一张图看懂仓库级RAG去噪：北航MRCoder，加速52%准确率提升
仓库级代码生成中，RAG常常引入噪声上下文，导致模型“看花眼”——生成质量下降，推理时间飙升。北航团队提出的MRCoder，像个聪明的图书管理员，用Map-Reduce范式先让轻量草稿模型快速试读，再根据API调用和逻辑相似性精准筛选有效上下文，最后用并行验证把速度提上去。实验结果漂亮：Pass@1最高提升52%，推理时间减少一半。这篇值得所有搞代码生成、R
标签：NLP
共 33 篇
告别误触和乱码，首个构建-注入联合优化指纹框架来了！
LLM一发布就被倒卖、二次分发，权属怎么证明？华东师大这篇2026年的工作想了个妙招：把“指纹”藏进模型参数里，而且不是用容易被识破的乱码，也不是用会误触的普通英文，而是用低资源语言组成的“代码混合”语言。更厉害的是，指纹的“构建”和“注入”不再割裂，构建时选的语言直接指导注入时往哪里写。最终结果很硬核：平均困惑度只有96（远低于乱码的1302），注入成功率
RAG+LLM修复历史文档，准确率从13%冲到70%，专家都说好
历史文档修复一直是NLP领域的硬骨头，尤其是那些需要外部知识才能确定的古代人名、地名。这篇来自韩国江原大学的工作，巧妙地将RAG与大模型微调结合，不仅让命名实体恢复准确率从个位数跃升至38%，还通过了人类专家的实操检验。对于想做RAG落地或古籍数字化的朋友，值得一读。
RAG修复古籍：韩国团队让GPT-5.1在命名实体恢复上惨败
历史文档像一本被水泡过的《永乐大典》，人名地名糊成一片，传统MLM模型只能干瞪眼。韩国国立江原大学的团队祭出大招——ARI让大语言模型学会“翻书查资料”，用RAG精准找回那些被岁月抹去的名字。在朝鲜王朝实录的修复中，ARI-32B（Qwen3 32B微调版）在命名实体恢复上直接把GPT-5.1按在地上摩擦，效果翻倍。这不仅是个技术活，更像是在帮AI配一副“历
答对不算赢？这篇基准把临床推理拆到最细
临床大模型最麻烦的事，不是选错答案，而是“答案对了，理由却乱了套”。MIRA-Ev 直接把评测拆成三层，专门盯住证据、成分和关系，连巴斯克语也拉进来了，属于那种一看就知道不是来凑数的基准。
TINY_SCHILLER来了：德语小模型一行代码就能开训
德语小模型最烦的不是训练，而是“先把文本弄成能喂给模型的样子”。这篇工作直接把席勒戏剧做成单文件、可分词、可微调、可一键加载的语料，主打一个零摩擦。
ACL 2026新研究：LLM最爱把哪些价值观认错？
大模型会不会“懂价值观”，先别急着谈对齐，先得看它能不能把价值标签认准。本文把这个前置问题拆成精确识别、排名恢复和定向混淆三层，结果很扎实，也很适合拿来给评测补课。
法律案例检索也会“偷看未来”？这篇论文把时间泄漏拆开了
法律检索里最容易被忽略的坑，不是模型不会找案子，而是评测时偷偷用了“未来才出现的引文”。这篇论文直接把时间篱笆立起来，再把增益拆成三份，谁在虚胖、谁是真材实料，一眼就能看出来。
2026新方法：ASK-NN把幻觉检测做成统计检验
LLM 幻觉检测最烦的地方，不是“看不出来”，而是“参考样本”和“查询样本”天生不对称。ASK-NN 直接顺着这个现实来做，把近邻检验改成非对称版本，理论和工程都更像样。
CHI 2026新作：ExpressionCueLens拆解AI伴侣拟人化，跨文化差异一眼看懂
这篇论文最有意思的地方，不是又造了一个“拟人化”词典，而是把AI伴侣的社交媒体讨论拆成了能落地分析的十类表达。Reddit和小红书的差异也很直接：一个更像叙事复盘，一个更像情绪直播，文化和平台习惯真的会把“AI像不像人”这件事带偏。
DeepSeek教Qwen7B做题：蒸馏后准确率涨4.76%
这篇论文不玩虚的，直接拿 DeepSeek-R1 教 Qwen2.5-7B 做数学题，结果不是“玄学提升”，而是能稳定涨分，还顺手把“推理长度一缩水，准确率就掉”这件事讲明白了。对想做小模型蒸馏、数学推理和本地部署的人，都挺有参考价值。
端到端翻译早期真相：长句就掉分
这篇论文不是单纯“把翻译模型做出来”，而是直接拆开看它到底哪里会翻车。短句、无生词时表现还行，一旦句子变长，神经机器翻译的短板就暴露得很诚实；而 grConv 还顺手展示了自己学语法结构的能力，挺有意思。
