来自大规模实验的研究团队发布了名为ScaleRL的创新框架，这是首个针对大型语言模型强化学习计算扩展的系统性研究方法。该研究通过超过40万GPU小时的实验数据，构建了可预测的S型计算-性能曲线，揭示了RL训练中算法改...

一项发表于arXiv的前沿研究显示，大型语言模型（LLM）通过创新的语义相似性评分方法，在57种个人护理产品的消费选择预测中成功复现了人类决策模式，达到人类测试重测可靠性的90%。传统调研方法依赖数值评分易导致数...

清华大学与斯坦福大学联合研究团队近日发布突破性研究成果ReasoningBank，该框架通过构建推理记忆系统解决长期困扰大语言模型智能体的历史经验复用难题。传统智能体在持续执行现实任务时，往往将每次交互视为独立事...

Meta研究团队在最新论文中提出名为“早期经验”的创新训练范式，为解决语言智能体在复杂现实任务中的自主学习难题提供了突破性方案。传统方法依赖专家演示数据进行监督微调，存在泛化能力弱、数据多样性不足的缺陷。而...

Meta Superintelligence Labs于arXiv发布编号2509.01092的首篇论文，引发学术社区高度关注。该研究并未延续当前大模型参数规模竞赛的常规路径，而是聚焦于注意力机制的基础架构创新。论文提出了一种名为"动态稀疏注...

在流媒体算法主导音乐发现的今天，开发者通过融合NFC近场通信技术与实体交互设计，创新性地打造出物理专辑卡片系统。这套系统包含精心设计的实体卡片，每张卡片嵌入NFC标签，用户只需用手机轻触卡片即可立即播放对应...

近日，信息检索领域迎来突破性进展——基于生成式模型的上下文排序（ICR）技术实现规模化应用。传统ICR方法通过将任务描述、候选文档和查询直接输入大语言模型（LLM）来识别相关文档，虽效果显著但存在计算效率瓶颈：...

三星蒙特利尔AI实验室最新研究《Less is More: Recursive Reasoning with Tiny Networks》提出突破性方法，通过递归架构使参数量极少的神经网络具备复杂推理能力。该研究在arXiv公开的论文（编号2510.04871）中展示...