跳到主要内容
检索

Soochow University

4 篇关联报道

订阅更新
  1. arXiv

    专家形状不再由路由粒度决定:近方形配置加逐层容量分配,8B模型九项下游平均分最高

    潜空间专家网络把专家输入维度从残差宽度中解耦,使专家形状成为可调设计量;在3.4B与8B规模上,近方形专家配合按逐层内在维度分配容量,取得比同预算均匀配置更低的验证损失。

  2. arXiv

    微调服务被投毒后还能救回拒答:只修两层LoRA,恶意分从11.54降到0.08

    面向微调即服务场景,恶意微调会在保留下游任务表现的同时削弱模型的拒答行为。SLDR把逐层安全诊断改成带符号的敏感度谱,只在敏感度最高和最低的两层上训练LoRA恢复适配器,并在推理时按表示层的恶意分数决定是否启用。在Llama3.1/SST2上,平均有害分从11.54降到0.08,下游准确率与未设防微调持平,投毒比例升到0.9时有害分仍接近零。

  3. arXiv

    HDPO 让大模型先列出候选解法再择优推理,据报告同时提升推理表现与候选解多样性

    该工作提出 Hint-Guided Diversified Policy Optimization(HDPO),让模型先列出所有潜在候选解法大纲作为提示,再选出最可靠的一条继续推理,方法由 Cold Start for Structured Reasoning 与 Hint-Guided Diversified Reinforcement Learning 两个阶段组成,以激励模型沿“propose-select-think”轨迹生成多样且可靠的解;实验结果显示 HDPO 有效提升了大模型推理能力,并增强了候选解的多样性以及模型识别可靠解的能力。

  4. Frontiers in Oncology

    10项III期随机试验、逾8000例晚期胃癌患者的网状Meta分析显示:曲妥珠单抗与替雷利珠单抗在延缓生活质量恶化方面排名居前

    该网状Meta分析纳入10项III期随机对照试验、逾8000例不可切除晚期胃癌患者,以EORTC QLQ-C30、EORTC QLQ-STO22和EQ-5D评估的至恶化时间(TTD)为指标,用SUCRA对一线免疫检查点抑制剂与靶向药物排序,并通过最小距离准则探索性整合总生存与健康相关生活质量,结果显示曲妥珠单抗(HER2阳性人群)与替雷利珠单抗(大体未按生物标志物筛选人群)在多数生活质量维度上排名最优,且该复合指标仍属探索性、无不确定性估计,不应作为临床决策的主要证据。

已读完全部报道