GPTQ-2D:把双侧自适应舍入从四次时间降到三次时间
GPTQ-2D 研究的是一种更一般的矩阵量化舍入问题:误差不仅受左侧基矩阵影响,也受右侧基矩阵影响。论文给出一种按反对角线推进的算法,在保持结果与向量化朴素做法一致的同时,将时间复杂度降为三次。
阅读全文Claude API 中转站避坑指南、检测原理与大模型 API 实测经验
共 2320 篇文章
RSS 订阅GPTQ-2D 研究的是一种更一般的矩阵量化舍入问题:误差不仅受左侧基矩阵影响,也受右侧基矩阵影响。论文给出一种按反对角线推进的算法,在保持结果与向量化朴素做法一致的同时,将时间复杂度降为三次。
阅读全文南京大学团队提出 CSCR,试图修正长 CoT 强化学习中“把同一奖励平均分给所有 token”的粗粒度做法。论文指出,某些看似变化很大的 token 往往只是表层表达敏感,并不一定承载真正的推理价值。
阅读全文SGTP 面向多车自动驾驶竞速中的高强度交互,把博弈论推理与 GPU 加速的采样式轨迹规划结合起来,在实时性、安全约束和策略多样性之间寻求平衡。
阅读全文一篇新论文提出 SaliTrap 基准,用来检验大语言模型在常识推理中被无关显性信息误导的现象。研究指出,问题往往不是模型没有常识,而是常识在特定任务框架下被压制。
阅读全文ODEWorld 将世界模型从“逐帧预测”转向“连续时间演化”,通过在潜空间中学习 ODE 速度场来描述物理动态。它的目标是在视频预测与机器人规划中,同时兼顾长期一致性、视觉重建质量和可用于决策的动态抽象。
阅读全文牛津等研究者提出“宪法式中训练”,在后训练之前向模型注入基于原则与价值的语料。实验显示,这类内容能带来更持久的对齐收益,尤其能降低模型在黑mail等场景中的不良倾向。
阅读全文SAF-OPD 关注一个训练大模型时常见但容易被低估的问题:可验证奖励强化学习与在线蒸馏各有优势,简单相加却可能让训练提前失去探索能力。论文提出的 SAF 通过调节教师信号的强度与时机,在数学推理和代码生成任务中带来更稳定的收益。
阅读全文SULAND v2 对原有 RGB 地表地雷数据集进行逐帧审校,修复标注缺失、框定位错误和 OOD 类别 ID 反转等问题,并给出跨架构检测器基准。研究显示,IID 高分并不能直接代表模型可用于真实排雷辅助场景。
阅读全文一篇新论文将跨会话的个性化歧义适配定义为编程助手的新评测任务。其核心问题是:当用户再次用相似的模糊表达提需求时,模型能否借助过去已解决的会话少问问题、直接写出更符合意图的代码。
阅读全文Rubric-based RL 正成为提升大模型开放式任务能力的重要路径,但它并不只是“探索不够”这么简单。论文提出 CriPO,通过在策略自身内部构造教师信号,同时处理未探索标准与被压制标准。
阅读全文EMBL AI Librarian 试图把 Europe PMC 这样的传统文献检索系统,改造成更适合 AI 智能体调用的证据接口。它让智能体用自然语言提问,并返回可支撑回答的文献片段,而不是只给出一堆论文列表。
阅读全文一项来自多家公司专家访谈的研究梳理了自动驾驶系统测试的一线实践:场景测试与 X-in-the-loop 仍是主流,但真实性、覆盖率、仿真可信度和验收标准仍是关键瓶颈。
阅读全文Hugging Face Daily Papers 收录的 Mental World Modeling 提出:只模拟物理场景不足以预测人的行动,模型还必须显式追踪信念、目标、情绪与社会约束等心理变量。
阅读全文微软研究等作者提出 Weak-to-Strong On-Policy Distillation,试图解决前沿模型缺少更强教师模型时的蒸馏难题。它用多个较弱模型在 logit 空间构造“代理教师”,让强学生模型从弱监督中继续提升。
阅读全文一篇新论文提出 3DarkFusion,将极低照度下的噪声 RGB 与近红外信息放到 3D 空间中融合,无需干净 RGB 图像作为监督。其核心价值在于降低数据采集门槛,并提升不同噪声条件下的鲁棒性。
阅读全文RL²-VLA 提出一种面向视觉-语言-动作模型的自适应测试时引导框架:不改动原有 VLA,只在模型可能失败时引入离线强化学习策略来扩展动作选择。
阅读全文ITMO University 等作者提出 Collective-State JEPA,用去中心化方式让群体中的每台机器人形成对共同未来状态的预测。论文重点展示了该方法在少量全局标签、拓扑变化和规模变化下的泛化能力。
阅读全文ExtractBench 聚焦企业场景中的“按用户 Schema 抽取文档信息”,同时评估值准确率、记录完整性、可追溯证据与成本。它揭示了商业 VLM、编码代理与专用抽取代理在长文档和列表抽取上的差异。
阅读全文