· ai
[Paper] 从原子到复合：强化学习实现互补推理的泛化
RL 对推理能力的贡献机制——是激励新技能的综合，还是仅仅放大已有行为——仍然...
-
- · ai
[Paper] 我们离真正有用的 Deep Research Agents 还有多远？
深度研究代理（DRAs）旨在通过迭代的信息检索与综合，自动生成分析师级报告。然而，大多数现有的 DRA……
- · ai
[Paper] 主体策略优化 via 指令-策略协同进化
可验证奖励的强化学习（RLVR）提升了大型语言模型（LLMs）的推理能力，使得自主代理能够……
- · ai
[Paper] 从优化的视角纠正 LLM 思考
近期大型语言模型（LLMs）的进展主要得益于其新兴的推理能力，尤其是通过长链式思考（CoT）……
- · ai
[Paper] 潜在辩论：用于解释 LLM 思维的代理框架
理解大型语言模型（LLMs）的内部思考过程以及幻觉产生的原因仍然是一个关键挑战。为此，我们引入了 l...
- · ai
[Paper] MEGConformer: 基于Conformer的MEG解码器用于鲁棒的语音和音素分类
我们提出基于Conformer的解码器用于LibriBrain 2025 PNPL竞赛，针对两个基础的MEG任务：Speech Detection 和 Phoneme Classification……
- · ai
[Paper] BackportBench：用于自动回移补丁的多语言基准
许多现代软件项目发展迅速，以纳入新功能和安全补丁。用户将其依赖项更新到更安全的版本非常重要。
- · ai
[Paper] 测试机器意识假设
Machine Consciousness Hypothesis 认为，意识是一种与基底无关的功能属性，存在于能够进行二阶感知的计算系统中……
- · ai
[Paper] ThetaEvolve：测试时学习在开放问题上
近期在大型语言模型（LLMs）方面的进展已经促成了数学发现的突破，以 AlphaEvolve 为例，这是一个闭源系统，...
- · ai
[Paper] MegaChat：合成波斯语问答数据集用于高质量销售聊天机器人评估
伊朗的中小企业（SMEs）日益利用Telegram进行销售，实时互动对转化至关重要。然而，dev...
- · ai
[Paper] 歧义感知优化：面向 Direct Preference Optimization 的语义消歧
Direct Preference Optimization（DPO）是一种在各个领域广泛使用的基于人类反馈的强化学习（RLHF）方法。最近的研究已经…
- · ai
[Paper] 被动基于专长的个性化足够吗？AI辅助考试的案例研究
新手用户和专家用户在任务导向对话中有不同的系统性偏好。然而，迎合这些偏好是否真的能提升用户……