BriefGPT - AI 论文速递 ·

基于大语言模型的机器翻译中的上下文贡献分析

💡 原文中文，约300字，阅读约需1分钟。

📝

内容提要

本研究分析大型语言模型在机器翻译中如何利用输入上下文。结果显示，源文本在少量示例中比目标文本贡献更大，微调模型改变了上下文贡献模式，早期示例对翻译影响更大。这些发现帮助理解翻译机制并揭示异常现象。

🏷️

Kimi突发K2.8：性能逼近K3，百万上下文全员开放
月之暗面发布Kimi K2.8 Preview，综合性能接近旗舰K3，Coding与Agent能力提升，所有会员档位均支持1M上下文。其ARR从6月的3亿...
Chip Huyen explains how to cut inference costs without new hardware
Last October, the P99 conference — the online gathering for developers focuse...
Waymo pulls over, calls cops on riders with a ghost gun
Two people were arrested in San Fransico while riding around in a Waymo robot...
“Machine translation is still broken for most of the world’s languages”: Cohere builds non-reasoning for a reason
Enterprise AI company Cohere announced North Small Translate last week, a mix...
机器没有在“思考”
文章梳理AI发展史，指出符号主义与联结主义几经起落，繁荣源于期望，寒冬源于期望落空。作者认为机器并未真正思考，只是处理符号统计关系，不懂语言意义。真正该担...
它通过了CI，也通过了你的评估。客户拿到的却仍是错误答案。
AI功能存在可观测性缺口：传统服务故障明显，AI代理却会静默返回错误答案。以支持代理为例，通过分布式追踪可定位问题——检索时版本过滤为空导致返回旧版文档，...