算法论文8

AP2O - Coder让大模型像人一样高效刷题

机器之心2026-01-14

AI 摘要

上交博士团队：提出AP2O方法构建AP2O - Coder框架，借鉴人类学习模式提升模型代码纠错能力。实验显示，它能提升性能、抑制错误、提高样本效率，还适配通用模型，不同规模模型有不同优化顺序。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

清华Jev-LDE：一次编辑暴涨ICL准确率

清华大学自动化系研究者针对大模型上下文学习（ICL）中示例选择成本高、效果不佳的问题，提出Jev-LDE方法，仅对初始检索示例做一次局部编辑，即可大幅提升1-shot准确率，推理成本增量很低。

本文是面向零基础的大语言模型入门长文，无需机器学习背景，只用简单例子讲清大语言模型的核心逻辑，覆盖从原理到产品化的全流程，适合新人系统学习。

Perplexity核心搜索面向大模型检索，原有存储Amazon DynamoDB在高流量下存在延迟高、成本不可控问题，两名工程师两个月用Rust写出4万行自研CobbleDB，迁移后性能成本均大幅优化，后续计划开源。

本文解读第九版244页的《2026年度State of AI Report》，核心指出RSI（递归自我改进）已成AI研发核心趋势，涵盖AI研发竞争、产业、安全、前沿预测等多方面重磅内容。