大型语言模型（LLMs）普遍存在误校准问题，导致信心分数与实际正确率不符。传统的后处理校准方法包括温度缩放、Platt缩放和等距回归，但由于LLMs的复杂性，这些方法需谨慎应用。研究表明，适应性温度缩放（ATS）能有效改善校准，而Platt缩放适合小数据集，等距回归在数据充足时表现最佳。选择合适的校准方法需考虑任务的“信心”定义。

本文讨论了大模型输出的两个重要超参数：温度（Temperature）和核采样（Top-p）。温度控制输出的随机性，低温度使输出更确定，高温度增加多样性。核采样通过动态截断低概率词来调整候选词范围。建议在需要确定性时使用低温度和低Top-p，而在追求创意时使用高温度和高Top-p。默认配置为温度0.7和Top-p 0.9，适合大多数场景。

傅利叶在CES 2026展示了新一代人形机器人GR-3，强调人机交互的情感响应能力。GR-3能够与观众进行“井字棋”对弈，傅利叶致力于推动人形机器人在社交陪伴和辅助服务中的应用，展现中国机器人产业的全球化信心。

傅利叶在CES 2026展示了新一代人形机器人GR-3，强调人机交互的情感响应和多模态能力，旨在提供社交陪伴和辅助服务，推动人形机器人商业化进程。

使用RyzenAdj调整AMD笔记本CPU温度墙至93度，解决游戏时因过热导致黑屏的问题，并设置开机自动调整。

红树林基金会与少数派联合发起2026防鸟撞窗花设计公益征集活动，旨在通过创意窗花保护城市鸟类。作品需符合春节窗花样式，包含马年与鸟类元素，投稿时间为2025年12月18日至31日。获奖作品将用于公益活动，募集款项用于鸟类保护。欢迎各界参与，共同守护飞翔的生命。

分布式声波传感（DAS）在井筒和储层监测中展现出巨大潜力，但数据复杂。研究通过反褶积地震干涉法分析振铃波，揭示其对温度和压力的敏感性，为低成本监测提供新思路。

中国科学院大气物理研究所的林鹏飞团队在2025 CCF全球高性能计算大会上发布了CoTCN深度学习模型，该模型结合了Transformer与CNN，显著提升了全球海表面温度的短期预报精度，尤其在涡旋活跃区误差降低了15-60%。该模型在国产DCU平台上训练，展现出优越的训练效率和预报性能。

林鹏飞研究员在2025 CCF全球高性能计算大会上介绍了其团队研发的CoTCN深度学习模型，该模型结合了Transformer与CNN，显著提高了全球海表面温度短期预报的精度。研究表明，CoTCN在复杂海域的预报误差降低了15-60%，并能在国产算力平台上高效训练，展示了其先进性和重要性。

麻省理工学院研究团队开发的FASTSOLV模型结合新数据库BigSolDB，显著提升了有机固体在不同溶剂中的溶解度预测精度与速度，推动了分子性质预测技术的发展。

莉景天气提供天气预报、温度和空气质量等基础功能。用户可在苹果和Android应用商店下载应用，查看太阳月亮轨迹，规划摄影行程。