RARO: Reliability-aware Conversion with Enhanced Read Performance for QLC SSDs 
四级单元格（QLC）Flash在成本和容量方面具有重大好处，但其有限的可靠性会导致频繁的阅读恢复，从而严重降低了读取性能。高密度闪存存储中的一种常见策略是在低密度模式（SLC）中编程选定的块，从而牺牲了一定的能力来实现更高的I/O性能。这种混合存储架构已在消费级存储系统中广泛采用 ...
0 0 0 2025/09/04 arXiv:2508.19530v1 mike_zhang
Diverse And Private Synthetic Datasets Generation for RAG evaluation: A multi-agent framework 
检索增强的生成（RAG）系统通过合并外部知识来改善大型语言模型输出，从而实现更多知识和背景感知的响应。但是，这些系统的有效性和可信赖性在很大程度上取决于它们的评估方式，特别是评估过程是否捕获了诸如保护敏感信息之类的现实世界约束。尽管当前对抹布系统的评估工作主要集中在绩效指标的发展上，但尽管在实现有意义的，可靠的评估方面的角色关注，但对基础评估数据集的设计和质量的关注得多 ...
0 0 0 2025/09/04 arXiv:2508.18929v1 xyz_syx
Cluster Topology-Driven Placement of Experts Reduces Network Traffic in MoE Inference 
有效地将预训练的LLM部署到具有多个服务器的群集中，是对用户查询提供快速响应的关键步骤。 Experts（MOE）LLMS的最新成功提出了一个问题，即如何有效部署它们，考虑其基础结构。在推断MOE LLMS期间，只选择一小部分专家来处理给定的 Token  ...
0 0 0 2025/09/04 arXiv:2508.09229v1 tea5
See Through Their Minds: Learning Transferable Neural Representation from Cross-Subject fMRI 
功能磁共振成像（fMRI）中的视觉内容有助于照亮人类视力系统。但是，fMRI数据和噪声阻碍脑解码模型性能的稀缺性。先前的方法主要采用特定于主题的模型，对训练样本量敏感 ...
0 0 0 2025/09/04 arXiv:2403.06361v2 helloworldhello
Learning Representations of Event Time Series with Sparse Autoencoders for Anomaly Detection, Similarity Search, and Unsupervised Classification 
事件时间序列是以不规则时间间隔发生的离散事件的序列，每个事件都与域特异性观察方式相关联。它们在高能天体物理学，计算社会科学，网络安全，金融，医疗保健，神经科学和地震学等领域很常见。它们的非结构化和不规则的结构对提取有意义的模式和使用常规技术识别出显着现象提出了重大挑战 ...
0 0 0 2025/09/04 arXiv:2507.11620v1 wang123123
C2P: Featuring Large Language Models with Causal Reasoning 
因果推理是大型语言模型（LLM）必须克服的主要瓶颈才能获得人级智力。为了解决这个问题，我们将提示（C2P）的因果关系链引入了将当前LLMS与因果推理能力相对的第一个推理框架。 C2P可以自主运行，避免在因果学习和推理阶段依赖外部工具或模块，并且在LLMS的培训或微调期间可以无缝实施 ...
0 0 0 2025/09/04 arXiv:2407.18069v3 sara
Ah, that's the great puzzle: On the Quest of a Holistic Understanding of the Harms of Recommender Systems on Children 
孩子们在网上遇到了各种媒体项目，其中许多是由推荐系统（RS）选择的，主要是为成人设计的。 RS选择在儿童使用的在线平台上显示的内容的特定性质 - 尽管不一定将其作为用户群的目标 - 在很大程度上是未知的。考虑到儿童的脆弱阶段的发展阶段以及其幸福感的潜在风险，这引发了有关是否适合此类内容的问题 ...
0 0 0 2025/09/04 arXiv:2405.02050v1 榴莲糯米甜甜
Towards Efficient LLM Grounding for Embodied Multi-Agent Collaboration 
由于物理世界的复杂性，为具体任务奠定大型语言模型 (LLM) 的推理能力具有挑战性。特别是，针对多智能体协作的LLM规划需要智能体的沟通或学分分配作为反馈，以重新调整拟议的计划并实现有效的协调。然而，现有的方法过度依赖物理验证或自我反思，导致 LLM 查询过多且效率低下 ...
0 0 0 2025/09/04 arXiv:2405.14314v3 蔡明方

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）