“Mixture of Routers” 提出混合路由方法，通过多路由器协同优化，提升语言模型的分配效率和性能，特别适合微调任务。
“Bayesian Predictive Coding” 引入贝叶斯方法增强预测编码，加快收敛并量化不确定性，为 AI 提供更 “智慧” 的决策能力。
“Discovering Knowledge Deficiencies of Language Models on Massive Knowledge Base” 利用 SEA 框架高效发现语言模型知识盲区，显著降低成本并揭示系统性错误。
“ZClip：Adaptive Spike Mitigation for LLM Pre-Training” 通过自适应裁剪稳定语言模型训练，减少损失尖峰，提升效率。
“Better wit than wealth：Dynamic Parametric Retrieval Augmented Generation for Test-time Knowledge Enhancement” 提出 DyPRAG 框架，动态增强推理时知识，降低成本并缓解幻觉问题。

完整推介：https://mp.weixin.qq.com/s/_RTJWtJD1BHLcBMn913TRA