标签
介绍 PAJAMA，一种混合评估系统，通过提取评分标准并以编程方式执行，改进了 LLM-as-a-judge 方法，推动了速度、成本和透明度的帕累托前沿。
一个名为MiniPCs.zip的网站，通过基准测试对数千款迷你PC进行绘图，并揭示帕累托前沿，以帮助用户获得每美元最高的计算性能。它使用Gemini从列表信息中提取规格。
SwiftCTS是一个物理信息代理框架，利用梯度提升集成和少样本校准，快速预测并帕累托优化未见设计上的时钟树指标（功耗、线长、时钟偏移），以极少的训练数据实现高精度。
ATOM是一个多智能体框架，将分子优化建模为树状搜索，沿路径布置专门化的智能体，从而能够探索替代分子轨迹并在多目标基准测试中提高帕累托覆盖率。
本文系统研究了结合云端LLM与端侧SLM的混合多智能体系统，揭示了任务依赖的最优架构，并挑战了“更多前沿算力总是能提升性能”的假设。
OpenBMB 发布 MiniCPM5-1B，这是一款领先的 1B 参数开源权重大语言模型，在同尺寸类别中取得了 Artificial Analysis Intelligence Index 最高分（17.9），超越了 Qwen3.5 2B 等更大模型，而使用的参数更少。
Mosaic是一个概率天气模型，其预报技巧与最先进的模型相当，同时在单个H100上能在12秒内生成24个成员的10天全球预报。
审计生产级客服RAG系统的实际发现：启发式评估器给出虚假信号，检索错误常伪装为LLM失败，成本与质量的帕累托前沿往往不在预期位置。模型扫查显示，用Gemma 4 26B替换原有模型（Gemini Flash Lite Preview）可在成本降低79%的同时实现19%的质量提升。
GEPA 是一款提示优化器，利用自然语言反思从试错中学习，在多个任务中，以多达 35 倍的更少 rollout 次数超越了 GRPO 和 MIPROv2 等强化学习方法。