Iterative Deployment Improves Planning Skills in LLMs
迭代部署提升大语言模型的规划能力
机构 * University of Oxford（牛津大学） ； AI Sequrity Company（AI安全公司） ； UFRGS（乌拉圭联邦大学）
AI总结 通过迭代部署大语言模型，利用用户编纂的数据提升规划能力，展现隐含奖励函数的强化学习机制，具有AI安全和训练制度替代的双重意义。
高校专区
University of Oxford（牛津大学）
Learning to learn skill assessment for fetal ultrasound scanning
学习学习胎儿超声扫描技能评估
机构 * Institute of Biomedical Engineering, Department of Engineering Science, University of Oxford（生物医学工程研究所，工程科学系，牛津大学） ； Department of Medical Physics and Biomedical Engineering, University College London（医学物理与生物医学工程系，伦敦大学学院） ； Nuffield Department of Women’s & Reproductive Health, University of Oxford（妇女与生殖健康系，牛津大学） ； Rabin-Beilinson Medical Center, Tel-Aviv University Faculty of Medicine（拉宾-贝利松医疗中心，特拉维夫大学医学院）
AI总结 本研究提出一种双层优化框架，通过任务完成质量评估胎儿超声技能，无需人工预定义评分，实现了自动化和定量的技能评估。
Invisible Languages of the LLM Universe
LLM宇宙中的隐形语言
机构 * Amsterdam School of Communication Research, University of Amsterdam（阿姆斯特丹通信研究所，阿姆斯特丹大学） ； Pembroke College, University of Oxford（牛津大学 Pembroke 学院）
AI总结 本文探讨了LLM宇宙中隐形语言的结构性不平等，揭示了语言活力与数字性之间的不匹配，并指出英语主导AI并非技术必然，而是权力结构的产物。
Retrieval Augmented Question Answering: When Should LLMs Admit Ignorance?
检索增强型问答：当LLMs应承认无知时
机构 * Google Research（谷歌研究） ； University of Oxford（牛津大学）
AI总结 本文提出了一种自适应提示策略，通过分割检索信息并逐步提示LLM回答问题，以提高问答性能并减少无关信息的影响。
