跳到主要内容
检索

Korea University

12 篇关联报道

订阅更新
  1. arXiv

    搜索界面不再由人手工固定:SearchWeaver按语料自动改写工具与说明,答案准确率从71.6%升到78.4%

    语言模型智能体的检索效果取决于它拿到的搜索界面,而现有界面多由人预先设定、对所有语料一视同仁。SearchWeaver把语料预处理产物、可执行工具和使用说明放在一起,用智能体的执行轨迹与任务奖励反复改写,再按下游搜索表现挑选。在GPT-5.4-nano上,优化后的界面把BrowseComp-Plus答案准确率从71.6%提到78.4%,把四个BRIGHT子集的平均nDCG@10从45.7提到55.0,同时缩短了工具执行时间。

  2. aclanthology.org

    逆合成不再只给反应物:先断键再配等价物,8B模型在稀有反应上把可行模板多样性从2.02提到3.43

    逆合成预测从直接输出反应物,改为按化学家的断键思路分四步推理:产物分析、关键子结构识别、策略性断键、合成等价物映射。模型以SyntheticRetro生成的结构化理由做监督微调,再用往返奖励做强化学习,即把预测反应物送入正向合成模型、能重建原产物就给奖励。在ORDerly的500条主测试集上,RetroReasoner(RL)的Exact@1为0.526、Round-trip@1为0.826;在稀有原子/词元子集上,其可行比例0.557、模板多样性2.97,均高于同架构去掉显式推理的Prediction-Only(RL)的0.478与1.97。

  3. arXiv

    挖掘机不再照单执行语言指令:一次性租约把批准动作绑到具体运动,关闭区卸料从1.23降到0.33立方米

    大语言模型指挥的挖掘机可能执行机械上可行、但目的地或权限已不再匹配操作员批准的动作。为此,研究把授权绑定到具体运动:一次性租约同时绑定动作、生成的运动、任务合同与准入容差,派发时原子地复核当前权限与实测关节漂移,并在权限被撤销时请求带载俯仰的五次多项式停车。在672例接口套件中,网关放行全部120例良性用例,攻击套件零次未授权派发;同步仿真中,卸料阶段撤销权限时关闭区最大卸料量从1.23降到0.33立方米。

  4. arXiv

    RL-ARC 用推理置信度校准答案置信度,在分布外基准上把 ECE 降到 0.16 并保住准确率

    该工作提出 RL-ARC,一种校准感知的强化学习框架,在 RLVR 基础上同时提取模型对推理过程的置信度与对答案的置信度,把推理置信度作为辅助信号:预测正确时用它正则化答案置信度,预测错误时用它施加过度自信惩罚;在数学推理与分布外复杂推理、事实问答基准上,RL-ARC 的校准指标优于既有校准感知训练方法,同时准确率与仅优化正确性的 RLVR 相当。

  5. arXiv

    RucTangle让编码智能体生成的补丁拆分为每个提交都可运行的提交历史,并在回归修复中把pass@1平均提升16.6%

    该工作提出RucTangle,一种智能体式提交拆分方法:它按开发目的对补丁中的改动分组并排序,逐个应用提交并检查代码是否仍可运行,失败时先调整顺序、再让智能体重新分组、最后合并相邻提交,同时保持最终代码不变;在131个智能体生成的补丁上,RucTangle是唯一全部重建原补丁且每个提交后代码均可运行的方法,中位数为8个提交,而基线有20.6%–37.4%的历史至少含一个不可运行版本。作者还提出TangleEval,用453个引入回归的补丁让两个编码智能体修复,加入RucTangle历史与git bisect结果后pass@1从26.9%升至31.3%、从30.8%升至36.0%。

  6. arXiv

    SoloQ 用免校准旋转量化把扩散语言模型压到 4 比特,在 LLaDA、Dream、Fast-dLLM v2 与 Nemotron-Labs-Diffusion 上保持精度并超过需校准基线

    作者提出 SoloQ:用 K-RPBH 旋转把权重与激活映射到可预测的近似高斯分布,配合仅尺度偏差校正实现免校准 4 比特量化,并对块扩散模型在块提交时量化 KV 缓存;在 LLaDA-Base、LLaDA-1.5、Dream-7B、Fast-dLLM v2 与 Nemotron-Labs-Diffusion 上,SoloQ-C 与 SoloQ-N 在 W4A4 及 W4A4KV4 下保持精度,平均分超过 DLLMQuant++、STaR-Quant、FAIR-Calib 等需校准基线,NVFP4 路径还降低峰值内存并加速端到端推理。

  7. arXiv

    在三个7B级模型与三个数据集上,幻觉信号被单一均值漂移方向主导,简单L2逻辑回归达到0.952 AUROC并超过十二种架构替代方案

    该工作在配对样本范式下跨三个7B级模型和三个数据集刻画隐藏状态探针检测LLM幻觉的信号几何,发现信号由单一均值漂移分量主导、移除该方向后检测降至随机水平,收缩线性判别分析弥合约73%的一维与全维分类器差距,简单L2正则逻辑回归以0.952 AUROC界定或优于十二种受控架构替代方案,且LayerMix多层聚合在无oracle访问下匹配oracle层性能。

  8. arXiv

    CPR 用 token 级路由在基座模型与 SFT 专家之间切换,域性能超 SFT 专家 1.4-5.5% 且通用能力下降从 3.4-14.5% 收窄至最多 0.5%

    该工作提出 CPR(Critical-Point Routing),一种在基座模型与其 SFT 专家衍生模型之间进行 token 级路由的框架,依据基座模型失败而专家成功的“关键 token”训练轻量分层路由器估计逐 token 调用专家的概率,并配合动量平滑与阈值门控的推理流程;在多种模型-领域配置下,CPR 在域性能上超过 SFT 专家 1.4-5.5%,同时把通用能力下降从 3.4-14.5% 恢复到最多 0.5%,且仅对约三分之一 token 调用专家,开销很小。

  9. arXiv

    用任务向量方差预测合并崩溃,PRISM 无需数据即可修复五个破坏性合并

    该工作提出以专家任务向量跨专家的方差作为“干扰”度量,在合并前给出预测崩溃的分数,并据此设计 PRISM 算子:先平均任务向量、再按每层干扰水平做软阈值,在来自四个模型族的二十二个合并配置中只有破坏性合并超过该分数阈值,十四个合并的事前预测有十二个正确,PRISM 在无数据、无调参的情况下把全部五个破坏性合并保持在阈值之上、与基座模型评估噪声相当,而朴素平均至少低 14.4 分或完全崩溃。

  10. arXiv

    RenderRank 把文档渲染成图像再压缩为视觉 token 做重排序,BEIR 平均 NDCG@10 达 55.96 且输入 token 减少 16.5–35.5%

    RenderRank 将文档文本渲染为图像并编码为压缩视觉 token,用文本教师做跨模态相关性蒸馏、再用查询内对比学习区分正负文档,在 BEIR 11 个数据集上以平均 290.07 个输入 token 取得平均 NDCG@10 55.96,比所评估的文本重排序器少用 16.5–35.5% 输入 token,并在四个长文档数据集上以约一半的平均输入 token 取得平均 NDCG@10 88.27。