中科院提出DEER：让Reasoning提前退出，推理提速50% 准确率涨10%
MLNLP是国内外知名的机器学习与自然语言处理社区。旨在促进学术界、产业界和爱好者的交流合作。近期提出DEER技术来解决大型语言模型冗长推理的问题，通过监测思考转折词和置信度评估实现。
MLNLP社区
清华提出Test-Time RL，无需标注，模型自学，正确率飙升159%，实现终身学习
MLNLP社区致力于促进国内外机器学习与自然语言处理的交流合作。论文介绍了一种无需标注数据的新方法TTRL，展示了其在数学推理任务上的显著提升效果。
重磅！国家科学技术奖励：鼓励主要论著优先在国内学术刊物上发表
MLNLP社区致力于促进国内外机器学习与自然语言处理的交流合作。科技部发布了修订后的《国家科学技术奖励条例实施细则》，明确每年评审改为每两年一次，新增了提名评审机制、诚信监督和保密要求等内容。
ACM MM 2025 Grand Challenge 多模态共情回复生成挑战赛
MLNLP社区发起AvaMERG挑战赛，目标是推动多模态情感对话系统的发展，参赛者需生成包含文本、语音和视频虚拟人头像的共情回复模型。
咕泡科技 论文指导（含NLP、CV、机器学习等方向）
MLNLP社区致力于促进国内外机器学习与自然语言处理领域交流合作。针对科研困境，咕泡科技提供专业指导，涵盖选题、写作、投稿等环节，助力提升论文质量并增加录用率。
MLNLP学术Talk第三十期 鲍光胜@西湖大学：AI和人类的差异 – 从推理的因果性和生成文本的可检测性看AI和人类的异同
MLNLP学术Talk邀请西湖大学鲍光胜博士分享AI与人类的差异，包括AI推理过程的表面模仿和生成文本的分布差异。报告聚焦大语言模型内在因果图结构、白盒方法检测LLM生成文本等方面。
Andrej Karpathy一条动态炸了！提出新概念引发400万人围观
MLNLP社区报道了AI编程新方式Vibe Coding的兴起及其争议。Andrej Karpathy提出通过语音与大模型互动生成代码的概念，引发了广泛讨论和实践案例。专家们预测未来编码工作可能自动化，但一线开发者对此持怀疑态度。Vibe Coding简化了编程过程，使得普通人也能参与软件开发，激发了新的生态和需求。
idea满满的最新Test-Time Scaling综述！全面描述What, How, Where和How Well的问题
MLNLP社区发布一篇关于Test-Time Scaling（TTS）的survey论文，介绍大语言模型在测试阶段增加计算资源的方法，让模型能够更智能地解答问题。