标签
本文为次优势（极小极大）超度量发展了一套 ℓ0 型稳定性理论，证明了稀疏编辑仅通过最小生成树传播，并导出了变更超度量条目的 Hamming-Lipschitz 界。在深度嵌入图和聚类任务上的实验表明，所得结构评分作为脆弱性诊断具有实用价值。
本文引入了一个基于分布的框架，通过量化特征排名的可分离性并识别在随机运行中保持可靠的最大top-k排名，来衡量归因方法（解释器）的稳定性。
一篇反思性博客文章，驳斥了 Mac OS X Snow Leopard 是完美稳定且精良版本的神话，引用了作者自己的降级经历和其他批评，同时指出为什么“雪豹”版本的理念至今仍能引起共鸣。
Introduces CACHE-UK, a stability-aware memory editing framework for sequentially updating quantized LLMs in finance, reducing knowledge degradation on 4-bit OpenLLaMA-3B while improving generalization rates on a UK financial corpus.
本文测试了不同LLM系列在不同时间和界面上如何评估族裔民族主义伪科学，发现认知立场取决于部署配置而非稳定的模型属性，引发了关于认知问责性的关切。
Vellium v1.0.0 已发布，包括安全增强、壁纸主题、JSON 聊天导出以及桌面稳定性重大改进。
本文介绍了一种低精度（NVFP4）强化学习训练的方法，平衡了吞吐量和稳定性，解决了前向和后向传播量化误差的问题。
Bun，这个JavaScript运行时和工具链，正在从Zig重写为Rust，以提高内存安全性和稳定性，解决一系列use-after-free和内存泄漏错误。
Odin编程语言宣布将于2027年1月发布1.0版本（Odin 2027），并公布了完整规范、内联汇编、新标准库等路线图。
本文研究了大型语言模型在多选题问答（MCQA）任务中角色驱动生成的不稳定性，提出了三个衡量指标来评估模型族、模型规模和问题域的性能、结果和正确性稳定性。研究发现，不稳定性的变化具有一致性，数学和常识问题表现出更大的不稳定性，并且任务提示格式比其他超参数（如温度）引入了更多的不稳定性。
损失平滑在自适应过程中在源目标和目标目标之间进行插值，在保留有用特征的同时实现专门化。在监督偏移、强化学习和语言模型微调中的实验显示一致的改进。
循环Transformer通过直接在架构中设计递归来实现内部推理，避免思维链必须通过生成离散token来模拟迭代的低效性，最新研究表明它在多跳推理上表现出色，并可通过稳定技术和自适应递归进一步提升。
BV-Blend是一种无评论家的强化学习框架，它将提示本地在线策略统计与来自语义聚类的历史矩相结合，以稳定优势估计，从而提高使用可验证奖励对齐大型语言模型的训练稳定性和性能。
本文建模了多智能体LLM系统中延迟验证的影响，揭示了延迟校正会破坏共识稳定并引发振荡。它推导出闭式稳定性阈值，并提供了一种用于最优校正器放置的贪心近似算法，在五个开放模型上的实验验证了该结果。
来自Qwen背后的阿里巴巴团队的GEOALIGN指出，LLM强化学习中的不稳定性通常源于少数不良的rollout导致更新方向冲突，并提出了一种基于方向一致性来筛选rollout的轻量级方法，从而提升训练稳定性和性能。
本文系统研究了常见变异来源下，大型语言模型评估中提示排名的稳定性，发现表现最佳的提示经常发生变化。为此，提出了一种基于下置信界的稳定性感知选择策略，以提高鲁棒性。
文章介绍了BeefAPI作为AI API中转服务的实际使用体验，强调了其稳定性、副模型一键配置、额度计算器等功能，并提及端午节优惠活动。
本文分析了循环（权重共享）变换器中的残差缩放问题，表明权重共享需要比标准残差网络更强的缩放（1/N），并推导出一种因式参数化方法，使得超参数可以在不同循环次数之间迁移，无需重新调参。
GHC团队概述了使GHC升级更简单的进展，重点关注Big Stability Goal和Base Package Goal，以将基础包从编译器发布中解耦。