Free Resources Free Apache Iceberg Course Free Copy of “Apache Iceberg: The Definitive Guide” 2025 Apache Iceberg Architecture Guide How to Join the Iceberg Community Iceberg Lakehouse...

Right now, I am using LLMs to (a few examples): Translation Given the transcript and/or script of an episode of my podcasts, generate a summary (show notes) for the episode Generate fluffy or...

Large Language Models (LLMs) have transformed natural language processing, but face significant challenges in widespread deployment due to their high runtime cost. In this paper, we introduce...

Data has always been key to LLM success, but it's becoming key to inference-time performance as well.

本研究解决了当前大型语言模型（LLMs）在生成拼图任务时利用语义模糊性进行误导行为的问题。通过比较不同提示方式下生成的拼图，这项研究揭示了直接对抗性提示显著增加了语义模糊性，进而加大了认知负荷，降低了解题公平性。这一发现为理解LLMs的新兴代理特质提供了重要见解，并强调了在教育技术和娱乐领域安全部署自主语言系统的伦理考量。

本研究解决了目前社会科学家对大型语言模型（LLM）社交模拟应用的低采用率问题，提出通过实现五个可解决的挑战来获取其潜力。研究表明，这些模拟能用于心理学、经济学、社会学和市场营销等领域的探索性研究，随着技术的发展，开发可迭代的概念模型和评估方法将进一步推动其广泛应用。

本研究探讨了大型语言模型（LLMs）在科学研究过程中如何影响引用实践，尤其是在文献发现和引用过程中。研究发现，LLMs会系统性地强化马太效应，通过优先引用高被引论文，尽管不同领域之间存在显著的变化。该结果显示LLMs在引用选择上的偏好可能重塑引用实践，进而影响科学发现的进程。

本文探讨了大型语言模型(LLMs)中的记忆机制，强调其在丰富上下文响应、减少幻觉和提高效率方面的重要性。研究将记忆分为感知、短期和长期记忆，并提供了对这些记忆类型的分类、管理和应用的详细分析，揭示了记忆机制在未来研究中的重要性。

本研究解决了当前交互式叙事中线性流程的限制，通过提出叙事工作室这一新型浏览器环境，允许用户从故事中的指定点进行分支探索。该方法结合了大型语言模型和蒙特卡罗树搜索，能够根据用户定义的标准自动扩展有前途的叙事路径，从而实现更丰富、多样的故事发展。

本研究解决了大型语言模型（LLMs）是否真正具备推理能力的关键问题，提出了一种名为KUMO的生成评估框架，该框架结合LLMs与符号引擎，动态生成多样的推理任务以评估其推理能力。研究结果显示，许多LLMs在简单推理任务上的表现超过了大学生水平，而在复杂推理挑战中则达到了大学生的表现，证明KUMO作为评估LLMs推理能力的重要工具的有效性。