On the Way to LLM Personalization: Learning to Remember User Conversations
在大型语言模型记忆的研讨会上接受了本文（L2M2）2025.LARGE语言模型（LLMS）已迅速成为各种任务的宝贵助手。但是，它们的有效性受到他们通过个性化对人类偏好和行为量身定制反应的能力的限制。 LLM个性化的先前工作主要集中在样式转移或对用户的小概况融合，因为知识注入仍然是一个开放的挑战。在本文中，我们探索将先前对话的知识注入LLM，以使未来的工作……
When LLMs Try to Reason: Experiments in Text and Vision-Based Abstraction
大型语言模型可以学会从几个示例中抽象地推理？在本文中，我通过在抽象网格转换任务上测试基于文本的（O3-MINI）和具有图像能力的模型（GPT-4.1）模型来探讨这个问题。这些实验揭示了当前模型依赖于模式匹配，程序启发式和象征性快捷方式而不是强大的概括的程度。即使有多模式输入，推理也经常在微妙的抽象面前分解。结果为使用LLM的当前功能和局限性提供了一个窗口。当LLMS尝试推理的帖子：基于文本和视觉的抽象中的实验首先出现在数据科学方面。
跨语言对齐表示形式是多语言大语言模型（MLLMS）中所需的属性，因为对齐可以提高跨语性任务的性能。通常，对齐需要微调模型，该模型在计算上昂贵且相当大的语言数据，通常可能无法使用。微调替代品是模型干预措施 - 一种操纵模型激活以将生成转向所需方向的方法。我们分析了流行干预措施（寻找专家）对…
How To Significantly Enhance LLMs by Leveraging Context Engineering
llms的上下文工程的好处和实践方面帖子如何通过利用上下文工程来显着增强LLM，首先出现在数据科学上。
A major AI training data set contains millions of examples of personal data
新的研究发现，可能包含数百万张护照，信用卡，出生证明和包含个人身份信息的文件的图像。在DataComp Commonpool的一小部分中发现了数千个图像 - 包括可识别的面孔，这是一个主要的AI训练集，用于图像生成，从…刮擦 麻省理工学院技术评论的系列方式可帮助您完成工作。西蒙·威利森（Simon Willison）有一个世界末日的计划。这是一个USB棍子，他在它上装了几个他最喜欢的开放式LLMS-由其创作者公开共享的模型，原则上可以下载和运行…
How to run an LLM on your laptop
可能包含数百万张护照，信用卡，出生证明和包含个人身份信息的文件的图像。在DataComp Commonpool的一小部分中发现了数千个图像 - 包括可识别的面孔，这是一个主要的AI训练集，用于图像生成，从…麻省理工学院技术评论的系列方式可帮助您完成工作。西蒙·威利森（Simon Willison）有一个世界末日的计划。这是一个USB棍子，他在它上装了几个他最喜欢的开放式LLMS-由其创作者公开共享的模型，原则上可以下载和运行…
Topic Model Labelling with LLMs
使用GPT4-O-MINI的尖端主题模型可再现标签的Python教程。具有LLMS的邮政主题模型标签首先是朝向数据科学的。
Self-reflective Uncertainties: Do LLMs Know Their Internal Answer Distribution?
本文在ICML 2025的可靠和负责任的基础模型（RRFMS）研讨会上接受了本文。不确定量化在将大语言模型（LLMS）带到最终用户时起着关键作用。它的主要目标是LLM应该指出何时不确定其给出答案。尽管过去已经以数值确定性得分来揭示，但我们建议使用LLM的丰富输出空间，LLM的所有可能字符串的空间，以提供描述不确定性的字符串。特别是，我们寻求一个描述LLM答案分布的字符串……
QuantSpec: Self-Speculative Decoding with Hierarchical Quantized KV Cache
大型语言模型（LLMS）越来越多地被部署在边缘设备上，以进行长篇文章设置，从而越来越需要快速有效的长篇小说推断。在这些情况下，就GPU内存和延迟而言，键值（KV）缓存是主要的瓶颈，因为必须为每个解码步骤加载完整的KV缓存。虽然投机解码是一种广泛接受的技术来加速自回归解码，但由于KV缓存优化策略效率低下，现有方法通常难以实现大幅加速，并导致较低的接受率。到…
Adoption of generative AI will have different effects across jobs in the U.S. logistics workforce
概述生成的人工智能有望深刻地重塑劳动力市场，就像以前的自动化浪潮一样，但存在明显的差异。与早期的技术（例如计算机化）不同，这些技术主要是自动化的常规管理任务或机器人技术，它影响了制造环境中的手动任务，生成的AI针对认知任务。以市售的大语言模型或LLMS为例，[…]在美国物流员工中，生成型AI的采用将对公平增长产生不同的影响。
CommVQ: Commutative Vector Quantization for KV Cache Compression
大语言模型（LLMS）越来越多地用于需要长上下文长度的应用中，但是随着连接长度的增长，键值（KV）缓存通常会成为GPU上的内存瓶颈。为了解决这个问题，我们提出了交换矢量量化（COMMVQ），以显着减少长篇小说LLM推理的内存使用情况。首先，我们通过引入轻量级编码器和代码本来压缩KV缓存来利用加法量化，然后可以用简单的矩阵乘法来解码。其次，要解决解码过程中的高计算成本，我们设计了…
Chasing Shadows: Elon Musk’s Quest for Truth and the Limits of Large Language Models
埃隆·马斯克（Elon Musk）雄心勃勃，Xai的大型语言模式，一个无所不能的真理的灯塔是西西弗（Sisyphean）的任务，是贵族（是吗？），但最终是徒劳的。通过AI追求绝对真理就像在柏拉图的洞穴中追逐阴影：这是一个诱人的目标，但是它们所反映的工具和人类状况固有地不适合它。像Grok这样的大型语言模型（LLMS）并非构成辨别真相。它们的建造是为了反映他们经过训练的庞大而杂乱无章的人物。作为人类，我们并不是特别擅长的真理，因此，我们也没有培训过LLM的许多材料。我们不应该为无法实现的理想而努力，而是应该接受LLM的含义：研究，创造力和结构化知识策划的强大工具，能够指导我们朝着更清晰的理解框架
今天，我们很高兴地宣布，Qwen3是QWEN家族中最新一代的大型语言模型（LLMS），可通过亚马逊基岩市场和Amazon Sagemaker Jumpstart获得。通过此启动，您可以在0.6B，4B，8B和32B参数尺寸中部署QWEN3模型，以构建，实验和负责任地扩展您的生成AI应用程序。在这篇文章中，我们演示了如何在Amazon Bedrock Marketplace和Sagemaker Jumpstart上使用Qwen3开始。
The Geometries of Truth Are Orthogonal Across Tasks
本文在ICML 2025.LARGE语言模型（LLMS）的有关可靠和负责任的基础模型的研讨会上介绍了各种任务的令人印象深刻的概括能力，但是他们对实际相关性的主张仍然存在于其可靠性的担忧。最近的工作提出了研究LLM在推理时间上产生的激活，以评估其对问题的答案是否正确。一些作品声称可以从示例中学到“真理的几何”，从某种意义上说，可以区分产生正确答案的激活……
Massive study detects AI fingerprints in millions of scientific papers
的机会是，您在不知不觉中遇到了通过某种版本的大型语言模型（LLM）创建的引人注目的在线内容。随着这些AI资源（如Chatgpt和Google Gemini）变得更加精通近乎人类的质量写作，因此将纯粹的人写作与LLMS修改或完全产生的内容区分开来变得更加困难。
AI Chatbots might be helping to write more than 1 in 10 biomedical research papers
CHATGPT和其他基于AI的大型语言模型（LLMS）可能会帮助撰写十分之一以上的生物医学研究论文。研究团队研究了2010年至2024年生物医学研究论文摘要中使用的语言，并发现LLM出现后，某些单词的频率，例如“ delves”，“ showcasing”，“ showcasing”和“下沉”，增加了。由此，团队估计，2024年发表的摘要中有13.5％可能涉及LLM处理。他们还发现，LLM对科学写作变化的影响大于大流行的影响。
Sanborn，2025doi：doi.org/10.11646/megataxa.17.1.2摘要物种Chremistica doiluangensis sp。 11月，Chremistica Kalanessis sp。 11月，poamonia bimaculosalaria sp。 11月，Aetanna Lannnsis sp。十一月，越南欧雷斯比亚Sp。 11月，Metapurana Phuruensis sp。 11月，Minnepomponia dointhanonensis sp。 11月，Megaponia isnensis sp。 11月，Meiimuna chiangm
End-to-End model training and deployment with Amazon SageMaker Unified Studio
In this post, we guide you through the stages of customizing large language models (LLMs) with SageMaker Unified Studio and SageMaker AI, covering the end-to-end process starting from data discovery to fine-tuning FMs with SageMaker AI distributed training, tracking metrics using MLflow, and then de
