已验证来源
每个故事都链接到最有力的可用证据：可用的原始来源，否则明确归因的报告。
简单的英语
发生了什么、为什么重要以及值得关注的内容——无需行话。
无填料
当信号很弱时，我们不会发布任何内容，而是填充提要。
更多故事
9 故事创新
EventTime paper proposes AI method to estimate market losses after cybersecurity disclosures
An arXiv preprint introduces EventTime, a machine-learning framework that combines market history, event metadata and contrastive learning to estimate short-term financial losses after cybersecurity disclosures.arxiv.org创新
预印本提出了一种低成本方法来提高黑盒法学硕士的置信度估计
arXiv 预印本表示，根据模型置信度得分和类似查询结果训练的简单分类器可以更好地预测大型语言模型响应是否正确。arxiv.org创新
FleetSieve paper proposes targeted profiling for SLO-aware LLM fleets
An arXiv preprint presents FleetSieve, a profiling method that targets measurements likely to change LLM fleet allocations while accounting for capacity and tail-latency limits.arxiv.org创新
SAGE-XGBoost paper reports stronger landslide and wildfire mapping with scarce data
An arXiv preprint proposes SAGE-XGBoost, combining spatial graph embeddings, data augmentation and XGBoost for natural-hazard susceptibility mapping with limited labeled data. It reports substantial gains over Spatial XGBoost in landslide and wildfire case studies, while key validation details remain unknown.arxiv.org创新
FlashPrefill V2 论文报告了通过块稀疏注意力实现大型长上下文服务加速
arXiv 论文描述了 FlashPrefill V2，这是一种用于长上下文 LLM 服务的块稀疏注意力系统，并报告在 NVIDIA H20 GPU 上，在 128K 上下文中，比 FlashAttention-2 的加速速度最高可达 47.26 倍。arxiv.org创新
SWE-bench 科学基准测试发现编码代理在科学软件方面遇到困难
新的 arXiv 预印本引入了一个包含 119 项任务的基准测试，用于在科学软件上测试编码代理，并报告说，表现最好的代理在 pass@1 上的得分低于 50%。arxiv.org创新
ArXiv 论文提出对长期 LLM 代理人进行基于里程碑的培训
在训练语言模型代理执行长期、多步骤任务时，MileGPO 使用里程碑发现和本地证据来改进信用分配。作者在 ALFWorld 和 WebShop 上报告了最先进的结果，但声明仍然仅限于论文的实验。arxiv.org创新
预印本测试 LLM 代理是否知道何时记住、验证或询问
一个新的基准评估语言模型代理是否正确决定何时应保存、检查、临时使用或向用户澄清交互衍生信息。arxiv.org创新
审核语言模型水印中的跨语言公平性
提出了一种新的大语言模型中水印方案的评估框架，重点关注跨语言公平性。arxiv.org