本站已超过 12 小时没有更新（正常每 3 小时更新一次），下面的内容可能不是最新的。
本页没有符合条件的条目（筛选只在本页内进行）。
说明一举两得：曲率感知剪枝也能保留影响函数
简介该论文提出 CACTUS，一种基于 ADMM 的优化器，用于预训练模型权重的剪枝及稀疏加低秩分解，并以曲率感知目标保持稀疏模型与稠密模型的梯度对齐。在 Qwen3-4B 50% 剪枝实验中，CACTUS 将 C4 困惑度与稠密模型的差距缩小 45%，并比 LLM-Surgeon 快 28 倍以上。论文还表明，保留影响函数有助于数据筛选。
说明一项全球视角研究：大型语言模型如何评估人类时间价值
简介研究者让大型语言模型在仅改变用户所在国家的情况下，评估一次60分钟预约延误应获得的补偿。他们覆盖193个国家和5个模型，并将结果与按购买力平价计算的人均GDP、平均收入及基于文献的耐心指数进行比较。结果显示，不同模型对各地人群时间价值的评估差异明显，欧洲获得的补偿建议最高，非洲多数最低，且模型对亚洲和南美用户时间价值的估计低于其人均GDP所示水平。
说明异步多玩家老虎机中近似最优策略的研究
简介论文研究认知无线电网络启发的异步多玩家多臂老虎机问题，其中各玩家的激活概率不同。作者先证明了该最优分配问题是NP难的，然后分析多项式时间的贪心算法，证明其可达到最优分配的1/e近似；若按激活概率从大到小依次处理玩家，近似保证提升到1/√e。
说明智能建筑挑战赛：学习可大规模应用于真实建筑优化的基础模型
简介建筑约占美国碳排放近40%，其中暖通空调系统是主要部分。现有建筑控制方法大多只适用于开发时的特定建筑，难以推广。本文提出一项挑战赛，要求参赛者在一组模拟建筑上训练控制策略，并在未见过的建筑上评估，以推动可快速适应新建筑的建筑基础模型发展。
说明编码智能体在长文档任务中的最后一公里：临床试验方案数字化的实证研究
简介本文以临床试验方案数字化为测试场景，研究编码智能体能否把完整的长文档可靠地转化为准确的结构化数据。作者构建了包含150份公开方案PDF的专家标注基准TrialPD-Bench，并评估了多个模型和智能体框架。结果显示，即使表现最好的智能体也未能完全解决方案数字化问题，主要失误出现在将证据转写和结构化的环节。作者还提出了领域专用框架TrialScribe，使本地部署的开源模型表现明显提升，并能匹配或超过部分专有模型。
说明可复用局部后验的半摊销贝叶斯推断：用神经网络估计参数块的条件后验，并与常规马尔可夫链更新交替进行
简介该论文提出一种半摊销贝叶斯推断方法，把模型参数划分为较小的块，利用条件独立性确定每个块所需的信息。对于更新计算昂贵或频繁重复的参数块，训练神经估计器，从模型相关部分的模拟数据中学习其完整条件后验。马尔可夫链在这些神经估计器的直接采样与其余变量的常规更新之间交替进行，神经更新无需似然计算或接受-拒绝步骤。若存在重复出现的条件结构，同一估计器可跨块和数据集复用。作者在高维、计算代价高的层次模型和时空模型中进行了演示。