柏拉图表征假设认为，在不同模态上训练的神经网络会趋向于共享的世界统计模型。Rece...

最近的工作，例如 AlphaEvolve，已经表明，将 LLM 驱动的优化与进化搜索相结合，可以有效提升程序、提示和算法的性能。

标准的 mixed-precision 神经网络训练需要为每个模型参数占用大量 accelerator memory 字节。这些字节不仅反映了参数……

粗糙数据产生于学习者只能观察到样本的部分信息；即观察到包含样本的集合，而不是其精确数值。这种情况在...

AI 驱动的科学研究工具正迅速融入研究工作流，但该领域缺乏对研究人员如何使用这些系统的清晰视角。

近年来，越来越多的出版物讨论了在软件工程中使用大型语言模型（LLMs）的最佳实践。然而，大多数...

大型语言模型（LLMs）的进步加速了自主金融交易系统的发展。虽然主流方法部署多...

大型语言模型（LLMs）在生物学基准测试中表现日益出色，但仍不清楚它们是否能提升新手用户——即使人类能够……

Self-reflection 使 language agents 能够迭代地优化解决方案，但往往会产生重复的输出，限制了 reasoning performance。Recent studies ...

近年来，大规模数据集阻碍了高效的模型训练，同时也包含冗余概念。Dataset distillation 旨在合成紧凑的数据集……

现实世界的表格-文本问答（QA）任务需要模型能够在长文本和源表格之间进行推理，跨越多跳并执行 co...

扩散语言模型（DLM）常被宣传能够实现并行 token 生成，但实际的快速 DLM 往往会收敛为左到右的自回归模型……