标签
本文提出多模态生成模糊系统（MMGFS），通过模糊推理和多跳推理解决模态偏差和不确定性，以提升多模态问答性能，并在多个基准测试中展示改进。
This paper introduces PAC-Bayes-regularized Meta-LoRA for cross-domain LLM personalization, enabling zero- and few-shot adaptation to user preferences while preventing overfitting under sparse evidence. Experiments on benchmarks like HiCUPID show significant improvements in cross-domain win rates and cold-start scenarios.
This paper introduces LUNAR, a benchmark for evaluating how large language models personalize responses from longitudinal app interaction histories across daily-life domains such as clothing, food, housing, and mobility. Experiments on 19 mainstream LLMs reveal that effective personalization depends on evidence selection and cross-domain integration, and that stronger personalization can come at the cost of privacy protection.
TenStrip/10Eros-Max是一个实验性AI模型，通过正交投影从LTX 2.3、Wan 2.2和Krea 2视频与图像扩散模型中迁移学习模式，以修改MiniMax H3基础模型，增强美学与运动特性，同时保留核心视频和音频功能。
这篇arXiv论文介绍了ProGFM，一种传播感知的图基础模型，将边与特征维度之间的传播关系视为可迁移的知识单元，从而实现自适应聚合并提升跨域泛化能力。
本文提出GenCDSR，一种用于跨域序列推荐的生成式框架，采用混合分词与串并化解码，在准确率上优于现有最优基线，并将推理延迟显著降低。
介绍了NEXUS，一个约300万参数的轻量级基础模型，在LHC对撞数据上进行预训练，展示了在引力波、洪水预测和神经活动等任务上的改进下游性能及跨域迁移能力。
本文介绍了面向上下文赌博机的跨域离线策略评估与学习（OPE/L），允许利用多个源域的日志数据来改进目标域中的策略评估与学习，这些目标域面临少样本数据、确定性日志策略和新动作等挑战性条件。
Moir是一种通过将保留分布与模型自身的解码分布对齐来改进大语言模型跨领域知识编辑的方法，避免了对外部语料库的依赖。它能在多个模型和编辑器上一致地保留像数学推理这样的复杂能力。
本文介绍了一个框架，用于测试大型语言模型是否在不同领域表现出一致的风险态度。研究发现，大多数大型语言模型在风险态度上表现出任务内和跨领域的稳定性，并趋近于比人类更窄的分布。
SinAE 提出了一个基于普通Transformer的单架构流匹配自编码器，能够在分子、晶体和蛋白质上实现近乎无损的重建，支持跨域训练，并在标准基准测试中展现出强大的生成性能。
本文评估了大语言模型内部表示中的幻觉信号是否能够跨语言和领域泛化，重点关注阿拉伯语↔英语，使用TruthfulQA和HalluScore进行评估。结果表明，大多数模型具有可迁移性，跨语言性能取决于类别可分性和语言对齐程度。
介绍IsoSci，一个由同构跨领域科学问题对组成的基准，用于在LLM评估中将推理能力与领域知识检索区分开来。研究发现91.3%的推理模式增益依赖于知识，挑战了关于思维链推理的常见假设。
本文提出MedKGTab，一种知识注入框架，利用生物医学知识图谱扩展表格医疗数据中的跨域特征，通过生成高保真生物医学档案解决数据稀缺问题。
提出一种使用Three.js的盲视觉范式，用于测试从大模型提取的过程性脚手架能否在无需微调的情况下提升小模型输出，并由盲评模型验证。
提出了一种知识引导的两阶段迁移学习框架，采用轻量级GPT-2风格的Transformer，用于有限数据下的跨域轴承故障诊断，在仅使用10%标记数据的情况下实现了92.61%的准确率。
本文介绍了Connect the Dots（CoD），这是一个通过强化学习训练LLM的框架，用于培养长期生命周期智能体的元能力，实现持续学习和跨域泛化。
本文探讨了抽象建模能力如何帮助人们在不同领域间快速迁移，通过提炼变量、关系和约束来抓住核心结构，而非记忆具体内容。
作者分享了两年多来跨团队部署AI代理调查生产事故的经验，指出技术实现虽然简单直接，但组织内部的政治因素才是真正的挑战。
Kent C. Dodds 分享了 Grady Booch 的建议：阅读你技术栈之外的源码（例如 MacPaint、Linux、MediaWiki），通过跨领域的好奇心培养独特的判断力。