研究
我们团队发表的论文。
团队成员在加入 Duffi AI 之前或期间,在其所在大学和实验室撰写的论文。
-
One Instruction Is a Benchmark: End-to-End Instruction-Following Evaluation with FlexBench
将一条指令变成专属的多轮测试集;模型排名和失败模式随指令不同而变化。
-
Learning When to Think in Latent Visual Space: Reasoning Mode Adaptive Reinforcement Learning
通过强化学习教多模态模型判断何时在潜在视觉空间中推理、何时在文本中推理。
-
To Answer or Not to Answer? Reliability-Oriented Reinforcement Learning for Visual Language Models
一种基于评分细则的奖励,教视觉语言模型对无法回答的问题选择不作答,并在新基准 Reliable-V-Bench 上进行衡量。
-
CAMFT: Conflict-Aware Mergeable Fine-Tuning for Large Language Models
一种让任务模型更易合并的微调方法:每个任务只更新一组稀疏参数,任务之间冲突很小;合并后的多任务模型优于基于标准微调构建的模型。
-
From Absolute to Relative: Rethinking Reward Shaping in Group-Based Reinforcement Learning
在基于组的强化学习中,以相对排名代替绝对得分作为奖励。
-
Think-Augmented Function Calling: Improving LLM Parameter Accuracy Through Embedded Reasoning
在每个函数签名中加入一个推理参数,让模型在填写参数前先思考;无需改动模型,并完全兼容 API。
-
Asymmetric Decision-Making in Online Knowledge Distillation: Unifying Consensus and Divergence
一种在线蒸馏方法:学生模型遵循教师模型的共识,教师模型保留各自的差异。
-
Large Language Models Know What is Key Visual Entity: An LLM-assisted Multimodal Retrieval for VQA
由语言模型挑选出问题所需的视觉实体,使检索忽略图像的其余部分。