已驗證來源
每個故事都連結到最有力的可用證據:可用的原始來源,否則明確歸因的報告。
簡單的英語
發生了什麼、為什麼重要以及值得關注的內容——無需行話。
無填料
當訊號很弱時,我們不會發布任何內容,而是填充提要。
更多故事
9 故事創新
預印本報告了 LLM 壓縮指標可能遺漏的不對稱風險
arXiv 預印本評估了 11 種壓縮方法中的 3 個法學碩士,報告稱,總體準確性和困惑度可以掩蓋不均勻的知識丟失、對新丟失信息的過度自信以及抵消子組偏差的變化。arxiv.org創新
預印本發現不相關的文本可以可預測地改變多模態模型的判斷
arXiv 預印本報告稱,與任務無關的文本在視覺判斷中始終使多模態語言模型產生偏差,並將這種效果描述為決策邊際中可測量的仿射偏移。arxiv.org創新
Preprint 提出 SingularClip 在不斷變化的任務中保持學習可塑性
arXiv 預印本認為神經網路權重奇異值之間日益不平衡是導致適應性喪失的可能原因,然後建議在持續學習和強化學習中定期修剪這些值。arxiv.org創新
預印本提出了一種經過探針測試的門,用於分佈偏移下的動態係綜
新的 arXiv 預印本引入了一種診斷方法,用於確定迴歸模型的特定區域組合何時可以優於固定混合模型。在作者描述的測試中,一個小型標記目標域探針預測了增益,並幫助拒絕了產生超過 30 倍靜態損耗的部署。arxiv.org創新
預印本追蹤 Llama 3.1 8B 如何對數值序列結構進行建模
arXiv 預印本報告了 Llama 3.1 8B 內部追蹤專門設計的數字序列中的一階差異的證據。該研究為這種行為提供了一種建議的機制,但從所提供的摘要來看,其範圍和穩健性仍不清楚。arxiv.org創新
預印本提出了用於個人化跌倒預防的自適應特徵選擇
MLHC 2026 接受的預印本描述了 PAFIR,這是一種強化學習框架,可從重複的多模式健康測量中選擇不斷變化的、特定於個人的跌倒風險信號。該論文報告了比基線更好的模式捕捉,但提供的記錄沒有給出效果大小或跌倒減少的證據。arxiv.org創新
Preprint 提出了用於跨導極配置的心房顫動檢測的心電圖模型
arXiv 預印本描述了 DCGCNet,這是一個結合了心電圖重建和心房顫動分類的模型,報告在七個跨資料集設定中的 AUC 高於 0.98,並且對多種雜訊類型具有恢復能力。arxiv.org創新
Preprint 提出了用於無線電地圖的物理引導神經算子
新的 arXiv 預印本介紹了 PU-HNO,這是一個三階段模型,用於根據低保真度模擬和場景資訊預測詳細的室內無線電地圖。作者報告了幾種基線方法的改進,但提供的記錄沒有提供數值結果或實際部署的證據。arxiv.org創新
預印本提出了用於全球熱帶氣旋預測的物理約束生成人工智慧
arXiv 預印本介紹了 Tianmu-TC,這是一個基於西北太平洋資料訓練的生成預測框架,其作者表示,該框架可以在使用較少計算的情況下改進全球海洋盆地的熱帶氣旋預測。arxiv.org