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…
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: #Google搜索 清除筛选
大模型· 2026-11-13
Mr.Xu1 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.Xu1 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.Xu0 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…
前沿论文· 2026-11-13
Mr.Xu1 次阅读0 条讨论与划词
冻结多模态LLM也能实现词级全双工语音对话
这项研究提出一套基于“思考者—说话者”级联的全双工语音对话系统：在80毫秒帧时钟上冻结通用多模态LLM，仅训练9700万参数的轻量适配器与新增词嵌入，并以离散Token显式表示停顿…
大模型· 2026-11-13
Mr.Xu1 次阅读0 条讨论与划词
MDU多语言文档理解基准：模型规模无法抹平能力鸿沟
MDU 为视觉语言模型建立覆盖 13 类任务、5 种语言和 23,146 个样本的文档理解评测，在统一协议下测试 45 个开放权重模型及一个商业系统。最佳平均分仅为 69.0，参数…
智能体· 2026-11-13
Mr.Xu1 次阅读0 条讨论与划词
用角色模拟用户，在产品上线前批量测试真实决策场景
这项研究提出一套基于角色模拟的用户实验框架，将目标人群、实验刺激和决策指标形式化，并在问卷、网页、聊天机器人和操作系统应用中并发运行模拟用户实验。系统在12个产业案例、5个领域中生…
大模型· 2026-11-13
Mr.Xu1 次阅读0 条讨论与划词
MITRA-Swarm以显式语言结构拆解梵文翻译难题
MITRA-Swarm把古典梵文翻译拆分为Sandhi切分、通用与领域模型并行翻译、语篇级省略补全三个阶段，并通过注册标签约束法律与哲学文本中的主语恢复。在覆盖五种文体、1,000…