通过最优传输语义流连接视觉与语言概念
提出OTF-CBM模型,用最优传输流匹配实现跨模态概念对齐,提升分类精度与概念忠实度。
AgentX:迈向智能体驱动的工业推荐系统自我迭代
AgentX多智能体系统自主完成推荐实验的生成、实现、评估与学习,实现闭环自我迭代。
爱因斯坦世界模型
爱因斯坦世界模型(EWM)通过在推理中插入视觉-时间展开,增强LLM对反事实事件的推理能力。
CARVE:面向分块并行线性注意力的内容感知循环与值效率方法
CARVE通过键轴擦除解决记忆盲门控等三缺陷,实现高性能、低内存和参数减少,获多项SOTA。
MinGram:一种高压缩且形态对齐有竞争力的极简一元分词器
MinGram用极简训练法实现高压缩与强形态对齐,语言建模性能优于BPE。
PhysRAG:通过检索增强生成提升视频生成中的物理感知
PhysRAG利用检索增强生成与数据过滤,构建物理库注入可学习查询,提升视频生成的视觉质量与物理规则遵循。
坍塌前的结构:下一个词预测中的瞬态语义几何
训练早期出现语义几何,随后消失,Gram矩阵分析揭示这种瞬态相变。
推理质量早期涌现:针对推理模型的数据整理
通过初始推理token的损失模式识别难题,数据整理使模型性能提升1.7%,token效率提高91%。
NuclearQAv2:评估大语言模型领域科学能力的结构化基准
NuclearQAv2含1240问答题,评估LLM核工程知识,事实题优秀但定量推理和概念理解仍是难点。
TAVR-VLM:风险条件因果定位实现抗幻觉报告生成
TAVR-VLM通过风险条件因果注意力机制,降低幻觉率至8.1%,在TAVR规划中创SOTA。
使用度量有序序列训练与混合策略偏好优化的扩散Transformer生成式检索
提出MO-DiT+HPPO框架,通过度量有序训练和混合策略偏好优化,在保持模式同时提升属性检索交叉度量,显著优于基线。
基于纤维束追踪的合成数据生成用于示踪组织学纤维束分割
用纤维束追踪生成合成数据训练U-Net,结合真实数据减少3倍标注量,性能达当前最优。
多模态3D MRI中的局部、全局与跨模态上下文建模
提出MICViT模型,融合局部/全局及跨模态注意力,在多模态脑MRI中显著提升预测性能。
诊断语言代理的任务不敏感性
语言模型在相似任务中忽视指令,导致泛化弱。通过任务扰动优化提升任务敏感性,稳定注意力。
稀疏随机图上神经ODE的零样本尺寸迁移:图极限与伴随收敛
为稀疏随机图GNDE零样本迁移建立定量理论,证明解与梯度收敛速率,实验验证。
通过基于心理学的推理和角色感知策略优化改进通用角色扮演智能体
提出Psy-CoT思维链与RAPO策略优化,增强角色推理与保真度,实验超越现有方法。
LCAi:大数据融合与检索增强生成辅助解释的生命周期评估
提出视角条件RAG框架,融合多源数据,缓解幻觉,将LCA影响结果转化为战略路径,支持实施决策。
使用LLM进行预测:通过特征引导改进泛化能力
研究通过稀疏自编码器分析LLM内部状态,发现增强时间感知特征可减少前瞻偏差,提升基于历史的推理泛化能力。
持久化KV:商品GPU上长上下文LLM服务的页面感知解码调度
提出PersistentKV,通过页面感知调度和KV组重用,在商品GPU上提升长上下文LLM服务吞吐量,自适应策略比单一实现提升1.06-1.4倍。
考虑置信度的工具编排以实现鲁棒视频理解
提出 Robust-TO 框架,将每帧可信度融入推理,在多种扰动下保持高精度,有效解决盲信问题。
利用大型语言模型生成纵向合成临床笔记的流程
提出利用大模型生成纵向合成临床笔记的流水线,发布70名患者数据集,用于临床AI开发。
实用化的卷帘快门相对位姿估计
引入仿射对应,仅需7点即可快速估计卷帘快门位姿与运动,精度最佳且可估计平移速度。
面向通用显著性目标检测的异构表示液体融合
LFNet通过液体融合动态整合CNN与SSM特征,实现通用显著性目标检测,性能领先。
意图驱动之路:意图感知训练提升大语言模型安全分类效果
建模用户意图作为显式信号可显著提升安全分类器性能,其中GRPO奖励意图忠实性效果最佳。
SpatialFlow-GRPO:空间信用驱动图像编辑
提出空间细粒度奖励反馈框架,区域感知优化提升图像编辑质量。
学习从多任务合并模型中恢复任务专家
提出ReTeX,预测参数偏移消除多任务合并干扰,从单检查点恢复专家性能,SVD子空间标识任务,恢复超95%性能并提升泛化。
面向可解释的裁判差异:基于门控多任务学习的司法裁量权量化
门控多任务学习区分事实与裁量,参数少、可解释,在UK劳动法庭基准上创SOTA。
逃离迭代参数空间噪声:基于超网络的差分隐私学习
提出超网络框架,将私有数据一次映射为低维参数,大幅降低噪声影响,理论与实验均优于DP-SGD。
思维链训练收益在基于LLM的智能体中的落脚点
研究发现CoT训练主要提升直接动作预测而非推理优势,后期更依赖提示,掩码动作监督可改善泛化。
HyperDFlash:基于门控残差缩减的MHC对齐块推测解码
针对多超连接架构,HyperDFlash通过残差对齐和门控缩减,优化块推测解码,提升草稿质量与解码速度。
谜题之谜:测试大语言模型与人类的灵活推理
LLM对真谜题准确率高(84.9%),谜题谜语低(50.7%),人类反之;LLM错误多因不当创新推理,人类多因字面过度延伸。
句法信念更新作为花园路径加工困难的驱动因素
提出句法信念更新模型,用广义Rényi散度度量更新幅度,不依赖词汇概率,更好拟合花园路径句阅读时间。
Look-Before-Move: Narrative-Grounded World Visual Attention in Dynamic 3D Story Worlds
深度学习的算法基础:复杂度理论速率与通用逼近的表征
神经网络复杂性由算法复杂度决定,通用逼近需含非仿射非线性,参数可指数级优化。
Qwen-Image-Agent:弥合现实世界图像生成中的上下文鸿沟
提出Qwen-Image-Agent框架,通过上下文感知规划和接地弥合鸿沟,实现图像生成SOTA。
关于“AlphaEdit: 语言模型的零空间约束知识编辑”的可重复性研究
复现AlphaEdit,证实其效果但发现优势不通用,长序列编辑性能下降,影响下游任务与安全。
批量不变光谱智能:鲁棒且可解释的昆虫认证
BISN框架通过可学习预处理和对抗学习抑制批次光谱差异,在三类昆虫认证中达0.93准确率,可解释AI确认依赖脂质蛋白吸收区域。
RIS辅助的毫米波无线网络可靠主动切换技术
通过优化RIS元素数量,在满足切换时序前提下节能10%,阻塞区信噪比提升15-30dB。
AIGP:基于大语言模型的电子商务定价长期价值对齐框架
AIGP利用大语言模型和长期价值评估器对齐定价与长期目标,在淘宝工厂测试中GMV提升13.21%,ROI提升7.59%。
进化语义学中的组合性与词汇
提出词汇与组合函数共进化框架,发现保守性为高效系统抽象,调和量词学习与进化模型张力。
Beyond Surface Forms: A Comprehensive, Mechanism-Oriented Taxonomy of Indirect Linguistic Encoding for LLM-Based Coded Language Detection
连接言语与思维:理解协作解决问题情境中的对话动态
提出双层编码框架分析协作对话,整合认知与元认知调节,发现元认知是深层协作的关键区分因素。
从点击到意图:基于LLM蒸馏分类法的跨平台会话嵌入用于金融服务推荐
自监督Transformer编码点击流为嵌入,LLM蒸馏可解释标签,召回率提升1.88%,损失降低13.38%。
PortraitGen:示例驱动的GRPO与双重奖励引导的逼真肖像生成
提出PortraitGen框架,引入真实图像到GRPO采样,结合双重奖励,有效抑制AI伪影,实现高逼真肖像生成。
EO-WM:一种用于概率性地球观测预测的物理信息世界模型
提出物理信息世界模型EO-WM,结合极端天气诊断基准,降低NDVI误差5.63%,提升方向命中率7.80%。
PanoImager: 几何引导的稀疏全景视图新视角合成与重建
提出无SfM框架PanoImager,融合前馈位姿深度先验、扩散视图补全与深度引导3DGS,提升极致稀疏全景重建稳定性。
基于动态奖励优化的多参考图像生成扩展
提出DyRef框架,通过动态奖励优化大幅提升多参考图像生成性能。
OpenRCA 2.0:从结果标签到因果过程监督
提出PAVE协议生成因果传播路径标注,构建跨系统RCA基准,发现LLM根因定位成功率仅20.7%,存在非扎根诊断问题。
数据同化中基于共形预测的不确定性量化
用共形预测量化数据同化不确定性,与集成方法比较,评估三种变体性能。
面向弹性AI的自适应效用驱动资源编排(AURORA-AI)
AURORA-AI框架通过HJB控制与Lyapunov稳定性,在非平稳条件下最大化预测性能与公平性等综合效用,实现快速恢复与稳定运行。