精选 13 篇，从 16100+ 条中筛选
AI Hedge Fund项目旨在利用AI技术进行投资决策，为教育和研究目的提供模拟交易环境。该项目通过集成多个投资策略代理，模拟真实投资过程，不进行实际交易。其核心功能是模拟投资决策，解决的是如何将AI应用于投资领域的问题。技术架构上，该项目基于Python，集成多个LLM和金融数据分析工具。在LLM生态中，该项目通过模拟投资策略，为研究者提供实践平台。
dx8152/Qwen-Edit-2509-Light-Migration 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LoRA轻量级迁移技术，能够实现图像的二次照明效果。模型在ModelScope上训练，具有1,802次下载和97个点赞。性能上，模型在图像编辑任务上表现出色，但未提供权威基准测试结果。主要应用场景为图像编辑和创意设计，使用时需考虑其开源协议Apache-2.0，硬件需求以及推理效率。
Nomos-1是一款专注于数学问题解决和自然语言证明写作的领域大模型。该模型基于Qwen/Qwen3-30B-A3B-Thinking-2507进行微调，具有强大的数学推理能力。在Putnam 2025竞赛中，使用Nomos Reasoning Harness的Nomos-1取得了87/120的成绩，远超其基座模型。模型采用Apache-2.0开源协议，适用于需要高精度数学推理的场景，如教育、科研等。
DiffSynth-Studio/Qwen-Image-i2L是一款基于图像到LoRA（低秩自适应）模型结构的工具，旨在从图像中提取风格信息。该模型包括多个版本，如Qwen-Image-i2L-Style、Qwen-Image-i2L-Coarse、Qwen-Image-i2L-Fine和Qwen-Image-i2L-Bias，分别针对不同的风格和细节保留需求。模型使用SigLIP2和DINOv3作为图像编码器，参数量从2.4B到7.6B不等。该模型适用于风格迁移等任务，但存在泛化能力和细节保留方面的局限性。模型开源，采用Apache-2.0协议，适合用于研究和创新。
openai/circuit-sparsity是一款专注于电路推理的稀疏模型，定位为特定领域微调模型。该模型采用Gao et al. 2025提出的稀疏架构，具有轻量级、高效能的特点。在代码生成和数学推理方面表现出色，特别适用于需要高精度计算的场景。模型参数量适中，上下文长度较短，适合在资源受限的设备上运行。开源协议为Apache-2.0，与主流推理框架兼容。
这篇论文提出了一种基于Merlin-Arthur协议的RAG系统训练框架，通过交互式证明系统来提高检索增强生成模型的可信度，减少幻觉，并提高答案的准确性和完整性。
这篇论文提出了UpBench，一个基于真实世界工作的动态演化的劳动力市场基准框架，旨在评估大型语言模型（LLM）在动态、经济意义上的环境中的能力、适应性和与人类协作的潜力。UpBench通过真实的工作任务和专家评估，为AI系统提供了一个以人为中心的评估基础。
这篇论文通过形式语言的角度，对基于线性状态空间模型（SSMs）的循环模型在语言建模（LM）中的表现进行了全面的理论研究。研究发现，SSMs与transformers在表达能力上有重叠但又有区别，SSMs在无栈的星形状态跟踪中能提供精确的解决方案，而transformers则难以精确表示。论文还指出了当前SSMs设计中限制其表达能力的选择，并讨论了对SSM和LM研究的启示。
这篇论文提出了一种名为SCOUT的新型防御框架，用于对抗数据中毒攻击，该框架通过基于显著性的分类来识别未信任的标记，从而检测语言模型中的后门触发器，有效应对复杂攻击。
这篇论文提出了MultiParTweet，一个结合了议员推文和议会语料库的多语言推文语料库，通过自动标注和评估，实现了对在线沟通和议会辩论的比较分析。论文使用了多种文本模型和视觉语言模型进行标注，并通过TTLABTweetCrawler工具收集数据，展示了模型之间的相互预测能力。
这篇论文提出了一种名为AgentBalance的框架，用于在预算约束下构建成本效益高的多智能体系统。该框架通过先设计智能体骨干再设计拓扑结构，优化了智能体间的通信拓扑和选择智能体骨干，从而在明确的令牌成本和延迟预算下提高了多智能体系统的成本效益。
这篇论文提出了Atomic Action Slicing (AAS)方法，通过将长时程演示分解为短时程的原子动作，以改善视觉语言动作（VLA）模型在处理新技能或物体组合任务时的泛化能力。AAS方法使用LIBERO演示生成标记有动作类型、时间跨度及置信度的原子片段数据集，并通过在原子数据集上微调CLIP-RT+模型，显著提升了任务成功率。
这篇论文介绍了MedAI，一个用于评估TxAgent在NeurIPS CURE-Bench竞赛中治疗决策推理能力的系统。MedAI通过迭代检索增强生成（RAG）方法，使用Llama-3.1-8B模型和生物医学工具套件（ToolUniverse）进行药物推荐、治疗计划和不良事件预测，强调了推理准确性和工具调用的序列重要性。
