多模态检索是将跨异构模态的查询信息聚合，以检索所需目标的任务。最先进的多模态……

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...

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……

现代优化器如 Adam 和 Muon 在训练大语言模型中起着核心作用，但它们对一阶和二阶动量的依赖会引入显著的……

尽管具备强大能力，Multimodal Large Language Models（MLLMs）仍可能产生看似合理却错误的输出，阻碍可靠部署。准确的……

我们提出了一种可扩展的方法论，用于在多轮交互中评估语言模型，使用一套需要有效沟通的协作游戏……

小型语言模型（SLMs）已成为针对特定任务的高效替代方案，取代大型语言模型。然而，它们常常被用于...

软件工程代理（SWE）正在快速提升，近期的进展主要得益于强化学习（RL）。然而，RL 训练受到……

概述：介绍 Sentira CORE，这是一款交互式的 NLP 与 ML 驱动工具，能够高精度地分析文本情感。它检测六种情感——喜悦、爱、S…

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。