· ai
[Paper] Equilibrium Propagation 无限制
我们通过建立有限扰动基础来实现局部 credit assignment，从而将 Equilibrium Propagation (EP) 从无限小扰动的限制中解放出来。通过……
-
- · ai
[Paper] 重新审视不同难度水平的泛化：并非那么容易
我们调查了大型语言模型（LLMs）在不同任务难度上的泛化能力，这是一项对有效数据策划和评估至关重要的问题。E...
- · ai
[Paper] TraceGen：在 3D 轨迹空间中的世界建模实现跨体态视频学习
学习在新平台和新场景中仅通过少量示例来学习新的机器人任务仍然具有挑战性。虽然其他形态——人类…（后文保持不变）
- · ai
[Paper] ToolOrchestra：通过高效模型和工具编排提升智能
大型语言模型是强大的通用模型，但解决诸如人类最后考试（HLE）之类的深层复杂问题仍然在概念上……
- · ai
[论文] G$^2$VLM: 基于几何的视觉语言模型，具备统一的 3D 重建与空间推理
Vision-Language Models (VLMs) 仍然缺乏空间智能方面的鲁棒性，在空间理解和推理任务上表现不佳。我们...
- · ai
**Matrix：点对点多代理合成数据生成框架**
Synthetic data has become increasingly important for training large language models, especially when real data is scarce, expensive, or privacy-sensitive. Many ... 合成数据在训练大型语言模型方面变得越来越重要，尤其是在真实数据稀缺、成本高昂或涉及隐私的情况下。许多 …
- · ai
[论文] 关于干扰下实验的进化模型
因果效应估计在网络系统中是数据驱动决策的核心。在这种情境下，对某一单元的干预可能会溢出到其他单元，...
- · ai
[Paper] 通过电信视角：所有训练样本都重要吗？
人工智能在电信领域的崛起，从优化无线接入网络到管理用户体验，已显著增加了数据量和训练需求……
- · ai
[Paper] 视觉Transformer中非单调缩放机制
更深的视觉Transformer往往表现不如较浅的模型，这挑战了常见的尺度假设。通过对ViT-...的系统性实证分析，...
- · ai
[Paper] Qwen3-VL 技术报告
我们推出 Qwen3-VL，这是截至目前 Qwen 系列中最强大的视觉语言模型，在广泛的多模态基准上实现了卓越的性能……
- · ai
[Paper] 可伸缩无关的 Kolmogorov‑Arnold 几何在神经网络中的应用
最近，Freedman 和 Mulligan 的研究表明，浅层多层感知器在训练过程中会自发地形成 Kolmogorov‑Arnold 几何（KAG）结构，在 t...
- · ai
[Paper] 关于 AI 中算法进步的起源
算法已被估计在 2012 年至 2023 年间将 AI 训练 FLOP 效率提升了 22,000 倍 [Ho et al., 2024]。运行小规模的消融实验…