训练工具使用代理通常依赖于基于结果的过滤：对成功轨迹进行监督微调（Supervised Fine-Tuning，SFT）和对…进行强化学习（Reinforcement Learning，RL）。

我们推出了 Legal RAG Bench，这是一套用于评估法律 RAG 系统端到端性能的基准和评估方法论。作为基准，Legal RAG Bench…

虽然密集的生物医学嵌入实现了强大的性能，但其黑箱特性限制了其在临床决策中的实用性。最近基于问题的 int...

Speculative Decoding (SD) 已成为加速大型语言模型（LLM）推理的首选技术，通过将 token 生成解耦为快速 dra...

在上一篇文章中，我们已经介绍了输入门；在本文中，我们将探讨下一个组件。最终阶段：更新短期记忆 这...

理解 AI alignment：伪装 AI alignment 发生在 AI 系统恰好执行其设计功能时——例如，阅读和总结文档……

在受限预算下，通过主动成对比较在一组项目中确定胜者是偏好学习中的一个具有挑战性的问题。The go...

决策树：嵌套决策规则的非凡力量。作者：Jared Wilber https://twitter.com/jdwlbr 与 Lucía Santamaría https://twitter.com/lusantala 让我们……

请提供您希望翻译的具体摘录或摘要文本，我将为您翻译成简体中文。

本文呈现了一项受生物学启发的局部学习在手写数字识别中的受控实证研究。我们评估了一种受STDP启发的竞争性……

将 video generation 从秒级扩展到分钟级面临一个关键瓶颈：虽然 short‑video 数据丰富且 high‑fidelity，但 coherent long‑form 数据却是……

多轮交互与大型语言模型通常会在对话历史中保留助手自身的过去回复。在本工作中，我们重新审视……