LLMs Continue to Evolve. So Should Your Skill Set.
本周，我们重点介绍了围绕大型语言模型的新兴主题和技术的三篇文章。LLMS继续发展。您的技能也应该如此。首先出现在数据科学上。
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。
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。
Freshfields Offers LL.M in LLMs For New Lawyers
全球律师事务所Freshfields将为其新的初级律师提供授课的机会，以如何增强技术和AI的增强...
LLMs factor in unrelated information when recommending medical treatments
研究人员在患者信息中发现非临床信息（例如错别字，额外的空白空间和多彩语言）降低了AI模型的准确性。
LLMs delve into online debates to create a detailed map of human beliefs
大型语言模型（LLM），例如基于著名的对话平台Chatgpt的功能的模型，已被证明是对总结和生成书面文本非常有希望的。但是，它们也可能是进行植根于心理学，行为科学和其他科学学科的研究的有趣工具。
LLMs + Pandas: How I Use Generative AI to Generate Pandas DataFrame Summaries
本地大语言模型可以将大量的数据范围转换为可呈现的标记报告 - 这是LLMS + PANDAS的方法：我如何使用生成AI生成PANDAS DataFrame Summaries首先出现在数据科学上。
Host concurrent LLMs with LoRAX
在这篇文章中，我们探讨了如何使用低排名适应性（LORA）有效地解决这些挑战。具体而言，我们讨论了使用Lora交换（Lorax）（Lorax）和Amazon Elastic Compute Cloud（Amazon EC2）GPU实例的讨论，允许组织有效地管理和服务不断增长的精细模型，优化成本，优化成本，并为客户提供无缝绩效。
Training LLMs to self-detoxify their language
MIT-IBM WATSON AI实验室的一种新方法可帮助大型语言模型转向他们对更安全，更符合价值的输出的反应。
LLMs Are Not Reasoning—They’re Just Really Good at Planning
大型语言模型（LLMS），例如OpenAI的O3，Google的Gemini 2.0和DeepSeek的R1，在解决复杂问题，产生类似人类的文本甚至精确编写代码方面表现出了很大的进步。这些先进的LLM通常被称为“推理模型”，因为它们可以分析和解决复杂问题的非凡能力。但是，这些模型实际上是理由的，[…] LLMS并不是推理 - 他们真的很擅长于unite.ai首先出现。
Can External Validation Tools Can Improve Annotation Quality for LLM-as-a-Judge
对模型响应的成对偏好被广泛收集，以评估和提供大型语言模型（LLMS）的反馈。给定两个对同一输入的替代模型响应，人类或AI注释者选择``更好''响应。这样的数据可以在很难获得传统硬编码指标的域中提供反馈信号（例如，聊天互动的质量），从而帮助衡量模型进度或模型微调（例如，通过从人类反馈中的增强型RLHF学习，RLHF）。但是，对于某些域而言，在…
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……
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…
