有点子了，就去执行……
GeoReform如何帮大模型搞定几何题？
Geometry3K数据集上，多模态大模型做几何题的准确率，之前只有42%。换了叫GeoReform的框架后，直接涨到56%。但你知道吗？之前有人试过另一种解法，在200个例子里，改了28个几何...
LLM-BlockFE：长文本转风控特征的轻量新方案
某金融风控团队上线5个应用后，这套新模型把KS指标提升了0.02到1.56个百分点——别小看这个幅度，风控里KS差0.1，可能就把10%的高风险用户漏判，或是误伤8%的低风险客户。旧方案的死穴工...
大模型说的法律依据，算不算真的依据？
说出来你可能不信：7个从80亿到700亿参数的开源大模型，在法律推理里，说对法条或判例的概率能达到66.7%到100%；但你要是偷偷把它们引用的法条换成不相关的，它们的判决结果能跟着变的比例，最...
突破长尾分布前置障：大模型SFT的自适应新方法
一篇arXiv上归类为cs.AI、cs.CL、cs.LG的论文，给出了一组可量化的实验结论：他们提出的PASS自适应SFT指令选择法，在4种不同主干模型+预算组合的测试场景里，连续超越7种当前最...
VFold：让LLM长上下文缓存省内存还不拖速度
LLM跑长上下文时，内存压力常卡脖子。很多人可能没意识到——这压力主要不是来自模型参数，是KV缓存。解码时每一层的KV状态都得存下来，上下文越长，这部分占内存的比例越高。现在的压缩方案，大多踩了...
SparseDecoding：让LLM解码更快还不丢精度的新方法
同样在A100 GPU上跑Llama-3.1-8B的解码任务，用常规剪枝法的速度是1倍，换成SparseDecoding能到1.48倍，生成质量还没降——这是arXiv上一篇新论文给出的实测结果...
神经网络调优：大模型靠初始设定还是实验反馈？
在神经算子调优任务里，大模型的留集测试nRMSE，几乎在所有对比里都比随机搜索、贝叶斯优化更低。这是arXiv上一篇归类于cs.AI、cs.LG、physics.comp-ph的论文，针对“大模...
Anthropic更新政策：禁止对Claude的持续无意义虐待
Anthropic过去一年多来首次更新用户使用政策，新增一条明确禁令：禁止对Claude的持续无意义虐待行为。这次更新到底动了哪块？这次调整是为了应对新出现的高风险滥用场景——比如用户用Clau...
大模型合规系统：判决居然不关规则事？
我最近看到arXiv上cs分类的一组测试，挺颠覆预期的：5款大模型，20个监管规则域，固定案例改规则，结果判决变化不大。测试的逻辑：反向戳破“规则决定判决”的假设合规系统默认的逻辑是“给什么规则...
工业细粒度异常理解：仅领域内训练够吗？
MMAD基准上，工业缺陷定位的人类专家准确率是92.3%，但训练过的领域专家最多只有75.5%——甚至部分训练模型的异常检测准确率还不如没训过的基础模型。仅领域内训练的坑：越训越弱？针对多模态工...