精选 78 篇，从 340+ 条中筛选
nanochat是一个专注于训练和运行LLM的实验性工具，旨在提供简单、可访问的LLM训练环境。它填补了低成本、易用性强的LLM训练工具的空白，通过Python和PyTorch实现，支持从数据加载到模型训练的完整流程。该项目对研究者、开发者尤其有价值，因为它提供了一个强基线代码库，可以快速训练和评估LLM模型。
微舆（BettaFish）是一个专注于舆情分析的多智能体系统，旨在打破信息茧房，提供全面、多维的舆情分析服务。它通过AI驱动的全域监控、复合分析引擎、多模态能力等创新技术，实现了对国内外社媒的深度分析，并支持公私域数据融合。该项目为研究者、应用开发者、企业提供了强大的舆情分析工具，填补了市场在多智能体舆情分析领域的空白。
pbakaus/impeccable项目是一个专注于前端设计的LLM工具，旨在通过提供设计技能、命令和反模式来提升AI在UI设计方面的能力。该项目为开发者提供了一套全面的设计技能和17个命令，帮助优化设计流程，解决常见的设计问题，如字体、颜色、布局和交互等。它填补了LLM在前端设计领域的应用空白，为开发者提供了一种新的设计辅助工具。
项目定位为LLM生态中的Python库，旨在提供对Google NotebookLM的全面访问。它为开发者提供了丰富的API和CLI工具，用于创建、编辑、分享和生成内容，如笔记、音频、视频、幻灯片等。该库填补了Google NotebookLM在Python生态中的空白，为研究者、应用开发者提供了强大的工具，支持原型设计、研究和个人项目。其技术亮点在于对Google NotebookLM的全面覆盖和丰富的API功能，同时提供了多种使用方式，包括Python API、CLI和Agent Skills，使得集成和使用更加灵活。
GoogleCloudPlatform/generative-ai项目是一个专注于Google Cloud平台上的生成式AI工具和资源库，旨在帮助开发者使用Vertex AI构建和管理工作流。该项目提供了Gemini模型的使用示例、搜索功能、视觉和音频处理工具，以及设置环境的指南。它填补了在Google Cloud上使用生成式AI的空白，为研究者、开发者和企业提供了丰富的资源和工具。
Page Agent是一个基于TypeScript的JavaScript in-page GUI agent，旨在通过自然语言控制网页界面。它填补了网页自动化领域中的空白，为开发者提供了一种无需浏览器扩展或特殊权限的网页交互方式。其核心功能包括基于文本的DOM操作、集成自定义LLM以及可选的Chrome扩展支持。Page Agent在LLM生态中的价值在于其易用性和集成度，为开发者提供了强大的网页自动化工具。
MiroFish是一款基于多智能体技术的AI预测引擎，旨在通过构建高保真数字世界，预测各种事件。它面向研究者、应用开发者及企业用户，提供独特的群体智能预测功能。MiroFish的核心价值在于其创新的技术架构，包括现实世界种子信息的提取、智能体交互与社会演化模拟，以及预测报告的生成。它填补了LLM生态中群体智能预测的空白，为决策者提供预演实验室，为个人用户创造创意沙盘。
Claude Code Skills项目是一个针对AI编码代理的技能库，旨在通过提供170个生产就绪的技能和插件，将AI编码代理转变为专业工程师、市场营销人员、合规专家等。该项目为开发者提供了一套全面的工具和指令，以优化AI编码代理的性能和效率，填补了LLM生态中AI编码代理专业化的空白。
NousResearch/hermes-agent是一个基于Python的开源AI代理平台，旨在提供自我改进的AI代理服务。该项目旨在解决LLM生态中代理的智能化和个性化问题，通过内置学习循环，从经验中创建和改进技能，支持多平台交互，并提供强大的工具集和自动化功能。其技术架构亮点在于支持多种模型集成和灵活的部署方式，为研究者、开发者及企业提供了一种高效、可扩展的AI代理解决方案。
Qwen3.5-397B-A17B是一款通用大模型，具备强大的多模态学习能力和高效的推理性能。其核心架构采用Gated Delta Networks和sparse MoE，支持1M上下文长度，具有跨语言的广泛覆盖。在多模态学习、推理效率、适应性等方面表现出色，适用于需要高效率、高准确性的多模态任务。
Jackrong/Qwen3.5-27B-Claude-4.6-Opus-Reasoning-Distilled-GGUF 是一个基于 Qwen3.5 架构的推理模型，专注于结构化推理逻辑。该模型采用 CoT 技术和 Claude-4.6 Opus 的推理链进行微调，具有高效的推理效率和减少冗余认知循环的能力。模型定位为推理模型，具有 27B 参数量，支持多种语言，适用于需要复杂推理和精确解决方案的场景。性能方面，模型在相关基准测试中表现良好，具有开源协议，适合在多种硬件和推理框架上使用。
Lightricks/LTX-2.3是一款专注于图像到视频生成的基础模型，定位为多模态模型。它基于DiT架构，具有高效的音频和视频生成能力，支持多种语言和格式。该模型在HuggingFace平台上具有较高的下载量和点赞数，表明其在社区中受到认可。LTX-2.3在性能上表现出色，尤其在图像到视频转换任务上具有显著优势。其开源协议和丰富的应用场景使其在多媒体内容创作领域具有广泛应用潜力。
🔥 unsloth/Qwen3.5-27B-GGUF 是一款通用大模型，具备强大的多模态处理能力。该模型基于Qwen3.5-27B进行微调，采用GGUF技术，实现了高效的混合架构。其上下文长度可达27B，参数量庞大，支持图像到文本的转换。在MMLU、GPQA等基准测试中表现出色，尤其在多模态理解和推理方面具有显著优势。适用于需要多模态交互和复杂推理的场景，如问答系统、内容生成等。
Qwen/Qwen3.5-9B是一款通用大模型，具备9B参数，支持多模态学习。其核心技术包括多模态融合训练、高效的混合架构、可扩展的强化学习泛化能力、全球语言覆盖和下一代训练基础设施。在基准测试中表现出色，尤其在多模态理解和推理任务上。适用于需要多语言、多模态理解和高效推理的场景，如对话系统、内容生成等。
Qwen/Qwen3.5-4B是一款通用大模型，具有4B参数，采用多模态学习技术。其核心能力包括高效的混合架构、可扩展的强化学习泛化能力以及全球语言覆盖。在基准测试中表现出色，尤其在多模态任务上。该模型适用于需要多语言能力和跨模态理解的场景，具有开源协议、高效的推理性能和与流行框架的兼容性。
Qwen3.5-35B-A3B是一款定位在通用大模型领域的LLM，具备高效的混合架构和强大的多模态学习能力。该模型具有35B的参数量，支持1M的上下文长度，采用Apache-2.0开源协议。在性能上，Qwen3.5在多个基准测试中表现出色，尤其在多模态任务上具有显著优势。其主要应用场景包括多语言处理、代码生成和视觉理解等，适合需要高性能和高效推理的应用。
Qwen3.5-0.8B是一款通用大模型，具有0.8B参数，采用统一的视觉语言基础架构，支持多语言和模态。其核心能力包括高效的混合架构、可扩展的强化学习泛化能力以及全球语言覆盖。在MMLU、GPQA、IFEval等基准测试中表现出色。适用于原型设计、特定任务微调和研发等。
HauhauCS/Qwen3.5-9B-Uncensored-HauhauCS-Aggressive 是一款通用大模型，具有9B参数和32层，支持多语言和上下文长度可扩展至1M。该模型在HuggingFace平台上具有较高下载量和点赞数，其核心能力在于无审查的文本生成，具有更强的拒绝处理能力。在性能表现上，该模型在MMLU、GPQA、IFEval等基准测试中表现良好，具有多模态支持，适用于需要无审查文本生成的场景。其开源协议为Apache-2.0，硬件需求较高，推理效率中等，与vLLM、TGI等流行推理框架兼容。
Phi-4-Reasoning-Vision-15B 是微软开发的多模态推理模型，定位为多模态模型。该模型具有15B参数，支持图像和文本的多模态交互，具备推理和数学能力。在多个视觉问答基准测试中表现优异，如AI2D、ChartQA等，准确率在75.2%至88.2%之间。该模型适用于需要多模态推理和数学计算的场景，如教育、科研等。其开源协议为MIT，对硬件要求较高，推理效率良好。
🔥 unsloth/Qwen3.5-9B-GGUF 是一款基于 Qwen3.5-9B 的多模态扩展模型，定位为通用大模型。其核心技术包括早期融合的多模态学习、Transformer 架构和 GGUF 技术，支持图像到文本的转换。该模型在 MMLU、GPQA、IFEval 等基准测试中表现出色，具有强大的推理和代码生成能力。开源协议为 Apache-2.0，适用于多种硬件平台，与 vLLM、TGI 等框架兼容。
🔥 unsloth/Qwen3.5-4B-GGUF 是一款基于 Qwen3.5-4B 的多模态扩展模型，定位为通用大模型。其核心技术包括早期融合的多模态学习、Transformer 架构和 GGUF 技术。在性能上，该模型在多个基准测试中表现出色，具有强大的推理和代码生成能力。模型支持本地微调，并兼容多种推理框架。其开源协议为 Apache-2.0，适合在多种硬件平台上高效运行。
Sarvam-30B是一款专注于印度语言和上下文的多语言混合专家模型，具有2.4B非嵌入活跃参数。该模型在22种印度语言中实现了最先进的性能，适用于资源受限的环境。它具有强大的推理、可靠的编码能力和一流的对话质量。Sarvam-30B在数学、代码生成和MBPP基准测试中表现出色，适用于需要多语言能力和高效推理的场景。
Sarvam-105B是一款定位为通用大模型的混合专家模型，拥有10.3B参数，擅长复杂推理和代理任务。其架构采用MLA风格注意力堆叠，具有高上下文长度和独特的路由机制。在基准测试中，Sarvam-105B在多个领域表现优异，特别是在印度语言上达到顶尖水平。该模型开源，适用于需要高性能推理和复杂任务处理的场景。
FireRedTeam/FireRed-Image-Edit-1.1是一款专注于图像编辑的多模态模型，定位为特定领域微调模型。其核心技术基于diffusers库，采用image-to-image的pipeline，支持多种语言。该模型在图像编辑任务上表现出色，具有丰富的功能，如风格迁移、图像修复等。在性能方面，虽然没有具体的基准测试结果，但根据其下载量和点赞数，可以推测其在社区中具有一定的认可度。主要应用场景包括图像编辑、艺术创作等，使用时需考虑其开源协议Apache-2.0，以及与流行推理框架的兼容性。
Jackrong/Qwen3.5-27B-Claude-4.6-Opus-Reasoning-Distilled 是一个基于 Qwen3.5 架构的推理模型，专注于结构化推理逻辑。该模型通过从 Claude-4.6 Opus 中提取的 CoT 技术进行微调，具有高效的推理效率和减少冗余认知循环的能力。模型定位为推理模型，具有 27B 参数量，支持文本生成。在性能上，模型在推理任务上表现出色，特别适合需要复杂推理和逻辑分析的场景。开源协议为 Apache-2.0，适合在多种硬件和推理框架上使用。
🔥 crownelius/Crow-9B-Opus-4.6-Distill-Heretic_Qwen3.5 是一款基于 Qwen 3.5 架构的 9B 参数模型，经过从 Claude Opus 4.6 精心蒸馏而来。该模型在保持深度推理、细致格式化和遵循指令能力的同时，具有高效的运行性能。它适用于推理、写作、编码和长篇对话，特别适合在消费级 GPU 和边缘设备上运行。模型在多个基准测试中表现出色，具有开源协议 Apache-2.0，适合在多种场景下使用。
🔥 unsloth/Qwen3.5-35B-A3B-GGUF 是一款基于 Qwen/Qwen3.5-35B-A3B 的多模态扩展模型，定位为通用大模型。该模型具有35B参数，支持图像到文本的转换，具备代码生成和工具调用能力。在性能上，GGUFs刷新后，模型在工具调用和编码性能上有所提升。该模型开源协议为Apache-2.0，适用于需要高性能代码生成和多模态交互的场景。
Kijai/LTX2.3_comfy是一款专注于图像生成的模型，定位为特定领域微调模型。其核心技术为基于LTX2.3的改进，支持fp8量化，适用于Nvidia 40xx系列GPU。模型在性能上通过实验性输入缩放技术，在4090上进行了测试。该模型适用于图像生成和编辑等场景，具有开源协议，适合在支持fp8的硬件上运行。
这篇论文提出了DreamCAD，一个多模态生成框架，它能够直接从点级监督中生成可编辑的BReps，无需CAD特定的标注。DreamCAD使用可微分的参数化曲面来表示BReps，并通过不同的细分方法生成网格。此外，论文还引入了CADCap-1M，这是迄今为止最大的CAD标题数据集，以促进文本到CAD的研究。实验结果表明，DreamCAD在ABC和Objaverse基准测试中取得了最先进的性能。
这篇论文提出了一种使用弱监督和蒙特卡洛方法训练神经PDE求解器的方案。通过Walk-on-Spheres方法，论文引入了Walk-on-Spheres Neural Operator (WoS-NO)，它利用WoS的弱监督来训练神经算子。这种方法避免了昂贵的预计算数据集，减少了计算高阶导数的需求，并展示了零样本泛化到新的PDE参数和域的能力。
这篇论文提出了一种基于物理信息的正则化方法，用于离线目标条件强化学习（GCRL），通过引入Hamilton-Jacobi-Bellman（HJB）方程的粘性解，结合Feynman-Kac定理，以改善价值估计的几何一致性，从而提高导航和高维复杂操作任务的表现。
这篇论文提出了τ-Knowledge，一个评估对话代理在非结构化知识上的表现的新框架。该框架扩展了τ-Bench，用于评估在需要协调外部自然语言知识和工具输出以产生可验证状态变化的场景中表现良好的代理。实验在τ-Banking领域进行，该领域模拟了真实的金融科技客户支持工作流程，代理在执行工具介导的账户更新时必须导航大约700个相互关联的知识文档。结果表明，即使是最前沿的模型在检索正确文档和准确推理复杂内部策略方面也面临挑战。
这篇论文提出了IF-RewardBench，一个用于评估指令遵循能力的元评估基准，通过构建偏好图和列表式评估方法，解决了现有评估基准数据覆盖不足和评估范式与模型优化场景不匹配的问题。
这篇论文提出了EffectMaker，一个统一的推理-生成框架，用于基于参考的视觉特效定制。它结合了多模态大型语言模型和扩散变换器，以实现无需针对每个特效进行微调的高质量、可控且效果一致的合成。此外，论文还构建了EffectData，一个包含130k个视频的合成数据集，以提升泛化能力和可扩展性。
这篇论文对动态模型路由和级联技术进行了系统性的分析，旨在提高大型语言模型（LLM）推理的效率。论文探讨了多种路由范式，包括查询难度、人类偏好、聚类、不确定性量化、强化学习、多模态和级联，并提出了一个概念框架来描述路由系统的三个维度：决策时间、使用的信息和计算方式。通过分析，论文强调了在多LLM路由中平衡竞争目标的重要性，并指出有效的路由系统可以通过战略性地利用模型间的专用能力来超越单个模型，同时最大化效率提升。
这篇论文提出了DeepPresenter，一个能够根据环境观察自主规划、渲染和修订幻灯片的艺术框架，通过环境基础的反向来优化演示生成过程，实现了在多种演示生成场景中的最先进性能。
这篇论文提出了一种名为WorldCache的缓存框架，旨在加速扩散世界模型。通过解决多模态耦合导致的token异质性和非均匀时间动态问题，WorldCache实现了在保持98%的rollout质量的同时，将端到端速度提升至3.7倍。
这篇论文研究了预训练视觉Transformer（ViT）中中间层的行为，发现预训练数据和下游数据之间的分布偏移是深层性能下降的主要原因。通过细粒度模块级分析，论文提出在存在显著分布偏移时，探测前馈网络中的激活可以获得最佳性能，而在分布偏移较弱时，探测多头自注意力模块的归一化输出是最佳的。
这篇论文提出了Mario，一个基于大型语言模型的多模态图推理框架，通过联合优化视觉语言模型和图结构，实现了对多模态数据的有效推理，并在节点分类和链接预测任务中取得了显著的性能提升。
这篇论文提出了一种名为ColParse的新方法，通过文档解析模型生成布局感知的子图像嵌入，并将其与全局页面级向量融合，以创建紧凑且结构化的多向量表示。这种方法显著降低了存储需求，同时提升了检索性能。
这篇论文提出了一种名为CompACT的紧凑型离散标记器，用于将每个观察结果压缩为最多8个标记，从而显著降低计算成本，同时保留规划所需的关键信息。这种方法使得基于CompACT标记器的动作条件世界模型在规划性能上具有竞争力，并且规划速度提高了数个数量级，为世界模型在现实世界中的应用迈出了实际的一步。
这篇论文提出了一种名为WildActor的框架，用于在任何视角下生成保持身份一致的人类视频。该框架利用大规模数据集Actor-18M，并引入了非对称身份保持注意力和视角自适应蒙特卡洛采样策略，以在多样化的拍摄组合、大视角转换和大量运动中保持身体身份的一致性。
这篇论文深入探讨了机器人操作策略中动作空间设计的重要性，通过大规模实验分析了不同动作空间设计对策略学习的影响，提出了基于delta动作预测的策略设计方法，并验证了关节空间和任务空间参数化的互补优势。
这篇论文提出了一种新的FID指标——插值FID（iFID），用于评估扩散模型生成的样本质量。iFID通过在潜在空间中检索数据点的最近邻并插值其潜在表示来计算，与传统的重建FID（rFID）相比，iFID与扩散模型的生成FID（gFID）有更强的相关性。实验表明，iFID是第一个与扩散gFID有强相关性的指标，实现了约0.85的皮尔逊线性相关和斯皮尔曼秩相关。
这篇论文提出了HiMAP-Travel，一个分层多智能体规划框架，用于解决长周期受约束的旅行规划问题。该框架通过战略协调和并行日级执行来分割规划过程，通过交易监控、协商协议和角色条件化策略来确保预算和多样性约束得到满足，并在TravelPlanner和FlexTravelBench上实现了显著的性能提升。
这篇论文提出了一种名为SLER-IR的图像修复框架，该框架通过动态激活网络层中的专业专家来解决特征干扰和专家专业化不足的问题。它使用球面均匀退化嵌入和对比学习来确保可靠的路由，并通过全局-局部粒度融合模块来处理空间非均匀退化。实验表明，SLER-IR在PSNR和SSIM方面均优于现有方法。
这篇论文提出了Progressive Residual Warmup（ProRes）方法，用于语言模型预训练。ProRes通过逐步增加每一层的残差乘数，使深层层等待早期层稳定后再参与学习，从而提高预训练的稳定性、收敛速度和下游性能。
商汤科技与南洋理工大学合作推出了NEO-unify，这是一种端到端原生多模态统一模型，旨在直接处理原始像素和文本输入，摆脱传统多模态AI中视觉编码器和变分自编码器的依赖，实现文本和视觉的统一学习，并展现出高数据扩展效率。
NXAI 发布了其边缘计算时间序列模型 TiRex 的初步实验室结果，该模型在推理速度和能耗方面优于竞争对手 Chronos-2，预测质量略低但可接受。TiRex 被认为适合工业应用，并在多种边缘设备上进行了测试，包括工业 PC、树莓派和 NVIDIA Jetson 等。NXAI 正在开发 TiRex2，预计在未来几周内发布。
Hugging Face 发布了 ALL Bench，一个旨在解决当前 AI 模型评估体系结构性问题的统一评估框架。该框架通过引入 5 轴智能框架和 3 层交叉验证系统，全面评估模型的各项能力，并强调元认知评估的重要性，以推动 AI 评估的标准化和可复现性。
暂无摘要
Hugging Face发布了Tucano 2，一套针对葡萄牙语的开源语言模型，旨在提高透明度、性能和可复现性。这些模型基于大规模的葡萄牙语语料库，包括教育、毒性和指令质量分类器，以及用于编码、工具调用、结构化输出、推理和数学的监督微调数据集。
本文深入探讨了当前大型语言模型（LLM）背后的关键架构，包括自回归模型、状态空间模型和扩散模型，并介绍了它们的工作原理和应用特点。文章强调了理解这些基础架构对于优化模型性能和效率的重要性，并提供了对LLM技术发展的全面概览。
本文介绍了名为“abliteration”的技术，该技术可以取消任何大型语言模型（LLM）的审查机制，使其能够响应所有类型的提示。这项技术通过修改模型权重来阻止模型拒绝请求，从而提高了模型的灵活性和响应能力。
本文介绍了从GRPO到DAPO再到GSPO的强化学习技术演进，重点关注了在大型语言模型中如何优化长文本输出和复杂任务的性能。文章详细讨论了每种方法的原理、优势和局限性，并展示了如何通过改进采样、剪枝和梯度计算等细节来提高效率和稳定性。
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。
Hugging Face宣布推出Konkani LLM项目，旨在将Konkani语言引入现代AI生态系统。该项目包括一个大规模的多脚本指令微调数据集Konkani-Instruct-100k，以及针对Konkani语言进行微调的多个大型语言模型。这些模型在翻译和转写任务上表现出色，有助于提高低资源语言的数字数据。
MiniMax AI 发布了Forge，一个可扩展的Agent强化学习框架和算法，旨在解决大规模Agent RL在系统吞吐量、训练稳定性和Agent灵活性之间的冲突。Forge通过灵活的系统架构、算法设计、优化的异步调度和极致的训练-推理效率，实现了对复杂现实世界Agent的大规模强化学习训练，并在MiniMax M2.5模型中取得了显著成果。
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。
瑞典国家图书馆的KBLab发布了easytranscriber，这是一个自动语音识别库，旨在提供高效、可扩展且具有精确词级别时间戳的转录服务。easytranscriber在速度上比WhisperX快35%到102%，并引入了GPU加速的强制对齐、并行加载和预取音频文件以及批量推理等优化措施，提高了大规模转录的效率。
Hugging Face发布了Kanon 2 Enricher，这是世界上第一个分层图化模型，能够将非结构化文档转化为结构化知识图谱。该模型通过Isaacus API提供，并引入了Isaacus法律图谱模式（ILGS），旨在支持开放的法律AI和数据研究。Kanon 2 Enricher在法律分析和监管加速方面具有广泛应用，并计划未来发布公共法律知识图谱（Blackstone Graph）和Kanon 2 Enricher的继任者Kanon 3 Enricher。
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。
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。
暂无摘要
暂无摘要
OpenAI 宣布收购 AI 安全平台 Promptfoo，旨在加强其 Frontier 平台在智能体安全测试和评估方面的能力。Promptfoo 的技术将帮助企业在 AI 系统开发过程中识别和修复漏洞，支持企业对 AI 助手进行系统测试、风险检测、监督、治理和问责，从而提升 AI 安全性和合规性。
这篇论文提出了一种名为CBR-to-SQL的框架，该框架结合了案例推理（CBR）技术，用于将自然语言问题转换为SQL查询，特别适用于医疗保健领域。它通过将问题-SQL对表示为可重用的案例模板，并采用两阶段检索过程，提高了在数据稀缺和检索扰动下的样本效率和鲁棒性。
这篇论文介绍了EigenData，一个用于功能调用数据合成、审计和修复的自动化的多智能体平台。EigenData通过多智能体架构自动化整个数据生命周期，包括数据库构建、可执行环境生成和多轮轨迹合成。它被应用于审计和修复伯克利功能调用排行榜，通过协调的方案改进、代码级别的错误修复和轨迹修改，以及引入基于结果的评价协议，显著提高了模型排名与人类对功能正确性的判断的相关性。
这篇论文提出了一种利用大型语言模型（LLM）辅助解决涉及归纳定义的约束问题的方法。通过结构化提示，LLM生成辅助引理，并与神经符号方法结合，LLM迭代生成猜想，而约束求解器验证其有效性和有用性。实验结果表明，该方法能显著提高SMT和CHC求解器的性能，解决更多涉及归纳定义的证明任务。
这篇论文提出了GazeMoE，一种基于混合专家（MoE）的端到端框架，用于从可见图像中估计人类注视目标。该框架通过MoE模块选择性地利用预训练视觉基础模型中的注视目标相关线索，并采用类平衡辅助损失和策略性数据增强来处理分类不平衡和增强鲁棒性。实验结果表明，GazeMoE在注视估计任务上取得了最先进的性能。
这篇论文提出了NOBLE，一种通过添加非线性低秩分支到Transformer线性层来加速Transformer的架构增强方法。NOBLE旨在从零开始进行预训练，而不是作为参数高效的微调方法。实验表明，NOBLE在LLMs、BERT、VQGAN和ViT等模型上实现了显著的训练效率提升。
这篇论文提出了DeepFact，一个通过审计后评分（AtS）机制构建的深度研究事实性基准和评估代理。DeepFact旨在解决现有事实核查器在验证深度研究报告（DRRs）中的事实性方面的挑战，通过引入可修订的基准标签和理由，提高了专家的可靠性。
这篇论文提出了RAG-Driver，一种结合检索增强和上下文学习的多模态大型语言模型，旨在解决自动驾驶中的可解释性问题。RAG-Driver通过检索专家演示，实现了高性能、可解释和可泛化的自动驾驶，并在驾驶动作解释、合理化和控制信号预测方面取得了最先进的性能。
这篇论文提出了MASFactory，一个基于图的框架，用于编排基于大型语言模型的多智能体系统。该框架通过Vibe Graphing方法将自然语言意图编译成可编辑的工作流程规范，然后转换为可执行的图。它提供了可重用组件、可插拔的上下文集成以及可视化工具，以简化复杂图工作流的实现，并提高异构外部上下文源集成的效率。
这篇论文提出了LIT-RAGBench，一个用于评估大型语言模型在检索增强生成（RAG）任务中能力的基准。该基准涵盖了整合、推理、逻辑、表格和弃权五个类别，通过虚构实体和场景评估基于外部文档的答案，为模型选择和RAG专用模型构建提供了有价值的指标。
