large language model
PulseAugur coverage of large language model — every cluster mentioning large language model across labs, papers, and developer communities, ranked by signal.
15 天有情绪数据
-
新的编码模型使用独立成分将大脑活动与语言联系起来
研究人员开发了一个新的基于独立成分（IC）的编码框架，用于分析理解故事过程中的大脑活动。该方法将fMRI数据分解为不同的成分，从而可以根据语言输入的语言模型表示来预测神经信号。该框架成功识别了与听觉和语言处理相关的认知网络，与传统方法相比，提高了可解释性并降低了噪声。
-
New models improve LLM reasoning evaluation and control over internal states
Researchers have developed a new framework to minimize "collateral damage" in activation steering for large language models (LLMs), which aims to control model behavior without negatively impacting performance on unrela…
-
AI模型学会以不同速度分析和生成视频
研究人员开发了新的方法来理解和操纵视频中的时间流。一篇论文探讨了自监督学习在检测速度变化和估计播放速度方面的应用，从而能够创建大型慢动作数据集以及用于速度条件视频生成和时间超分辨率的模型。另一项研究分析了三十年来主题地图设计的演变，利用计算机视觉和大模型量化了多语种期刊中的地图元素、颜色和布局，发现了设计实践中的机构趋同。
-
UKP_Psycontrol 在 SemEval-2026 任务 2 中赢得文本情感动态建模比赛
来自 UKP_Psycontrol 的研究人员为 SemEval-2026 任务 2 开发了一个系统，该任务侧重于从用户生成文本中预测情感状态及其变化。他们的方法结合了大型语言模型提示、最大熵模型和神经回归模型。虽然大型语言模型在当前情感方面被证明是有效的，但该系统发现最近的情感轨迹比单独的文本内容更能预测短期变化。该团队在比赛的子任务 1 和子任务 2A 中均获得第一名。
-
macOS 自然语言框架与 Nalaprop https:// web.brid.gy/r/https://eclectic light.co/2026/04/22/the-macos-natural-language-framework-and-nalaprop/
macOS 的自然语言框架为分析多种语言的文本提供了强大的支持，使应用程序能够部署自定义机器学习模型。虽然主要的大型语言模型主要以英语训练，可能对其他语言造成不利影响，但 Apple 的框架可以促进使用更小、本地化的模型。作者讨论了他们的应用程序 Nalaprop，该应用程序利用此框架对包括词性标注和词形还原在内的多语言文本进行详细的语言学分析。
-
Together AI 推出 AutoJudge 以加快 LLM 推理速度
Together AI 的研究人员开发了 AutoJudge，这是一种加速大型语言模型推理的新颖方法。该技术可自动精选特定任务的数据集，从而无需手动注释即可实现有损推测解码。AutoJudge 可识别影响下游质量的关键标记，在标准推测解码的基础上实现了高达 2 倍的速度提升，同时准确性损失极小。