标签
这篇研究论文探讨了为什么大型语言模型中的预训练无法跨语言转移知识，指出不相交的词元空间是根本障碍，并提出将语言映射到共享词元空间以改善跨语言泛化能力。
DRET 是一种参数高效的知识迁移方法，通过嵌入迁移将生物医学领域知识注入像 DistilBERT 这样的小型模型中，使其性能与更大的专业模型相媲美。
mimeo 是一款开源工具，它将公共专家语料库编译为代理技能，并评估人工智能代理的知识获取、人格识别和判断迁移能力。
本文提出LT-MKT，一种用于多领域知识追踪的方法，该方法利用大型语言模型构建层次图，融合认知负荷和知识迁移，在现实数据集上实现了最先进的性能。
ATHENA是一个知识引导的代理神经架构搜索框架，通过跨医院重用架构知识来自动化Transformer基础的电子健康记录建模，以减少人工调优。
文章强调了复杂AI工作流中的常见问题，如缺乏文档和知识转移，并建议采用版本控制和测试等实践来改善团队交接。
J-Miner 通过挖掘命名概念和学习决策规则，从微调的语言模型分类器中恢复可执行决策知识，实现检查并高保真地转移到轻量级模型。
本文提出激活-剪枝-合并（APM），一个无训练的跨尺度融合框架，通过使用更大的供体模型来改进较小的语言模型，无需语义对齐，在多个基准测试中取得了性能提升。
本文探讨了早期汽车中的历史'司机问题'，其中机械师凭借技术专长控制了富裕车主，并类比现代计算机专家，强调了基于知识的权力的暂时性。
本文介绍了Agent Memory Distillation（AMD），一种无需训练的框架，通过层级记忆将结构化知识从大型教师智能体迁移到小型学生智能体，在工具使用基准测试上的性能提升达3.4–27.2个百分点。
本文研究了同一系列（Pythia）中不同规模Transformer模型之间迁移的内容，表明表示对齐而权重不对齐，并且通过初始化而非直接权重投影进行转换效果最佳。
作者介绍了ISNAD，这是一个受伊斯兰教isnad系统启发的AI代理信任层，旨在验证跨多代理链的声明来源。该论文发表在arXiv上，并附有代码。
提出了一种条件扩散引导的知识迁移框架，用于多领域知识图谱补全，在不抑制领域特定信息的情况下生成领域通用实体嵌入，相较于最先进方法平均MRR提升4.3%。
本文描述了一起滑雪事故如何使项目的技术负责人无法工作，从而考验了团队的开发实践，并强调了文档和知识转移在软件开发中的重要性。
NVIDIA 的 ASPIRE 框架使机器人能够从成功经验中构建一个持久的技能库，允许复用于新任务，并随着时间的推移提高学习效率。
HASTE 提出了一种面向机器学习工程的分层多智能体系统，将跨竞赛知识组织为三个层级，在 MLE-Bench Lite 上实现了 77.3% 的获奖率，同时将计算量减少 52%，并证明了结构化知识迁移优于扁平记忆方法。
本文提出了一个阿拉伯语-俄语科学翻译的基准，包括一个包含27,000个句对的混合平行语料库，以及使用LoRA微调的多语言模型（mT5、NLLB、Qwen）。最佳模型达到了BLEU分数23.15，该工作旨在降低阿拉伯语和俄语研究人员之间科学知识交流的语言障碍。
本文介绍了一种对话语音代理系统，该系统使用轻量级设备端“Talker”模型立即开始响应，然后随着前沿大语言模型“Reasoner”知识的可用而将其融入，实现了7-19倍的首响应时间缩短，同时在笔记本电脑上达到接近前沿水平的性能。
CacheRL训练用于多步工具调用任务的小型智能体基础模型，通过缓存回滚和混合奖励塑造，以100倍更少的计算量实现了92%的过程准确率（接近GPT-5的94%），并在知识迁移、缓存感知奖励以及迭代SFT/GRPO训练方面进行了创新。
Endava 是一家全球软件外包公司，它利用 OpenAI 的 Codex 将资深专家的经验编码到智能代理中，使小团队能够快速交付巨大价值，并改变了初级与高级工程师的协作方式。