返回主题地图

大语言模型

技术方向 · 通用文本大模型的发布、能力更新与技术路线 · 共 527 条

只展示置信度达到公开门槛且每篇排名前三的主题标签，降低泛化误贴。

9月4日周五 · 2 条
正文结构化主题已通过公开置信门槛
arXiv cs.SE一手来源研究

现成LLM需求质量评估基准：性能、误报与漏检分析

弗吉尼亚理工大学和亚利桑那大学的研究人员首次对现成LLM在需求质量评估中的表现进行了基准测试，基于INCOSE标准评估了OpenAI和Anthropic两大家族共十个模型。结果显示，最佳Anthropic模型仅能检测出47%的专家识别问题，同时产生11%的误报，且对必要性和正确性问题的漏检严重。研究还发现模型代际进步非单调，温度采样影响有限，表明现成LLM尚

正文结构化主题已通过公开置信门槛
arXiv cs.CV一手来源研究

Exemplar：融合经典先验与冻结特征实现显微镜图像少样本分割

捷克理工大学的研究团队提出 Exemplar，一种用于显微镜图像少样本分割的模型，融合冻结的 DINOv3 特征与经典滤波器组，在 11 个生物医学数据集上达到 0.782 的平均分数，优于多种少样本方法。该模型在单张标注掩码下表现优于从头训练的 nnU-Net，但后者在八张掩码时反超。研究强调经典先验与自监督特征在少样本场景下的互补性。

9月3日周四 · 1 条
正文结构化主题已通过公开置信门槛
Simon Willison's Weblog产品发布

llm-gemini 0.34 发布及近期 AI 动态

Simon Willison 发布了 llm-gemini 0.34 版本，这是一个用于连接 Gemini 模型的 LLM 插件。该版本更新可能包含对 Gemini 模型的支持改进。文章还提及了 Claude 新系统提示词限制复制歌词、Claude Fable 5.1 生成动画鹈鹕以及 ChatGPT Work 的相关内容。

9月2日周三 · 2 条
正文结构化主题已通过公开置信门槛
InfoQ AI ML and Data Engineering观点

超越提示：生产级 AI 的上下文工程实践

Redis 开发者体验团队的 Ricardo Ferreira 在演讲中介绍了其基于 Redis 构建的开源项目 Agent Memory Server（AMS），并开发了名为 My Jarvis 的 Alexa 技能，通过 LangChain4j 和 OpenAI 模型为 Alexa 提供智能回答。他分享了在开发过程中遇到的上下文中毒、干扰、混淆、腐烂和冲

正文结构化主题已通过公开置信门槛
arXiv cs.MA一手来源研究

EpisodeSim：用经典 AI 脚手架增强 LLM 社交智能体的情节连贯性

arXiv 论文提出 EpisodeSim，一种混合 LLM 智能体架构，通过经典 AI 脚手架（如世界主控器）维护场景、脚本、义务和结束条件，以增强 LLM 社交智能体的情节连贯性。实验表明，仅靠 LLM 的局部流畅性不足以模拟完整社交场景，而经典 AI 风格的控制层能显著提升模拟质量。该研究强调将经典 AI 的结构化表示与 LLM 的生成能力结合，为社交

9月1日周二 · 5 条
正文结构化主题已通过公开置信门槛
arXiv cs.AI一手来源研究

LLM增强因果发现：边存在性与方向的概率融合

该研究提出概率依赖图（PDG）表示法，将贝叶斯网络结构学习（BNSL）与大型语言模型（LLM）的因果知识进行概率融合。在26个基准网络上，将三种BNSL算法与三种LLM结合，50/50融合在22个网络上优于单一来源，平均F1显著提升。分析显示BNSL提供高召回率的边骨架，而LLM提供高准确率的边方向，两者互补。

正文结构化主题已通过公开置信门槛
arXiv cs.CL一手来源研究

GurukulAI：面向印度教育体系的交互式AI学习平台

印度理工学院甘地讷格尔分校等机构的研究人员发布了GurukulAI，一个面向印度教育体系的AI驱动交互式学习平台。该平台基于从NCERT教科书中提取的18,720个双语问答对，微调LLaMA 3.1 8B模型，并采用检索增强生成（RAG）框架，支持英语和印地语，提供答疑、练习和考试风格问题等功能。该研究旨在弥合全球大语言模型能力与印度地区教育需求之间的差距，

正文结构化主题已通过公开置信门槛
arXiv cs.SE一手来源研究

基于LLM的UML类图评估与修复策略研究

该研究评估了大型语言模型（LLM）在UML类图建模中的表现，发现与专家设计的类图相比，LLM生成的类图存在关键类识别不完整、关系混淆或遗漏、继承关系不足、未使用类和循环依赖等问题。研究提出了记忆强化、外部知识注入和检测引导的自动修复三种策略，实验显示这些策略能有效改善模型输出，关键类识别修复率达85%，耦合关系修复率46%，继承关系修复率69%，未使用类和循

正文结构化主题已通过公开置信门槛
Google Research Blog一手来源模型发布

Google 发布 TimesFM-3：零样本多变量时间序列预测基础模型

Google Research 发布了 TimesFM-3，这是一个 3.3 亿参数的多变量时间序列基础模型，支持零样本预测，并在 Gift-Eval、FEV-Bench 和 Time 等基准测试中取得领先性能。该模型采用解码器 Transformer 架构和连续补丁掩码策略，可在单次前向传播中生成整个预测区间，并支持外部协变量。相比前代模型，TimesFM

正文结构化主题已通过公开置信门槛
Microsoft Research Blog一手来源模型发布

微软发布高效病理基础模型GigaPath-Flash和GigaTIME-Flash

微软研究院发布GigaPath-Flash和GigaTIME-Flash，通过知识蒸馏将十亿参数模型压缩为紧凑的ViT-S编码器，分别实现约50倍计算量降低和6倍速度提升，同时保持或提升病理分析性能。这两个模型以Apache 2.0协议开源，旨在支持大规模人群级病理研究，但仅限研究用途，未经临床验证。

8月31日周一 · 8 条
正文结构化主题已通过公开置信门槛
InfoQ AI ML and Data Engineering观点

在浏览器中运行 AI：本地工作负载的实践与教训

James Hall 在演讲中分享了在浏览器中直接运行 AI 工作负载的经验，包括本地与云端运行的对比、隐私与数据控制问题，以及实际项目中的教训。他强调了本地运行 AI 的优势，如减少数据外泄风险，并提供了技术实现的高层概述和常见陷阱。

正文结构化主题已通过公开置信门槛
arXiv cs.SE一手来源研究

将法规转化为代码：用于软件工程中LLM选择的治理与合规模型

本文提出一个基于设计科学研究（DSR）的多准则决策模型，用于在软件工程项目中合规地选择大语言模型（LLM）。该模型将欧盟AI法案、NIST AI风险管理框架、GDPR、LGPD和ISO/IEC 42001等法规要求转化为可操作的技术决策标准，并通过三层结构（法规要求、组织治理能力、生产力与可持续性结果）实现。试点评估使用20个基于CWE和OWASP Top

正文结构化主题已通过公开置信门槛
arXiv cs.SE一手来源研究

基于提示语言特征预测LLM性能：需求工程实证研究

西班牙加泰罗尼亚理工大学等机构的研究人员针对需求工程中的二元需求分类任务，生成了9000个受控语言变体提示，并使用五个开源LLM在625条标注需求上评估，发现提示的句法和形态句法特征能显著预测LLM性能。该研究为提示工程提供了低成本的事前评估方法，并指出词汇多样性并非提示质量的有效维度。

正文结构化主题已通过公开置信门槛
arXiv cs.IR一手来源研究

LitCurate：配置驱动的AI辅助科学数据库构建框架及其在下地幔状态方程数据中的应用

LitCurate 是一个开源框架，利用大语言模型在可审计的分阶段工作流中从文献构建科学数据库，集成了文献发现、相关性筛选、全文处理和结构化信息提取，并保留中间结果和来源。研究团队应用该框架构建了下地幔矿物状态方程数据库，包含来自 205 篇论文的 1334 条记录，并通过可搜索的网页应用提供访问。该框架通过将科学文献与可追溯的机器可读数据连接起来，为将积累

正文结构化主题已通过公开置信门槛
arXiv cs.IR一手来源研究

超越真空：面向竞争对手感知的生成引擎优化的组合策略选择

本文提出了一种考虑竞争对手的生成引擎优化（GEO）方法，将GEO形式化为策略选择问题，并采用两阶段流程：先用贝叶斯优化组合结构（BOCS）搜索策略空间，再用偏好对和推理轨迹微调语言模型。该方法在geo-bench和合成竞争数据集上优于现有基线，并展现出跨域泛化能力。

正文结构化主题已通过公开置信门槛
arXiv cs.SE一手来源研究

ReSource：面向优化与混淆的变换无关反编译恢复框架

arXiv 论文提出 ReSource，首个多阶段 LLM 反编译框架，旨在从经过优化和混淆的二进制中恢复源码。该框架将二进制到源码的差异分为词汇、句法和语义三层，并分别处理，以应对控制流平坦化等问题。在超过 8 万对函数上，ReSource 实现了 83% 的 Top-5 检索准确率和 0.66 的平均相似度，优于现有基线。

正文结构化主题已通过公开置信门槛
DeepSeek API Changelog一手来源API 更新

DeepSeek 开放自研搜索 API

DeepSeek 在 API Changelog 中宣布开放自研搜索 API，其网页端与 API 端的搜索能力均由自研 DeepSeek 搜索引擎提供底层支持，每天稳定处理全球数亿次搜索请求。该引擎索引全球千亿级网页，支持多语言搜索并实时返回高相关、高权威、高时效结果，同时通过严格识别机制过滤 SEO 作弊、GEO 操纵和低质 AIGC 内容。

正文结构化主题已通过公开置信门槛
DeepSeek API Changelog一手来源模型发布

DeepSeek 发布 V3.1-Terminus 升级，改进语言一致性与 Agent 能力

DeepSeek 将 deepseek-chat 和 deepseek-reasoner 升级为 DeepSeek-V3.1-Terminus，分别对应非思考模式和思考模式。此次更新改进了语言一致性，缓解中英文混杂和异常字符，并优化了 Code Agent 与 Search Agent 的表现。

8月30日周日 · 2 条
正文结构化主题已通过公开置信门槛
THE DECODER研究

博科尼大学实验：AI能提升成绩但未必提升学习

博科尼大学对1053名新生进行随机实验，发现使用GPT-4o能显著提高商业作业成绩，而因果推理课程虽未提升传统分数，但促使学生提出更多样化和非传统的解决方案。研究指出当前评分体系偏向常规答案，可能掩盖AI辅助下的真实学习效果，且缺乏无AI的后续测试，无法确认是否真正提升学习。

正文结构化主题已通过公开置信门槛
Simon Willison's Weblog模型发布

腾讯发布Hy4 Preview：770B参数开源模型，推理强度可调

腾讯今日发布开源权重文本输入模型Hy4 Preview，总参数量770B，激活参数49B，上下文窗口1M token，Hugging Face上体积1.56TB，相比7月的Hy3大幅提升。模型支持两种推理强度：默认'high'和'no think'（禁用推理）。作者通过SVG生成测试展示了其推理轨迹，并指出推理文本使用截断英文以节省token。