大模型· 2026-10-15#Bradley-Terry模型#Chatbot Arena#Luce选择公理#模型评估#用户投票
文 / Mr.Xu0 次阅读0 条讨论与划词
arXiv研究揭示Chatbot Arena中Luce选择公理失效现象
arXiv发布的一项研究探讨了Bradley-Terry模型在Chatbot Arena中的局限性，指出该模型基于Luce选择公理，假设模型评分能准确反映用户偏好。然而，研究发现，…
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: #TripV 清除筛选
大模型· 2026-10-15
Mr.Xu0 次阅读0 条讨论与划词
arXiv发布EnsembleLink：无需训练数据实现高效社会记录链接与人口统计推断
arXiv发布了一项关于预训练语言模型在社会科学研究中的应用研究，提出了一种名为EnsembleLink的新算法。该算法利用预训练嵌入和字符串评分器进行记录链接，并展示了无需特定任…
前沿论文· 2026-10-15
Mr.Xu0 次阅读0 条讨论与划词
arXiv研究：科幻小说语言中性别二元性的突破与渗透性
arXiv发布了一项关于科幻小说与一般小说中性别指代语言的研究，通过对‘man/men’、‘woman/women’和‘person/people’等词汇进行掩码处理，并使用RoB…
大模型· 2026-10-15
Mr.Xu0 次阅读0 条讨论与划词
arXiv提出JSSA：高效长文本解码的联合子空间稀疏注意力机制
arXiv发布了一种名为联合子空间稀疏注意力（JSSA）的新方法，旨在解决长上下文大语言模型（LLM）解码中的KV缓存瓶颈问题。JSSA通过学习共享的低维查询-键子空间来优化选择质…
大模型· 2026-10-15
Mr.Xu0 次阅读0 条讨论与划词
arXiv发布DescribeEvent：革新大语言模型事件预测能力
arXiv发布了一项关于大语言模型（LLMs）事件预测能力的研究，提出了一种名为DescribeEvent的新方法，通过自然语言描述和分离事件语义与预测空间，显著提升了LLMs在事…
大模型· 2026-10-15
Mr.Xu0 次阅读0 条讨论与划词
arXiv发布多语言摘要生成模型全面评估：揭示跨语言性能差异
arXiv发布了一项关于多语言摘要生成模型的研究，对八个闭源和开源权重的大型语言模型（LLMs）在英语和孟加拉语上的表现进行了全面评估。研究结合了词汇和语义指标、无参考事实性验证以…
大模型· 2026-10-15
Mr.Xu0 次阅读0 条讨论与划词
arXiv发布CTI-REALM研究：开源权重模型在安全智能体领域展现成本优势
arXiv发布了一项关于CTI-REALM的研究，探讨了开源权重模型与闭源模型在安全智能体领域的性能与成本权衡。研究表明，在放宽消息限制的情况下，开源权重模型能够以不到十分之一的成…
智能体· 2026-10-15
Mr.Xu0 次阅读0 条讨论与划词
Qwen发布ClawLoop框架：实现智能体自改进的全新训练循环
Qwen团队提出了一种名为ClawLoop的智能体自改进框架，通过任务合成、训练和诊断反馈的循环机制，实现了无需外部教师模型即可持续提升智能体性能的目标。ClawLoop利用Qwe…
智能体· 2026-10-15
Mr.Xu0 次阅读0 条讨论与划词
arXiv发布Agentic DS深度分析：揭示数据科学智能体关键失败模式
arXiv发布了一项关于Agentic Data Science（数据科学智能体）的研究，通过对220项数据科学任务的分析，揭示了现有智能体框架和模型中的关键失败模式。研究指出，尽…
大模型· 2026-10-15
Mr.Xu0 次阅读0 条讨论与划词
arXiv发布LOTUS：基于时间序列预测的预训练新方法
arXiv发布了一项关于时间序列语言模型的新研究，提出了一种名为LOTUS的预训练方法，通过预测未来时间序列信号来增强模型对时间信息的保留能力。LOTUS采用了一种新颖的“预测基础…
智能体· 2026-10-15
Mr.Xu0 次阅读0 条讨论与划词
arXiv发布FlowSpec：革新语音智能体在债务催收中的合规性
arXiv发布了一项关于语音智能体合规性的研究，提出了一种名为FlowSpec的机器可读规范，用于训练智能体遵循未见过的受监管流程。该研究通过微调90亿参数模型，在297种随机流程…
前沿论文· 2026-10-15
Mr.Xu0 次阅读0 条讨论与划词
arXiv发布基于LLM的C-test：革新超智能评估基准
arXiv发布了一项关于超智能评估的研究，提出了一种基于Levin's Kt和大型语言模型（LLM）的全新C-test方法。该方法通过逆向问题和归纳推理生成高难度测试项，突破了传统…