跳到正文
AI NEWS JOURNAL
AI, IN PERSPECTIVE

搜索 AI 资讯

检索标题、摘要与正文,把分散的信息连起来。

按发布时间排序

大型语言模型驱动的智能体的行为分析

arXiv:2610.32087v1 发布类型:新 摘要:理解语言—智能体的行为,需要探究行动如何在时间轨迹中被组织,以及这种组织与情境和结果之间的关联。我们提出了一种通用框架,将数据驱动的行为发现与分析及实验研究相衔接。从记录的活动提炼出的类别界定了测量的内容;分析保留了行为在流程中的位置,并将其关系表述为可解释的假设;在预留的场景中进行的统计评估与检验,则用于考察证据的强度与适用范围;随后,通过包括提示引导在内的实验,测试在人为改变的条件下行为与结果的变化情况。一项关于迭代式自我反思的研究说明了如何

事件进展与其他报道

通过边缘端实现大语言模型训练的民主化:挑战、系统与未来之路

arXiv:2610.32215v1 发布类型:新 摘要:现代GPU数据中心日益强大的算力,使少数几家行业巨头得以在海量数据上训练并部署大型语言模型(LLMs)。然而,这些模型及其训练数据的庞大规模,使得集中式开发越来越难以为继,同时也将那些拥有相关私有数据但缺乏同等基础设施的小型机构拒之门外。本文围绕预训练与微调两大范式,梳理了我们在分布式LLM训练方面的立场,涵盖联邦学习、分割学习以及去中心化方法,并评估了它们在异构硬件与连接不稳定等地理分布式环境中的适用性。随后,我们提出了一种{\em 统一}的系统

Democratizing LLM Training with the Edge: Challenges, Systems, and the Road Ahead
事件进展与其他报道

CiteAnchor:面向幻觉引用检测与解析的源信息感知对齐方法

arXiv:2610.30355v1 发布类型:新 基本摘要:幻觉引用使得追踪来源并验证科学论断背后的证据变得更加困难。由于书目记录可能不完整,且在不同来源类型和出版版本之间存在差异,因此对其进行检测十分棘手。仅凭一个看似合理的匹配既无法确认该引用的有效性,也无法确定其背后的真实来源。我们提出了 CiteResolve,这是一个包含423条真实世界中幻觉引用的基准数据集,并已标注了其来源可恢复性。此外,我们还提出了一种名为 CiteAnchor 的源信息感知对齐框架,该框架能够针对每种来源类型调整检索策略与字段级验证方法,并分别判断引用的有效性以及是否能恢复出唯一的原始来源。在现有的一项检测基准上,CiteAnchor 使用 GPT-5.6 时达到了 0.841 的 F1 分数。

CiteAnchor: Source-Aware Grounding for Hallucinated Citation Detection and Resolution
事件进展与其他报道