★ 2
RAP基准：LLM研究注意力预测能力评测
论文提出研究注意力预测（RAP）滚动基准，覆盖278个AI/ML领域与1,390个回合，要求LLM智能体在时间受限的arXiv语料中检索并预测未来六个月八个研究方向论文占比。结果显示搜索通常有帮助，但四个诊断模型在组合准确率上均不如精确计数EWMA基线。研究揭示状态延续优于直接预测、冻结证据回放等…
arXiv cs.AI53 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出研究注意力预测（RAP）滚动基准，覆盖278个AI/ML领域与1,390个回合，要求LLM智能体在时间受限的arXiv语料中检索并预测未来六个月八个研究方向论文占比。结果显示搜索通常有帮助，但四个诊断模型在组合准确率上均不如精确计数EWMA基线。研究揭示状态延续优于直接预测、冻结证据回放等…
一段视频展示了大型语言模型在性能与成本等维度上的帕累托前沿随时间的变化。该内容在 Hacker News 上获得少量讨论，属于对模型能力演进趋势的可视化梳理。