UltraBERT论文提出双掩码比训练法,单编码器同时刷新GLUE与BEIR纪录

Hugging Face Papers 收录的论文《UltraBERT: Beyond the Limit of BERT Pre-Training》提出重新设计双向编码器的预训练配方,让单一模型首次同时在分类和检索任务上达到最优,分别取得 GLUE 91.0 和 BEIR 47.7 的成绩。

Hugging Face Papers 收录的论文《UltraBERT: Beyond the Limit of BERT Pre-Training》提出重新设计双向编码器的预训练配方,让单一模型首次同时在分类和检索任务上达到最优,分别取得 GLUE 91.0 和 BEIR 47.7 的成绩。

当你在 LiteLLM 中用 vertex_ai/claude-* 模型并设置 response_format 为 json_schema 时,返回的 message.content 可能被包了一层 {"parameter": ...} ,导致下游解析拿不到 schema 里的字段。优先确认你用的
![[Bug]: failed /v1/audio/speech calls write no LiteLLM_SpendLogs row (success rows and other routes' failure rows are written)](https://www.chat-gpts.plus/wp-content/uploads/2026/10/41521-51f8d6b9-768x403.jpg)
这个报错通常出现在 LiteLLM Proxy 已经开启 SpendLogs 落库、而 /v1/audio/speech 调用被上游拒绝(例如 voice 参数非法)返回 4xx/5xx 的场景;此时成功调用会写 LiteLLM_SpendLogs ,但失败调用不写任何行,导致失败原因既不在 Spe

Hugging Face Papers 收录的论文摘要提出 PANINI-DR 多智能体框架,通过共享语义工作空间分离研究协调与验证,在 BrowseComp-Plus 等基准上取得领先成绩,但尚未核验全文实验,也非已上线产品。

Hugging Face Papers 收录的论文 Harness^2 提出一种即插即用的递归智能体执行框架,通过任务级和框架级两层递归,在没有标准答案验证器的情况下自动改进大模型智能体的执行外壳,并在多个基准上取得提升。值得关注的是,它试图回答“开放式任务中智能体如何自我进化”这一关键问题。

Hugging Face 论文提出 Elastic Latent Recurrence(ELR)训练方法,让循环语言模型在只跑一圈时不再明显弱于同规模非循环模型,多跑几圈则继续提升精度。基于该方案训练的 Koi-4B 单个 checkpoint 可在推理时切换圈数,匹配 Qwen3.5-4B 的水平并向上扩展…

一项新研究提出不确定性引导的渐进收缩框架,用不到全量数据训练 0.22% 的优化预算,即可维持甚至提升大模型推理表现,为降低推理后训练成本提供了新思路。

研究者提出“结构化消歧”新范式并发布 ARCS 基准,用来衡量真实数据库中自然语言提问歧义对 text-to-SQL 的影响;在摘要披露的评测中,gpt-6-sol 端到端执行准确率仅 51%,开源模型均未超过 27%。

Hugging Face Papers 收录的论文提出首个系统化的多智能体视觉语言导航(MAVLN)形式化定义与基准,并给出协同导航系统 TRISS,为多机器人协作导航提供了可比较的任务约束和评测框架。

2026 年 10 月,一篇提交至 alphaXiv 的论文提出 Prompteina,这是首个支持用自然语言指定设计目标的全原子蛋白质结构生成模型,并在一项此前无公开成功案例的靶点上实验验证出 9 个结合蛋白。值得关注的是,它把蛋白质设计中繁琐的"研究—转译"环节变成了一句大白话。