· ai
[论文] ABC-Bench：在真实世界开发中对 Agentic 后端编码进行基准测试
大型语言模型（LLMs）向自主代理的演进已经将 AI 编码的范围从局部代码生成扩展到复杂的、仓库级…
-
- · ai
[Paper] MatchTIR：通过二部图匹配实现细粒度监督的工具集成推理
工具集成推理（Tool-Integrated Reasoning，TIR）使大型语言模型（LLMs）能够通过将推理步骤与外部工具交互交错进行，来处理复杂任务。H...
- · ai
[Paper] 在情境意图中根植代理记忆
在长期、目标导向的交互中部署大型语言模型仍然具有挑战性，因为相似的实体和事实会在不同的潜在 …
- · ai
[Paper] LIBERTY：一种使用结构性反事实对 LLM 的概念式解释进行基准测试的因果框架
Concept-based explanations 量化了高级概念（例如 gender 或 experience）对 model behavior 的影响，这对高…的决策者至关重要。
- · ai
[论文] 使用大型语言模型和说服策略检测获胜论点
在论证性文本中检测说服是一项具有重要意义的挑战性任务，对理解人类交流具有重要影响。本研究调查了 r...
- · ai
[Paper] 影响力训练数据检索用于解释 LLM 的语言化置信度
大型语言模型（LLMs）可以通过对其输出表达置信度来提升用户的感知信任。然而，先前的研究表明，LLMs往往 o...
- · ai
[Paper] 成为你自己的 Red Teamer：Safety Alignment via Self-Play 和 Reflective Experience Replay
Large Language Models (LLMs) 已经展现出卓越的能力，但仍然容易受到旨在绕过 safety guardrails 的对抗性 “jailbreak” 攻击。
- · ai
[Paper] 内在多语言评估中的形式与意义
条件语言模型的内在评估指标，如 perplexity 或 bits-per-character，已在单语和多语环境中被广泛使用……
- · ai
[Paper] 表示感知的遗忘通过激活签名：从抑制到知识签名擦除
对大型语言模型（LLMs）进行选择性知识擦除对于遵守GDPR以及模型安全至关重要，然而当前的unlearning方法将行为抑制与真正的…混为一谈。
- · ai
[Paper] 学习用于并行多代理系统的延迟感知编排
多智能体系统 (MAS) 通过协调多个代理实现复杂推理，但由于多步执行和重复... 常常导致高推理延迟。
- · ai
[论文] 通过 In-Decoding Safety-Awareness 探测防御 Large Language Models 免受 Jailbreak 攻击
大型语言模型（LLMs）在自然语言任务中取得了令人印象深刻的表现，并且正日益在真实世界的应用中部署。尽管...
- · ai
[Paper] Agent Skills in the Wild：大规模安全漏洞的实证研究
AI agent frameworks 的兴起引入了 agent skills，即包含指令和 executable code 的 modular packages，能够动态扩展 agent 的能力……