Meta

Spectral-LSH: Sub-Quadratic Prompt Compression via Krylov-Projected Locality-Sensitive Hashing

谱局部敏感哈希：通过Krylov投影局部敏感哈希实现次二次方的提示压缩

Ali Mahdavi, Azaseh Zamanifar, Amirfarhad Farhadi, Omid Kashefi

机构 * Islamic Azad University（伊斯兰阿扎德大学） ； Iran University of Science and Technology（伊朗科技大学） ； Meta 纠错

AI总结 研究针对长提示推理成本高的问题，提出谱局部敏感哈希方法，通过Krylov子空间方法等近似注意力核算子，应用SimHash分组聚合令牌，实验揭示压缩率相变及不同压缩率下方法优势，自适应后端可兼顾不同情况。

Rethinking Uncertainty Evaluation in Large Language Models

重新思考大语言模型中的不确定性评估

Krish Matta, Atharv Naphade, Andy Zou

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Meta 纠错

AI总结 研究大语言模型中置信度评估问题，指出校准标准不充分。沿结构连贯性、忠实性和有用性三个轴形式化条件为C1指标，发现常用估计器违反条件，RLHF等未恢复连贯性，框架可测度与弥合差距。

Comments 19 pages, 11 figures, ICML 2026 EIML Workshop

An LLM-powered Agentic Recommendation System for Connected TV Content Discovery

一种用于智能电视内容发现的由大语言模型驱动的智能推荐系统

Lei Shi, Di Wang, Harry Tran, Helsing Xu, Yuchen Lu, Dhara Ghodasara, Wilson Chaney, Xueting Liao, Jerry Yu, Huayu Ding, Reza Mirghaderi, David Fan, Qi Guo, Chongguang He, Warren Wang, Warren Deng, Mingze Gao, Shike Mei, Shuo Tang, Zhe Zhang, Jianming He, Abhishek Kumar, Haotian Wu, Hamed Firooz, Li Li

机构 * Meta 纠错

AI总结 针对推荐系统整合上下文信号的挑战，提出用于智能电视内容发现的大语言模型驱动的智能推荐系统，利用其推理能力处理多样信号，采用智能架构协调组件，克服大语言模型用于推荐的实际限制。

Comments 13 pages, 3 figures