跳到主要内容
检索

University of Macau

11 篇关联报道

订阅更新
  1. arXiv

    同传不再切句等停顿:CRESiST用读写交错策略,无分段流式翻译只比有边界版本低1–2个COMET点

    CRESiST把大模型同声传译从“前缀追加”改成语音块与译文词交错的读写序列,使KV缓存可以整段复用,不再依赖语音活动检测切句。它用RNN-T作为Actor采样读写轨迹,由带Router与Refiner的Qwen2.5-omni-7B作为Critic给出语义一致性与时延奖励,再反向蒸馏回Actor。在MuST-C与ACL 60/60上,无分段流式结果比有oracle分段仅低1–2个COMET点。

  2. arXiv

    自动驾驶规划不再只吃一个分数:把反思指导压进单次推理,训练时间省九成

    自动驾驶的视觉-语言-动作模型过去靠一个标量轨迹分数学习,分数低却说不清是场景理解、行为选择还是轨迹执行出错。Reflect-VLA把带评估诊断与纠正建议的反思指导当作只在训练时可见的特权信息,用双路径在线策略自蒸馏把纠正偏好写进直接生成轨迹的策略:风险轨迹对齐教师的词元级纠正分布,可靠轨迹做自模仿保留。在NAVSIM v1/v2与Bench2Drive上取得有竞争力的规划表现,训练时间比强化学习减少九成以上,推理时单次生成、不需要指导或迭代修正。

  3. arXiv

    循环网络不必再训练:冻结记忆在延迟256步仍能回忆,可训练参数少一半

    在部分可观测强化学习中,把循环记忆模块的权重冻结、只训练输出与混合层,仍能在延迟回忆、离散与连续控制以及像素任务上取得与全量训练相当的控制表现,同时把可训练参数减少一半以上。

  4. arXiv

    SignRAG以分层预训练加检索增强强化微调,在CSL-Daily上首次让无gloss手语翻译全面超越有gloss方法

    SignRAG提出一个面向无gloss手语翻译的统一框架:先用细粒度手语—文本对齐学习语言化手语表征,再与Qwen3-8B联合预训练,随后用仅取自目标域训练集的检索库提供实例级翻译线索,并以结合翻译质量与检索效用奖励的RUG-RFT抑制有害依赖;在CSL-Daily、PHOENIX-2014T、How2Sign、OpenASL四个基准上取得新的最优结果,并在CSL-Daily全部指标上首次由无gloss方法超越有gloss方法。

  5. arXiv

    OPUR 用危害度重加权分布统一越狱目标,在随机解码下把 Llama-3.1-8B 的 AgentHarm 攻击成功率提到 75.00%

    该工作从概率角度重新表述 LLM 智能体越狱:证明期望危害度对数对输入的梯度,等于在危害度重加权输出分布下模型对数似然的期望梯度,从而把期望危害度最大化与目标似然优化统一起来;据此提出 OPUR,用模型自身随机 rollout 构造代理目标来引导对抗后缀优化,在 AgentHarm、InjecAgent、WebShop 三个基准上取得更高的定向攻击成功率。

  6. arXiv

    EASE 在生成阶段用熵自适应扰动 logits 与温度,把 Qwen3-8B 上五个检测器的平均 TPR@1%FPR 从 0.655 降到 0.339

    该工作观察到扰动下一 token 的 logits 或调整采样温度会降低 AI 生成文本检测器的性能,据此提出免训练、与检测器无关的 EASE 框架:它从源 LLM 的下一 token 分布计算预测熵,用该熵同时自适应地调节 logit 扰动强度与采样温度,在三个源 LLM 与多个检测器上一致降低检测性能,且推理开销与文本质量损失很小。

  7. arXiv

    iS-KV用块增量SVD在线压缩KV缓存,在DeepSeek-R1-Distill-Llama-8B上以4.06倍压缩保留82.6%准确率

    该工作提出iS-KV,一种面向长程推理的在线低秩KV缓存压缩方法:它保留最近窗口为精确表示,将较早状态增量折叠为有界秩表示,并在低秩基演化时同步历史坐标以维持表示一致性;在DeepSeek-R1-Distill-Llama-8B上以4.06倍持久KV压缩达到82.6%准确率(原模型83.6%),在Qwen3-8B上以5.64倍压缩达到89.2%准确率,并在匹配内存预算下持续优于token驱逐基线。

  8. arXiv

    AutoDataBench 用三个固定训练任务测出:Kimi-3 数据智能总分 60.68 最高,但检索 ID 领先的模型在隐藏分布上反而垫底

    该工作提出 AutoDataBench,一个在固定训练流程与资源预算下隔离“数据智能”的受控测试台,覆盖工具调用数据诊断修复、检索数据组织与知识注入三类任务,评测七个前沿大模型在迭代实验中的数据决策能力,并发现智能体整理的数据在工具调用与检索上接近专家参考、但分布内高分不保证分布外迁移,同时把优化轨迹复用为中期训练数据可提升下游编码表现。

  9. medRxiv

    StrokeAgent 在 100 例急性卒中病例中与专家最终决策一致率达 86%,高于无工具 LLM 与神经科医生

    研究提出 StrokeAgent——一个围绕时间对齐与持续信息综合构建的多模态智能体决策支持框架,可处理临床记录、实验室结果、原始心电图波形与源多模态 CT 图像,支持急诊分诊、初始溶栓决策与最终再灌注规划,并在 100 例富含复杂再灌注情境的多模态患者数据中与专家最终决策达成 86% 一致率,高于三个无工具大语言模型均值 13 个百分点、高于六名住院与主治神经科医生均值 17 个百分点,完整路径一致率为 76%,平均比病例层面神经科医生中位用时快 73.9 秒,且在 1200 次盲法临床医生评估中获得更高的总体临床效用评分与推理质量评分、更少被判定为存在严重潜在危害。

  10. arXiv

    蚂蚁集团提出 Marathoner:用 GitHub 百万行级 PR 合成任务,让 9B 开源模型连续工作 10 小时以上、完成 1000+ 次工具调用

    该工作提出 Marathoner,一个通过超长时程任务合成、拒绝采样微调与强化学习后训练流程训练出的自主智能体模型,在 5 个超长时程基准上相对基座 Qwen3.5-9B 取得一致且明显的提升,并在部分基准上超过强闭源模型,分析显示其可在高难度任务上持续执行 10 小时以上、发起 1000+ 次工具调用。