12:18官方账号arXiv cs.AI@Hao Zhou, Mandar Kulkarni, Hao Chen, Yan Xin, Charlie, Zhang精选73°该研究提出了一种针对电信网络根因分析的结构化推理框架,在TeleLogs和TelecomTS两个5G数据集上测试。该框架将异构网络遥测数据组织为规范上下文,强制执行决策路径推理,并生成基于证据的解释。实验结果表明,与基线技术相比,该框架能持续提高诊断准确性和决策一致性。论文LLM电信根因分析推荐理由:电信专家团队用LLM解决5G/6G网络故障诊断,通过结构化推理减少幻觉,比传统方法更准更可靠。原文稍后读已读值得跟进有用关注 LLM
10:56官方账号arXiv cs.LG@Sanghyeok Choi, Henry Gouk, Esmeralda S. WhitammerLarge Language Gibbs 是一种利用大型语言模型条件分布进行结构化概率推理的MCMC方案。该方法通过迭代重采样单个变量避免单次自回归生成的顺序偏差,产生的平稳分布反映所有局部条件之间的折中。在合成分布采样、一致性推理和贝叶斯结构学习任务上验证了有效性。结果表明LLM条件作为MCMC转移算子可替代单次生成进行结构化推理。AI模型Large Language GibbsLLMMCMC推荐理由:这篇论文提出用LLM做MCMC采样,比直接生成更鲁棒,适合复杂推理场景,值得做概率建模的人看看。原文稍后读已读值得跟进有用关注 Large Language Gibbs