目标：通过避免不必要的推理，同时保持……，提升使用大型语言模型（LLMs）进行医学问答（MedQA）的效率。

大型语言模型（LLMs）是如何知道它们所知道的内容的？要回答这个问题一直很困难，因为预训练数据往往是一个“黑箱”——未知的……

检索增强生成（RAG）通过在生成时条件化检索到的外部文档来提升大语言模型（LLMs），但检索的效果……

大型语言模型（LLMs）在人类获取信息的方式中发挥着关键作用。虽然它们的核心用途依赖于理解书面请求，但我们对……

在本研究中，大型语言模型（LLM）的输出被视为一种信息源，生成从有限字母表中抽取的无限符号序列……

大型语言模型正在被部署在复杂的 socio-technical 系统中，这暴露了当前 alignment 实践的局限性。我们持有的立场是 d...

大型语言模型（LLMs）在数学、编码等各个领域的推理任务上取得了显著进展。然而，它们的表现……

全面检索多样化文档对于处理允许广泛有效答案的查询至关重要。我们提出了 retrieve-verify-retrieve (RVR)…

本研究提出了一种集成技术 SPQ（SVD-Pruning-Quantization），用于大语言模型（LLM）压缩，结合了保留方差的奇异值...

本文提出了一个直接框架，用于在 U(d) 的闭子群上构建具有隐藏状态的序列模型。我们采用最小公理化设置，并推导出递归……

现实世界的知识表示通常需要捕捉主观的、连续的属性——例如政治立场——这些属性与成对的…

在印度等司法管辖区，法院面临大量案件积压，人工智能为法律判决预测提供了变革性的潜力……