精选 73 篇，从 3900+ 条中筛选
MLX-Audio是一个基于Apple MLX框架的音频处理库，专注于TTS、STT和STS，针对Apple Silicon进行优化。它为开发者提供了多种模型架构、多语言支持、语音定制和克隆功能，以及高效的性能。该项目定位为音频处理工具，旨在为开发者提供快速、高效的音频处理解决方案，填补了在Apple Silicon平台上高效音频处理的空白。
supermemoryai/supermemory项目是一个专注于记忆引擎和应用的平台，旨在提供快速、可扩展的记忆API，解决信息过载和知识管理难题。该项目通过自然语言聊天和AI工具集成，为用户提供高效的信息存储和检索服务，填补了个人和企业知识管理的空白。其技术栈以TypeScript为主，集成了多种AI工具，展现了应用层创新的亮点。在LLM生态中，supermemoryai/supermemory通过其独特的记忆管理和AI集成功能，提供了独特的价值。
Shubhamsaboo/awesome-llm-apps 是一个收集了多种基于大语言模型（LLM）的应用项目，旨在为开发者提供丰富的LLM应用案例。该项目定位为开发者社区，通过提供多种LLM应用示例，帮助开发者了解和实现LLM在各个领域的应用。核心功能包括展示多种LLM应用案例，涵盖AI代理、RAG、多智能体团队等。技术架构上，该项目依赖于多种LLM模型和开源技术，如OpenAI、Anthropic、Gemini等。在LLM生态中，该项目通过提供多样化的应用案例，促进了LLM技术的普及和应用。
badlogic/pi-mono是一个专注于构建AI代理和LLM部署的工具集，旨在为开发者提供统一的LLM API、交互式编码代理CLI、终端UI和Web UI库等。该项目填补了LLM生态中工具集的空白，为研究者、应用开发者提供了一套完整的工具，以优化LLM的集成和管理流程。
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。
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。
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。
Sweep Next-Edit 1.5B 是一款专注于代码编辑自动完成的模型，定位为代码模型。它采用GGUF格式量化，参数量为1.5B，上下文长度为8192 tokens。该模型在代码编辑自动完成方面表现出色，能够预测用户下一步的代码编辑。它在Hugging Face上的下载量和点赞数均较高，表明其在社区中受到认可。模型基于Qwen2.5-Coder，采用Q8_0量化，适合在本地设备上快速运行。性能方面，模型在代码编辑自动完成基准测试中优于同类模型。主要应用场景为代码编辑辅助工具，对开发者友好。
🔥 unsloth/GLM-4.7-Flash-GGUF 是一款基于 GLM-4.7-Flash 的 MoE 模型，定位为通用大模型。该模型具有 30B 参数，支持多语言（英、中、阿拉伯语）。其核心技术包括 MoE 架构和 UnSloth Dynamic 2.0 技术，在 GLM-4.7-Flash 的基础上进行了优化。在性能上，该模型在多个基准测试中表现出色，具有优秀的代码生成、数学推理和多语言能力。开源协议为 MIT，适用于需要高性能和跨语言支持的场景。
Qwen3-TTS是一款多语言TTS模型，定位为通用大模型。它具备强大的语音表征能力和低延迟的流式生成能力，采用自研的Qwen3-TTS-Tokenizer-12Hz进行高效声学压缩和语义建模。模型在语音合成方面表现出色，支持多种语言和方言，并具备智能文本理解和语音控制功能。性能方面，模型在权威基准测试中表现良好，具有高效的开源协议和推理效率，适用于实时交互场景。
LightOnOCR-2-1B是一款高效的端到端视觉语言模型，专门用于将文档转换为文本。该模型在OCR领域表现出色，具有快速处理速度和高效能的特点。它基于Transformer架构，参数量为1B，支持多种语言，包括中文。在OlmOCR-Bench基准测试中取得了领先性能，同时体积小、速度快，适用于处理PDF、扫描图像等多种文档格式。
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。
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。
AgentCPM-Report是一款由THUNLP、RUCBM和ModelBest共同开发的开放源代码大型语言模型，基于MiniCPM4.1 8B参数基座模型。该模型在报告生成方面表现出色，具有高性能和最小化资源占用等特点。它通过深度检索和思维链推理，生成逻辑严谨、深入见解的长篇报告。模型定位为通用大模型，具有强大的文本生成能力，适用于需要高质量报告生成的场景。
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。
kyutai/pocket-tts是一款专注于文本到语音转换的模型，定位为特定领域微调模型。其核心技术基于pocket-tts库，采用Transformer架构，具有较短的上下文长度和相对较少的参数量。性能方面，目前缺乏权威基准测试结果，但模型在HuggingFace Hub上获得了187个点赞，显示出一定的社区认可。主要应用场景为需要文本到语音转换的场合，如语音助手、教育辅助等。模型开源，适用于多种硬件平台，推理效率较高。
STEP3-VL-10B是一款轻量级开源基础模型，定位为通用大模型，具有10B参数量。其核心技术包括统一的多模态预训练和强化学习，具备视觉感知、复杂推理和人类中心对齐能力。在MMLU、GPQA等基准测试中表现出色，性能优于同规模模型。适用于多模态任务，具有开源Apache-2.0协议，适合在多种硬件和推理框架上使用。
LiquidAI/LFM2.5-1.2B-Thinking是一款针对边缘设备部署的推理优化版本的大语言模型。该模型基于LFM2架构，具有1.2B的参数量，支持多种语言。它在性能上与更大的模型相媲美，同时具有快速边缘推理能力。该模型在推理效率、内存占用和兼容性方面表现出色，适用于需要高性能和低延迟的边缘设备。
🔥google/translategemma-4b-it是一款专注于图像到文本翻译的热门模型，定位为多模态模型。其核心技术为基于Gemma3架构的Transformer变体，支持长达200K的上下文长度，参数量适中。在权威基准测试中表现优异，尤其在图像到文本翻译任务上具有显著优势。模型开源，兼容主流推理框架，适用于需要图像到文本翻译功能的场景。
FlashLabs/Chroma-4B是一款多模态模型，定位为通用大模型。其核心技术为Transformer变体，支持任何到任何的转换，具有丰富的功能标签。该模型在Hugging Face Hub上表现活跃，下载量和点赞数均较高。性能方面，具体基准测试结果未提及，但其在多模态任务上具有优势。适用场景广泛，兼容性强，适合对多模态处理有需求的用户。
Qwen3-TTS是一款专注于语音合成的LLM，具备强大的语音表征能力和低延迟的流式生成能力。该模型覆盖10种主要语言，支持多种方言，具有强大的上下文理解能力。其核心技术包括自研的Qwen3-TTS-Tokenizer-12Hz和离散多码本LM架构，实现了高效的声学压缩和语义建模。在性能上，Qwen3-TTS在语音合成任务中表现出色，具有极低的延迟，适用于实时交互场景。模型适用于需要高质量语音合成的应用场景，如智能客服、语音助手等。
FLUX.2-klein-4B 是一款专注于图像生成的多模态模型，定位为通用大模型。该模型具有4亿参数，采用紧凑的架构，能够在不到一秒的时间内完成图像生成和编辑。其核心技术包括Transformer变体和扩散模型，支持文本到图像和图像编辑功能。在性能上，该模型在同类模型中表现出色，适用于实时图像生成和编辑的应用场景。模型开源，可在消费级硬件上运行，对开发者友好。
NuMarkdown-8B-Thinking是一款专注于文档到Markdown转换的推理型OCR大模型，基于Qwen 2.5-VL-7B进行微调。该模型在处理复杂文档布局和表格方面表现出色，能够生成思考标记以理解文档结构。在OCR和视觉语言模型领域，其性能优于GPT-4o和OCRFlux等模型。模型适用于文档解析、Markdown生成等场景，具有开源协议、硬件需求适中、推理效率较高的特点。
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。
这篇论文提出了TSRBench，一个综合的多任务多模态时间序列推理基准，旨在评估通用模型在时间序列推理方面的能力。该基准包含来自14个领域的4125个问题，分为感知、推理、预测和决策四个维度，并通过实验评估了多种语言模型和时序语言模型的表现。
这篇论文提出了Interp3D，一个用于生成纹理3D形态变化的新框架，它通过结合生成先验和渐进对齐原则，实现了几何保真度和纹理连贯性的统一，解决了现有方法在形状变化和纹理处理上的不足。
这篇论文探讨了大型语言模型在紧急情况下的推理目标与实际情境之间的冲突。通过MortalMATH基准测试，研究发现通用模型能正确拒绝数学任务以应对危险，而专注于推理的模型则往往忽视紧急情况，导致危险延迟。
这篇论文提出了HalluGuard，一个基于神经网络理论框架（NTK）的评分系统，用于检测大型语言模型（LLM）中的数据驱动和推理驱动的幻觉。它通过分析训练时间和推理时间的不匹配来识别幻觉风险，并在多个基准测试中实现了最先进的性能。
这篇论文提出了一个将视频生成模型视为世界模型的新方法，通过状态构建和动态建模两个核心支柱，将视频生成模型从无状态的架构转变为具有状态的架构，并强调了从视觉保真度到功能基准的评估转变。
这篇论文提出了TensorLens，一种通过高阶注意力张量对Transformer模型进行端到端分析的新方法。TensorLens将整个Transformer模型视为一个输入依赖的线性算子，通过高阶注意力交互张量来编码注意力、前馈网络、激活、归一化和残差连接，从而提供了一种理论上一致且表达丰富的模型计算线性表示。
这篇论文提出了DeepPlanning，一个用于评估长期目标规划能力的基准，它要求代理进行多日旅行规划和多产品购物任务，涉及主动信息获取、局部约束推理和全局约束优化。实验表明，即使是前沿的代理LLM也难以应对这些挑战，强调了可靠显式推理模式和并行工具使用的重要性。
STAR论文提出了一种名为STAR的轻量级框架，通过语义聚类和自适应加权融合来改进语义表表示。该框架首先使用头部感知的K-means聚类来分组语义相似的行，并选择代表中心实例来构建多样化的部分表。然后，它生成特定于集群的合成查询以全面覆盖表的语义空间。最后，STAR采用加权融合策略来整合表和查询嵌入，实现细粒度的语义对齐，从而提高表表示的表达能力。
这篇论文提出FluidGym，一个用于强化学习在主动流量控制（AFC）领域的独立、全可微基准测试套件，旨在解决现有AFC基准测试的异构性问题，如观察和操作方案、数值设置和评估协议的不一致。FluidGym基于PyTorch和PICT求解器构建，无需外部CFD软件，提供标准化的评估协议，并发布了所有环境和训练模型作为公共资源。
这篇论文揭示了视觉标记压缩在大型视觉语言模型（LVLMs）中的安全问题，指出压缩过程会降低模型的鲁棒性，并提出了一种压缩感知攻击（Compression-Aware Attack）来利用这一漏洞。
这篇论文提出了一种统一端到端框架，用于联合建模儿童-成人对话的语音识别和说话人角色分离。该框架扩展了Whisper编码器-解码器架构，并集成了序列化输出训练方案、轻量级帧级分离头、分离引导的静音抑制和基于状态机的强制解码过程，以实现更精确的时间精度和结构有效输出。
这篇论文提出了PingPong，一个用于多轮代码切换对话的自然基准数据集。该数据集包含人类参与者的真实对话，并定义了三个下游任务：问答、对话摘要和主题分类。实验表明，现有的语言模型在处理代码切换输入时表现有限，强调了开发能够处理现实世界多语言对话的强大NLP系统的紧迫性。
这篇论文研究了多模态大型语言模型（MLLMs）在处理复杂多图像指令时的安全问题。作者提出了MIR-SafetyBench，这是第一个专注于多图像推理安全的基准，并发现模型在多图像推理方面越先进，在MIR-SafetyBench上的安全性风险就越高。研究还发现，许多标记为安全的回答实际上是肤浅的，并且模型在生成不安全内容时平均注意力熵较低，这表明模型可能过度关注任务解决而忽视安全约束。
这篇论文研究了在强化学习（RL）训练长语言模型（LLM）代理时，如何减少跨领域泛化损失。作者分析了影响跨领域性能的RL环境和建模选择，并提出了一种通过增加状态信息丰富度来提高泛化鲁棒性的随机化技术。
这篇论文提出了Diffusion in Diffusion框架，通过结合块扩散和全局双向扩散，解决了半自回归扩散模型中全局一致性问题，提高了生成模型的性能。
这篇论文提出了一种名为SOAR的自我改进框架，通过元强化学习帮助大型推理模型逃离学习平台期。该框架通过元强化学习生成自动课程，使模型能够通过解决合成问题来提升自己，而不需要额外的数据。研究结果表明，这种方法能够有效地提高学习进度，并避免传统方法中常见的不稳定性和多样性崩溃。
这篇论文提出了daVinci-Dev，一种针对软件工程的代理原生中训练方法，通过使用代理原生数据，包括上下文原生轨迹和环境原生轨迹，来提高大型语言模型在软件工程任务中的代理能力，同时减少了中训练所需的token数量。
这篇论文提出了元奖励建模（MRM），通过将个性化奖励建模重新定义为元学习问题，以解决大规模语言模型（LLM）个性化对齐中的反馈稀缺和适应新用户需求的问题。MRM通过使用基奖励函数的加权组合来表示每个用户的奖励模型，并使用MAML风格的框架优化权重初始化，从而支持在有限反馈下快速适应。
这篇论文提出了一种名为EGAgent的增强型智能体框架，用于解决长视频理解问题。该框架利用实体场景图来表示人物、地点、物体及其随时间变化的关系，并提供了结构化搜索和推理工具，以及混合视觉和音频搜索能力，从而实现详细、跨模态和时序一致的理解。实验结果表明，该方法在EgoLifeQA数据集上达到了最先进的性能，在Video-MME（长）数据集上表现也相当出色。
这篇论文提出了UI Remix，一个通过交互式示例检索和混搭来支持UI设计的系统。该系统利用多模态检索增强生成（MMRAG）模型，允许用户在全局和局部层面迭代搜索、选择和调整示例，同时提供源透明度提示以增强用户对设计选择的信任。
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。
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。
Interpreto 是一个新推出的开源库，旨在为自然语言处理（NLP）模型提供实用、模块化且统一的可解释性解决方案。它支持基于归因和基于概念的解释方法，适用于分类和生成模型，并能够与 Hugging Face Transformer 模型无缝集成。Interpreto 的发布为用户和开发者提供了一种新的工具，用于理解和评估 NLP 模型的预测过程。
这篇公告讨论了合成数据集生成的挑战，包括回归均值问题、上下文锚定偏差、批量退化等，并介绍了Smolify，一个用于特定领域语言模型（DSLMs）的铸造厂，旨在自动化整个流程，帮助开发者拥有自己的AI基础设施。
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。
Novita AI 发布了针对 GLM4-MOE 模型的生产级优化方案，通过共享专家融合、Qknorm 融合和异步传输等技术，显著提升了模型推理效率，实现了高达 65% 的 TTFT 减少和 22% 的 TPOT 提升，为生产环境中的高性能推理提供了实践蓝图。
Hugging Face发布了针对机器学习生命周期的存储基础设施，旨在解决传统云存储在处理机器学习模型、数据集和日志时的局限性。该基础设施通过Xet技术实现数据去重，提高迭代速度；支持数据流式传输，无需本地下载；提供供应链安全和治理功能，包括自动扫描、细粒度访问控制和数据驻留；同时，它还提供协作和文档功能，如模型卡片和社区功能，使机器学习团队能够更高效地协作。
Zilliz团队发布了名为'zilliz/semantic-highlight-bilingual-v1'的语义高亮模型，该模型旨在降低RAG（Retrieval-Augmented Generation）中的Token成本，同时提供中英双语支持。该模型基于轻量级的Encoder-Only架构，并使用BGE-M3 Reranker v2作为基础模型，通过LLM标注和推理过程训练，实现了在多个数据集上的最先进性能。
Hugging Face的研究人员逆向工程了AI初创公司Magic的技术，发现其核心在于将哈希字符串或函数名视为单一token，从而实现了高效的键值查找和长上下文匹配。基于这一发现，研究者开发了MALM模型，并成功复现了Magic的演示，如计算器和密码强度计等应用场景。
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。
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。
LightOnOCR-1B 是一种高效的 OCR 模型，它结合了视觉和语言模型技术，实现了在光学字符识别任务中的最先进性能。该模型通过端到端训练和知识蒸馏技术，在保持高准确率的同时，显著提高了处理速度，每秒可以处理 5.71 页文档。此外，LightOnOCR-1B 的开发团队还发布了其训练数据集，以促进该领域的进一步研究。
本文介绍了如何利用开源模型DeepSeek-OCR和FineVision进行大规模OCR任务，并展示了如何在不同的GPU基础设施上运行批量OCR推理。文章详细介绍了如何设置DeepSeek-OCR进行高吞吐量文档处理，设计模块化管道提取文档内容，并在多个云平台上部署批量推理作业。此外，还讨论了优化批量大小和并发性以提高GPU利用率，以及成本估算和扩展处理能力的方法。
微软研究团队发布了OptiMind，这是一种专门的语言模型，能够将自然语言描述的优化问题直接转换为数学模型，旨在简化优化流程中的关键步骤，提高实验和迭代的效率。OptiMind现在作为实验性模型在Hugging Face上提供，旨在降低高级优化建模的门槛，使更多用户能够利用这一技术。
Dell Enterprise Hub发布了新的功能，专注于安全性、治理和性能，包括对模型和容器进行安全扫描，使用Hugging Face访问令牌进行模型访问治理，以及提供优化配置以提高性能。这些更新旨在简化AI模型在Dell平台上的训练和部署，同时增强安全性、治理和性能。
本文介绍了如何使用EvalScope构建定制化的模型评估指标，以更好地反映模型在不同场景下的实际业务价值。文章强调了现有公共评估指标的局限性，并详细说明了构建评估指标的过程，包括定义Schema、采样数据和统一评估等步骤，同时通过实例展示了如何构建企业RAG助手指标，并强调了案例分析和可视化在理解模型表现中的重要性。
这篇公告介绍了如何扩展OpenEnv环境，从免费使用到支持数千个并发环境。OpenEnv是一个旨在标准化智能体执行环境的社区合作项目。文章详细介绍了如何使用Hugging Face Spaces等工具进行扩展，并提供了不同级别的基准测试和部署代码，强调了WebSocket接口和多节点集群在提高环境吞吐量方面的重要性。
本文探讨了大型语言模型（LLMs）如何存储和检索关于实体的事实知识。研究人员发现，LLMs 在其 MLP 层中维护一个隐藏的实体词汇表，这些实体以语义嵌入的形式编码，从而实现事实知识的检索。他们开发了一种方法来定位存储实体知识的特定权重，并展示了如何通过激活或抑制这些权重来影响模型的行为。
本文提供了一篇面向初学者的 PyTorch 教程，通过构建和训练一个简单的线性回归模型，逐步介绍了 PyTorch 的核心概念和操作。文章详细解释了自动微分、动态计算图、模型类等概念，并展示了如何使用 NumPy 和 PyTorch 实现线性回归，同时介绍了数据生成、损失函数、优化器、模型训练和评估等关键内容。
Hugging Face 发布了两个新的 Llama Nemotron 模型，用于提高多模态搜索和视觉文档检索的准确性。这些模型能够处理文本和图像，并支持标准向量数据库，旨在为开发者提供高效、低延迟的视觉文档检索解决方案。
OpenAI 发布了名为 Prism 的免费 LaTeX-native 工作空间，该平台内置 GPT-5.2 模型，旨在帮助研究人员在单一环境中进行写作、协作和推理，提高科研效率并简化科研流程。
PVH Corp.，Calvin Klein和TOMMY HILFIGER的母公司，宣布与OpenAI合作，采用ChatGPT Enterprise，旨在通过AI技术优化时尚设计、供应链和消费者互动，加速数据驱动的运营模式，实现更快速、精准的决策，并提升整个行业的效率。
这篇论文提出了一种名为CtrlRAG的两阶段黑盒攻击方法，用于针对检索增强生成（RAG）系统进行文档投毒攻击。该方法通过构建包含误导性或情绪诱导内容的恶意文档，并利用本地化算法和掩码语言模型（MLM）优化这些文档，从而在保持语言自然性的同时确保其检索优先级。实验结果表明，CtrlRAG在情感操纵和幻觉放大任务上对商业LLM（如GPT-4o）的攻击成功率高达90%，比最优基线提高了30%。
这篇论文提出了DeepPlanning，一个用于评估长期目标规划能力的基准，它强调全局约束优化和主动信息收集，通过多日旅行规划和多产品购物任务来测试代理的规划能力，并发现即使是前沿的代理LLM也难以应对这些挑战。
这篇论文研究了使用参数高效微调技术对Llama-3.1大型语言模型进行阿拉伯法律问答的微调。通过使用LoRA适配器和4位量化模型，结合Unsloth框架进行加速和资源高效训练，论文展示了在资源效率方面通过量化优化微调策略实现的性能提升。
这篇论文提出了一种名为E2PL的框架，用于解决不完整多视图多标签类增量学习问题。E2PL通过定制任务提示和缺失视图感知提示，结合高效的原型张量化模块和动态对比学习策略，实现了对多视图多标签分类问题的有效和高效学习。
这篇论文提出了一种基于余弦Lanczos双带对角化的低秩张量近似框架，用于压缩大型语言模型中的权重张量，从而降低LLMs的内存占用和计算成本。该方法利用cproduct的代数结构，在变换域中近似表示权重张量，并利用多维相关性进行高效压缩。
这篇论文提出了Deep Intrinsic Surprise-Regularized Control (DISRC)，一种基于生物灵感的机制，用于在稀疏环境中提高深度Q学习（DQN）的效率。DISRC通过动态调整Q值更新，基于潜在空间中的惊喜来改善学习过程，从而在稀疏奖励环境中提高了学习速度和稳定性。
这篇论文提出了ProGraph-R1，一种基于图检索增强的生成模型，通过引入结构感知的超图检索机制和基于进度的策略优化，提高了图检索和推理的准确性。
这篇论文提出了MMedAgent-RL，一个基于强化学习的多智能体框架，用于优化多模态医疗推理中的多智能体协作。该框架通过动态优化医疗智能体的协作，解决了现有单智能体模型在跨不同医学专业领域泛化能力不足的问题，并通过实验证明了其在医疗问答基准上的性能提升。
这篇论文提出了MemWeaver，一个统一的记忆框架，旨在解决长时程交互中大型语言模型代理的内存问题。MemWeaver通过结构化图记忆、经验记忆和文本证据记忆三个组件，支持时间一致性、多跳推理和跨会话的证据支持。实验表明，MemWeaver在LoCoMo基准测试中显著提高了多跳和时序推理的准确性，同时减少了输入上下文长度。
