Sonatype Guide is a real-time guardrail system that sits between AI coding tools and the open-source ecosystem, ensuring AI-generated code uses safe, valid, and maintainable dependencies. By...

本研究提出了一种思维链跃迁桥接任务，以解决大型语言模型在数学任务中因缺失中间步骤而导致的思维跃迁问题。实验结果显示，经过微调的模型在数学推理基准上的表现提升最高可达5.87%。

本研究提出代理上下文协议（ACPs），旨在解决多代理系统在协调和通信中的不精确问题。采用ACPs的系统在网页辅助和多模态技术报告中表现优异，超越了商业AI系统。

本研究提出了一种新方法——行为约束策略梯度与负样本增强（BCPG-NSA），旨在优化大语言模型的推理能力。通过挖掘负样本中的反思和纠错信息，实验结果表明该方法在数学和编程推理基准测试中优于现有技术，提高了样本效率，并展现出良好的鲁棒性和可扩展性。

本研究开发了名为PreCare的网站，旨在解决在线提前护理计划（ACP）中个性化价值探索不足的问题。该网站提供三款AI助手，显著提升用户的知识获取和决策信心，用户满意度高达92%。

本研究提出了一种名为IKEA的自适应搜索代理，旨在提高大型语言模型的检索效率。该代理通过内部知识优先和创新的奖励函数，减少外部检索频率，从而提升准确性和推理能力。

本研究提出QUPID方法，通过结合生成小语言模型与嵌入小语言模型，提高信息检索的相关性评估准确性，并降低计算成本。实验结果表明，该方法在效率和相关性方面均有所提升。

本研究提出了一种自适应的“一般变换”（GT）框架，旨在解决缺乏数据集特性知识时选择合适离散变换的问题。GT能够根据数据集和任务学习数据驱动的映射，实验证明其在计算机视觉和自然语言处理中的表现优于传统方法。

本研究提出了WebThinker，一种新型深度研究代理，旨在解决大型推理模型在复杂知识密集型任务中的知识静态性问题。WebThinker通过动态搜索和分析网络信息，提升了模型在推理过程中的实时整合能力，从而增强了其在复杂场景中的可靠性和实用性。

本研究提出了一种自我博弈评价器(SPC)方法，旨在解决大语言模型(LLM)推理中缺乏高质量逐步监督的问题。通过对抗性自我博弈，SPC能够有效识别错误推理步骤，提高错误检测能力和准确率，显著超越现有基线，对LLM推理表现产生重要影响。

本研究提出了Saga方法，旨在从大量未标记的IMU数据中提取细粒度语义，以提高用户感知。该方法在微活动识别中表现出色，仅需少量标记数据即可实现90%以上的感知准确性，展示了其实际应用潜力。

该研究评估了多模态大语言模型（MLLM）在提示工程中的表现，比较了七种方法。结果表明，自适应策略结合示例指导与选择性结构推理显著提升了模型的鲁棒性和准确性，为人工智能应用提供了有效的提示工程建议。

本研究提出了一种结合图像数据增强和基于网格的子域搜索策略的方法，以提升跨领域少样本目标检测的模型性能，为视觉-语言模型在数据稀缺环境中的应用提供了重要见解。

本文提出了一种新框架，将组织规范融入多智能体强化学习中，显著提升了智能体行为的可解释性和可控性，并验证了预定义组织规范与训练智能体的一致性。

本研究提出了GRASP，一个定制的AI聊天机器人框架，旨在提升居民对市政预算的理解。通过结合检索增强生成(RAG)框架，GRASP在预算查询中提供了高达78%的准确率。

Based in China, Hytera Communications Corporation Limited is a global leader in providing innovative communications technologies and solutions. MySQL Enterprise Edition has enhanced both the...

本研究提出了一种新方法PALATE，基于总期望法则，旨在改善深度生成模型的评估，解决生成样本的真实度、多样性和新颖性之间的平衡问题。实验结果表明，PALATE提高了评估的效率和全面性，对评估方法的发展具有重要影响。