标签
SeLMRoute 提出了一种大语言模型路由框架，将与候选模型无关的语义证据抽取与性能学习解耦。在 LLMRouterBench 上，跨越 15 个数据集和 20 个候选模型，该框架取得了 72.08% 的平均准确率，超越了最强的固定候选模型（69.23%），并同时支持面向性能和成本感知的路由决策。
V-RAE提出了一种视频表示自编码器，它从冻结的视觉表示中构建语义组织的潜在表示，以提升视频生成质量、收敛速度和预测建模。
本文介绍了商业世界模型（BWM）的概念与架构。BWM是一种针对商业环境专门化的世界模型，能够编码状态、动态、约束与目标，以支持自主决策和基于目标的规划。
本文提出了场景抽象（Scene Abstraction）框架，该框架利用大语言模型的少样本提示，构建单词在上下文中引发的解释性场景的结构化表示。作者引入了COCA-Scenes数据集，包含520个使用实例，并提供了实证证据表明场景是可可靠识别的，且比替代方案更符合人类解释。
本文介绍了语义表示攻击（SRA），这是一种新颖的与大型语言模型无关的方法，它针对恶意语义表示而非确切文本进行优化，在多个开源模型中实现了高攻击成功率。