深度分析
Diffusion LLM 查詢位置偏差分析與 Auto-ICL 自適應路由機制
Diffusion大型語言模型的In-ContextLearning受查詢位置影響顯著。研究提出以平均信心(AverageConfidence)為指標的Auto-ICL，無需標籤即可自動選擇最佳查詢放置點。實驗顯示在GSM8K、Sudoku等任務上，Auto-ICL接近最佳上限，顯著提升準確度。
In-Context Learning
深度分析
解析語音語言模型 ICL 機制：聲學特徵與感應頭如何影響 AI 模仿能力
研究揭露語音語言模型的上下文學習（ICL）機制，發現語速是影響模仿效果的關鍵聲學特徵，而「感應頭」則在模型推理中扮演決定性角色。若移除感應頭，AI 將失去 ICL 能力，證明語音與文字模型在底層學習邏輯上具有共通性。
Next POI Prediction
LLM 預測下一個地點 (Next POI)：啟發式方法在情境學習中超越嵌入模型
最新研究顯示，在使用大型語言模型預測使用者下一個感興趣地點（Next POI）時，簡單的地理位置與時間順序啟發式方法，在準確率與效率上竟優於複雜的嵌入式範例選擇策略，甚至能比肩微調模型，大幅降低 AI 部署成本。