算法论文8

华为EDCO：让模型挑“难而有用”样本

机器之心2026-05-18

AI 摘要

华为GTS团队提出EDCO方法，用推理熵动态编排训练课程，让模型学最该学的数据。实验显示，该方法在多领域多模型上表现出色，能控制成本，为领域大模型微调提供新思路。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

苹果LensVLM：长上下文的放大镜

本文介绍苹果基础大模型团队与杜克大学联合提出的LensVLM方案，针对长上下文压缩易丢失关键信息的痛点，提出将长文本压缩为图像、模型按需展开细节阅读的新思路，相关研究已被NeurIPS 2026接收，公开了模型、代码与可体验Demo。

当前大模型效率优化多聚焦降低单位Token计算存储开销，本文解读arXiv新预印论文，针对传统BPE分词的固有局限，提出CNF-MCE分词框架，可大幅提升Token压缩率，开辟大模型效率优化新路径。

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。

智能体执行长程任务时常出现持续行动却无实质进展的「信念受困」问题，南开大学联合阿里云等机构提出PoS方法，通过显式维护信念状态、检测受困并针对性恢复，在多基准任务中显著提升效果，代码已开源。