cross-model

介绍Agon，一种竞争性跨模型强化学习方法，其中两个模型隐式地相互评分对方的推理过程，与GRPO相比，在难度较高的数学基准上取得了显著提升。

Anuma是一个私有AI工作空间，为多个AI模型提供可携带的加密记忆，实现无缝上下文和多模型对比，从而提升高效的研究工作流。

本文研究语言模型之间直接激活迁移是否能改善推理能力，使用从Pythia-160M到Pythia-410M的线性翻译层。尽管实现了高表示对齐，但迁移的激活并未改善多跳问答，产生了负面结果。

本文介绍了Vector Linking方法，该方法通过利用局部几何一致性来恢复来自不同黑盒编码器的嵌入之间的对应关系，并提出了一种基于参考的迭代式几何嵌入哈希方法，该方法使用少量配对的锚点种子集。

这篇arXiv论文提出了一种协议，用于评估ChatGPT在生成和验证生物医学关联方面的能力，采用基于RAG的跨模型多数投票工作流，以解决幻觉问题和本体论局限性。

本文研究了思维链推理痕迹如何在不同模型间转移，采用受控的提供者-接收者框架来剖析成功转移背后的机制。

ProxyKV是一种跨模型代理剪枝框架，将重要性评分卸载到轻量级小模型上，以更低的预填充开销实现高精度KV缓存剪枝，在Llama-3.1、Qwen-2.5和Qwen-3系列上匹配KVZip的准确率。

文章介绍了AllChat这个工具，它能同时查询GPT、Claude、Gemini和Grok，并返回一个共识答案，同时列出每个模型的回答概要。