Optimizing Bidding Curves for Renewable Energy in Two-Settlement Electricity Markets 
对日前和实时电力市场的协调对于具有成本效益的电力供应至关重要，并且还为能源过渡提供有效的激励措施。尽管随机市场设计具有最低成本的协调，但它们与当前的确定性市场不相容。本文提出了一种基于基准竞标曲线的两组式市场兼容协调的新方法，以实现可变可再生能源 ...
0 0 0 2025/08/27 arXiv:2501.18732v1 hok888
Conformal Prediction for Electricity Price Forecasting in the Day-Ahead and Real-Time Balancing Market 
将可再生能源整合到电力市场上为价格稳定带来了重大挑战，并提高了市场运营的复杂性。准确且可靠的电价预测对于有效的市场参与至关重要，因为价格动态可能会更具挑战性的预测。通过预测间隔，概率预测有效地量化了电价的固有不确定性，从而为市场参与者提供了更好的决策 ...
0 0 0 2025/08/27 arXiv:2502.04935v1 hok888
Align is not Enough: Multimodal Universal Jailbreak Attack against Multimodal Large Language Models 
大型语言模型（LLM）已演变为多模式大语言模型（MLLM），通过整合视觉信息和其他类型来显着增强其功能，从而更加与人类智能的性质保持一致，从而处理除文本以外的各种数据形式。尽管取得了进步，但这些模型的不良产生仍然是一个关键问题，尤其是由于基于文本的越狱攻击所表现出的脆弱性，这通过挑战现有的安全协议来代表着重大威胁。我们提出了一个统一的多模式通用越狱攻击框架，由新旧模式集成到MLLM的独特安全风险， ...
0 0 0 2025/08/27 arXiv:2506.01307v1 hhhhh
Beyond Pass@1: Self-Play with Variational Problem Synthesis Sustains RLVR 
具有可验证奖励（RLVR）的强化学习最近已成为培训后大语言模型（LLMS）的关键范式，尤其是对于复杂的推理任务。但是，已证明香草RLVR训练可以以损失政策熵为代价来提高通过@1的表现，从而减少了发电多样性并限制了Pass@k性能，这通常代表了LLM推理能力的上限。在本文中，我们从培训问题的角度系统地分析了该政策的产生多样性，并发现增加和更新培训问题有助于减轻培训期间的熵崩溃 ...
0 0 0 2025/08/27 arXiv:2508.14029v2 wozengyi
Not All Tokens Are What You Need In Thinking 
现代推理模型，例如OpenAI的O1和DeepSeek-R1，具有令人印象深刻的解决问题的能力，但具有关键的效率低下：高推理潜伏期，过度的计算资源消耗以及过度思考的倾向 - 产生了思想链（COT）LADEN具有多余的标志，这些代表对最终的回答造成了最小的回答。为了解决这些问题，我们提出了条件 Token 选择（CTS），这是一个具有灵活和可变的压缩比的 Token 级压缩框架，该框架仅识别和保留C ...
0 0 0 2025/08/27 arXiv:2505.17827v2 manlinghun
K Nearest Neighbor-Guided Trajectory Similarity Learning 
轨迹相似性对于许多时空数据挖掘应用是至关重要的。最近的研究建议深度学习模型近似传统的轨迹相似性度量，从而利用了一旦训练的快速推理时间。尽管已经报告了有效的推论，但由于轨迹粒度建模的困难以及在训练数据中利用相似性信号，挑战仍然存在相似性近似准确性 ...
0 0 0 2025/08/27 arXiv:2502.00285v2 18510807509
VRPRM: Process Reward Modeling via Visual Reasoning 
流程奖励模型（PRM）广泛用于大语言模型（LLM）的培训后，因为它可以对生成内容的推理步骤进行细粒度评估。但是，大多数PRM缺乏长期的推理和深思熟虑的能力。另一方面，尽管一些作品试图将经过思考的能力引入PRMS，但COT-PRM数据的注释成本太昂贵了，无法在各种任务中发挥稳定的作用 ...
0 0 0 2025/08/27 arXiv:2508.03556v1 wozengyi
OrderFusion: Encoding Orderbook for End-to-End Probabilistic Intraday Electricity Price Prediction 
准确且可靠的概率预测盘中电价对于管理市场不确定性和支持强大的交易策略至关重要。但是，当前方法在很大程度上依赖于域特征提取，并且无法捕获买卖之间的动态，从而限制了订购订单的丰富表示形式的能力。此外，这些方法通常需要针对不同的分位数进行训练单独的模型，并引入其他过程，例如事后分位数分类或基于损失的惩罚来解决分位数交叉问题，在该问题中，预测的上部分子低于下部 ...
0 0 0 2025/08/27 arXiv:2502.06830v2 hok888

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）