Search

Tag: #in-context-learning6 results

BDH-CQ 將遞迴潛在推理帶入上下文學習

BDH-CQ 是一套推理系統，會先根據任務示範更新遞迴記憶，再透過潛在工作空間中的迭代計算解答查詢。其 1.5 億參數配置據稱在 ARC-AGI-1 達到 29.5% 的 pass@2，且不需在推論時更新參數或解碼鏈式思考內容。

Reddit r/MachineLearningCommunity•Aug 15#recurrent-reasoning#in-context-learning#latent-computation

信念還是電路？脈絡內圖形學習的因果證據

研究人員使用圖形隨機漫步任務，測試大型語言模型（LLMs）脈絡內學習是透過模式匹配還是潛在結構推斷。PCA分析顯示，在混合比例下，兩種圖形拓撲同時編碼於正交主子空間。因果修補與導向支持雙重機制模型，而非單一解釋。

ArXiv AIResearch•May 12#in-context-learning#causal-patching#graph-tasks

CVPR 2026 視覺AI超越基準新挑戰

CVPR 2026 論文將電腦視覺從基準優化轉向真實世界適應性，挑戰凍結模型、預定義目標、充足資料與結構化輸入等假設。重點包括 LIT 用於影片分割的即時互動訓練、INSID3 利用 DINOv3 的無訓練上下文分割，以及 MegaDepth-X 的稀疏照片重建。

雷峰网Media•Apr 30#computer-vision#video-segmentation#3d-reconstruction

脈絡內共同玩家推斷實現多代理合作

研究人員展示序列模型的脈絡內學習可在多代理強化學習中誘發合作，而無需硬編碼共同玩家假設或時間尺度分離。針對多樣共同玩家的訓練會產生快速劇集內最佳回應策略。此機制透過勒索脆弱性自然出現相互塑造，提供可擴展的合作行為學習途徑。

ArXiv AIResearch•Feb 19#multi-agent-rl#in-context-learning#co-player-inference

提升自然語言反饋驅動的互動式上下文學習

提出一個可訓練框架，利用資訊不對稱的多輪反饋，將可驗證任務轉化為互動式上下文學習。經訓練的小型模型效能幾乎追平大十倍模型，並泛化至程式碼、謎題和迷宮導航。透過內部模擬教師批評實現自我改進。

ArXiv AIResearch•Feb 19#in-context-learning#feedback-loops#self-improvement

GUIDE 優化 LLM 評分邊界

GUIDE 框架透過選擇邊界對（語義相似但分數不同的回應）並產生判別性理由，提升基於 LLM 的自動評分。它反覆選擇與精煉，聚焦評分準則邊緣。實驗顯示在物理、化學資料集上表現優異，特別是邊緣案例。

ArXiv AIResearch•Mar 3#in-context-learning#automated-grading#rubric-optimization