#大型语言模型

这篇论文教你如何用合成数据提升统计推断效果，特别适合数据稀缺场景的研究者。

XREPOTEST提供了针对大型语言模型单元测试生成的挑战性基准，揭示了不同模型在不同上下文下的表现差异，值得研究。

ConceptTS利用大型语言模型实现可解释的多变量时间序列预测，提供更直观的预测解释，适合需要理解预测因素的场景。与黑盒基线相比，准确性相当，值得一试。

这篇论文提出了一种结合多种数据收集和预测方法的创新工作流程，对于研究出行行为和天气敏感需求预测非常有用，特别是对于想要了解如何将不同技术整合在一起的人来说。

Repo0通过GPT-5 mini和DeepSeek V3.2实现了更高的功能覆盖率和通过率，是设计驱动零到全代码生成的创新框架。与RPG相比，性能提升显著。

NVIDIA 的 Nemotron 论文是了解其 LLM 技术路线的一手资料，做模型训练或推理优化的开发者值得仔细研读，配合 @llm_wizard 的解读能更快抓住重点。

官方账号NVIDIA AI@NVIDIAAI原文

这项研究揭示了 LLM 可能具备自我反思能力，对 AI 安全与可解释性研究者来说，这是理解模型内部运作的关键突破，值得深入阅读。

该研究挑战了稠密检索在深度搜索中不可或缺的假设，为构建轻量、高效、不依赖外挂向量库的搜索代理提供了新思路，值得关注推理模型与经典检索技术的结合。