- 博客(600)
- 收藏
- 关注
RSS订阅原创 Kimi：统一架构的音频LLM
如何构建一个统一的音频基础模型，同时处理音频理解、生成和对话等多种音频处理任务？Kimi-Audio作为一个开源的音频基础模型，实现了在多个音频处理任务上达到最先进的性能，并提供了可重复的评估工具包。
2025-05-03 10:00:00
607
原创 浙大：优化视觉模型的过度思考
大型视觉语言模型（LVLM）在推理过程中出现过度思考现象。论文提出了FAST框架，通过动态调整推理深度来平衡推理准确性与推理长度，显著提高了LVLM的性能。
2025-05-03 08:00:00
226
原创 中科大：LLM几何推理数据生成
现有几何问题求解模型在推理能力和训练数据稀缺性方面面临瓶颈。论文提出了一种名为GeoGen的管道，可以自动生成几何多步推理数据，并构建了两个大型数据集GeoExpand和GeoSynth，以增强几何问题求解模型的训练效果。
2025-05-02 10:00:00
684
原创 阿里：LLM多语言数学推理基准PolyMath
当前多语言数学推理基准不足以有效评估先进大语言模型（LLM）的推理能力。论文提出了PolyMath，一个多语言数学推理基准，涵盖多种难度级别，旨在推动多语言推理能力的研究。
2025-05-02 08:00:00
372
原创 NUS：多模态多视角理解评估
多模态大型语言模型（MLLM）在多视角理解能力方面存在不足，以及缺乏有效的评估基准。论文提出了All-Angles Bench基准，包含2100多个经人工注释的多视角问题-答案对，全面评估MLLM在多视角场景中的表现。
2025-05-01 10:00:00
828
原创 中科院：通过内部表示优化LLM上下文利用
大语言模型（LLM）在生成过程中如何有效利用上下文信息，特别是在应对外部知识时的保真度不足？论文提出了一种上下文感知层增强（CaLE）的方法，通过对模型内部表示的上下文信息进行增强，以提高LLM在问答任务中的上下文保真性。
2025-05-01 08:00:00
358
原创 贝壳：通过强化学习提升音频推理
如何通过强化学习（RL）和课程学习来提升音频语言推理模型的能力？论文提出了一种基于课程引导的强化学习训练方案，显著提升了音频问答的推理性能，超越了传统的监督微调和之前的RL基线。
2025-04-30 10:00:00
905
原创 中科院：提前终止LLM深度思考
大规模推理语言模型（LRLM）在生成长链思维（CoT）时存在过度思考，如何提高推理的效率与准确性？论文提出了一种简单有效的方法DEER，允许LRLM在生成过程中自我截断链思维，通过动态判断何时提前退出推理，提升了模型的推理效率和准确性。
2025-04-30 08:00:00
312
原创 浙大：指导机制优化LLM偏好对齐
传统参考模型在直接偏好优化（DPO）中存在局限性，特别是如何利用指导参考模型提高数据利用率和模型性能。论文提出了一种新的训练范式Pre-DPO，通过使用指导参考模型来优化初始策略，从而提升现有偏好优化方法的性能，而无需依赖外部模型或额外数据。
2025-04-29 10:00:00
945
原创 华为：从网页数据中合成LLM训练指令
在没有人工注释的情况下，如何从原始网页数据中合成高质量的指令调优（IT）数据？论文提出了一种名为Web Reconstruction（WebR）的新框架，该框架能够高效地从原始网络文档合成IT数据，并在多个基准测试中显著超越现有的最先进方法。
2025-04-29 08:00:00
854
原创 复旦：多模态几何求解数据构建
在几何问题求解中高质量数据短缺。论文提出了一个名为TrustGeoGen的可扩展和形式验证的数据引擎，用于生成可信的多模态几何推理数据。
2025-04-28 10:00:00
1241
原创 USC：强化学习训练小型推理模型
如何以成本效益高的方式在小型语言模型中有效地训练推理能力？论文提出了Tina模型系列，通过LoRA和强化学习的结合，实现了在较低成本下的显著推理性能。
2025-04-28 08:00:00
390
原创 北大：LLM物理推理基准PHYBench
当前大语言模型（LLM）在复杂物理推理能力评估中存在不足。论文提出了名为PHYBench的基准，专门设计用于评估模型在物理上下文中的推理能力，并引入了新的评价指标EED Score。
2025-04-27 10:00:00
908
原创 清华：LLM测试时无监督在线学习
在测试阶段如何利用无标签数据进行强化学习（RL）以提升模型性能？论文提出了一种新的框架——测试时强化学习（TTRL），通过无监督的方式实现模型在测试数据上的自我演化和性能提升。
2025-04-27 08:00:00
725
原创 HKUST：合成数据训练LLM的缩放定律
如何通过合成数据的扩展来提升大语言模型（LLM）的性能，并探讨是否存在合成数据的缩放定律？论文首次系统性地研究和验证了合成数据的缩放规律，以及其在语言模型微调中的应用效果。
2025-04-26 10:00:00
402
原创 上海交大：推理驱动的多模态提示重写
视觉语言模型（VLM）在处理文本和图像交互时存在安全性问题，尤其是在动态需求下的快速迭代和适应能力。论文提出了一种名为VLMGuard-R1的框架，通过多模态推理驱动的提示重写方法，增强VLM的安全性，避免了对模型参数的直接调整，从而降低了计算成本和时间。
2025-04-26 08:00:00
738
原创 CMU：LLM蒸馏对抗保护产权
如何有效防止模型蒸馏攻击，以保护前沿模型的知识产权？论文提出了一种新的采样方法——抗蒸馏采样，旨在调整教师模型的采样分布，以增强对抗蒸馏攻击的能力。
2025-04-25 10:00:00
447
原创 UIUC：LLM工具学习奖励
大语言模型（LLM）在工具集成推理（TIR）任务中，如何有效学习和优化奖励策略？论文提出了一种针对TIR的奖励设计框架，并通过强化学习（RL）算法验证了其有效性，为未来的LLM代理训练提供了实证路线图。
2025-04-25 08:00:00
494
原创 北大：LLM指令微调互对齐框架
如何在指令调优中实现指令与响应之间的有效对齐，以提高大语言模型（LLM）的性能？论文提出了一个互对齐框架，通过迭代优化指令与响应的关系，显著提升了指令调优的效果。
2025-04-24 10:00:00
526
原创 OpenAI：agent网页信息获取基准
如何评估人工智能代理在浏览互联网时获取信息的能力，特别是面对复杂和难以找到信息的问题？论文提出了一个新的基准数据集BrowseComp，包含1266个具有挑战性的问题，旨在评估AI代理的浏览能力和信息获取的创造性。
2025-04-24 08:00:00
466
原创 阿里：LLM几何推理基准GeoSense
如何评估多模态大型语言模型（MLLM）在几何问题中的表现？论文提出了GeoSense这一首个综合性双语基准，系统评估MLLM在几何推理中的识别和应用几何原则的能力。
2025-04-23 10:00:00
610
原创 谷歌：预测LLM微调后的性能
如何可靠地预测大语言模型（LLM）在进行监督微调（SFT）后的表现？论文提出了新的预测代理（如PPL-SC和Kshot-RAG）以及学习比较（LTC）框架，从而显著提高了对微调结果的预测准确性。
2025-04-23 08:00:00
587
原创 英伟达：LLM预训练自动数据混合
如何在大规模预训练语言模型中优化数据混合，以有效平衡通用知识和领域专长？ 论文提出了一种名为CLIMB的框架，通过迭代的数据混合优化，自动发现和优化数据混合，显著提高语言模型的性能。
2025-04-22 10:00:00
503
原创 中兴：为LLM选择难度适合的CoT数据
如何为大语言模型（LLM）生成合适难度的高质量链式思维（CoT）数据？ 论文提出了一种新的方法，通过LLM适应性问题难度评级来构建高质量的CoT数据集，从而提高模型的推理能力。
2025-04-22 08:00:00
911
原创 北航：LLM基于聚类的专家剪枝
如何解决Mixture-of-Experts (MoE) 大语言模型（LLM）中的专家剪枝问题，以提高模型的效率和性能？论文提出了一种基于聚类的专家剪枝方法（C-PRUNE），有效减少了参数数量，同时保持了模型的任务特异性功能。
2025-04-21 10:00:00
526
1
原创 北大：LLM中文幻觉评测系统C-FAITH
如何自动构建和评估针对大语言模型（LLM）幻觉的高质量基准数据集？论文提出了HaluAgent，一个多代理系统，能够自动生成用于幻觉评估的问答数据集，并提供了C-FAITH，一个具有细粒度的中文幻觉评估基准。
2025-04-21 08:00:00
407
原创 中科院：LRM在简单问题上缺失快思考能力
如何评估大型推理模型（LRM）在简单任务上的系统1思维能力？论文提出了S1-Bench基准，专门用于评估LRM在简单问题上的表现，填补了现有研究的空白。
2025-04-20 10:00:00
354
原创 信通院：LLM推理验证器xVerify
如何有效评估大语言模型（LLM）对客观问题的回答正确性？论文提出了一种名为xVerify的高效答案验证器，专门用于评估LLM的推理模型输出。
2025-04-20 08:00:00
661
原创 上海人工智能实验室：LLM无监督自训练
如何在没有外部监督的情况下，增强大语言模型（LLM）的推理能力？论文提出了一种名为Genius的通用自我训练框架，该框架仅依赖于无监督查询来提升LLM的推理能力。
2025-04-19 10:00:00
779
原创 HKUST：LLM旅行规划中的时空感知评测
如何提升大语言模型（LLM）在旅行规划中的时空感知能力，以生成更高效、舒适和灵活的旅行计划？论文提出了一种新的评估基准TP-RAG，专注于查询特定的时空上下文化和轨迹级知识利用，以提高LLM在旅行规划中的表现。
2025-04-19 08:00:00
610
原创 英伟达：拓展LLM上下文长度
如何解决标准Transformer模型在处理超出训练上下文长度的序列时出现性能衰退？论文提出了一种新的SWAN架构，通过结合不同类型的注意力机制，实现了对长上下文的有效处理，而无需额外的长上下文特定训练。
2025-04-18 10:00:00
697
原创 AllenAI：LLM响应追溯到训练来源
如何将大语言模型（LLM）的输出追溯到其训练数据中的确切来源？论文提出了OLMOTRACE系统，能够实时跟踪LM输出与训练数据之间的逐字匹配，并展示相关文档，提高了对LLM行为的理解。
2025-04-18 08:00:00
310
原创 华科：强化学习提升多模态大模型感知
在视觉感知任务中，如何有效应用强化学习（RL）以提升多模态大语言模型（MLLM）的感知能力？论文提出了一种基于规则的强化学习框架Perception-R1，首次实现了在多个视觉感知任务中超越专家模型的性能。
2025-04-17 10:00:00
596
原创 UIUC：基于主动学习的LLM弱到强框架
在教师和学生模型之间存在显著能力差距时，如何有效地进行监督和知识转移？论文提出了一种名为Alice的主动学习框架，通过教师的示范和不确定性表达，促进学生模型在弱到强的泛化过程中生成更高质量的训练数据。
2025-04-17 08:00:00
659
原创 清华：LLM微调过程中动态选择指令
如何在大语言模型（LLM）的微调过程中动态选择最有效的指令，以最大化模型性能？论文提出了一种名为RAISE的动态指令选择框架，通过任务目标驱动的获取函数和多样性约束机制，显著提升了模型在特定任务上的性能。
2025-04-16 10:00:00
631
原创 中科大：多模态视频理解基准VCR-Bench
当前视频理解领域缺乏有效的评估工具来衡量视频的链式思维（CoT）推理能力。论文提出了VCR-Bench，一个专门用于评估大型视觉语言模型（LVLM）在视频链式思维推理中的表现的基准框架。
2025-04-16 08:00:00
924
原创 MIT：LLM元推理框架DISCIPL
在大语言模型（LLM）生成过程中，如何高效并准确地满足复杂约束条件？论文提出了一种新的元推理框架DISCIPL，使语言模型能够动态生成推理程序，从而提高生成文本的准确性和流畅性。
2025-04-15 10:00:00
527
原创 腾讯：强化学习优化大模型视频理解
如何评估多模态大语言模型（MLLM）在视频理解任务中的后训练有效性？🔸主要贡献：论文提出了SEED-Bench-R1基准，系统评估强化学习（RL）与监督微调（SFT）在视频理解中的表现，展示了RL的优越性和未来研究方向。
2025-04-15 08:00:00
1065
原创 人大：LLM在法律领域的三段论推理
大语言模型（LLM）在法律领域中缺乏显式三段论推理能力。论文提出了SyLeR框架，使LLM能够进行显式的三段论法律推理，提高了法律问答的准确性和可信度。
2025-04-14 10:00:00
468
原创 微软：LLM推理一致性评估
大语言模型（LLM）在推理任务中如何评估其推理一致性？论文提出了一种新的度量标准“推理一致性”，用于评估AI系统在推理过程中依据其中间步骤的有效性。
2025-04-14 08:00:00
1524
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人