临床部署胸部X光分类器需要能够在新数据集可用时进行更新的模型，而无需对先前的...

在良性任务上对齐语言模型进行 Fine-tuning 会不可预测地削弱 safety guardrails，即使训练数据不包含有害内容，开发者……

越来越多的文献将大语言模型（LLMs）用作合成参与者，以在社会科学中生成成本效益高且几乎即时的响应。

Large Language Models（LLMs）的成功已经证明，通过模型容量和数据集规模的共同提升来扩展计算，是主要的驱动因素……

当前对多模态模型的研究面临一个关键挑战，即提升生成能力往往会以牺牲理解能力为代价，反之亦然……

视觉类比学习通过示范而非文本描述实现图像操作，使用户能够指定不同的复杂转换。

大型语言模型在许多复杂推理任务上表现出色，但它们在需要组合推理的基准测试中准确率会急剧下降。

评估预测 当使用 machine‑learning 模型——尤其是在 supervised‑learning 环境中——验证是直接的：你可以衡量模型的……

本研究调查了通过截断对潜在空间进行正则化对深度学习分类器生成的测试输入质量的影响。

联邦学习（Federated Learning，FL）使得在多个客户端之间进行分布式训练成为可能，而无需集中式数据共享；与此同时，图神经网络（Graph Neural Networks，GNNs）用于建模关系……

我们介绍 SecCodeBench-V2，这是一个公开发布的基准，用于评估大型语言模型（LLM）副驾驶在生成安全代码方面的能力。SecCodeB...

大型语言模型（LLMs）正在改变编码范式，被称为 vibe coding，然而合成算法上复杂且稳健的代码仍然是一个挑战。