[控场AI]

#大语言模型

共 308 篇相关文章

利用大模型分歧定位专家精力:LLM码本修订加速大规模标注
·5 分钟

利用大模型分歧定位专家精力:LLM码本修订加速大规模标注

arXiv 最新研究提出利用大语言模型间的跨模型分歧,精准定位专家精力投入方向,加速 LLM 码本修订。实验显示理由标注方式使标注准确率达 64.9%,超越传统专家修订码本,将数月修订压缩至数天。

阅读全文 →
COMED:多模型推理中路由与协作之间的"缺失中间态"
·5 分钟

COMED:多模型推理中路由与协作之间的"缺失中间态"

COMED 是一种介于模型路由与密集协作之间的多 LLM 推理控制器,通过锚点自一致性、路由间隔和同伴探针实现选择性协作,在 MedQA 上提升达 10.7 个百分点,并将 GPT-5.5 从 23.1% 提升至 28.1%。

阅读全文 →
让Claude展示自己的"思维内部":一次AI自我可视化实验
·4 分钟

让Claude展示自己的"思维内部":一次AI自我可视化实验

一位Reddit用户让Claude展示"自己的思维内部",据称由Opus 5.5构建。本文解析这类AI自我可视化实验背后的技术真相,探讨大语言模型能否真正内省,以及机制可解释性研究的意义。

阅读全文 →
Mercury 2.5扩散语言模型:770 tokens/秒的推理速度突破
·4 分钟

Mercury 2.5扩散语言模型:770 tokens/秒的推理速度突破

Mercury 2.5 大语言模型推理速度达到 770 tokens/秒,作为扩散式语言模型的代表,展现了并行生成架构在推理吞吐上的潜力。本文解析其技术路线、速度优势来源及需要关注的质量与成本维度。

阅读全文 →
Peerify:让AI核查同行评审论断的基准测试研究
·5 分钟

Peerify:让AI核查同行评审论断的基准测试研究

Peerify 是一套面向学术同行评审的AI论断核查流水线,通过论断分解与证据检索判定审稿意见是否有稿件支撑。基于 NeurIPS 与 ICLR 真实评审构建 800 条论断基准,自动标注与人类共识一致率达 90.3%。

阅读全文 →
LLM评审共识的陷阱:错误相关性如何夸大证据强度
·5 分钟

LLM评审共识的陷阱:错误相关性如何夸大证据强度

arXiv最新研究揭示LLM评审共识的隐藏陷阱:评审错误存在显著相关性,十个评审仅相当于3.5个独立评审,高达28%的系统对比结论因忽略共享错误而被夸大。文章解读错误相关性对模型评测的影响及应对方案。

阅读全文 →
AI群体协商的智慧:多样性模型讨论如何超越单体判断
·5 分钟

AI群体协商的智慧:多样性模型讨论如何超越单体判断

arXiv新研究将人类"协商智慧"范式迁移到大语言模型,在四个领域验证:多样性模型群体讨论能超越被动汇总,而克隆模型无法获益。多样性是协商机制的关键活性成分。

阅读全文 →
目标驱动的流程变体分类:用LLM连接行为与业务目标
·4 分钟

目标驱动的流程变体分类:用LLM连接行为与业务目标

一篇arXiv论文提出目标驱动的流程变体分类方法,反转传统「先聚类后赋义」的工作流,先构建目标模型再用LLM将流程变体归入业务类别,在三个公开日志上验证了其有效性与可控性。

阅读全文 →
教材还是病例?数据类型如何塑造医疗大模型能力
·4 分钟

教材还是病例?数据类型如何塑造医疗大模型能力

一项 arXiv 新研究通过 token 对齐的对照实验,揭示教材数据与临床病历数据如何差异化塑造医疗大模型能力:临床数据迁移更广,教材数据偏重知识记忆,且存在知行鸿沟。医疗 LLM 数据策展应以应用为导向。

阅读全文 →
用户期待Opus 5.5改进什么?聚焦写作质量与任务专注
·3 分钟

用户期待Opus 5.5改进什么?聚焦写作质量与任务专注

Reddit 用户热议 Claude Opus 5.5 最期待的改进:回归人类化写作风格、提升长任务目标专注度。本文解读这些诉求背后反映的大模型使用体验新趋势。

阅读全文 →
MiMo-v2.6-Pro深度剖析:智能、性能与价格三维评估
·5 分钟

MiMo-v2.6-Pro深度剖析:智能、性能与价格三维评估

MiMo-v2.6-Pro大模型深度评估:从智能水平、性能表现到价格成本三个维度全面剖析,帮助你理解大语言模型选型的核心权衡框架与性价比考量。

阅读全文 →
上下文投毒:长上下文模型为何被干扰信息拖垮
·6 分钟

上下文投毒:长上下文模型为何被干扰信息拖垮

arXiv 论文提出"上下文投毒"概念,将长上下文语言模型的性能退化解释为注意力中的极值干扰,指出有效干扰项数量而非原始长度才是关键,并给出证据边际需按 √logN 增长的理论边界及多种缓解方案。

阅读全文 →
DeepInstructor:用结构化学术经验驱动科研创意评估的智能体框架
·4 分钟

DeepInstructor:用结构化学术经验驱动科研创意评估的智能体框架

arXiv 论文提出 DeepInstructor,一个基于经验图谱和 ReAct 智能体的科研创意评估框架,利用 58607 条同行评审构建结构化经验,在与人类判断对齐度上 Hit@1、Hit@2 分别提升 24.4% 和 29.7%。

阅读全文 →
LLM真有认知偏差吗?PsyAgentBench揭示三种伪装路径
·5 分钟

LLM真有认知偏差吗?PsyAgentBench揭示三种伪装路径

PsyAgentBench 通过 41,904 次实验重新检验 LLM 智能体的经典心理学效应,发现从众、锚定等类人偏差通过标签识别、知识依赖、安全拒绝等不同路径产生,而非单一易感性。研究警示标量偏差分数的误导性。

阅读全文 →
小米 MiMo v2.6 发布:开源大模型再进一步
·4 分钟

小米 MiMo v2.6 发布:开源大模型再进一步

小米发布新一代大模型 MiMo v2.6,在 Hacker News 获得近三百点赞热议。本文梳理 MiMo 系列定位、小米自研大模型的战略意义,并分析其在开源模型竞争格局中的位置与看点。

阅读全文 →
Fable 5引发热议:AI推理能力真的在下降吗?
·4 分钟

Fable 5引发热议:AI推理能力真的在下降吗?

Hacker News 热议话题「Fable 5」指出 AI 推理能力中位数在八月出现下滑,引发社区对大模型表现波动的讨论。本文分析模型退化的可能原因与第三方监测的价值。

阅读全文 →
SAGE:用Schema引导LLM做拨款评审,人机协作达成中高一致性
·5 分钟

SAGE:用Schema引导LLM做拨款评审,人机协作达成中高一致性

arXiv 最新研究提出 SAGE 系统,用 Schema 引导大语言模型进行拨款评审。通过结构化检查与证据链接,SAGE 在人机协作模式下达成 kappa=0.58 的中高一致性,显著优于简单提示基线,为 AI 辅助专业评审提供可审计范式。

阅读全文 →
SpecOpt:用智能体优化药物分子的靶向特异性
·6 分钟

SpecOpt:用智能体优化药物分子的靶向特异性

SpecOpt 提出了一项全新的分子设计任务:通过智能体框架结合残基感知接触分析与大语言模型推理,优化现有药物的靶向特异性。在 915 个化合物上,84.8% 获得结合选择性改善。

阅读全文 →