RLCDR用校准决策奖励提升Qwen3数学准确率4.65点
RLCDR把LLM评审器改造成类型化决策模型:一次前向输出概率分布,经选项顺序去偏并用约百条标签校准。该无参考答案奖励用于GRPO训练Qwen3-1.7B,将MATH500准确率从…
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: #Dynamic Model 清除筛选
RLCDR把LLM评审器改造成类型化决策模型:一次前向输出概率分布,经选项顺序去偏并用约百条标签校准。该无参考答案奖励用于GRPO训练Qwen3-1.7B,将MATH500准确率从…
前沿论文· 2026-11-20
CoMPASS把大模型对用户拟社会依恋的强化能力转化为多轮压力测试。基准基于依恋理论构造4类用户角色,分别及组合升级拟人化、依恋与依赖三个维度,并以匹配对照和7信号量表计分。作者测…
智能体· 2026-11-20
BuggyMLE 论文把机器学习工程智能体评测从单文件修改推进到可操作完整仓库的环境。作者以仓库规模、依赖深度和补丁规模等十项结构特征构建代码复杂度指数 CCI,在八个公开编码基准…
智能体· 2026-11-20
SailSearch 提出一个由人类引导、两个语言模型智能体协作的组合优化研究工作流。在 Market Split 任务中,系统跨多个格基搜索,把计算分配给枚举与持续格基约化;在每…
智能体· 2026-11-20
论文提出部署在DMTA循环“分析—设计”接口的授权边界智能体,使系统不仅解读质谱与二极管阵列检测数据,还能选择下一次测量并提交仪器任务,同时由人类设定的实验边界约束状态变更。研究在…
大模型· 2026-11-20
论文提出 HireWatch,用200道依据美国联邦成文法、监管规则与机构指南标注的合法或非法面试题,考察LLM为不同职业和场景准备面试时的选题合规性。研究对18个闭源与开放权重模…
大模型· 2026-11-20
PRKV提出一种无需训练的KV Cache淘汰方法:把注意力转化为Token转移图,再用个性化PageRank传播多跳全局重要性,避免仅依赖近期Token或瞬时注意力。论文在多种L…
前沿论文· 2026-11-20
研究以64次从零预训练比较Transformer、GLA、Gated DeltaNet与Mamba2,覆盖1.3B—8B参数及100B—2T tokens。摘要称,小模型充分调参时…
前沿论文· 2026-11-20
TETHER 将长文档目录(ToC)从排版噪声提升为全局结构先验,用多模态大模型构建文档骨架,再以锚点对齐把正文块挂回层级,避免端到端长上下文抽取的空间漂移与幻觉。该框架无需训练,…
前沿论文· 2026-11-20
研究以稀疏自编码器提取GraphCast内部激活中的可干预特征,在自回归天气推演中通过消融、抑制、放大与特征缩放,区分“与物理现象相关”和“对预测具有因果效用”两种属性。实验显示,…
前沿论文· 2026-11-20
论文发布长距离人脸呈现攻击检测(PAD)数据集与三分类基准,覆盖261名身份、37万余帧,在1—100米五个距离、室内外场景及DSLR/手机两类传感器上统一评估活体、欺骗与遮挡道具…
前沿论文· 2026-11-20
HapBO 将专家或大模型给出的自然语言先验一次性编译为可复用的 π(x)∈[0,1] 信念函数,并以有界正乘子调制任意非负采集函数。其关键收益是优化循环内不再调用 LLM,同时在…