Barron Spaces and the Compositional Function Spaces for Neural Network Models 
分析机器学习模型的关键问题之一是确定模型的适当功能空间。这是特定机器学习模型可以良好准确性近似的功能空间，并具有与近似过程相关的自然规范。在本文中，我们针对两个代表性的神经网络模型解决了这个问题：两层网络和残留神经网络 ...
0 0 0 2025/04/23 arXiv:1906.08039v2 Jasper1
PsyCoT: Psychological Questionnaire as Powerful Chain-of-Thought for Personality Detection 
大型语言模型（LLMS）（例如ChatGpt）的最新进展已在各种NLP任务中展示了出色的零击性能。但是，在人格检测中LLM的潜力涉及从书面文本中识别个人的个性，这在很大程度上没有探索。从心理问卷中汲取灵感，这些问卷是由心理学家精心设计的，可以通过一系列有针对性的项目评估个人人格特征，我们认为这些项目可以被视为结构良好的基础链（COT）过程的集合 ...
0 0 0 2025/04/23 arXiv:2310.20256v2 nmmmml
Hybrid Satellite-Terrestrial Communication Networks for the Maritime Internet of Things: Key Technologies, Opportunities, and Challenges 
随着海洋活动的快速发展，海上移动码头数量越来越多，以及对高速和超可靠的海上通信的需求不断增长，以保持它们的联系。传统上，海上互联网（IoT）是由海事卫星启用的。但是，卫星受到其高潜伏期和相对较低的数据速率的严重限制 ...
0 0 0 2025/04/23 arXiv:1903.11814v2 me2457
Enhancing Reverse Engineering: Investigating and Benchmarking Large Language Models for Vulnerability Analysis in Decompiled Binaries 
安全专家反向工程师（反编译）二进制代码确定关键的安全漏洞。重要系统中对源代码的访问有限，例如关键基础架构（CI）中使用的固件，驱动程序和专有软件 - 使该分析在二进制级别上更加重要。即使使用可用的源代码，在处理器执行的源代码和二进制代码之间的汇编之后，语义差距仍然存在 ...
0 0 0 2025/04/23 arXiv:2411.04981v1 adabi2
CLIPPER: Compression enables long-context synthetic data generation 
LLM开发人员越来越依赖综合数据，但是为复杂的长篇小说推理任务生成高质量的数据仍然具有挑战性。我们介绍了CLIPPER，这是一种基于压缩的方法，用于生成针对叙事索赔验证的合成数据 - 一项任务，需要在书上进行推理以验证给定的索赔。 Clipper并没有直接从本书的原始文本中产生索赔，而这会导致伪像的索赔，而是将书籍首先压缩为章节大纲和书籍摘要，然后使用这些中间表示形式来产生复杂的索赔和相应的链条  ...
0 0 0 2025/04/23 arXiv:2502.14854v1 bamboo
Harnessing the Power of LLM to Support Binary Taint Analysis 
本文提出了 LATTE，这是第一个由大型语言模型 (LLM) 提供支持的静态二进制污点分析。 LATTE 优于最先进的技术（例如 ...
0 0 0 2025/04/23 arXiv:2310.08275v4 adabi2
RAISE: Reinforenced Adaptive Instruction Selection For Large Language Models 
在大型语言模型（LLMS）的指导微调中，已经达成共识，即一些高质量的说明优于大量低质量指令。目前，已经提出了许多指导选择方法，但是这些方法中的大多数基于启发式质量指标选择了指令，并且仅在培训前考虑数据选择。这些设计导致教学微调的优化不足，固定的启发式指标通常很难针对特定任务进行优化 ...
0 0 0 2025/04/23 arXiv:2504.07282v2 zhulixianghuan
SVD-LLM: Truncation-aware Singular Value Decomposition for Large Language Model Compression 
大型语言模型（llm）的进步因其巨大的规模而受到阻碍，llm压缩方法来进行实际部署。奇异值分解（svd）为llm压缩提供了一种有前景的解决方案。然而，最先进的基于svd llm压缩方法有两个关键限制：截断较小的奇异值可能会导致更高的压缩损失：截断较小的奇异值可能会导致更高的压缩损失，以及svd截断后压缩权重缺乏更新... ...
0 0 0 2025/04/23 arXiv:2403.07378v5 szfmsmdx

来一起翻译吧！


为了您和其他读者获得更好的阅读体验，请您勇敢地改进翻译，特别是一些显而易见的机器翻译错误。


虽然我们追求卓越，但我们并不要求翻译十全十美，因此请不要担心您翻译有误 —— 我们的服务器已经记录所有的翻译，您不必担心会因为您的失误导致无法挽回的破坏。（改编自维基百科）