复旦大学与美团LongCat联合推出 R-HORIZON——首个系统性评估与增强 LRMs 长链推理能力的评测框架与训练方法。核心创新：R-HORIZON 提出了问题组合（Query Composition）方法，通过构建问题间的依赖关系，将孤立任务转化为复杂的多步骤推理链。

广泛使用的npm包expr-eval发现严重安全漏洞（CVE-2025-12735），可能导致远程代码执行。攻击者可通过恶意输入执行系统命令，影响AI和NLP应用。开发者应立即升级至expr-eval-fork 3.0.0版本以修复该漏洞。

Langfuse 作为一个开源 LLM 工程平台，提供了强大的 Tracing（追踪） 功能，使开发者能够详细监控 LLM 的调用路径、输入输出、响应时间和成本等关键指标。从上图中，我们可以看到该LLM的调用路径为main() -> story() ->...

本研究针对自然语言处理(NLP)模型的可解释性问题，提出EvalxNLP框架，以评估各种最新特征归因方法。该框架集成了多种可解释性技术，并提供互动的文本解释，以提高用户对生成说明和评估结果的理解，结果显示用户满意度高，表明该框架在可解释性工具的推广和比较方面具有重要潜力。

自然语言处理（NLP）是人工智能的一个重要分支，旨在理解书面和口头语言，广泛应用于文本分析、语音处理、机器翻译和指令解析。Microsoft的Azure AI提供多种NLP解决方案，支持智能客服和语音助手等场景。

本研究探讨了自然语言处理安全中的伦理问题，分析了模型的脆弱性及其防范措施，指出在伤害最小化和负责任披露等主题上存在空白，并提出提升研究者伦理意识的建议。

MCP（模型上下文接入协议）和NLP（自然语言处理）改变了计算机与用户的交互方式，从传统的图形界面转向自然语言沟通。MCP有效连接自然语言交互与现有系统，简化了AI应用的接入过程。尽管NLP和NLU仍有不足，但未来有望不断改进。

Today we’re going to get started for today so I hope everyone had a great spring break and the weather here is a lot warmer.

本研究通过利用大型语言模型生成对比集，解决了标准NLP基准的脆弱性问题，提升了模型在系统扰动示例上的表现，同时保持了标准测试的准确性。

[Stanford CS224N: NLP with Deep Learning Spring 2024 Lecture 15 - After DPO by Nathan Lambert](https://www.youtube.com/watch?v=dnF463_Ar9I)

本研究解决了现有科学文献中的外部知识结构仅关注论文实体或领域概念，而忽视了通过共享领域概念建立的内在联系的问题。我们提出了一种新颖的知识图谱框架NLP-AKG，通过构建学术论文间的关系网络，利用少样本构建方法，从ACL文集中提取了620,353个实体和2,271,584个关系。我们的“子图社区摘要”方法经过验证，展示了在NLP领域文献问答中的有效性。