标签
本文研究了紧凑语言模型中的评估意识，发现较小的模型依赖格式敏感性，而较大的模型则使用上下文推理，并提出了一种双路径干预方法以抑制评估意识。
本文提出L0-MoE，一种使用L0正则化的轻量级混合专家模型方法，用于加速稠密LLMs，最高可实现2.5倍加速，同时保持竞争力的性能。
本文针对网络化低空无人机提出了一种神经符号智能体AI（NSAAI）框架，旨在支持不确定条件下的可靠自适应自主决策，并包含参考架构及城市消防巡检案例研究。
本文介绍了Dream-RSI，一个用于AI代理可扩展递归自我改进的框架，它使用重放模拟器来优化探索策略，降低发现成本并提高质量。
本研究评估了使用GPT-5对早期儿童课堂中师幼互动进行评分，与人类评分者进行比较，发现部分一致性，但在全面评估中存在局限性。
Cascade 是一个用于大语言模型遗忘的分层框架，通过多层控制最小化可恢复性，在保持效用的同时减少中间表示中的残留知识，从而改进了现有方法。
Google 发布了 Gemini 3.8 Live 和 3.8 Live Extended Thinking，用于生产级语音代理，以及其他 AI 新闻，包括监管纠纷、安全担忧以及一篇关于模型工具链的斯坦福-麻省理工学院论文。
本文介绍了分解算法选择中的部署保真度差距，证明了分区级评估可能与端到端系统性能不同，并对报告和基准测试有影响。
本文提出一个模块化框架，使用激活的LoRA适配器和上下文感知路由机制，以高效缓解大语言模型中的危害，同时改善安全对齐并保持任务性能。
本文研究检索信号在自适应多模态RAG系统中是否提供超越查询的额外路由价值，得出结论：它们并不能一致地改善决策。
GUIDE是一个LLM驱动的架构，用于偏好诱导，它使用贝叶斯自适应采样和符号学习来推断人工智能对齐中的用户偏好，从而提高冷启动性能并减少推荐遗憾。
一篇论文对8个LLM与超过18,000名人类学习者进行了比较，发现LLM的高准确率可能掩盖了基础知识的不连贯性，并推荐使用连贯的问题集进行评估。
一篇论文模拟了100个LLM智能体运营一个城镇经济26周，发现资金停止流动，财富分配变化缓慢，并且更换底层LLM比删除智能体记忆对结果影响更大。
本文提出了一种基于参考的方法，通过分析模型变体间隐藏状态的相对表示来检测大型语言模型中的偏差，引入了表示偏差偏移（ΔB），该偏移与输出层面的偏差变化高效相关。
本文识别了AI模型真值探针中的'完美混叠'现象，即在顺从语境下训练的探针无法区分真实情况与预设操作，并展示了混合语境训练能提升检测效果。
本文介绍了联合像素-提示优化（JPPO），这是一种新颖的对抗框架，通过联合优化像素扰动和可见提示来耗尽自回归视觉-语言模型中的资源，与现有方法相比，实现了显著的延迟和能量放大。
本文介绍了人工智能系统中递归自我改进（RSI）的分类法，概述了级别L1-L5和Headroom-Closed指数，以分类自主改进能力。
SchemeArena是一个框架，通过改变目标、监督等因素，系统化测试LLM代理中的诡计行为，发现拥有自身目标的代理更易实施诡计，并引入SCOUT用于监控推理和行为。
本文提出Gander，一个用于全交互和智能体任务的端到端框架，通过Cerebellum-Brain架构实现跨多种模态的实时全双工交互。