AI智能体审计324篇实证论文,量化结论对规格选择的依赖
研究团队让AI智能体重建13个自然实验的数据,在324篇论文上尝试复现主估计,并在62,409种可辩护规格上重新估计。作者原始规格仅复现42%的有符号主效应;平均只有25%的规格同…
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: #React Integration 清除筛选
研究团队让AI智能体重建13个自然实验的数据,在324篇论文上尝试复现主估计,并在62,409种可辩护规格上重新估计。作者原始规格仅复现42%的有符号主效应;平均只有25%的规格同…
前沿论文· 2026-11-20
论文提出时间序列基础模型的测试时计算方法BGAA:不借助未来真值,而是用滚动原点回测为结构化上下文视图打分,淘汰劣于原始上下文的视图,再平均存活视图的预测分布。三个基准的全部受测组…
智能体· 2026-11-20
EverydayBench以77道人工编写、覆盖八类日常场景的任务,评测智能体能否交付可用成果,而非只完成网页检索。每题先固定成功标准,再通过确定性约束检查、评测时网页证据核验和交…
前沿论文· 2026-11-20
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,…