高校专区
噪声中的信号：多义干扰转移和跨模型影响预测
机构 * Independent Scholar（独立学者） ； University of Chicago（芝加哥大学） ； UC Berkeley（伯克利大学）
AI总结 研究通过稀疏自编码器揭示语言模型中的多义性结构，并发现干预措施在不同模型间可转移，挑战了多义性仅为随机现象的观点。
Journal ref ICLR 2026
多元回归中的最小体积共形集
机构 * Sierra team, Inria Paris, France（Inria巴黎分部） ； Department of Electrical Engineering and Computer Sciences, UC Berkeley, USA（加州大学伯克利分校电子工程与计算机科学系）
AI总结 本文提出一种基于新损失函数的优化框架，用于学习最小体积覆盖集，同时保证覆盖有效性。该方法通过任意范数球定义预测集，并联合优化预测模型和不确定性，实现紧致、信息丰富且高效的预测集。
人工智能时代的社会物理学
机构 * School of Computing, Engineering and Digital Technologies, Teesside University（计算、工程与数字技术学院，泰赛大学） ； Google DeepMind（谷歌DeepMind） ； Machine Learning Group, Université Libre de Bruxelles（机器学习组，布鲁塞尔自由大学） ； AI Lab, Vrije Universiteit Brussel（人工智能实验室，布鲁塞尔自由大学） ； Center for Human-Compatible AI, UC Berkeley（人类兼容人工智能中心，伯克利大学） ； Max Planck Institute for Human Development, Center for Humans & Machines, Berlin（人类发展马克斯普朗克研究所，人类与机器中心，柏林） ； Informatics Institute, University of Amsterdam（信息学院，阿姆斯特丹大学） ； Faculty of Natural Sciences and Mathematics, University of Maribor（自然科学与数学学院，马里博大学） ； Community Healthcare Center Dr. Adolf Drolc Maribor（阿多夫·德罗尔博士社区医疗中心，马里博） ； Department of Physics, Kyung Hee University（物理系，庆熙大学） ； University College, Korea University（大学学院，韩国大学） ； University of Milan Biccoca（米兰Biccoca大学）
AI总结 本文探讨人工智能时代社会物理学的新研究方向，聚焦人类与机器的共演化，提出六个关键研究领域，包括社会行为的演化动力学、机器文化、语言与行为的共演化等。
量子化全参数微调：在低成本资源下对大语言模型的全参数微调
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 本文提出QFT框架，通过将训练状态量化为INT8格式，减少内存占用，实现低成本全参数微调。采用Lion优化器和混合特征量化器，确保训练性能，使LLaMA-7B模型在A6000 GPU上仅需<30GB内存。
Comments ICLR 2026 Workshop on Scaling Post-training for LLMs (SPOT)
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈