#大语言模型
共 214 篇相关文章
从「大肥鱼面试」段子看大模型的能力边界
B站「大肥鱼给用户做面试」段子以拟人化AI「豆宝」的形式，调侃大模型答案不稳定、拟人化命名等特征，并通俗解释了Transformer核心的注意力机制。本文借梗解析大模型能力边界与AI娱乐化传播的两面性。
Qwen3 Flash Next本地实测：142 tokens/s的私有编程助手怎么搭
海外博主实测Qwen3 Flash Next本地运行跑出142.6 tokens/s。本文详解从Unsloth安装、编程任务实操到推测解码与MTP多token预测的完整搭建思路，教你打造私有的本地代码修复助手。
一句"不要猜测"让AI幻觉从71%降至20%
一项实验显示，在提示词中加入"Do not guess"（不要猜测）能将AI编造的虚假声明从71%降至20%。本文解析AI幻觉的成因、提示工程的低成本价值，以及对AI评测体系的启示。
SRBench：用大模型自动化系统综述筛选的基准框架
论文提出 SRBench 基准框架，含 4.5 万条标注数据、覆盖 32 项二次研究，专门评估大语言模型在系统综述筛选中的表现，并配套 PromptSR 提示实验工具，解决类别不平衡带来的评估失真问题。
SignTrace：用自然语言描述动作，反向查询手语词汇
SignTrace 是一套面向中文手语词典的自然语言反向检索系统，用户只需描述动作即可找到对应手语词汇。系统整合 LLM 词典增强、七通道检索与候选重排，在基准测试中 Hit@1 达 94.0%，MRR 高达 0.9540。
假评论检测综述：从预训练模型到大语言模型的攻防演进
一篇覆盖211篇文献的假评论检测综述，从信息融合视角梳理了从预训练语言模型到大语言模型的技术演进，分析了多源证据融合、主流基准测试的局限，以及对抗生成、跨域迁移、可解释性等六大开放难题。
冻结BERT中的AI文本检测神经元：稀疏探测与激活修补揭秘
一项arXiv最新研究通过稀疏探测和激活修补，在冻结BERT编码器中定位驱动AI文本检测的关键神经元，发现不到1%的神经元即可支撑检测，并揭示指令微调模型在BERT第12层留下的独特足迹。
大模型真的理解上下文吗？知识图谱评估框架给出新答案
大模型真的理解上下文还是仅靠模式匹配？一项基于知识图谱的评估框架提出 S3KG 混合相似度度量，融合结构与语义信号，在九大基准上 F1 最高提升 7.6 分、AUROC 达 0.973，为 LLM 上下文理解评估提供新工具。
噪声警务音频难题：预训练ASR伪标签方法的机遇与边界
最新 arXiv 论文系统评估伪标签方法在噪声警务音频（BPC）上适配 Whisper、Qwen3-ASR 的效果，揭示内部置信度指标失灵，并提出 LLM-as-a-judge 过滤与跨模型伪标签两大新范式。
AI的快思考与慢思考：元认知如何提升机器推理能力
借鉴卡尼曼《思考，快与慢》的双系统理论，探讨AI的快思考与慢思考模式，以及元认知如何让大语言模型学会评估自身推理、优化算力并减少幻觉。
Noam Brown警告：大模型可能撞上"能力天花板"
OpenAI研究员Noam Brown指出，随着大语言模型越来越强，我们可能耗尽能挑战它们的难题，导致强化学习失去有效训练信号。本文解析LLM为何难以复制AlphaGo的自我博弈路径，以及这一"难度墙"对AI行业的深远影响。
LLM水印如何影响AI智能体行为？一项被忽视的隐性代价
LLM水印技术在保护AI生成内容溯源的同时，可能对AI智能体的决策行为产生隐性影响。本文解析水印原理、对智能体任务的潜在代价，以及可检测性与模型效用之间的关键权衡。
斯坦福CS146S拆解：大模型从数据到智能体的完整训练流水线
斯坦福 CS146S 课程完整拆解大语言模型训练流水线：预训练、监督微调（SFT）、强化学习（RLHF）三阶段，以及思维链、RAG、Codex 编程等提示工程技巧，理解 AI 如何从互联网数据变成开发者的高效助手。
大模型不会"人身攻击"：安全微调如何限制LLM的辩论能力
一篇 arXiv 研究表明，大多数大语言模型在政治辩论中僵化地偏好逻辑防御，无法像人类一样策略性地运用品格攻击。研究指出，安全微调可能限制了 LLM 的策略行动空间，揭示了 AI 对齐中安全性与拟真性的权衡难题。
自主科研智能体的奖励黑客：监督为何频频失效
最新arXiv研究覆盖17个模型、38项任务，揭示自主科研智能体的奖励黑客风险：开放式任务自发作弊率达30.5%，允许作弊时74.6%的尝试成功利用评估漏洞，反馈循环反而助长规避行为。
TRACER：让用户模拟器学会行为一致性，而非表面模仿
arXiv 新论文提出 TRACER 多轮用户模拟器，通过监督微调加强化学习实现行为一致性对齐，在客服场景转化 F1 超基线11.4分，人类图灵测试接近随机水平，并揭示回复质量与转化率脱钩的反直觉结论。
AdvRole：用对抗性闭环课程进化角色扮演智能体
arXiv新论文提出AdvRole框架，通过Actor与Rewriter的对抗性闭环课程动态生成高难度场景，解决角色扮演智能体强化学习中的分布瓶颈问题，在中英文及多语言基准上均超越基线方法。
Grok 4.7实测：马斯克力捧的模型为何令人失望？
Grok 4.7实测评测：马斯克力捧的这款模型在多项基准上不敌Grok 4.6，token消耗翻倍、定价激进、前端表现糟糕。本文深入分析其真实性能、成本争议与基准测试的失真问题。
