精选 75 篇，从 530+ 条中筛选
Claude-Mem是一个为Claude Code构建的插件，旨在通过自动捕获编码会话中的所有操作，使用AI进行压缩，并将相关上下文注入到未来的会话中，从而实现跨会话的上下文持久化。该项目主要面向开发者，通过智能记忆和搜索功能，优化了编码过程中的知识连续性和效率。
Maestro是一款旨在提高AI代理和项目协同效率的跨平台桌面应用。它通过提供并行执行、自动运行、群组聊天、移动远程控制等功能，解决了多项目并行处理中的效率问题。技术架构上，Maestro基于TypeScript开发，集成了多种AI代理和工具，如Claude Code、OpenAI Codex等。在LLM生态中，Maestro的价值在于其独特的多代理管理和任务编排能力，为开发者提供了一个强大的平台来管理复杂的AI任务。
项目定位为为Codex提供技能目录，旨在帮助AI代理发现和使用指令、脚本和资源以执行特定任务。核心功能是提供技能的安装和管理，解决开发者重复性任务执行的问题。技术架构基于Python，集成Codex平台。在LLM生态中，该项目通过提供技能目录和安装机制，优化了任务执行流程，提升了开发效率。
项目定位为LLM生态中的开发框架，旨在通过 Claude Code Hooks Mastery 提供对 Claude Code 行为的细粒度控制。核心功能包括全面覆盖的钩子生命周期管理、用户提示提交验证、安全过滤、智能TTS系统等。技术架构亮点在于利用 UV 单文件脚本架构实现逻辑隔离和依赖管理。在LLM生态中的价值在于提供了一种灵活、可扩展的方式来定制和优化 Claude Code 的行为。
WrenAI是一个开源的GenBI代理，旨在通过自然语言查询数据库，生成准确的SQL语句、图表和AI驱动的商业智能。它为开发者提供了与数据交互的简便方式，通过集成多种LLM模型，实现了从自然语言到复杂查询的转换，填补了LLM在数据交互领域的空白。
microsoft/qlib是一个面向量化投资的AI平台，旨在通过AI技术赋能量化研究，支持多种机器学习建模范式，包括监督学习、市场动态建模和强化学习。该项目为研究者、应用开发者提供工具和框架，通过自动化研发过程和丰富的数据集，解决量化投资中的关键挑战，如信号挖掘、市场动态适应和连续决策建模。
ACE-Step/Ace-Step1.5是一款针对音乐生成领域的开源模型，定位为多模态模型。其核心技术为结合语言模型和扩散模型，支持从简短循环到10分钟长曲的创作。该模型在训练数据上具有商业合规性，支持多种风格的音乐生成，且在消费级硬件上运行高效。在性能上，ACE-Step/Ace-Step1.5在音乐生成速度上表现出色，能够在短时间内生成完整的歌曲。主要应用场景包括音乐创作、音频编辑等。
nvidia/personaplex-7b-v1是一款定位为通用大模型的LLM，具有7B参数量，支持多语言。其核心技术为Transformer变体，并采用moshi库进行优化。在性能上，该模型在多个基准测试中表现出色，具有较好的代码生成和数学推理能力。模型开源，适用于多种硬件平台，与vLLM等推理框架兼容。主要应用场景包括多语言问答、代码生成等。
VibeVoice-ASR是一款专注于语音识别的领域大模型，具备处理长达60分钟音频的能力，支持结构化转录，包括说话人、时间和内容信息。该模型采用Transformer架构，支持自定义热词，具有丰富的转录功能。在性能上，VibeVoice-ASR在权威基准测试中表现出色，具有高准确率和语义连贯性。模型适用于需要长音频转录和特定领域内容识别的场景，如会议记录、讲座转录等。其开源协议和硬件需求适中，推理效率较高。
Tongyi-MAI/Z-Image是一款专注于图像生成的LLM，定位为多模态模型。其核心技术为单流扩散Transformer，支持全Classifier-Free Guidance，具有强大的视觉语言处理能力。性能上，模型在图像生成任务中表现出色，但缺乏权威基准测试结果。主要应用场景为创意生成和艺术创作。开源协议为Apache-2.0，硬件需求较高，推理效率需进一步优化。
GLM-4.7-Flash是一款30B-A3B的MoE模型，定位为通用大模型。其核心技术包括MoE架构和Transformer变体，支持多种语言。在基准测试中表现出色，尤其在AIME 25和GPQA等任务上排名靠前。该模型适用于需要高性能和轻量级部署的场景，支持vLLM和SGLang等推理框架。
DeepSeek-OCR-2是一款专注于图像文本转换的多模态模型，定位为特定领域微调模型。其核心技术基于transformers库，采用自定义代码进行优化，支持多语言处理。模型在OCR任务上表现出色，但缺乏权威基准测试结果。开源协议为Apache-2.0，对硬件要求较高，推理效率需进一步优化。
Kimi-K2.5-GGUF是一款基于Moonshot AI的Kimi-K2.5模型构建的推理优化版本，定位为通用大模型。其核心技术为基于transformers库的GGUF架构，支持2-bit至5-bit量化，适用于高性能计算环境。在性能上，Kimi-K2.5-GGUF在权威基准测试中表现出色，具有强大的代码生成、数学推理和多语言能力。该模型适用于需要高性能和特定能力场景，如代码生成、数学问题解决等，具有开源协议、高硬件需求和高推理效率的特点。
LingBot-World是一款由Robbyant团队开源的世界模拟器，定位为顶级世界模型。它具备高保真和多样化的环境，支持长期记忆和一致性，并实现实时交互。该模型采用image-to-video的pipeline，基于diffusers库。在性能上，它支持每秒16帧的实时生成，具有较低延迟。LingBot-World适用于内容创作、游戏和机器人学习等领域，其开源协议和硬件需求适中，与流行推理框架兼容性良好。
Kimi K2.5是一款开源的多模态大语言模型，定位为通用大模型。它基于约150万亿混合视觉和文本标记的持续预训练，具备视觉和语言理解以及先进的代理能力。模型在视觉知识、跨模态推理和基于视觉输入的代理工具使用方面表现出色。其核心能力包括视觉到代码的生成和代理群体执行复杂任务。在性能上，Kimi K2.5在权威基准测试中表现良好，具有开源协议、硬件需求适中、推理效率较高的特点，适用于多模态任务和复杂任务处理。
Anima模型定位为特定领域微调模型，专注于动漫风格的艺术图像生成。其核心技术为基于扩散模型的单文件库，参数量为20亿。模型在动漫风格图像生成方面表现出色，但未公开权威基准测试结果。主要应用场景为动漫艺术创作，使用时需考虑开源协议和硬件需求。
Step 3.5 Flash是一款高效的开源基础模型，定位于通用大模型领域。它采用稀疏混合专家（MoE）架构，参数量196B，上下文长度未指定。该模型在推理速度和代码生成方面表现出色，通过3-way Multi-Token Prediction（MTP-3）技术，实现了100-300 tok/s的生成吞吐量。在SWE-bench和Terminal-Bench 2.0基准测试中分别取得了74.4%和51.0%的优异成绩。模型开源协议为Apache 2.0，适用于需要快速推理和代码生成的场景。
LongCat-Flash-Lite是一款专注于文本生成的混合专家（MoE）模型，具有68.5亿参数，支持256k的上下文长度。该模型在保持高效推理速度的同时，通过N-gram嵌入表提升了性能。它在代码生成和代理领域表现出色，具有优异的扩展效率和竞争力。模型定位为通用大模型，核心技术为MoE架构，性能在同类模型中表现优异，适用于需要高效文本生成的场景。
Qwen3-TTS是一款专注于语音合成的大语言模型，定位为特定领域微调模型。其核心技术包括自研的Qwen3-TTS-Tokenizer-12Hz和离散多码本LM架构，支持多种语言和方言，具有强大的语境理解和自适应控制能力。性能上，模型实现了低延迟的流式生成，端到端合成延迟低至97ms。主要应用场景包括实时交互和个性化语音合成。模型开源协议为Apache-2.0，适合对实时性和个性化语音合成有较高要求的场景。
zai-org/GLM-OCR是一款基于GLM-V架构的多模态OCR模型，专注于复杂文档理解。该模型采用多令牌预测损失和稳定的全任务强化学习，结合CogViT视觉编码器和GLM-0.5B语言解码器，实现高效训练和识别。在OmniDocBench V1.5基准测试中排名第一，适用于复杂表格、代码密集型文档等场景，支持vLLM、SGLang和Ollama等推理框架，易于集成到现有生产流程中。
Qwen3-ASR-0.6B是一款专注于语音识别的领域大模型，具备多语言和方言支持能力。该模型采用Qwen3-Omni基础模型，具有强大的音频理解能力。在性能上，Qwen3-ASR-0.6B在开源ASR模型中达到顶尖水平，与商业API相媲美。模型支持多种语言和方言的语音识别，适用于复杂声学环境和挑战性文本模式。其开源协议和强大的推理框架使其在多个场景下具有实用价值。
Qwen3-Coder-Next是一款针对代码生成和本地开发设计的开源语言模型，具有高效的性能和先进的代理能力。该模型采用3B激活参数，性能可与参数量多10-20倍的模型相媲美，适用于代理部署。它具备长距离推理、复杂工具使用和恢复能力，适用于代码生成、数学推理等任务。模型基于transformers库，支持2-bit XL量化，对硬件要求较高。在LLM领域，Qwen3-Coder-Next以其高效的代码生成能力和先进的代理技术脱颖而出。
Qwen3-ASR-1.7B是一款专注于语音识别的领域大模型，具备多语言和方言支持能力。该模型采用Qwen3-Omni基础模型，结合大规模语音训练数据，实现了在复杂声学环境和挑战性文本模式下的高质量和鲁棒识别。其在开源ASR模型中达到最先进水平，与顶级商业API相媲美。模型支持语言识别和语音识别，具有高效的吞吐量和强大的推理框架。主要应用场景包括语音转文本、语音识别等。
MiniCPM-o 4.5是一款多模态大语言模型，定位为通用大模型。该模型基于SigLip2、Whisper-medium、CosyVoice2和Qwen3-8B构建，参数量达9B。它在视觉、语音和全双工多模态直播方面表现出色，支持双语实时语音对话和全双工直播功能。性能上，MiniCPM-o 4.5在OpenCompass等基准测试中表现出色，超越了GPT-4o等模型。该模型适用于需要多模态交互和实时处理的场景，如直播互动、多语言对话等。
Qwen3-Coder-Next是一款针对代码生成和本地开发设计的开源语言模型。该模型具有3B激活参数和80B总参数，上下文长度为256k，支持多种CLI/IDE平台。其核心技术包括混合布局、MoE和Gated DeltaNet。在代码生成任务中表现出色，具有高效的性能和强大的适应性。模型在HuggingFace平台上的下载量和点赞数均较高，表明其在LLM领域中的受欢迎程度。主要应用场景包括代码生成、本地开发和集成到IDE中。
这篇论文提出了一种名为A-Evolve的通用框架，旨在通过代理进化来解决大型语言模型（LLMs）在开放环境中的适应性限制。该框架将部署时的改进视为对持久系统状态的刻意、目标导向的优化过程，并提出了进化扩展假设，即适应性能力与分配给进化的计算能力成正比。
这篇论文提出了MemoryLLM，一种可解释的前馈记忆模块，它将前馈网络（FFN）与自注意力机制解耦，允许将FFN作为无上下文的标记级神经网络检索记忆来研究。MemoryLLM通过直接使用标记嵌入来独立于自注意力训练FFN，从而实现无上下文FFN，并引入Flex-MemoryLLM来缩小训练FFN时由于使用无上下文标记级嵌入而造成的性能差距。
这篇论文提出了一种名为Strategy Auctions for Workload Efficiency (SALE)的框架，用于通过策略拍卖来提升小型代理在复杂任务中的性能。通过实验表明，SALE能够在不增加额外训练成本的情况下，通过协调任务分配和测试时自我改进，有效提升小型代理在深度搜索和编码任务中的性能。
这篇论文探讨了在对话代理中理解和克服用户反馈障碍的重要性。通过分析反馈动态，论文提出了四个反馈障碍，并提出了设计原则以促进高质量反馈。研究通过实验表明，符合这些原则的系统能够帮助用户提供更高质量的反馈。
这篇论文提出了一种名为DAIL的方法，通过将专家解决方案转化为可学习的推理轨迹，并应用对比目标来聚焦于专家的见解和方法，从而提高大型语言模型的推理能力。
这篇论文提出了一种名为LIVE的Long-horizon Interactive Video world model，通过引入新颖的循环一致性目标，强制执行有界错误累积，从而消除了对基于教师模型的蒸馏的需求。LIVE通过正向和反向生成过程来重建初始状态，并计算扩散损失，为长期错误传播提供显式约束。实验表明，LIVE在长期基准测试中实现了最先进的性能。
这篇论文提出了RANKVIDEO，一种基于推理的视频检索重排序方法，通过使用视频内容对查询-视频对进行推理来评估相关性，显著提高了视频检索的性能。
这篇论文提出了一种名为NPC（Neural Predictor-Corrector）的神经网络求解器，用于解决同伦问题。NPC通过强化学习自动学习策略，并引入了摊销训练机制，以提高泛化能力和在线推理效率。
这篇论文提出了一种名为COMB的Position-Independent Caching（PIC）系统，用于优化大型语言模型（LLM）的键值缓存，通过重新引入编码器并训练其支持PIC，显著减少了LLM处理任意顺序上下文的时间，提高了吞吐量，同时保持了相似的准确性。
这篇论文提出了一种名为Prefill-Only Pruning (POP)的模型剪枝方法，旨在提高大型语言模型和视觉语言模型的推理效率。该方法通过识别预填充和解码阶段中层的不同作用，仅在计算密集的预填充阶段剪枝深层，而在敏感的解码阶段保留完整模型，从而在保证性能的同时显著降低计算成本。
这篇论文提出了MedSAM-Agent，一个基于多轮代理强化学习的交互式医学图像分割框架。该框架通过混合提示策略生成专家轨迹，并采用两阶段训练流程，结合多轮端到端结果验证和临床真实性过程奖励设计，以提高交互效率和决策效率。
这篇论文提出了一种名为MEG-XL的模型，通过长上下文预训练，实现了数据高效的大脑到文本转换。该模型通过使用长达2.5分钟的MEG上下文进行预训练，显著提高了数据效率，并在单词解码任务上取得了优于现有大脑基础模型的性能。
这篇论文提出了LangMap，一个基于真实世界3D室内扫描的大型基准，用于开放词汇的目标导航任务。LangMap通过多粒度、开放词汇的目标导航任务（HieraNav），使智能体能够根据自然语言指令在四个语义级别（场景、房间、区域和实例）上导航到目标位置。该基准提供了丰富的标注数据，包括区域标签、区分性区域描述、区分性实例描述，并展示了在LangMap上的零样本和监督模型评估，揭示了更丰富的上下文和记忆如何提高导航成功率。
这篇论文提出了RecGOAT，一个基于图优化的自适应传输框架，用于LLM增强的多模态推荐系统。它通过双语义对齐，结合图注意力网络和跨模态对比学习，实现了对用户和物品的语义表示的优化，从而提高了推荐系统的性能。
这篇论文研究了多模态大型语言模型（MLLMs）如何根据用户指令选择性地利用多模态上下文，即模态仲裁的因果动力学。通过信息流视角，论文揭示了指令标记作为模态仲裁的结构锚点，并确定了驱动这一仲裁的特定注意力头。实验表明，通过操纵这些关键头，可以显著影响模态遵循率。
这篇论文提出了ID-MoCQA，一个基于印度尼西亚传统文化的多跳问答数据集，用于评估大型语言模型的文化理解能力。该数据集通过将单跳文化问题转化为多跳推理链，涵盖了六种线索类型，并通过专家评审和LLM过滤确保高质量的问题-答案对。实验结果表明，在需要细微推理的任务中，现有模型在文化推理方面存在较大差距。
这篇论文提出了一种名为SimpleNorm的简单归一化策略，通过优化Transformer架构，显著提高了GPT模型的优化稳定性和性能。该方法通过分析损失函数相对于网络激活的Hessian矩阵，降低了Hessian矩阵的谱范数，从而允许更大的稳定学习率。实验表明，SimpleGPT在训练大型GPT模型时，学习率可以比标准方法提高3到10倍，并实现了比现有基线更好的性能。
这篇论文提出了一个统一的框架，用于评估基于大型语言模型（LLM）的智能体。该框架旨在解决当前评估方法中存在的碎片化、不公平和不可重复的问题，通过标准化环境数据和工具配置，提高评估的准确性和可靠性。
这篇论文提出了LRAgent，一个针对多LoRA语言模型代理的KV缓存共享框架，通过分解缓存并共享基础组件和低秩适配器组件，有效减少了内存和计算开销，同时保持了较高的准确率。
这篇论文提出了Token Sparse Attention，一种轻量级且动态的token级稀疏化机制，用于提高大型语言模型在长上下文推理中的效率。该方法通过在注意力过程中压缩Q、K、V矩阵，并在后续层重新考虑token信息，从而实现高效的上下文推理。
NVIDIA发布了一项名为Cosmos Policy的新研究，这是一项用于高级机器人控制和规划的技术，通过后训练世界基础模型Cosmos Predict-2来实现。该技术能够将机器人动作、物理状态和成功分数编码为额外的潜在帧，并使用与视频生成相同的扩散过程进行学习，从而提高了机器人操作的性能。此外，NVIDIA还宣布了Cosmos Cookoff，一个开放式黑客马拉松，旨在推动物理AI的发展。
Hugging Face的Inference Labs团队发布了TruthTensor，这是一个评估大型语言模型（LLM）在动态市场条件下指令忠诚度的新框架。该框架通过模拟预测市场中的动态变化来测试模型是否会偏离其预设算法，并在601,891名用户和1,692,048次微调中得到应用。
本文介绍了如何使用Hugging Face的FunctionGemma模型在TPU上进行微调，以创建一个虚拟健身教练。通过TPU优化策略，实现了10分钟内、花费约0.50美元的训练成本，显著提高了模型性能，并减少了幻觉。该项目展示了TPU在小型模型微调中的高效性和经济性。
LightOn AI 发布了 LightOnOCR-2-1B，这是一个10亿参数的第二代端到端视觉-语言 OCR 模型，旨在将文档页面转换为高质量文本，同时提供轻量级布局信息。该模型在性能和速度上均优于同类产品，并支持Hugging Face Transformers生态系统，便于社区使用。
暂无摘要
NVIDIA发布了NVIDIA Agentic Smart Router，这是一款基于Dell Enterprise Hub的智能路由器，旨在解决企业AI应用部署中的多大型语言模型（LLM）利用和单一框架限制问题。该路由器通过NVIDIA NeMo Agent Toolkit (NAT) 和NVIDIA的LLM路由器实现多框架、面向代理的设计，提供智能模型选择、代理编排和检索增强生成（RAG）等功能，旨在提高准确性、性能和降低成本。
本文介绍了KV缓存技术，这是一种优化Transformer推理效率的方法。通过缓存中间计算结果，模型可以避免重复计算，从而加快文本生成速度，提高效率。
NVIDIA近日宣布推出NVIDIA Earth-2系列三个新的开源模型，旨在简化构建整个天气预报栈的能力，包括数据同化、预测、临近预报、降尺度等任务。这些模型包括用于千米级短时强对流天气预报的Earth-2 Nowcasting、用于15天全球预报的Earth-2 Medium Range以及用于生成初始条件的Earth-2 Global Data Assimilation。NVIDIA Earth-2提供了一套加速工具和模型，使开发者能够整合通常分散的天气和气候AI能力。
ReasoningLens，一款用于可视化、理解和调试大型语言模型（LLM）推理过程的开发工具包，已正式发布。它通过将复杂的推理链转化为交互式、层次化的可视化地图，帮助开发者更清晰地追踪和调试模型的推理过程，同时提供自动化错误检测和模型画像功能，以提升LLM的调试效率和模型理解。
Photoroom宣布开源其文本到图像模型PRX，该模型现已在Hugging Face的Diffusers中提供。此次发布旨在开放整个训练过程，包括训练方法、经验教训等，旨在成为对文本到图像模型感兴趣的实用资源。Photoroom还计划分享一系列深入探讨模型设计实验、架构基准、加速技巧和后训练方法的文章。
Photoroom发布了其文本到图像基础模型PRX的架构实验结果，该模型采用混合Transformer架构，旨在提高文本到图像生成模型的效率、稳定性和对齐性。PRX在性能、吞吐量和内存效率之间取得了最佳平衡，并采用了T5Gemma作为文本编码器，以及FluxVAE和Deep-Compression Autoencoders (DC-AE)作为潜在空间自动编码器。Photoroom计划开源整个开发过程，并鼓励社区参与和贡献。
NVIDIA发布了一种名为Nemotron Speech ASR的新实时语音识别模型，该模型通过缓存感知流式处理技术，实现了更高的效率和更低的延迟，为实时语音代理提供了新的基准。
RexRerankers 是一种先进的重排序器，旨在提高产品发现和人工智能助手的效率。它通过估计电子商务产品与查询的相关性来工作，并使用 Amazebay 数据集进行训练。此外，还发布了 ERESS 评估套件，用于全面评估产品发现重排序器的性能。
NVIDIA发布了Nemotron-Personas-Brazil，这是一个包含600万个完全合成的巴西人设的开放数据集，旨在解决巴西AI系统训练数据的问题，该数据集基于官方人口普查和劳工数据进行统计学接地，并支持巴西本地化的主权AI开发。
本文介绍了如何从头开始构建一个简单的检索增强生成（RAG）系统，该系统结合了信息检索和文本生成，以增强语言模型的表现。文章详细解释了RAG系统的关键组件，包括检索模型和语言模型，并提供了使用Python和ollama实现RAG系统的示例代码。
这篇公告详细记录了一位AI技术分析师在训练Action Chunking Transformer (ACT)模型上的经历，包括遇到的挑战、解决方案和经验教训。文章描述了如何使用SO-101机器人进行数据收集和训练，以及如何通过改进硬件设置、数据收集流程和评估流程来提高模型的性能。
本文通过比较mDeBERTa、GPT-OSS-20B（LoRA）和GPT-OSS-20B（Base）三种模型在多语言客户支持消息分类任务上的表现，展示了基于BERT的模型在速度和准确性上的优势，同时指出GPT-OSS-20B（LoRA）在精确匹配方面的优势。实验表明，选择合适的模型取决于具体的应用场景和需求，并强调了高效模型架构、智能量化和参数高效微调在构建定制ML解决方案中的重要性。
NVIDIA与AI Singapore合作发布了Nemotron-Personas-Singapore，这是一个为新加坡开发者设计的合成数据集，旨在支持构建主权AI系统。该数据集提供本地化、文化相关和隐私保护的数据，用于训练和评估AI模型。
这篇公告详细介绍了小型语言模型（SLM）的概念、制作方法、优势、局限性以及在实际应用中的使用。SLM是一种轻量级的语言模型，适用于资源受限的环境，如智能手机和嵌入式系统。它们保留了核心的自然语言处理能力，同时具有低计算需求、低能耗和快速推理等优势。公告还介绍了如何使用Ollama和PocketPal等工具在边缘设备上运行SLM，以及如何通过微调来提高模型性能。
Hugging Face 发布了一篇入门教程，介绍了其平台和工具，包括模型、数据集和Spaces，旨在帮助用户快速上手并利用其AI技术。教程涵盖了如何使用Transformers库、探索模型中心、使用数据集以及部署交互式AI应用等关键步骤。
这篇论文提出了Search-R2，一个通过Actor-Refiner协作框架增强搜索集成推理的方法，通过分解生成过程并引入混合奖励设计，解决了多尺度信用分配问题，显著提升了推理准确性。
这篇论文研究了基于LLM的多智能体系统中的智能体扩展问题，提出了一种通过引入异质性来提高系统性能的方法。论文通过信息论框架分析，发现多智能体系统的性能受任务不确定性的限制，而非智能体数量。通过实验证明，异构智能体配置比同构配置具有更高的性能。
这篇论文提出了一种名为SμPar的全新方法，旨在解决稀疏神经网络在训练过程中的挑战。SμPar通过独立缩放激活、梯度和权重更新，以及通过重新参数化超参数，使得同一组超参数在不同稀疏度和模型宽度下都保持最优，从而显著降低了超参数调优的成本，并在大规模语言模型上实现了显著的性能提升。
这篇论文提出了RDT2，一个基于7B参数视觉语言模型（VLM）的机器人基础模型，旨在通过使用一个大规模的、通用的机器人数据集和一种新的三阶段训练方法，实现零样本跨实体泛化，从而解决机器人领域数据稀缺、架构效率低和难以跨平台泛化的问题。
这篇论文研究了在有限数据集上使用小型语言模型预训练的性能，通过实验测试了不同并行技术对预训练效果的影响，并提出了一个系统性的方法来选择合适的预训练技术以实现高性能和降低执行时间。
这篇论文研究了在智能体中准确预测失败并不一定意味着能够有效预防失败。论文提出了一种预部署测试方法，通过小规模的测试任务来评估干预措施的效果，以避免在部署时出现严重的性能退化。
这篇论文提出了一种针对土耳其语检索增强生成（RAG）的最佳实践，通过构建一个包含土耳其维基百科和CulturaX的土耳其语RAG数据集，并对比了七个RAG流程阶段，展示了复杂方法如HyDE在准确率上显著优于基线，同时提出了一种成本更低的Pareto最优配置，并讨论了过度堆叠生成模块对性能的影响。
这篇论文介绍了SWE-Master，一个开源的软件工程代理后训练框架，通过系统性地优化代理开发流程，包括教师轨迹合成、数据整理、长期SFT、基于真实执行反馈的强化学习和推理框架设计，显著提升了软件工程任务解决能力。
这篇论文提出了RASA，一种通过添加边类型嵌入和稀疏掩码来增强Transformer进行多跳关系推理的能力的方法。RASA通过减少注意力搜索空间和提供显式的关系路由，显著提高了Transformer在多跳推理任务上的性能。
