值，省去模型特定的输出转换与医学特征工程，并在646名患者的859次检查交叉验证中表现与最佳参考策略相当。
ChatGPT与AI Agent工作原理：无数学拆解核心机制
用无数学的方式拆解ChatGPT与AI Agent的工作原理：从token化、神经网络权重、注意力机制到逐词生成，再到Agent的工具循环。附职场使用AI的三条实用原则，帮你理解模型为何会出错、长对话为何失效、Agent为何需要严格授权。
从DQI到C-DQI：LLM自动生成编码手册评估议会话语质量
研究提出从DQI到C-DQI的完整协议，利用大语言模型自动生成并评估议会话语质量编码手册，对比理论驱动与数据驱动方案，实验显示数据驱动编码在模型间一致性上更优。
FisherEdit：用Fisher信息几何实现LLM知识编辑新突破
FisherEdit提出基于Fisher信息几何的知识编辑方法，用参数空间重要性正则化替代零空间投影，在Llama-3、Qwen2.5等模型上实现SOTA编辑性能并保持模型稳定性。
LLM如何预测下一个Token？拆解大模型生成机制
大语言模型如何预测下一个token？本文拆解LLM的token定义、下一token概率预测流程、Transformer训练来源、temperature采样策略，并用Python词频示例说明生成机制的本质与边界。
如何让System 1大模型展现System 2能力？
探讨如何让System 1大语言模型展现System 2推理能力，分析思维链、推理时计算、自洽性采样等主流路径，并讨论能力能否被诱导这一核心分歧。
LLM测试时集成：双样本量与加权集成理论新解
研究揭示LLM测试时加权集成中标注问题数Q与生成次数N的双样本量权衡，证明缓冲ERM达到Q^{-1/2}+N^{-β/2}超额风险，并发现三类学习机制与N^{-β}识别极限，为集成权重学习提供理论保证。
Oracle引导微调：让生成式ASR后编辑学会选择与重写
研究提出Oracle引导微调方法，通过修正池、正则化池和难负样本池将N-best列表转化为监督信号，训练生成式ASR后编辑模型学习选择或重写策略，减少过度编辑与幻觉，并揭示公共数据集预训练重叠问题。
别急着生成：让你的模型先学会"读空气"
LLM温度选择长期依赖固定值或启发式校准，缺少可解释的场景表示。新研究提出Scenario-Actor框架，从Transformer隐藏状态提取场景嵌入来动态决定采样温度，在Llama-3.1-8B-Instruct的社交互动、开放指令跟随与多轮对话任务上取得提升。
下一token预测+强化学习能通向通用智能吗？
下一token预测加强化学习能否产生通用人工智能？本文梳理Reddit讨论与计算学习理论，解析NTP+RL通向AGI的最强机制论证及其在目标生成、具身交互、持续学习三方面的缺口。
美国核电全面拥抱AI：94座反应堆如何用大模型管文档
美国94座核反应堆几乎全部引入AI，Atomic Canyon的NIVA与Nuclearn等方案从文档检索切入。本文解析核电AI落地的双重动因、数据孤岛难题，以及为何人类仍牢牢掌控运营决策权。
本地部署大模型选型指南：别再盯着参数和排行榜
如何为自己的硬件选择本地大语言模型？本文提供一套六步法：从任务需求出发、合理预算内存、权衡量化、理解可用上下文、核查许可证与安全性，并通过可复现测试做最终决策，告别盲目看参数和排行榜。
模型级RSI：当AI开始改进自身权重意味着什么
模型级RSI（递归自我改进）指的是模型在没有人类标注的情况下改进自身权重。本文梳理自我改进的五个阶段、避免自欺的三条规则，以及如何正确解读公开排行榜成绩，区分真实进步与数据泄漏。
4GB显卡从零训练语言模型：失败比成功更有价值
一位开发者用4GB显存的GTX 1650从零训练了2200万参数的语言模型，经历CUDA崩溃、生成死循环与斐波那契失败。本文解析在极限硬件约束下训练LLM的完整工作流、评估方法与教训。
LLM招聘筛选大测评：谁在左右你的简历命运？
FairScreen用10个大语言模型测试AI招聘筛选，发现模型配置、事实提取与输出处理远比模型名气更能左右决策。关闭思考的Qwen3得分39%，开启后飙升至98%，代码重放平均提升20.5个百分点。
