怎能在国产规则引擎中使用PMML模型
本文介绍了如何在国产Together规则引擎中导入和处理PMML模型，详细演示了将机器学习模型集成到DMN决策流程中的步骤。通过图文教程，帮助用户快速掌握PMML模型的调用与应用。
ProxylessNAS：直接在目标任务和硬件上进行神经架构搜索——论文解读
ProxylessNAS是一种直接在目标任务和硬件上进行神经架构搜索的方法，有效降低了传统NAS的计算成本。通过路径二值化和两路径采样策略，减少内存占用并提升搜索效率。相比代理任务方法，ProxylessNAS在ImageNet等大规模任务中展现出更优性能，兼顾准确率与延迟，支持针对不同硬件（如GPU、CPU、移动端）定制高效网络架构。
大型语言模型为何产生幻觉
语言模型为何会产生幻觉？OpenAI 最新研究指出，幻觉源于模型在训练和评估中被鼓励猜测而非承认“不知道”。即使强大如 GPT-5，也无法完全避免幻觉。改进评估方式、奖励模型表达不确定性，是减少幻觉的关键。
Proximal SFT：用PPO强化学习机制优化SFT，让大模型训练更稳定
本文介绍了一种改进的监督微调方法——Proximal Supervised Fine-Tuning (PSFT)，旨在解决传统SFT易过拟合、泛化能力差及导致“熵坍塌”的问题。受PPO强化学习算法启发，PSFT通过引入参数更新的稳定性机制，防止模型在训练中变得过于确定，从而提升探索能力与后续强化学习阶段的表现。实验表明，PSFT在数学推理、模型对齐及泛化能力方面均优于传统SFT。