在线问诊里患者会突然换话题：PRISM把临床状态当隐变量估计，决策准确率高出最强基线22.40个百分点
在线问诊中患者常主动补充症状或临时转向新问题，使临床状态只能被逐步揭示。PRISM把临床分诊拆成信念估计、策略优化与回复生成三步，先对可能的问诊状态维护一个后验分布，再按最大后验状态选择下一步询问。在450例真实在线问诊评估中，其结构化决策准确率比最强基线高22.40个百分点，BERTScore_F1比最强基线高5.51分。
BitNest 把低精度草稿嵌入高精度目标权重，在 7B–8B 模型上实现 95.2% 接受率与 1.48–1.61 倍加速
BitNest 提出一种位嵌套投机解码框架，先把低精度草稿直接嵌入高精度目标表示、再通过残差精修恢复高精度目标，使草稿与目标共享同一份物理权重表示，并将该渐进精度设计扩展到 KV 缓存以支持长上下文推理；在多个 7B–8B 边缘友好 LLM 和多样负载上，它取得平均 95.2% 的投机接受率、较好保持高精度模型质量，并相对 FP16 自回归解码获得 1.48–1.61 倍端到端加速，在全部代表性自投机基线均支持的 LLaMA 模型上也取得相当或更高的解码加速。
复合自适应控制障碍函数把参数估计与安全约束耦合进单一能量函数，在三个仿真中恢复鲁棒方法放弃的安全操作空间
本文提出复合自适应控制障碍函数（CaCBF）算法，针对具有线性参数不确定性的非线性控制仿射系统，从由对数安全障碍、控制李雅普诺夫函数和参数误差项组成的复合能量函数推导自适应律，证明安全集前向不变（无需持续激励）、对状态导数测量有界误差鲁棒、所有闭环信号一致最终有界，并证明其容许控制集始终包含鲁棒对应集；在自适应巡航控制、全向机器人避障和平面无人机穿越窄门三个仿真中，CaCBF 在保持严格安全的同时恢复了鲁棒方法让出的性能余量。
已读完全部报道