01:30Google Research: Blog（资讯）
精选
推荐理由：Google用PaLM 2发现，模型不靠堆算力背答案，而是靠推理串起脑袋里分散的知识点。比直接猜准多了。
全部 AI 动态
AI 相关资讯全量信息流
6月25日
01:30
Google Research提出'Thinking to Recall'假设，认为链式思维（Chain-of-Thought）推理的本质是组合LLM参数中分散存储的知识片段。基于PaLM 2模型的实验显示，在GSM8K和MATH等数学推理基准上，推理步骤让模型更有效地调用习得的知识。该工作揭示了注意力机制在定位和整合参数化知识过程中的关键作用。
6月16日
20:46
AITOP6月16日 20:46
10:33
10:33
arXiv cs.LG@Ali Sarabadani, Mahtab Tajvidiyan
推荐理由：这篇论文提出DYNA，用时间知识图给LLM加外挂记忆，不用重新训练就能减少遗忘，比微调和RAG都更准，适合看重时效性的应用。
6月12日
12:57
AITOP6月12日 12:57
6月11日
15:28
AITOP6月11日 15:28
15:23
AITOP6月11日 15:23
15:07
AITOP6月11日 15:07
6月9日
12:49
12:49
arXiv cs.AI@Hudson de Martim
精选
推荐理由：法律AI从业者终于有了一个严肃的理论框架来理解RAG的失败原因——不是模型不够大，而是检索架构与法律知识的本质不匹配。做法律科技或合规自动化的团队，建议仔细读读这篇，能帮你避开很多坑。