精选 12 篇，从 16100+ 条中筛选
NVIDIA-Nemotron-3-Nano-30B-A3B-BF16是一款专注于文本生成的领域大模型，具有30B参数量，支持多语言。该模型基于transformers库，采用NVIDIA特有的Nemotron技术，在代码生成、数学推理等方面具有优势。在MMLU、GPQA等基准测试中表现优异，适用于需要多语言文本生成的场景。其开源协议为nvidia-open-model-license，对硬件要求较高，推理效率较高。
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。
FunAudioLLM/Fun-CosyVoice3-0.5B-2512 是一款基于大型语言模型（LLM）的高级文本到语音（TTS）系统，定位为多模态模型。该模型具有9种语言的覆盖范围，包括中文方言和多种语言，支持多语言零样本语音克隆。其核心技术包括内容一致性、说话人相似性和韵律自然性，并支持拼音和CMU音素的发音修复。在性能上，该模型在内容一致性、说话人相似性和韵律自然性方面达到业界领先水平。主要应用场景包括语音合成、多语言语音克隆等，使用时需考虑其开源协议、硬件需求和推理效率。
这篇论文提出了一种名为SignRAG的零样本识别框架，该框架结合了检索增强生成（RAG）范式，通过视觉语言模型（VLM）生成图像的文本描述，并从参考设计向量数据库中检索相关候选标志，然后使用大型语言模型（LLM）对这些候选进行推理，以实现高精度的道路标志识别。
这篇论文提出了Hindsight，一种新的记忆架构，它将代理记忆组织为四个逻辑网络，以区分世界事实、代理经验、合成实体摘要和演变信念。这种架构支持保留、回忆和反思三种核心操作，显著提升了长距离对话记忆基准测试中的性能。
这篇论文提出了一种名为CTIGuardian的框架，用于减少在微调大型语言模型（LLMs）时可能发生的隐私泄露。该框架通过隐私对齐的方法，结合隐私分类器和隐私编辑器，在少量样本监督下进行训练，以保护敏感信息不被泄露。
这篇论文提出了一种名为MPath的轻量级多模态框架，用于从全切片图像（WSI）自动生成诊断病理报告。该框架通过学习视觉前缀提示机制，将预训练的生物医学语言模型（BioBART）与WSI衍生的视觉嵌入相结合。MPath利用基础模型WSI特征，并通过紧凑的投影模块将其注入BioBART，同时保持语言骨干稳定以提高数据效率。
这篇论文提出了ViInfographicVQA，一个针对越南信息图表的视觉问答基准，旨在评估模型在处理包含文本、图表、图标和设计元素的数据丰富、布局复杂的视觉信息时的阅读和推理能力。该基准包括超过6747个真实世界的信息图表和20409个人验证的问题-答案对，涵盖了经济、医疗保健、教育等多个领域。论文评估了多种视觉-语言模型在此基准上的表现，揭示了在多图像任务中涉及跨图像整合和非连续推理的问题上，性能差异显著。
这篇论文提出了Nemotron-Cascade，一种基于级联强化学习（Cascade RL）的通用推理模型，旨在解决跨领域异构性问题，包括推理时间响应长度和验证延迟的多样性。该方法通过有序、分域的强化学习，降低了工程复杂性，并在多个基准测试中实现了最先进的性能。
这篇论文提出了NL2Repo Bench，一个用于评估编码代理长期仓库生成能力的基准。该基准要求代理在仅提供自然语言需求文档和空工作区的情况下，自主设计架构、管理依赖、实现多模块逻辑，并生成可安装的Python库。实验表明，长期仓库生成是一个未解决的挑战，即使是最强大的代理也难以达到40%的平均测试通过率。
这篇论文提出了一种名为Citegeist的应用程序，它利用动态检索增强生成（RAG）在arXiv语料库上生成相关工作部分和其他引用支持的输出。该系统结合了基于嵌入的相似性匹配、总结和多阶段过滤技术，以适应文档库的持续增长，并提供了网站和实现工具，以便科学社区轻松使用。
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。
