ASK-NN
arXiv 上发布了一篇名为《ASK-NN: An Asymmetric Nearest-Neighbor Test that detects Distribution Drifts in Natural Language》的论文。该研究由 Sergey Zakharov 等人提出，旨在解决自然语言处理中数据分布漂移的检测问题。ASK-NN 是一种非对称最近邻测试方法，能够有效识别训练数据和测试数据之间的分布变化，对于保证模型在实际应用中的鲁棒性具有重要意义。论文目前以 PDF 和 HTML 形式在 arXiv 上开放获取，并提供了代码链接等资源。 #arXiv #论文 #自然语言处理 #分布漂移 #非对称最近邻 #机器学习 #AI #学术研究
arXiv 上发布了一篇名为《ASK-NN: An Asymmetric Nearest-Neighbor Test that detects Distribution Drifts in Natural Language》的论文。该研究由 Sergey Zakharov 等人提出，旨在解决自然语言处理中数据分布漂移的检测问题。ASK-NN 是一种非对称最近邻测试方法，能够有效识别训练数据和测试数据之间的分布变化，对于保证模型在实际应用中的鲁棒性具有重要意义。论文目前以 PDF 和 HTML 形式在 arXiv 上开放获取，并提供了代码链接等资源。 #arXiv #论文 #自然语言处理 #分布漂移 #非对称最近邻 #机器学习 #AI #学术研究
主动请求住院床位
一篇题为《Proactive Inpatient Bed Requests for Emergency Department Admissions》的学术论文近日在arXiv上发表。研究针对急诊科患者入院时床位资源紧张的问题，提出了一种主动请求住院床位的策略，旨在通过提前预测和协调，缩短患者等待时间、提高急诊流转效率。论文作者包括QIan Cheng等人，具体方法涉及利用历史数据与实时信息进行预测性床位分配。该研究为医疗资源管理提供了新的数据驱动视角，有望在降低急诊拥堵、改善患者体验方面发挥作用。 #急诊 #住院床位 #医疗管理 #预测模型 #人工智能 #资源优化 #arXiv #论文 #医疗改革
一篇题为《Proactive Inpatient Bed Requests for Emergency Department Admissions》的学术论文近日在arXiv上发表。研究针对急诊科患者入院时床位资源紧张的问题，提出了一种主动请求住院床位的策略，旨在通过提前预测和协调，缩短患者等待时间、提高急诊流转效率。论文作者包括QIan Cheng等人，具体方法涉及利用历史数据与实时信息进行预测性床位分配。该研究为医疗资源管理提供了新的数据驱动视角，有望在降低急诊拥堵、改善患者体验方面发挥作用。 #急诊 #住院床位 #医疗管理 #预测模型 #人工智能 #资源优化 #arXiv #论文 #医疗改革
Deep and Probabilistic Models for Gene Regulatory Network Inference
一篇题为《Deep and Probabilistic Models for Gene Regulatory Network Inference》的学术论文于2026年7月17日提交至arXiv预印本平台。该论文由Claudia Skok Gibbs撰写，主要探讨利用深度学习和概率模型对基因调控网络进行推断的方法。基因调控网络是理解细胞功能和疾病机制的关键，传统推断方法在数据规模和噪声方面面临挑战。本文提出的模型结合了深度学习的表达能力和概率模型的因果推断优势，有望提升网络结构的准确性和鲁棒性。该研究为计算生物学和生物信息学领域提供了新的工具，未来可能助力精准医学和药物靶点发现。目前论文以PDF和HTML形式开放获取。 #基因调控网络 #深度学习 #概率模型 #生物信息学 #计算生物学 #arXiv #学术论文
一篇题为《Deep and Probabilistic Models for Gene Regulatory Network Inference》的学术论文于2026年7月17日提交至arXiv预印本平台。该论文由Claudia Skok Gibbs撰写，主要探讨利用深度学习和概率模型对基因调控网络进行推断的方法。基因调控网络是理解细胞功能和疾病机制的关键，传统推断方法在数据规模和噪声方面面临挑战。本文提出的模型结合了深度学习的表达能力和概率模型的因果推断优势，有望提升网络结构的准确性和鲁棒性。该研究为计算生物学和生物信息学领域提供了新的工具，未来可能助力精准医学和药物靶点发现。目前论文以PDF和HTML形式开放获取。 #基因调控网络 #深度学习 #概率模型 #生物信息学 #计算生物学 #arXiv #学术论文
问两次，看两次：提示回响解决视觉语言模型中的问题优先悖论
一篇提交至arXiv的论文提出“提示回响”（Prompt Echoing）方法，旨在解决视觉语言模型（VLM）中存在的“问题优先悖论”。该悖论是指模型在接收问题后再查看图像时，推理表现出现异常。作者通过让模型“问两次、看两次”的策略，即重复提问并重新观察图像，有效改善了模型在多模态任务中的对齐与理解能力。该研究由Rakshanda Hassan Abhinandan等三位作者完成，论文全文已在arXiv上开放预览，并附带HTML、TeX源码及引用工具。这项工作为提升视觉语言模型的推理一致性和鲁棒性提供了新思路，可能对未来的多模态AI系统设计产生重要影响。 #视觉语言模型 #提示回响 #问题优先悖论 #多模态 #AI #arXiv #论文
一篇提交至arXiv的论文提出“提示回响”（Prompt Echoing）方法，旨在解决视觉语言模型（VLM）中存在的“问题优先悖论”。该悖论是指模型在接收问题后再查看图像时，推理表现出现异常。作者通过让模型“问两次、看两次”的策略，即重复提问并重新观察图像，有效改善了模型在多模态任务中的对齐与理解能力。该研究由Rakshanda Hassan Abhinandan等三位作者完成，论文全文已在arXiv上开放预览，并附带HTML、TeX源码及引用工具。这项工作为提升视觉语言模型的推理一致性和鲁棒性提供了新思路，可能对未来的多模态AI系统设计产生重要影响。 #视觉语言模型 #提示回响 #问题优先悖论 #多模态 #AI #arXiv #论文
进化算法引导大语言模型设计物理信息神经网络
一篇发表在arXiv上的研究提出了一种新方法，利用进化算法引导大语言模型（LLMs）自动设计物理信息神经网络（PINNs）。该方法针对传统PINN设计依赖人工经验、效率低下等问题，通过进化算法优化网络结构，结合LLM的生成能力，实现自动化、高效的神经网络架构搜索。研究团队表示，该方法在多个物理方程驱动的科学计算任务中表现出色，显著提升了模型的预测精度和泛化能力。该工作为科学计算与人工智能的交叉融合提供了新思路，有望降低物理驱动深度学习模型的设计门槛，加速在流体力学、材料科学等领域的应用进展。目前论文已开放预印本，相关代码和实验细节有待后续公开。 #进化算法 #大语言模型 #物理信息神经网络 #PINN #科学计算 #深度学习 #AI #机器学习 #arXiv
一篇发表在arXiv上的研究提出了一种新方法，利用进化算法引导大语言模型（LLMs）自动设计物理信息神经网络（PINNs）。该方法针对传统PINN设计依赖人工经验、效率低下等问题，通过进化算法优化网络结构，结合LLM的生成能力，实现自动化、高效的神经网络架构搜索。研究团队表示，该方法在多个物理方程驱动的科学计算任务中表现出色，显著提升了模型的预测精度和泛化能力。该工作为科学计算与人工智能的交叉融合提供了新思路，有望降低物理驱动深度学习模型的设计门槛，加速在流体力学、材料科学等领域的应用进展。目前论文已开放预印本，相关代码和实验细节有待后续公开。 #进化算法 #大语言模型 #物理信息神经网络 #PINN #科学计算 #深度学习 #AI #机器学习 #arXiv
PLA框架：从可行到可取，个性化设备端行程生成新方法
一项最新研究提出了名为“PLA”（Plan, Learn, Adapt）的个性化设备端行程生成框架。该框架旨在将行程规划从单纯追求可行性转向满足用户偏好与体验的可取性。PLA通过“规划-学习-适应”三阶段迭代，在设备端实时优化行程建议，无需依赖云端算力，兼顾隐私与效率。研究团队指出，传统方法偏重路线可行性，忽略了用户动态需求与场景变化，而PLA能够持续学习用户行为并自适应调整，从而提供更贴合的个性化方案。该成果已以论文形式在arXiv预印本平台公开，为移动智能与边缘计算领域提供了新思路。 #AI #机器学习 #个性化推荐 #行程规划 #边缘计算 #隐私保护 #学术论文 #PLA框架
一项最新研究提出了名为“PLA”（Plan, Learn, Adapt）的个性化设备端行程生成框架。该框架旨在将行程规划从单纯追求可行性转向满足用户偏好与体验的可取性。PLA通过“规划-学习-适应”三阶段迭代，在设备端实时优化行程建议，无需依赖云端算力，兼顾隐私与效率。研究团队指出，传统方法偏重路线可行性，忽略了用户动态需求与场景变化，而PLA能够持续学习用户行为并自适应调整，从而提供更贴合的个性化方案。该成果已以论文形式在arXiv预印本平台公开，为移动智能与边缘计算领域提供了新思路。 #AI #机器学习 #个性化推荐 #行程规划 #边缘计算 #隐私保护 #学术论文 #PLA框架
CoWeaver: 面向人机混合科学协作的双向可学习可解释匹配引擎
arXiv上发表了题为《CoWeaver: A Bi-directional, Learnable and Explainable Matching Engine for Mixed Human-Agent Science Collaboration》的论文。该研究由Jiayao Gu等八位作者共同完成，提出了一种名为CoWeaver的新型匹配引擎，旨在解决人机混合科学协作中的高效匹配问题。CoWeaver具备双向、可学习和可解释的特性，能够动态协调人类科学家与AI代理之间的任务分配与协作流程，提升科研协作的灵活性与透明度。论文详细介绍了引擎的设计原理、学习机制以及在实际科学协作场景中的验证结果。该工作为未来人机协同科研提供了新的技术路径，目前已可在arXiv上获取全文。 #人机协作 #科学协作 #匹配引擎 #AI #论文 #arXiv #可解释AI
arXiv上发表了题为《CoWeaver: A Bi-directional, Learnable and Explainable Matching Engine for Mixed Human-Agent Science Collaboration》的论文。该研究由Jiayao Gu等八位作者共同完成，提出了一种名为CoWeaver的新型匹配引擎，旨在解决人机混合科学协作中的高效匹配问题。CoWeaver具备双向、可学习和可解释的特性，能够动态协调人类科学家与AI代理之间的任务分配与协作流程，提升科研协作的灵活性与透明度。论文详细介绍了引擎的设计原理、学习机制以及在实际科学协作场景中的验证结果。该工作为未来人机协同科研提供了新的技术路径，目前已可在arXiv上获取全文。 #人机协作 #科学协作 #匹配引擎 #AI #论文 #arXiv #可解释AI
科尔莫戈罗夫
近期，一篇题为《Kolmogorov–Arnold Networks for Small Language Models》的学术论文在arXiv上提交。该研究由Felippe Alves等人完成，探讨将科尔莫戈罗夫-阿诺德网络（KAN）应用于小型语言模型（SLM）的可能性。KAN作为一种新型神经网络架构，通过引入可学习激活函数替代传统线性权重，在参数效率和可解释性方面展现出潜力。论文可能提出针对小型语言模型的改进方案，旨在提升其在资源受限场景下的性能。研究尚属预印本阶段，具体技术细节和实验效果有待进一步验证。 #AI #小语言模型 #科尔莫戈罗夫阿诺德网络 #机器学习 #论文 #arXiv #神经网络
近期，一篇题为《Kolmogorov–Arnold Networks for Small Language Models》的学术论文在arXiv上提交。该研究由Felippe Alves等人完成，探讨将科尔莫戈罗夫-阿诺德网络（KAN）应用于小型语言模型（SLM）的可能性。KAN作为一种新型神经网络架构，通过引入可学习激活函数替代传统线性权重，在参数效率和可解释性方面展现出潜力。论文可能提出针对小型语言模型的改进方案，旨在提升其在资源受限场景下的性能。研究尚属预印本阶段，具体技术细节和实验效果有待进一步验证。 #AI #小语言模型 #科尔莫戈罗夫阿诺德网络 #机器学习 #论文 #arXiv #神经网络
递归式自我改进
近日，一篇题为《Recursive Harness Self-Improvement》的论文在预印本平台arXiv上正式提交。该论文由Hyunin Lee与五位合作者共同撰写，提交时间为2026年7月17日。论文题目直译为“递归驾驭自我改进”，暗示了一种通过递归机制实现系统自主优化的方法。在人工智能领域，递归自我改进是赋予智能体持续提升自身能力的关键技术，往往涉及模型迭代、策略更新和元学习等复杂过程。虽然该论文的详细摘要尚未公开，但标题已点明其核心方向——探索如何利用递归结构有效引导和改进自学习系统。相关研究对推动自动化机器学习、强化学习以及通用人工智能的发展具有潜在重要意义。该论文目前已在arXiv上开放查看，供学术界进一步探讨。 #递归自我改进 #AI #机器学习 #arXiv #论文 #自主优化 #元学习 #人工智能
近日，一篇题为《Recursive Harness Self-Improvement》的论文在预印本平台arXiv上正式提交。该论文由Hyunin Lee与五位合作者共同撰写，提交时间为2026年7月17日。论文题目直译为“递归驾驭自我改进”，暗示了一种通过递归机制实现系统自主优化的方法。在人工智能领域，递归自我改进是赋予智能体持续提升自身能力的关键技术，往往涉及模型迭代、策略更新和元学习等复杂过程。虽然该论文的详细摘要尚未公开，但标题已点明其核心方向——探索如何利用递归结构有效引导和改进自学习系统。相关研究对推动自动化机器学习、强化学习以及通用人工智能的发展具有潜在重要意义。该论文目前已在arXiv上开放查看，供学术界进一步探讨。 #递归自我改进 #AI #机器学习 #arXiv #论文 #自主优化 #元学习 #人工智能
SLAPBench 发布
近日，一项名为 SLAPBench 的研究在 arXiv 预印本平台公开。该工作由 Bibesh Pyakurel 等人提出，旨在系统评估多模态大语言模型在四指指纹验证任务上的表现。研究构建了专门的基准测试框架，涵盖四指 SLAP 指纹图像的识别与验证能力测试。尽管当前大模型在图像理解领域进展迅速，但在指纹这种高精度生物特征识别任务上仍缺乏统一评价标准。SLAPBench 的发布填补了这一空白，为未来将大模型应用于安全身份认证提供了重要的评估工具和参考基线。 #多模态大模型 #指纹验证 #SLAPBench #生物识别 #arXiv #AI安全 #基准测试 #计算机视觉
近日，一项名为 SLAPBench 的研究在 arXiv 预印本平台公开。该工作由 Bibesh Pyakurel 等人提出，旨在系统评估多模态大语言模型在四指指纹验证任务上的表现。研究构建了专门的基准测试框架，涵盖四指 SLAP 指纹图像的识别与验证能力测试。尽管当前大模型在图像理解领域进展迅速，但在指纹这种高精度生物特征识别任务上仍缺乏统一评价标准。SLAPBench 的发布填补了这一空白，为未来将大模型应用于安全身份认证提供了重要的评估工具和参考基线。 #多模态大模型 #指纹验证 #SLAPBench #生物识别 #arXiv #AI安全 #基准测试 #计算机视觉
缓存感知的提示压缩
一篇来自arXiv的预印本论文提出了一种缓存感知的提示压缩方法，为大型语言模型API缓存设计了两级成本模型。该研究由Yan Song等人完成，旨在优化LLM API调用过程中的成本与效率。传统提示压缩往往忽略缓存机制，而该方法通过分析缓存命中与未命中情况下的计算与带宽成本，在压缩率与缓存利用率之间寻求平衡。论文详细介绍了两级成本模型：第一级关注单次API调用的压缩收益，第二级则从长期缓存角度评估压缩策略对整体成本的影响。实验结果显示，该模型能有效降低API调用总成本，同时保持任务质量。该研究为LLM服务部署提供了新的优化思路，尤其适用于高频调用场景。 #LLM #AI #缓存 #提示压缩 #成本优化 #论文 #arXiv #大模型
一篇来自arXiv的预印本论文提出了一种缓存感知的提示压缩方法，为大型语言模型API缓存设计了两级成本模型。该研究由Yan Song等人完成，旨在优化LLM API调用过程中的成本与效率。传统提示压缩往往忽略缓存机制，而该方法通过分析缓存命中与未命中情况下的计算与带宽成本，在压缩率与缓存利用率之间寻求平衡。论文详细介绍了两级成本模型：第一级关注单次API调用的压缩收益，第二级则从长期缓存角度评估压缩策略对整体成本的影响。实验结果显示，该模型能有效降低API调用总成本，同时保持任务质量。该研究为LLM服务部署提供了新的优化思路，尤其适用于高频调用场景。 #LLM #AI #缓存 #提示压缩 #成本优化 #论文 #arXiv #大模型