224个真实后端任务基准，评估LLM智能体全生命周期开发能力
Jie Yang, Honglin Guo, Li Ji, Jiazheng Zhou, Rui Zheng, Zhikai Lei, Shuo...
代码生成
后端开发
基准测试
容器化
智能体
通过采样多个token并聚合为连续表示，实现随机且高效的推理过程。
Yao Tang, Li Dong, Yaru Hao, Qingxiu Dong, Furu Wei, Jiatao Gu
大语言模型
强化学习
推理
连续表示
提出NOVA规则与自举框架，通过噪声感知训练显著提升RAG系统中LLM的置信度校准性能
Jiayu Liu, Rui Wang, Qing Zong, Qingcheng Zeng, Tianshi Zheng, Haochen Shi,...
RAG
SFT
不确定性估计
噪声鲁棒性
置信度校准
通过全参数微调SAM3实现跨模态、跨器官的文本驱动医学图像分割
Chongcong Jiang, Tianxingjian Ding, Chuhan Song, Jiachen Tu, Ziyang Yan,...
SAM
医学图像分割
域适应
基础模型
文本引导分割
发现模型激活空间中的「助手轴线」，用于监测和稳定模型人格漂移
Christina Lu, Jack Gallagher, Jonathan Michala, Kyle Fish, Jack Lindsey
人格向量
可解释性
模型安全
激活引导
角色扮演
首个基于 PMCOA 的 OCR-first 科学文档数据集，提供词级/行级/段落级边界框标注
Hunter Heidenreich, Yosheb Getachew, Olivia Dinica, Ben Elliott
OCR
布局分析
数据集
文档理解
科学文献
提出解绑-重绑机制实现任意数量、类型、空间布局的角色动画
Shuai Tan, Biao Gong, Ke Ma, Yutong Feng, Qiyuan Zhang, Yan Wang, Yujun...
Diffusion Transformer
多主体
姿态迁移
扩散模型
视频生成
揭示RLVR通过Anchor-Adapter电路激活LLM记忆捷径而非真正推理
Lecheng Yan, Ruizhe Li, Guanhua Chen, Qing Li, Jiahui Geng, Wenxi Li,...
大语言模型
强化学习
数据污染
机械可解释性
记忆化
通过在SAE稀疏空间中学习偏好优化的引导向量，实现更稳定、可解释的大模型行为控制
Abdelaziz Bounhar, Rania Hossam Elmohamady Elbadry, Hadi Abdine, Preslav...
偏好优化
文化对齐
模型可控性
激活引导
稀疏自编码器
提出"海中捕鱼"范式，用4个渐进任务评估多模态大模型的科学文献证据推理能力
Yiming Ren, Junjie Wang, Yuxin Meng, Yihang Shi, Zhiqiang Lin, Ruihang Chu,...
Benchmark
多模态大模型评估
科学文献推理
证据链评估
长上下文理解
CLARE通过轻量级适配器和自编码器路由实现机器人VLA模型的持续学习，避免灾难性遗忘
Ralf Römer, Yi Zhang, Angela P. Schoellig
参数高效微调
持续学习
机器人操作
灾难性遗忘
视觉-语言-动作模型