Physics-Informed Neural Networks (PINNs) 已被视为一种无网格的替代方法，用于求解包含物理信息的偏微分方程……

实时主动的代理系统，能够建模人类心理状态，使用 foundation EXG 模型和文本嵌入模型，完全离线运行于 …

Contrastive steering 已被证明是一种简单且有效的方法，可在 inference time 调整 LLMs 的生成行为。它使用 prompt 示例……

Agentic language models 在安全机制上与 chat models 完全不同：它们必须进行计划、调用工具，并执行 long-horizon actions …

CDD（Contamination Detection via output Distribution），通过测量模型采样输出的峰度来识别数据污染。我们研究了……

Omni-modal 大语言模型（omni LLMs）最近在视听理解任务上取得了强劲的表现，但它们仍然高度易受…

自动化工业优化建模需要将自然语言需求可靠地转换为 solver‑executable code。然而，large language models ...

软件系统通过频繁的代码更改不断演进，然而尽管进行了大量的测试和代码审查，这些更改仍常常引入意想不到的 bug ……

Serverless 计算和流处理代表了两种主导的事件驱动数据处理范式，但它们都做出了一些假设，使其在许多真实工作负载下效率低下。Serverless 平台假设每次函数调用是相互独立的，这阻止了跨调用重用状态。流处理系统假设数据流是无限的，这迫使它们无限期地保留状态。在本文中，我们提出了一种新模型，称为 “stateful serverless”，它融合了两者的优势：允许函数在调用之间保留和共享状态，同时仍提供 Serverless 的弹性和按需付费定价模型。我们在 Apache Flink 和 AWS Lambda 之上实现了原型，并在包括 real‑time analytics、online machine learning 和 complex event processing 在内的一系列 benchmark 中进行评估。结果表明，stateful serverless 相比传统 Serverless 可实现最高 3× 的 latency 降低和 2× 的 throughput 提升，资源使用相当。我们还讨论了该新模型在 debugging、monitoring 和 security 方面的挑战，并概述了未来工作的方向。

企业工程组织从 version control systems、CI/CD pipelines、issue trackers 和 observability 平台产生高容量、异构的 telemetry。

工具塑造我们的思维。这就是为什么拥有可扩展且灵活的工具对开发者适应其需求至关重要。对程序的推理在……

我们描述了在两个求解器的重叠网格区域中进行解数据插值的可扩展算法的应用。此特性对于……