1077 篇论文
ReflexiCoder 提出了一种基于强化学习的框架，通过将生成、反思与自修正的完整轨迹内化至模型权重中，使大语言模型能够在无需外部反馈或执行引擎的情况下实现自主代码调试，从而在多项基准测试中达到甚至超越 GPT-5.1 的性能，同时显著降低了推理计算开销。
本文提出了 ROSE，一种针对 SparseGPT 的改进方法，通过引入预剪枝、基于损失的两级重排序策略以及自适应识别列状层，有效解决了原有固定剪枝顺序导致的次优问题，从而在多种主流大语言模型上实现了更精准的单次剪枝效果。
该论文提出了一种名为 CoCA 的基于 GRPO 强化学习的框架，通过“先置信度后回答”的新范式及分段奖励机制，实现了大语言模型置信度校准与回答准确性的联合优化，从而在保持回答质量的同时显著提升了不确定性估计的可靠性。
该论文提出了 VerChol，一种专为黏着语（如泰米尔语、土耳其语等）设计的“语法优先”分词方法，旨在解决主流字节对编码（BPE）因忽视形态边界而导致分词碎片化和 Token 数量膨胀的问题。
本文针对大语言模型在长故事生成中普遍存在的连贯性缺陷，提出了包含 2000 个提示和 19 种细粒度错误分类的 ConStory-Bench 基准及 ConStory-Checker 自动检测工具，并通过实验揭示了事实与时间维度错误高发、多出现在叙事中段及高熵文本段等关键规律。
该论文提出了一种基于大语言模型（LLM）集成系统的语义标记新方法，通过引入内容保留率（CPR）和标签规范性（TWF）两项指标来筛选最佳输出，从而在联合国安理会决议的清洗与标记任务中实现了高精度、低幻觉且具备成本效益的自动化处理。
InfoGatherer 是一个通过结合检索文档与针对性追问来收集信息，并利用基于 Dempster-Shafer 理论的证据网络对不确定性进行形式化建模，从而在法律和医疗等高风险领域实现更可靠、可解释决策的框架。
该论文提出了名为 LongNAP 的用户模型，通过结合参数化学习与上下文学习，利用大规模标注的自然交互数据来预测用户的多模态下一步操作，从而实现了在复杂交互背景下对用户需求的主动式预测。
该论文提出通过引入作者上下文（HuLM 任务）来纠正大型语言模型中的生态谬误，实验表明在 8B Llama 模型上应用人类感知的微调（HuFT）或持续预训练，能显著提升其在多项下游任务中的性能。
该论文提出了一种结合显式风格解耦（涵盖词汇、句法和语用维度）与隐式思维链蒸馏的框架，使小参数语言模型在低资源条件下也能实现高保真的角色风格化生成，并显著优于更大规模的基线模型。
该论文基于交互主义和建构主义心理学理论，提出了一种融合个体特质与情境特征的机器学习方法，利用大型语言模型分析社交媒体数据以预测心理健康状态，在保持竞争力的同时显著提升了模型的可解释性。
本文提出了 ProCap 框架，通过从静态图像对比转向动态过程建模，利用稀疏关键帧和可学习的过程查询来显式捕捉变化过程，从而生成更准确描述图像间差异及其发生方式的变化描述。
该论文提出了名为 Track-SQL 的框架，通过引入语义增强模式提取器和模式感知上下文提取器这两个双提取模块，有效解决了生成式语言模型在多轮 Text-to-SQL 任务中处理上下文信息和动态模式链接的不足，并在 SparC 和 CoSQL 数据集上取得了最先进的性能。
本文提出了 MASFactory，这是一个以图为核心的 LLM 多智能体系统编排框架，通过引入将自然语言意图转化为可编辑工作流的“氛围图（Vibe Graphing）”人机协同方法，解决了复杂图工作流实现困难、复用性低及外部上下文集成复杂的问题，并在多个基准测试中验证了其有效性与一致性。
ViewFusion 提出了一种将跨视图空间预对齐与问答推理显式分离的两阶段框架，通过合成监督与 GRPO 强化学习训练，显著提升了视觉语言模型在多视图空间推理任务中的表现。
该研究评估了四种开源大语言模型在基于评分标准自动批改奥地利德语 A 级作文中的表现，结果显示尽管模型能利用标准化标准进行评分，但其与人类专家评分的一致性（最高仅 40.6%）远未达到实际教学评估的应用要求。
该研究通过无监督领域预训练模拟大语言模型的经验积累，利用机器人格量表量化其性格特征，发现“表达型通才”与“抑制型专才”表现最佳，且社会性特质受抑反而能提升复杂推理能力，从而揭示了训练数据语言特征对模型性格及性能的因果影响，为“人格工程”提供了新路径。
本文提出了首个专注于深度感知的多模态大语言模型 DeepSight，通过构建深度指令数据集、改进 ViT 编码器以捕捉深度细微变化，并利用 GLPN 和 GPT-4 生成训练数据，显著提升了模型在三维场景理解及空间推理方面的能力。
该论文提出了一种结合大语言模型生成隐含前提、将自然语言转化为逻辑公式以及利用神经符号推理器验证蕴涵关系的流水线方法，旨在系统性地解决现实文本中省略三段论（enthymemes）的逻辑解码难题。
该论文提出了一种利用潜在提示表示零样本动态裁剪扩散语言模型上下文窗口的机制，从而在保持或提升性能的同时显著减少了推理所需的计算量。