Search for a command to run...
基于大语言模型的贝叶斯实验设计（Bayesian Experimental Design with Large Language Models，BED-LLM）是由苹果公司与牛津大学、香港城市大学于 2025 年 8 月联合提出的，相关研究成果发表于论文「BED-LLM: Intelligent Information Gathering with LLMs and Bayesian Experimental Design」。
BED-LLM 基于迭代地选择问题，将关于感兴趣任务的预期信息增益（EIG）实现最大化。与直接提示 LLM 和其他自适应设计策略相比，BED-LLM 在基于 20 问游戏的多种测试中，通过使用 LLM 主动推断用户偏好，实现了显著的性能提升。
Search for a command to run...
基于大语言模型的贝叶斯实验设计（Bayesian Experimental Design with Large Language Models，BED-LLM）是由苹果公司与牛津大学、香港城市大学于 2025 年 8 月联合提出的，相关研究成果发表于论文「BED-LLM: Intelligent Information Gathering with LLMs and Bayesian Experimental Design」。
BED-LLM 基于迭代地选择问题，将关于感兴趣任务的预期信息增益（EIG）实现最大化。与直接提示 LLM 和其他自适应设计策略相比，BED-LLM 在基于 20 问游戏的多种测试中，通过使用 LLM 主动推断用户偏好，实现了显著的性能提升。
UserBench 旨在评估和促进智能体理解、交互和适应现实世界用户沟通的能力。
ReinFlow 具有轻量级实现、内置探索功能，并能广泛适用于各种流策略变体。
TreeSynth 在大规模数据合成方面展现出卓越鲁棒性和可扩展性。
Lancelot 框架将全同态加密融入 BRFL 以实现严格的隐私保护。
作为一个新颖的语义感知框架，用于从稀疏视图中重建 3D 模型。
FlashMoBA 使理论上最优的小块尺寸变得实用，在 GPU 上实现高达 14.7 倍的加速。
BRFL 意在解决模型聚合过程中出现的拜占庭攻击问题。
FractalForensics 在常见图像处理操作和 Deepfake 操作上有较好的鲁棒性和脆弱性。
NSG 统计量量化了空间概率梯度与时间密度变化的比例。
UserBench 旨在评估和促进智能体理解、交互和适应现实世界用户沟通的能力。
ReinFlow 具有轻量级实现、内置探索功能，并能广泛适用于各种流策略变体。
TreeSynth 在大规模数据合成方面展现出卓越鲁棒性和可扩展性。
Lancelot 框架将全同态加密融入 BRFL 以实现严格的隐私保护。
作为一个新颖的语义感知框架，用于从稀疏视图中重建 3D 模型。
FlashMoBA 使理论上最优的小块尺寸变得实用，在 GPU 上实现高达 14.7 倍的加速。
BRFL 意在解决模型聚合过程中出现的拜占庭攻击问题。
FractalForensics 在常见图像处理操作和 Deepfake 操作上有较好的鲁棒性和脆弱性。
NSG 统计量量化了空间概率梯度与时间密度变化的比例。
