🔢 mathematics
The Thickness of Infinite Sidon Sets
本文确立了 -Golumb 尺子（即每个正差值出现次数不超过 次的集合）渐近密度的上界与下界，证明其规模的上界正比于 ，而下界正比于 。这一结果延续了 Erdos 在 70 年前证明 Sidon 集存在性的工作。
✓ 已审阅
作者审阅的论文
原作者已查阅我们通俗解释的论文。
本页收录的每篇论文，都有至少一位原作者阅读并参与了我们的通俗解释——或是确认其准确无误，或是提出修正意见并由我们随后采纳。作者的确认并不等同于对每一句话的正式背书，但说明该解释已经过论文作者的审视。
1199 篇论文已由作者审阅 · 481–490 / 1199
🤖 machine learning
Invariant Reasoning Directions in Latent Trajectories of Language Models
本文介绍了轨迹不变潜空间精炼（Trajectory-Invariant Latent Refinement, TILR），这是一个无需训练的框架，它通过识别并操纵语言模型潜空间轨迹中稳定的低秩不变方向，在不牺牲准确性的情况下，显著提高了推理的一致性，并降低了对改写和扰动的敏感性。
🔬 condensed matter
40 years of cuprate high-Tc superconductors: a perspective on theories
本文在铜氧化物高温超导研究四十周年之际，对其理论格局提供了视角，重点关注了围绕排斥相互作用机制日益形成的共识，概述了三个主要的理论学派，并结合最新的实验发现更新了安德森的“教条”。
🤖 machine learning
Towards Evaluating Data Priors for Tabular Foundation Models
本文引入了一个统一的框架，通过在源自各种先验概率的任务上训练相同的架构，来独立评估和比较表格基础模型的数据生成先验，从而揭示了不同的先验不仅会影响下游性能，还会超越单纯的数据层面相似性而显著影响一致性。
🤖 machine learning
Deterministic Decisions for High-Stakes AI. A Zero-Egress Pipeline with the Deployability of RAG and the Accuracy of Machine Learning
本文识别并量化了零样本大语言模型教育顾问中的“干预偏差”问题，即与最优先知相比，这些顾问会错误地推荐不必要的行动，并证明了使用 Decision Transformer 或 XGBoost 进行监督策略学习能有效消除这种偏差，同时实现适用于高风险部署的高准确率和低延迟决策。
💬 NLP
How Far Can You Get Without a GPU? A Systematic Benchmark of Lightweight Hallucination Detection Across Question Answering, Dialogue, and Summarisation
本文系统地基准测试了五种轻量级、CPU 可行的幻觉检测方法在问答、对话和摘要任务中的表现，揭示出性能具有高度的任务依赖性：集成方法在问答任务中表现卓越，NLI 检测器在对话任务中处于领先地位，而所有方法在摘要任务上均表现出显著的失败。
💬 NLP
Evidence-Informed LLM Beliefs for Continual Scientific Discovery
本文引入了一个基于证据的、利用大语言模型进行持续科学发现的框架，该框架以非平稳的、基于信念更新的惊异度取代了静态的贝叶斯惊异度，并利用过滤和多样性最大化来消除伪奖励，从而显著提升了跨多个领域的假设探索能力。
💬 NLP
SurrogateShield: Beyond Redaction for High-Utility, Privacy-Preserving LLM Interactions
SurrogateShield 是一种客户端代理，通过在传输前将检测到的个人身份信息（PII）替换为本地生成的、类型一致的替代值，并在响应中恢复原始值，从而增强了保护隐私的 LLM 交互，在消除真实 PII 暴露的同时，显著提高了其相对于传统脱敏方法的语义效用。
🔢 mathematics
An entropic analogue of the MMS conjecture
本文证明了对于任何和为零的 个实数的多重集，随机抽取 个元素的和的香农熵，其下界为均值为 的伯努利随机变量的熵，这一锐利结果作为 Manickam-Miklós-Singhi 猜想的熵学类比。
💻 computer science
Early Warning Signals for OpenVLA Failure under Visual Distribution Shift
本文证明了在 OpenVLA 内部前馈激活上训练的轻量级探针可以有效地预测由视觉分布偏移（如遮挡）引起的短期任务失败，且无需对底层策略进行任何更改即可实现高准确率。