CulturalCrosswords以42种语言谜题检验大模型文化推理
CulturalCrosswords收集42种语言的文化谜语，构建53组填字游戏，并从答案长度、提示、交叉约束和完整网格四个维度评测11种大模型配置。结果显示，提供答案长度可使参考…
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: #统计工具 清除筛选
前沿论文· 2026-11-10
Mr.Xu0 次阅读0 条讨论与划词
Qwen3.5-27B“模型生物”揭示未言语评测意识难测
研究团队以 Qwen3.5-27B 为模型生物，通过合成文档微调、SFT 与 DPO，训练模型在识别评测时仅在最终回答中输出专用标记，同时抑制推理过程中的言语化意识。该标记可提供逐…
智能体· 2026-11-10
Mr.Xu0 次阅读0 条讨论与划词
MedGuard以工具层校验提升临床智能体容错能力
临床智能体即使能完成标准任务，也可能在工具返回异常时检索错误证据、误写患者记录或漏掉必要状态更新。论文提出故障注入基准MedToolFault，将六类工具故障与答案正确性、必要状态…
前沿论文· 2026-11-10
Mr.Xu0 次阅读0 条讨论与划词
FPD重构多模态大模型遗忘监督，兼顾隐私清除与模型效用
多模态大模型可能从训练数据中记忆并复现敏感信息，但现有遗忘方法常在“忘得干净”与“保留能力”之间陷入权衡。研究提出FFN-Perturbed Self-Distillation（F…
大模型· 2026-11-10
Mr.Xu0 次阅读0 条讨论与划词
DramaGrow审计LLM剧情评委：绝对评分可靠性不足九成
DramaGrow提出面向中文五集剧生成的LLM评委审计基准，将可验证约束违规、五人评审中的四票偏好及组内分歧拆分到不同样本空间，并纳入120项字节保持干预。冻结测试显示，重复绝对…
大模型· 2026-11-10
Mr.Xu0 次阅读0 条讨论与划词
解码器大模型自然语言推理评测：少样本示例质量比数量更关键
一项面向Llama、Mistral、Gemma和Phi 4解码器模型的自然语言推理基准研究，在MNLI、QNLI与SciTail上比较零样本、少样本、ICS及MCQ式提示。结果显示…
大模型· 2026-11-10
Mr.Xu2 次阅读0 条讨论与划词
CoMixKV协同量化多智能体KV Cache，Qwen3显存降低32.08%
CoMixKV面向多智能体LLM系统中多个代理同时驻留造成的KV Cache显存瓶颈，提出在线敏感度估计与跨代理、跨层联合位宽分配机制。控制器依据近期查询、键和值构造局部注意力误差…
前沿论文· 2026-11-10
Mr.Xu1 次阅读0 条讨论与划词
R-BiLoGo以图Transformer迁移钣金局部特征响应
研究团队提出基线条件残差代理模型 R-BiLoGo，用图 Transformer 将热冲压角件侧壁加强筋的局部效应，从源全局几何迁移到新几何。模型以无筋基线响应和加强筋引起的几何扰…
前沿论文· 2026-11-10
Mr.Xu1 次阅读0 条讨论与划词
fNIRSAtlas统一19组脑光数据评测，揭示深度模型跨任务泛化困境
fNIRSAtlas将19个公开功能近红外光谱数据集整合为23项分类任务，覆盖运动执行、运动想象、心算、工作记忆与情绪识别，并提供从原始信号预处理到评测的自动化流水线。基准同时规范…
前沿论文· 2026-11-10
Mr.Xu2 次阅读0 条讨论与划词
统一离散化稳定学习：Transformer、FNO皆为马尔可夫核网络特例
论文提出“均匀离散化稳定性”，将连续函数及其离散采样统一表示为概率测度，并以 Wasserstein 距离和 Hölder 界量化输出变化。其核心表示定理证明，所有满足该稳定性的算…
前沿论文· 2026-11-10
Mr.Xu2 次阅读0 条讨论与划词
SRC校准代理约束风险，覆盖优化器最终决策
论文提出 Selected-Risk Calibration（SRC），将代理约束的校准对象从随机输入转向优化器实际返回的决策，并以“选中风险”衡量最终解违反真实约束的概率。在目标…
前沿论文· 2026-11-10
Mr.Xu2 次阅读0 条讨论与划词
TopoBench统一评测GNN与拓扑神经网络，图结构优势依任务而变
2026年拓扑深度学习挑战首次将图神经网络（GNN）与拓扑神经网络（TNN）置于统一评测流水线中，34支团队的68份有效方案覆盖图、单纯形、胞腔、超图与组合结构。GraphUniv…