ALL HERE INDUSTRY INSIGHTS
行业咨询
来自一手发布、开源社区与论文平台的前沿动态。
只关掉40个神经元，偏见就变了——一篇论文拆了LLM的「偏见回路」
训过模型、调过对齐、跟偏见数据打过架的人都知道，改模型行为有多重。RLHF得攒偏好数据、重新跑训练，直接微调也得上万步，改完还不一定知道到底改了哪根筋。 所以当看到这篇论文时，我愣
发布日期：
阅读全文 →LLM 当不了人类被试：六个模型模拟信念更新，全翻车了
去年开始，我注意到越来越多人用 LLM 替代人类被试做实验。发问卷太慢，招人太贵，Prolific 上一个人好几美元，而 API 调用一次几分钱。逻辑看起来也自洽：LLM 读了那么
发布日期：
阅读全文 →70% 的「现在」不表示时间：一篇 arXiv 论文给语音 AI 的提醒
做语音产品的团队应该都撞过同一堵墙——一个词，发音一模一样，放进不同上下文就完全变了意思。「现在」这个词，你以为是时间状语，但说话的人可能只是在换话题甚至暗示不想聊了。这不是语义问
发布日期：
阅读全文 →GenUI 评估新解法：用社会人格陪审团替代单一 LLM 裁判，相关性从 0.716 拉到 0.922
做生成式 UI（GenUI）的人大概都遇到过这个困境：让 LLM 评价自己生成的界面，它打分稳不稳？稳。但它真的懂不同用户怎么看这个界面吗？多半不懂。一个模型只有一个隐式视角，而真
发布日期：
阅读全文 →蒸馏大模型时最烦的问题，「老师风格不一致」终于有人给了解法
模型蒸馏里的风格陷阱 模型蒸馏有一个常见陷阱：精心挑了一个更强的模型来做 on-policy 蒸馏，结果学生的表现死活提不上去，甚至不如照着 SFT 数据直接跑一版。 问题多半出在
发布日期：
阅读全文 →西班牙语心理健康筛查：三个专用模型和一个叫 ICE 的新方法
昨天刷 arXiv 看到一篇论文，标题是 Improving Mental Health Screening and Early Risk Detection in Spanish
发布日期：
阅读全文 →LLM 会被「洗车」问题骗到吗？这篇论文揭示了常识推理中的显著性偏见
问一个语言模型：「你要走路去洗车吗？」它可能真的开始思考走路去洗车的可行性，而不是先反应过来——开车去洗车才是常识。这是今天一篇 arXiv 论文的核心发现。 上海交通大学几位研究
发布日期：
阅读全文 →把一条新闻压缩成「利好/利空」，到底浪费了多少信息
做量化的朋友应该都有过这种直觉：一条新闻丢进 sentiment 模型，出来一个 0.7 或者 -0.3，然后就没了。这个分数拿去跟股价回归一下，效果时好时坏，但总感觉浪费了很多东
发布日期：
阅读全文 →AI 写作助手的「标准化」陷阱：一篇论文问了五位语言学家
arXiv 上刚挂出一篇论文，标题很长——「生成式 AI 与学术写作中的语言多样性：来自世界英语的视角」。但它的核心追问很直接：你每天都在用的 AI 写作工具，到底是在帮你发出声音
发布日期：
阅读全文 →一篇 CS 论文给「创造力」拆了 5 层，文学的「借鉴」与「创新」终于能量了
AI 生成文本的质量评测里常见一类争论：一段输出到底是抄、是借鉴、还是创新？同一个问题在文学圈吵了一百多年——作家所谓的「灵感」到底多大程度来自对前人作品的改造，多大程度算凭空发明
发布日期：
阅读全文 →那个被群嘲的「delve」，其实是AI圈的一场语言意识形态战争
经常刷社交媒体上AI讨论的人，大概都见过这种场景：有人贴了一段AI生成的回复，评论区有人指着某个词说「AI味儿太重」。「delve」是高频挨批的词之一。 但问题在于——对第一语言不
发布日期：
阅读全文 →一张 RTX 4090、35B 参数，Frontis-MA1 在 MLE-Bench 上超过了 GPT-5.5
一张 RTX 4090，12 GB 显存，12 小时跑完一个任务——这是 Frontis-MA1（35B）在「MLE-Bench Lite」上的运行配置。同一份榜单上，它的 Med
发布日期：
阅读全文 →样本比反思更管用：一篇论文把 Self-Refine 和 Reflexion 拉平了比，结果不太好看
我注意到这篇论文的时候，是因为最近好几个人都跑过来问同一个问题：让模型自己批评自己、重新写答案，到底值不值？这篇文章直接给出了一个有点让人尴尬的回答——不值，至少在 token 预
发布日期：
阅读全文 →