菜单
实测、横评、价格、性能与适用人群
一句话结论 HybridInfer 提出热感知 Q-learning 路由，在真实 Android 设备上显著降低 LLM 推理成本并提升长查询可靠性。 关键要点 系统采用三级架构：端侧 Llama 3.2 3B、边缘 Llama 3.1 8B 带检索、云端 GPT-4o。 路由状态包含设备热余量（
一句话结论 论文证明仅靠余弦相似度无法证明量化模型的可解释性特征保留，必须报告采样噪声底数才能给出可靠结论。 关键要点 对于均值差方向估计量，半数分割噪声底由无量纲参数 κ = nρ²/d 唯一决定，期望余弦相似度的闭式解为 E[cos] ≈ (1+4/κ)⁻¹。 在 Qwen2.5-1.5B-In
一句话结论 研究提出结合离线策略评估与受控预热模拟的方法，利用固定 A/B 测试历史数据判断自适应实验是否优于静态分配并指导策略选择。 关键要点 基于静态 A/B 测试日志数据，通过双重稳健估计量（doubly robust estimators）对预定义的自适应与非自适应策略组合进行排序。 引入“
一句话结论 五款主流AI编码代理在知识产权赔偿范围、数据驻留策略及500席位月度成本上存在显著差异，直接决定企业合规风险与预算规划。 关键要点 GitHub Copilot 企业版提供无上限知识产权赔偿，但 2026 年 4 月起取消强制去重过滤，500 席位月费区间为 9,500 至 30,000
一句话结论 采用区域留出评估协议在316L不锈钢扫描电镜（SEM）图像中实现氢脆特征检测，最简纹理方法LBP+SVM的平衡准确率（0.79）优于所有深度学习模型。 关键要点 在14个空间区域（8个未处理状态、6个充氢状态，共31张SEM图像）上，LBP+SVM组合的平衡准确率为0.79，优于六个特征
一句话结论 新研究利用智能电表数据准确识别住宅光伏与电动车协同采用模式，为需求侧规划提供关键决策支持。 关键要点 研究构建了整合式分析流程，将动态时间规整（DTW）k-means聚类与双向长短期记忆（BiLSTM）预测模型相结合 基于澳大利亚维多利亚州AusNet每半小时智能电表数据识别出光伏单独、
一句话结论 SGA 方法通过解析预测分支拓扑结构，为时序基础模型的多步预测不确定性提供系统性量化方案。 关键要点 研究于 2026 年 9 月 23 日提交至 arXiv 预印本平台，属于计算机科学机器学习领域 SGA（Slicing-Graphing-Alignment，切片-建图-对齐）方法使用
一句话结论 VINTAGE-TS 提出区分观察时间与信息可用时间的时序基础模型，防止后见之明污染预测评估。 关键要点 模型将预测目标定义为下一期首次发布值及发布后固定天数内的可用值，二者均非最终真值。 联合预测分布保留两个目标间的依赖关系，显式暴露二者差异的不确定性。 基于 ALFRED 构建滚动评
一句话结论 新框架 TAM-Chain 通过多尺度分析与不确定性量化，将内部测试集假阴性率降至 0，并在外部域偏移场景保持较高稳定性。 关键要点 基于吸收马尔可夫链与香农熵不确定性量化，支持 10x、20x、40x 多尺度甲状腺细胞学图像分类。 内部测试集（N=235）Macro F1 达 0.97