Specialized Anti-Corruption Prosecutor's Office
PulseAugur coverage of Specialized Anti-Corruption Prosecutor's Office — every cluster mentioning Specialized Anti-Corruption Prosecutor's Office across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
乌克兰在俄冲突期间调查泽连斯基办公室腐败问题
乌克兰国家反腐局和专门反腐检察官办公室正在调查总统弗拉基米尔·泽连斯基办公室的高级官员涉嫌参与犯罪组织一事。此次调查据称包括一名在任议员和一名已离任议员，发生在不久前被解职的国防部长在与俄罗斯的持续冲突中呼吁举行全国大选之后。随着战争进入第五个年头，此次调查对泽连斯基的领导力构成了重大挑战。
-
新的强化学习方法提升生成式推荐系统 · 跟踪到2个来源
两篇新研究论文SAPO和HCGRec介绍了改进生成式推荐系统的新型强化学习技术。这些方法通过更有效地为单个推理步骤分配信用，或在模型难以找到正确项目时提供有针对性的提示，来解决大型目录推荐中稀疏奖励的挑战。两种方法都旨在稳定训练并提高性能，SAPO侧重于步进对齐策略优化，HCGRec采用提示条件生成。
-
新研究探索用于自动提示优化的模块化和递归方法
两篇新研究论文介绍了优化大型语言模型提示的新方法。第一篇SAPO将提示分解为角色、上下文和任务等部分，从而进行有针对性的改进，以提高在各种基准测试中的性能。第二篇RLMOpt利用递归语言模型来驱动优化过程本身，从而在多个任务和基准测试中实现更高效、更有效的提示生成，其性能通常优于GEPA等现有方法。
-
新的ACPO框架增强了大型语言模型的强化学习能力
研究人员推出了一种名为自适应信用策略优化（ACPO）的新框架，旨在改进大型语言模型强化学习中的信用分配。ACPO通过不对称地调整策略更新来解决稀疏奖励的挑战，重点关注成功试验中的不确定决策和失败试验中的过度自信的token。该方法旨在在保持策略梯度方向的同时，提高在AIME 2025和HumanEvalPro等基准测试上的性能，优于DAPO、GTPO和SAPO等现有方法。
-
新方法提升LLM微调效率和鲁棒性
研究人员开发了新的方法来提高微调大型语言模型（LLM）的效率和鲁棒性。一种方法是可学习秩LoRA（LR-LoRA），它为不同层动态调整适配器的秩，在各种基准测试中表现优于固定秩方法。另一种技术是状态自适应提示优化（SAPO），它优化训练提示词以减轻灾难性遗忘并增强泛化能力。此外，一项关于仅有用模型的研究揭示了潜在问题，如涌现式失准和糟糕的可控性，并提出通过合成文档微调和以角色为中心的训练来解决这些不足。
-
DREAM-R框架提升多模态推测性推理效率
研究人员推出了一种新颖的框架DREAM-R，旨在增强大型多模态模型中的推测性推理能力。该系统利用一种称为推测性对齐策略优化（SAPO）的强化学习目标来训练草稿模型，以生成忠实且简洁的推理步骤。此外，基于阈值的验证机制（TBVM）通过优先考虑积极证据来确保推测性步骤的稳定接受，从而防止错误传播。该框架还包含一个全并行推测性推理（FPSR）组件，可并行化生成、推理和验证，从而在不牺牲准确性的情况下显著加快速度。
-
乌克兰逮捕泽连斯基助手，涉嫌1050万美元洗钱案
乌克兰已逮捕弗拉基米尔·泽连斯基总统的前高级助手安德烈·叶尔马克，指控其涉嫌洗钱。该调查涉及一笔据称总计4.6亿格里夫纳（合1050万美元）的欺诈计划。叶尔马克否认这些指控，已被乌克兰国家反腐局和专门反腐检察官办公室正式列为嫌疑人。作为乌克兰寻求加入欧盟更广泛反腐努力的一部分，他的逮捕被提保1.4亿格里夫纳。