· ai
【论文】Agentic Rubrics 作为 SWE 代理的上下文验证器
验证对改进智能体至关重要：它为 Reinforcement Learning 提供奖励信号，并通过 Test-Time Scaling 在推理阶段实现收益提升。
-
- · ai
[Paper] 代理漂移：量化多智能体 LLM 系统在长期交互中的行为退化
多代理大型语言模型（LLM）系统已成为复杂任务分解和协同问题解决的强大架构。然而，...
- · ai
[Paper] 临床数据走向MEDS？让OWL帮我们理解
机器学习在 healthcare data 上的应用常常受到缺乏标准化和语义明确的表示的阻碍，导致…
- · ai
[Paper] 扫描仪引起的域转移削弱了病理基础模型的鲁棒性
病理基础模型（PFMs）已成为计算病理学的核心，旨在提供用于从全切片图像中提取特征的通用编码器……
- · ai
[Paper] 光鲜不一定是金子：Reference-Free Counterfactual Financial Misinformation Detection 基准
我们介绍了 RFC Bench，这是一项用于在真实新闻环境下评估大型语言模型在金融误信息方面表现的基准。RFC Bench 在段落层面运行。
- · ai
[Paper] ToTMNet：FFT 加速的 Toeplitz 时序混合网络用于轻量化远程光电容积描记
远程光电容积描记（rPPG）从普通摄像头捕获的面部视频中估计血容量脉冲（BVP）波形。虽然最近的深度模型 i...
- · ai
[Paper] FLEx：语言建模与少样本语言解释
语言模型在广泛的任务上已经变得非常有效，从数学问题求解到开放域问答。然而，它们仍然会犯错误，...
- · ai
[Paper] Diffusion-DRF：用于视频扩散微调的可微奖励流
Direct Preference Optimization (DPO) 最近通过提升视觉保真度和文本对齐，改进了文本到视频（T2V）生成。然而，当前的方法…
- · ai
[Paper] Klear: 统一多任务音视频联合生成
音视频联合生成已经快速发展，但仍然存在重大挑战。非商业方法仍然存在音视频不同步的问题，...
- · ai
[Paper] 二分类不平衡的理论与实证分类体系
类别不平衡显著降低分类性能，但其影响很少从统一的理论视角进行分析。我们提出一个原则……
- · software
[Paper] 网络医疗中的大规模隐私
数字化、网络化的医疗承诺更早的检测、精准治疗和持续护理；然而，它也扩大了隐私泄露的风险和…
- · ai
[论文] Wow, wo, val! 全面 Embodied World Model Evaluation Turing Test
随着世界模型在 Embodied AI 中获得动力，越来越多的工作探索使用 video foundation models 作为预测性世界模型，以用于下游 embo...