叶子的技术碎碎念

A Theoretical Study on Bridging Internal Probability and Self-Consistency for LLM Reas...

QeRL：超越效率——面向大语言模型的量化增强强化学习 QeRL：超越效率——面向大语言模型的量化增强强化学习 我们提出 QeRL，一种面向大语言模型 (LLMs) 的量化...

Less is More: Recursive Reasoning with Tiny Networks 少即是多：微型网络的递归推理 分层推理模型 (HRM) 是一种创新...

The Dragon Hatchling: The Missing Link between the Transformer and Models of the Brain...

OmniWorld: A Multi-Domain and Multi-Modal Dataset for 4D World Modeling OmniWorld: A M...

Sharing is Caring: Efficient LM Post-Training with Collective RL Experience Sharing 分享...

A.S.E: A Repository-Level Benchmark for Evaluating Security in AI-Generated Code A.S.E...

InternVL3.5: Advancing Open-Source Multimodal Models in Versatility, Reasoning, and Ef...

Intern-S1: A Scientific Multimodal Foundation Model Intern-S1：科学多模态基础模型 近年来，大量开源基础模型不断...

最近试了下Mineru解析PDF，感觉还是挺好的，但为了本地开发方便，就直接在电脑上部署个API服务，官网上虽然也有部署教程，但感觉对于Mac用户并不算友好，就自己又瞎折腾...

GLM-4.5: Agentic, Reasoning, and Coding (ARC) Foundation Models GLM-4.5: 智能体、推理与编码（ARC...

引言 大语言模型驱动的智能体（Agent）近年来在复杂任务上展现了惊人的能力——从多轮推理、跨工具调用，到信息检索与整合。然而，性能的提升往往伴随着成本的飙升：更多的推理步...

Is Chain-of-Thought Reasoning of LLMs a Mirage? A Data Distribution Lens 大语言模型的思维链推理是海...

Agentic Reinforced Policy Optimization 智能体强化策略优化 具备可验证奖励机制的大规模强化学习(RLVR)已证实其在挖掘大语言模型(L...

GUI-G^2: Gaussian Reward Modeling for GUI Grounding GUI-G^2：基于高斯奖励建模的图形用户界面定位 图形用户界面 (...

LLM 刚开始火热的时候，有个词非常热门，叫做提示词工程，甚至有各种网文声称市面上可能会招聘大量的提示词工程师，当初在一些招聘网站上倒是也的确能搜索到这样的岗位。但随着大模...

A Survey of Context Engineering for Large Language Models 大语言模型上下文工程研究综述 大语言模型 (LLM) 的...

随着大语言模型（LLM）能力的持续扩展，研究者和开发者逐渐意识到，若要真正迈向通用人工智能（AGI），模型不仅需要强大的语言生成能力，更应具备长期一致性、知识演化能力与用户...

Scaling RL to Long Videos 将强化学习扩展至长视频处理 我们提出一个端到端框架，通过强化学习将视觉语言模型(VLMs)的推理能力扩展至长视频领域。针...

前两天刷微博无意间刷到了一位老师转发的关于大模型做推荐系统的论文，这是 Walmart AI 团队近期发布的一篇论文：《ARAG: Agentic Retrieval-Au...