arXiv ·
From Copying to Composition: How Language Models Develop In-Context Learning
arXiv 的公开论文，完整内容可在来源页面查看。
首页 / 浏览
模型与研究
阅读模型、论文与评测，核对研究方法、比较基线与适用边界。
802 条公开内容
arXiv ·
DecisionRobust: Benchmarking Robustness for JEV Style Decision Models Across Text and Vision
arXiv 的公开论文，完整内容可在来源页面查看。
arXiv ·
CAFE: Confining Feature Distillation to Language-Routed Adapters for Compact Multilingual Automatic Speech Recognition
arXiv 的公开论文，完整内容可在来源页面查看。
arXiv ·
From Qualitative Text to Integrated Evidence: The Parallel-Then-Integrated (PTI) Procedure
arXiv 的公开论文，完整内容可在来源页面查看。
arXiv ·
Fantastic Metrics and How to Find Them: Meta-Evaluating Metrics for Multi-lingual Style-Personalized Generation
arXiv 的公开论文，完整内容可在来源页面查看。
arXiv ·
HERO: Harnessing Evidence for Test-time Refinement and Prompt Optimization in Program Generation
arXiv 的公开论文，完整内容可在来源页面查看。
arXiv ·
How to Evaluate When You Don't Know How to Evaluate? Choosing Reliable Setups for Base Language Model Benchmarking
arXiv 的公开论文，完整内容可在来源页面查看。
arXiv ·
NEPSEE: A Double-Annotated Benchmark for Nepali Sentiment Analysis
arXiv 的公开论文，完整内容可在来源页面查看。
arXiv ·
Weighted Ensemble Sampling for Rare-Event Estimation in Language Models
arXiv 的公开论文，完整内容可在来源页面查看。
arXiv ·
DUALVIEW: Leveraging Broad and Output-Specific Evidence for LLM-based Multi-Output Text Regression
arXiv 的公开论文，完整内容可在来源页面查看。
arXiv ·
Titan-Llama: Retrofitting Pre-trained LLMs with External Neural Memory Modules
arXiv 的公开论文，完整内容可在来源页面查看。
arXiv ·
Do Syntax Heads Influence Model Behavior?
arXiv 的公开论文，完整内容可在来源页面查看。
arXiv ·
Copy-Paste Language Models
arXiv 的公开论文，完整内容可在来源页面查看。
arXiv ·
Whose Data, Whose Benchmark? A User-Centric Framework for Auditing Evaluation Resources
arXiv 的公开论文，完整内容可在来源页面查看。
arXiv ·
Can LLM Agents Efficiently Identify Appliance Faults? Insights From Diagnosing a Simulated Appliance
arXiv 的公开论文，完整内容可在来源页面查看。
arXiv ·
Qwenfant: Train Big Character-level BabyLMs on Concise Parallel Text
arXiv 的公开论文，完整内容可在来源页面查看。
arXiv ·
PersEvalBench: Can LLM Evaluators Judge Contextually Appropriate Use of Persona Information?
arXiv 的公开论文，完整内容可在来源页面查看。
arXiv ·
TopicMerge: A Divide and Conquer Approach to Topic Modeling
arXiv 的公开论文，完整内容可在来源页面查看。
arXiv ·
LLM-jp-4 Technical Report
arXiv 的公开论文，完整内容可在来源页面查看。
arXiv ·
Target-Token Asymmetry Can Masquerade As Depth Specialization
arXiv 的公开论文，完整内容可在来源页面查看。
arXiv ·
Tail Competition Explains Scaling in Best-of-N Sampling for Verifiable Problems
arXiv 的公开论文，完整内容可在来源页面查看。
arXiv ·
Beyond Corrected Actions: Training LLM Agents on Textual Critiques
arXiv 的公开论文，完整内容可在来源页面查看。
arXiv ·
Evaluating Compressed Memory: Dependence, Utility, and Content Benefit
arXiv 的公开论文，完整内容可在来源页面查看。
Hacker News ·
Step 5 Preview: StepFun's flagship model for agentic work
Hacker News 最近记录 2 票、0 条评论，观测日期为 2026年10月15日（UTC）。
Hugging Face ·
Welcome Muse Spark Open: open-weight frontier multimodal mixture-of-experts model from Meta
Hugging Face 的公开文章，完整内容可在来源页面查看。
Hacker News ·
Assessing AI agents at autonomous theoretical physics problem solving
Hacker News 最近记录 4 票、0 条评论，观测日期为 2026年10月15日（UTC）。
量子位 ·
STEPX首款大模型原生智能体手机STEPX Neo正式发布
量子位 的公开文章，完整内容可在来源页面查看。
Google ·
Gemini 4 Argon: Built to solve your hardest problems
We’re giving developers, enterprises, scientists, and consumers access to Gemini 4 Argon, our latest frontier model.
Hacker News ·
OpenStocks, a public earnings forecasting benchmark for AI agents
Hacker News 最近记录 1 票、0 条评论，观测日期为 2026年10月12日（UTC）。
arXiv ·
AutoIndexer: Flexible-Order Decoding by Training Causal Models on Chains of Edits
arXiv 的公开论文，完整内容可在来源页面查看。