标签
一项关于基于大语言模型的机器翻译评估器设计的系统研究，涵盖指令结构、少样本示例、骨干模型选择和多步骤工作流，并推出了 Orbit——一系列基于大语言模型的机器翻译评估器，能够以约为人工标注二十分之一的成本，在错误片段检测和排序方面达到专家水平。
提出银标准证据示例方法，用生成的、以目标为条件的证据摘要替换上下文学习（ICL）示例中的原始检索段落，以减少噪声检索带来的干扰。该方法在 EI 2.0、SciFact、合成策略检索和 HICRIC/IMR 数据集上优于仅使用金标准的 ICL 和 InstructRAG 式 ICL，并在所有标注数据集上提升了证据 F1 分数。
该论文提出 EGiME（熵引导模型评估），一种基于特征空间聚类结构的半监督准则，无需分类器训练即可在少样本场景下评估预训练模型，在五个基准上与真实准确率相关性达 0.966，并比有监督基线提供更稳定的模型排名。
本文表明，在设备端直接进行少样本 LoRA 个性化会降低五个意图分类基准上的范围外（OOS）拒识 AUROC，同时保持范围内准确率，并提出了一种无需训练的修正方法，通过基于马氏距离的拒识评分，在五个数据集中的三个上恢复了大部分损失的性能。
提出CofFeQA，一种基于反事实样本的少样本知识蒸馏方法，用于开放域问答任务；在TriviaQA等基准上，相比仅用事实样本的蒸馏基线在T5设置下以32个少样本对提升约8.77 EM和9.98 F1分。
论文提出用零训练的 System-One LLM（Jev）直接对学习者状态输出答对概率，在无任何目标平台数据时 AUC 达 .706，超过 28 个深度 KT 模型在 8 名学习者上训练的结果以及 System-Two 推理式 KT，且成本仅约 1/100；加入 64-shot 示例和近邻统计后（JevKT）提升至 .722，在约 64 名学习者以内保持领先。
本文提出了三种用于大语言模型少样本作者风格适配的方法——对比式激活引导、引导向量预测网络，以及预测 LoRA 适配器的超网络——并发现无论对于已见还是未见作者，超网络都能在风格模仿与输出质量之间取得最佳的权衡。
一篇新论文提出了 Dual-Stream OSSE-LSTM，这是一个结合了 Omni-Scale CNN 与 Bidirectional LSTM 的情节式度量学习框架，用于标签高效的时间序列分类；同时提出反事实积分梯度（C-IG），以实现基于原型的可解释决策。该方法在 19 个 UCR 数据集上、每个类别仅有 2-8 个标注样本的情况下，取得了稳健且优异的分类准确率。
本文探讨了如何将 prior-data fitted networks（PFN）适配于表格异常检测，提出了一种无需微调的方法（ZEN），使用冻结的 TabPFN 特征结合最近邻评分，以及一种微调方法（FOCUS），后者在 ADBench 基准测试上超越了所有基线方法。
本文首次对 Jev（一种通用决策模型）进行实证评估，研究其仅利用早期流包特征在 CESNET-QUICEXT-25 数据集上进行网络流量应用分类的表现。带标签的示例可将 Jev 的准确率从 9.80% 提升至 34.50%，但经过训练的树集成模型和 GPT-5.6 Sol 仍然优于它，这表明仅靠带标签的上下文示例不足以媲美专用分类器。
本文研究在少样本工业异常检测中，需要多少正常样本（图像或类别）才能为受误报率约束的阈值提供认证。作者使用冻结的 DINOv2 PCA 残差排序器，在 MVTec 和 VisA 上表明，仅基于目标类别的标定对分布偏移非常脆弱；随后推导出在 i.i.d. 类别条件下获得有效无分布 95% 上置信界所需的类别数下界（14–59 次抽样）；最后提出了 CRESS 协议，该协议在仅有少量认证类别时会大幅退化为拒绝输出（fail closed）。
BARRAC 将英文基于方面的情感分析框架适配于阿拉伯语方言分类任务，用阿拉伯语中表达讽刺、方言和情感的语言手段替换原本的消费者评论属性池，在五个基准中的四个上取得优于 GPT-4o 的效果，平均宏 F1 值达到 63.93%。
ENCORE 提出了一种少样本智能体框架，将机器人操作演示蒸馏为可供编码智能体阅读的证据包，从而自动编写策略程序，在 LIBERO-PRO 上以 96.3% 超过此前最优智能体系统，并在真实双臂机器人上完成魔方交接与杯子翻转任务。
一项仅有400万参数的模型，通过10,000个样本微调，在某些基准测试中性能超越了opus和kimi。
本文提出了一种名为SRCF的攻击方法，该方法通过反向对齐少样本对话来引导大型推理模型（LRMs）产生不安全或拒绝行为，并提出了一种名为ARCF的后训练防御机制，该机制在不降低效用的情况下增强了安全性和有用性。
ClusterFewshot是一种新颖的方法，通过集成语义聚类和效用评分来改进大语言模型工作流中的少样本示范选择，从而降低优化成本并提高基于DSPy的管道的准确性。
本文提出了一种称为Summarize-Judge-Refine（SJR）的双模型架构，用于多模态内容审核。该架构通过自然语言摘要解耦内容理解与策略学习，实现了显著的性能提升和少样本策略适配。
一位用户分享了一个生产用例，其中 Jev 工具高效地重新标记了 2300 篇 AI 研究论文，具有高准确性和低成本，改进了先前的分类方法。
本文介绍了Embed-TTT，一种两步式测试时训练协议，通过首先微调任务嵌入，然后微调骨干网络，来改进类ARC任务中的规则归纳，从而更好地与底层规则对齐，并在ARC-AGI-1和ConceptARC等基准测试上提升性能。
本文通过引入随机文本控制来挑战语言模型中少样本退化的扭曲假说，表明表示偏移主要由提示长度引起，而具有更高内容增量的模型从少样本提示中获益更多。