Micropaper ·

一分钟读论文：《诊断LLM裁判的可靠性：共形预测集与传递性违规》

📝

内容提要

普林斯顿大学的论文《Diagnosing LLM Judge Reliability: Conformal Prediction Sets and Transitivity...

🏷️

一分钟读论文：《大模型时代的奖励黑客与缓解策略》
来自多机构研究团队的一篇论文《Reward Hacking in the Era of Large Models: Mechanisms, Emerge...
一分钟读论文：《归一化计算下单Agent为何优于多Agent》
斯坦福大学的研究表明，在多跳推理任务中，单Agent系统的表现优于多Agent系统，尤其在计算量相同的情况下。研究指出，多Agent系统的优势主要来自于t...
一分钟读论文：《轨迹级奖励建模基准 Plan-RewardBench》
本文介绍了论文《Aligning Agents via Planning: A Benchmark for Trajectory-Level Reward...
Unweight: how we compressed an LLM 22% without sacrificing quality
Unweight是一种无损压缩系统，能够将大型语言模型（LLM）的权重缩小15-22%，而不影响输出质量。该系统通过在快速的片上内存中解压权重，避免了主内...
Dyson’s handheld fan is more powerful and louder than I expected
戴森推出的新款手持风扇HushJet Mini Cool，售价99.99美元，设计轻薄便携，提供五种风速和增强模式。风扇重量与iPhone 17 Pro相...
.NET生态下Native AOT兼容的Cron任务调度框架 - 张善友
随着.NET 8引入Native AOT支持，应用程序的启动速度和资源占用成为关键指标。Native AOT通过预编译提升性能，但对动态特性限制严格，导致...