各方报道 1 篇
arXiv NLP·11-03 13:00★ 3
arXiv 发布 DAPE 政策变化推理基准，14 个开源模型零样本失败
原文 研究者提出双轴政策蕴含（DAPE）基准，对 1000 对有序政策指令同时判断是否属同一政策域、以及延续/扩大/收窄/反转关系，数据取自中国政府政策语料。14 个开源模型与 4 个前沿 API 旗舰模型零样本全部失败，最佳旗舰 Cohen's κ 仅约 0.29，远低于人类上限 0.53。基于 Qwen3-14B 的 LoRA 微调模型将 κ 提升至 0.524，接近人类水平。作者还用该方法绘制了 1980—2024 年中国 AI 政策变化方向。
关联
阿里巴巴 其他动态（30 篇，与该事件无直接关联）展开 ▾
11-03 13:00NURESA：神经元级持久记忆实现模型间记忆迁移arXiv cs.AI11-03 13:00Trail 框架实现本地智能家居控制，鲁棒场景准确率 85.3%arXiv cs.AI11-03 13:00研究：4bit 量化改变 Qwen2.5-7B 潜意识偏好，16bit 审计失效arXiv NLP11-02 13:00Noura 框架发布：用个人规格监督 LLM 饮食规划，Qwen3-14B 通过率升至 72.5%arXiv cs.AI11-02 13:00arXiv 论文解析大模型强化学习中训练-推理失配的成因与修正arXiv cs.LG11-02 13:00研究：bf16 舍入丢弃多数 RL 策略更新，提出 Fair Cast 一行修复arXiv cs.LG11-02 13:00研究：相关性标注不完整会扭曲对话 RAG 的拒答评估arXiv NLP11-02 13:00TraceSpec：为 LLM 智能体改进投机解码的轨迹自适应框架arXiv NLP10-31 09:39苹果与阿里巴巴合作，千问集成至 Apple 智能36氪10-31 05:59开发者将 NES 模拟器烧进 Qwen3.5-4B 权重Simon Willison Blog10-31 00:16阿里蔡崇信：千问开源模型全球累计下载超 40 亿次Lovable10-30 12:00SkillMem 提出潜空间多智能体技能记忆压缩方案arXiv cs.AI10-30 12:00MIOE 基准评估 LLM 本体工程机制可解释性arXiv cs.AI10-30 12:00SCOPE：面向智能体强化学习的选择性关键步自蒸馏arXiv cs.AI10-30 12:00Jailbreak Connectivity：多模态大模型通用越狱攻击框架arXiv cs.LG10-30 12:00论文提出 HRS 方法让冻结 LLM 评审对齐人类评分分布arXiv NLP10-30 12:00DaR 流程提升阿拉伯语法条检索，证据法 MRR 升至 0.696arXiv NLP10-30 12:00研究用发音词典监督 Qwen3-TTS 适配爱尔兰语arXiv NLP10-29 08:25Qwenputer：在 Qwen3.5 内构建可运行的确定性 RISC-V CPUHacker News10-29 01:45Qwenputer：把 RISC-V CPU 编译进 Qwen3.5-4B 权重Hacker News – LLM10-28 12:00研究：智能体记忆检索到旧事实反而更易答错arXiv cs.AI10-28 12:00DiscernMem：多智能体记忆精炼与使用时机框架arXiv cs.AI10-28 12:00PsyJev：基于 System-1 判断的心理分析模型arXiv cs.AI10-28 12:00研究用基座模型似然解码提示分类器漏掉的隐藏意图arXiv cs.LG10-28 12:00CAMR：面向大模型持续学习的兼容性感知记忆回放arXiv NLP10-28 12:00研究发布豪萨语安全偏好数据集 HausaSafeLM，评估 SFT 与 DPO 对齐效果arXiv NLP10-27 12:00arXiv 提出 SLICE-Mem：轻量 LLM 智能体记忆框架arXiv NLP10-27 12:00arXiv 论文构建 WhoWins 基准，实测 LLM 智能体指令冲突arXiv NLP10-27 12:00Trajectory2Gym：面向工具调用智能体的可学习交互合成arXiv NLP10-26 17:34报告：韩国开发者新模型近半基于中国底座，阿里 Qwen 占 46.8%36氪