大模型推理能力

ReJump: A Tree-Jump Representation for Analyzing and Improving LLM Reasoning

ReJump：一种用于分析和改进LLM推理的树跳表示

Yuchen Zeng, Shuibai Zhang, Wonjun Kang, Shutong Wu, Lynnix Zou, Ying Fan, Heeju Kim, Ziqian Lin, Jungtaek Kim, Hyung Il Koo, Dimitris Papailiopoulos, Kangwook Lee

机构 * UW-Madison（威斯康星大学麦迪逊分校） ； Microsoft Research（微软研究院） ； FuriosaAI ； Seoul National University（首尔国立大学） ； KRAFTON 纠错

专题命中 测试时计算 ：reasoning(title,abstract)；CoT(abstract)；分类 cs.LG

AI总结 ReJump通过树跳表示分析和改进LLM推理，揭示不同任务下的推理行为差异及学习策略的影响。

Leveraging Machine Learning and Large Language Models for Automated Image Clustering and Description in Legal Discovery

利用机器学习和大语言模型实现法律发现中的自动化图像聚类与描述

Qiang Mao, Fusheng Wei, Robert Neary, Charles Wang, Han Qin, Jianping Zhang, Nathaniel Huber-Fliflet

专题命中 测试时计算 ：chain-of-thought(abstract)

AI总结 本文提出利用机器学习和大语言模型实现法律发现中自动化图像聚类与描述，通过比较不同采样策略、提示技术和生成方法，提升大规模图像数据处理的效率和准确性。