算法论文8

Amazon论文揭示大模型多选题3种偏差

深度学习自然语言处理2025-12-30

AI 摘要

Amazon新论文指出大模型做多选题有选择、数量、猜测3种偏差，推出SATA - Bench评测，还提出Choice Funnel解码策略，能成倍提升小模型多选题正确率，适合LLM评测及多标签业务。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

HarnessEval开启RSI时代新评测范式

过去一年AI进入RSI时代，但评测方式仍停留在过去。MirroS联合多方发布HarnessEval，将Harness引入评测领域，使评测成为具备自我进化能力的智能系统，还率先应用于交互式世界模型评测。

近期，DeepSeek上调API价格，V4 Pro等型号涨幅明显；而OpenAI的GPT - 5.6 Luna API价格降80%，Terra降20%。这背后是大模型价格竞争方向转变，受竞争、广告、效率及Agent使用方式等因素影响。

macOS Harness 是 browser - use 团队开源项目，目标是让 LLM 用持久化 Python 进程完成 Mac 上几乎所有任务。它仅提供六个原始操作，模型用其操作应用，还能在运行中补全缺失部分。项目有诸多优势，目前仅支持 macOS。

IJCAI 2026大会上，秦浩桐给出创新解法，挑战无需重训的“后训练量化”极限，将庞大的LLM强行压缩至极端的1比特与2比特。其团队的BiLLM与SqueezeLLM打破了后训练量化魔咒，还指出极低比特量化的三大挑战。