EMNLP 2026 Main | AI 群聊怎样多元化?佐治亚理工和麻省理工提出 MASCOT
EMNLP 2026 Main | AI 群聊怎样多元化?佐治亚理工和麻省理工提出 MASCOT想象一下,你向几个 AI 倾诉最近的压力。
搜索
想象一下,你向几个 AI 倾诉最近的压力。
人类说一句「我不是狼」,多模态大模型既能看到表情,也能听见声音。但它真的知道这句话是真是假吗?
AI 写文章,往往黑话连篇、充满防御性。你费尽心思才让 AI “说人话”,可一旦新开一个对话,先前调好的语言风格就如奶油般化开,熟悉的 AI 味又卷土重来了。
AI圈真是风水轮流转!
一句话概括:多答案问答要求智能体找全整个答案集合,而不是只搜到一个就停止。现有 RL 方法在此场景下存在两处错位:优势计算停留在轨迹级,信用分配粗糙;F1 奖励对头部与长尾实体一视同仁,智能体缺乏探索长尾的动力。
清华大学THUNLP实验室联合面壁智能、OpenBMB等团队开源智能体操作系统PilotDeck 2.0,支持记忆可查可改、后台长任务与智能路由,并在复杂任务测试中将成本降低约83%。
视觉语言模型已经进入办公助手、内容审核、机器人和智能终端等场景。
大语言模型的生成过程天然具有自回归特性,即模型基于已有上下文逐 token 预测并生成后续内容。随着模型规模不断增大,单步前向计算的开销也随之增加,使得自回归解码面临较高的推理延迟。
只要和一个人聊得足够久,大模型就能成为他的「数字分身」吗?
在与用户的实时对话中,AI能否及时感知情绪?模型给出的“高置信度”结论,又是否经得起推敲?