arXiv ID:
2606.11599
何时你的大语言模型可被操控? / When is Your LLM Steerable?
1️⃣ 一句话总结
本文提出一种通过分析模型生成早期隐藏状态来预测激活操控是否成功的方法,从而在不完成完整生成过程的情况下高效调整操控强度,大幅提升大语言模型行为控制的成功率。
何时你的大语言模型可被操控? / When is Your LLM Steerable?
本文提出一种通过分析模型生成早期隐藏状态来预测激活操控是否成功的方法,从而在不完成完整生成过程的情况下高效调整操控强度,大幅提升大语言模型行为控制的成功率。
基于可解释机器学习的妊娠相关血栓性微血管病产前预测:利用常规纵向实验室数据 / Interpretable Machine Learning for Antepartum Prediction of Pregnancy-Associated Thrombotic Microangiopathy Using Routine Longitudinal Laboratory Data
该研究利用常规孕期多次实验室检查数据,通过梯度提升机器学习模型,成功实现了对罕见但致命的妊娠相关血栓性微血管病的早期风险预测,其中第6周的胱抑素C水平被认为是一个有潜力的早期监测指标。
利用大语言模型嵌入从临床记录预测创伤后癫痫 / Predicting Post-Traumatic Epilepsy from Clinical Records using Large Language Model Embeddings
这项研究提出了一种新方法,通过大语言模型分析常规的急性期临床记录,结合梯度提升树模型,能够有效预测脑外伤后发生癫痫的风险,为早期预警提供了不依赖昂贵影像检查的补充手段。
基于市场动态与新闻信号的客观错误定价检测:用于筛选被低估足球球员 / Objective Mispricing Detection for Shortlisting Undervalued Football Players via Market Dynamics and News Signals
这篇论文提出了一个客观、可复现的框架,通过分析球员历史市场动态等结构化数据和新闻报道的情感语义特征,来检测球员市场价值的错误定价,从而帮助球探更有效地筛选出被低估的球员。
Bikelution:一种基于联邦梯度提升的可扩展共享微出行需求预测方法 / Bikelution: Federated Gradient-Boosting for Scalable Shared Micro-Mobility Demand Forecasting
这篇论文提出了一种名为Bikelution的隐私保护联邦学习方法,它利用梯度提升树模型,在无需集中收集用户数据的情况下,就能准确预测未来六小时内的共享单车需求,其预测效果与集中式机器学习相当,并优于现有先进方法。
请先 登录 后再提交论文