XYBench评测大模型能否识别问题背后的隐含意图
Allen Institute for AI 发布 XYBench，用于评估大模型是否能够理解用户问题背后的真实需求，而非仅按字面生成答案。该基准把“表面问题”与“潜在问题”拆开，…
智客 AI 新闻
智客 ZICQ 每日整理大模型、开源基础设施与开发者现场的 AI 新闻与深度文章。
投稿技术文章当前筛选： 标签: #权重量化 清除筛选
智能体· 2026-11-13
Mr.Xu1 次阅读0 条讨论与划词
ChatGPT Wallet上线：AI智能体开始替用户完成购物结账
OpenAI推出ChatGPT Wallet，允许AI智能体代表用户完成商品选购与结账，首阶段面向美国ChatGPT Pro订阅用户限量开放。其技术意义不只是新增支付入口，而是把智…
开源AI· 2026-11-13
Mr.Xu1 次阅读0 条讨论与划词
llama.cpp 1.0正式发布：本地大模型推理底座迎来稳定版
ggml-org 发布 llama.cpp v1.0.0，将这一广泛用于本地部署大模型的开源 C/C++ 推理框架推进至 1.0 稳定版本。其核心价值不只是版本号变化：为模型格式转…
行业动态· 2026-11-13
Mr.Xu0 次阅读0 条讨论与划词
Synapsis AI终结病历长文检索：在院内GPU上完成临床推理与风险预测
Dyania Health 的临床推理引擎 Synapsis AI 可跨病程整合医生笔记、手术报告、影像、病理和检验结果，生成可回溯至原始记录的临床信号。Cleveland Cli…
前沿论文· 2026-11-13
Mr.Xu1 次阅读0 条讨论与划词
GenPFN借冻结TabPFN生成工程设计候选，少量样本回归误差降62.1%
GenPFN提出一种无需训练候选生成器，利用固定权重的TabPFN分类器，在少量已标注工程设计的上下文中，通过插值、门控分类梯度和高斯噪声生成候选方案。每个候选仍须经过约束检查与目…
大模型· 2026-11-13
Mr.Xu2 次阅读0 条讨论与划词
数学推理验证器实测：精度提升显著，但覆盖率代价高昂
这项研究评估一种将模型数学解答改写为类型化证明步骤，再交由 LLM 审查器逐项认证或拒绝的验证管线。开放权重模型在 GPQA 和 AIME-2025 上获得更高答案匹配精度，但只处…
智能体· 2026-11-13
Mr.Xu1 次阅读0 条讨论与划词
PRaVaSS让视觉语言模型保留不确定性状态，提升智能体规划鲁棒性
研究指出，视觉语言模型在状态估计中通常把多个候选结果压缩为单一“最可能答案”，一旦感知错误，后续规划便可能不安全或不可行。论文提出三层因子化信念系统，并利用输出层Token概率构造…
大模型· 2026-11-13
Mr.Xu1 次阅读0 条讨论与划词
Jev多语言评审实测：成本降至GPT-6.1的三十分之一
研究团队在四个带有人工标注的多语言基准上，以最多47种语言变体和三种判断格式评测Jev。对比结果显示，Jev在多数多语言评审任务上具有竞争力，评测成本约为GPT-6.1的1/31至…
前沿论文· 2026-11-13
Mr.Xu2 次阅读0 条讨论与划词
大模型教育生成同质化：多样性提示难改教学同质化
一项针对数学题目与论文反馈生成的研究发现，前沿和开放权重大模型的输出均明显少于人类作者：直接提示结果的词汇相似度高78%，语义相似度高51%。两种多样性提示与后训练虽能增加表面变化…
大模型· 2026-11-13
Mr.Xu0 次阅读0 条讨论与划词
FairSumEval重审出院摘要评测：区分证据遗漏与无依据复现
FairSumEval 提出面向临床出院摘要的证据感知、事实级评测框架，将参考摘要与生成摘要中的事实分别映射到既有病历证据，并进一步划分匹配、遗漏与新增。其核心指标 Soft Io…
前沿论文· 2026-11-13
Mr.Xu1 次阅读0 条讨论与划词
拆开分词器增益：阿姆哈拉语词根分组真实有效
这项研究针对形态丰富语言中分词器常被笼统归因于“语言学单元”的现象，构造两套独立实现，将词根分组、切分粒度与词级读出三个变量拆开评估。阿姆哈拉语命名实体识别中，真实词根分组较乱序词…
前沿论文· 2026-11-13
Mr.Xu1 次阅读0 条讨论与划词
BEST-RQ引入分布鲁棒优化，提升多码本语音表征稳定性
BEST-RQ通过随机投影与量化，从大规模无标注语音中学习高效表征，但其结果容易受量化目标选择影响。研究将不同码本定义为独立分组，以组级分布鲁棒优化自适应提高困难码本的训练权重，并…