大模型日报（9月12日 学术篇）

主要观点总结

文章主要介绍了关于AI学习社群、智能体工作流记忆、文本评估、时间序列建模、预训练模型以及语音语言模型等多个主题的内容。涵盖了各个主题的研究背景、方法介绍、实验结果以及相关链接等。

关键观点总结

关键观点1: AI学习社群

介绍了一个AI学习社群的搭建，旨在让大家学习最前沿的知识，共建更好的社区生态。提供了相关链接供读者参与和交流。

关键观点2: 智能体工作流记忆

介绍了一种用于诱导智能体工作流记忆（AWM）的方法，该方法可应用于解决现实世界任务，尤其在长期复杂任务中表现优异。提供了实验数据和链接。

关键观点3: 文本评估

介绍了一个整合人类专业知识与大语言模型（LLMs）的框架InteractEval，用于文本评估。该框架结合了人类的灵活性和LLM的一致性，提高了文本评估的性能。提供了实验数据和链接。

关键观点4: 时间序列建模

介绍了门控插槽注意力（GSA）这一高效线性时间序列建模方法，通过结合门控线性注意力（GLA）增强注意力，提高了内存容量和训练推理效率。提供了链接。

关键观点5: 预训练模型

探讨了预训练模型在获取世界知识方面的数据效率低下问题，并提出了一种合成持续预训练的方法来解决这一问题。通过合成数据增强算法提高模型在特定领域文档上的性能。提供了模型和链接。

关键观点6: 语音语言模型

介绍了LLaMA-3.1-8B-Omni这一高质量的语音语言模型，支持低延迟生成文本和语音响应，适用于语音助手等应用场景。提供了相关链接。

文章预览

我们希望能够搭建一个AI学习社群，让大家能够学习到最前沿的知识，大家共建一个更好的社区生态。 「奇绩大模型日报」知识库现已登陆飞书官方社区： https://www.feishu.cn/community/article/wiki?id=7355065047338450972 点击「订阅社区精选」，即可在飞书每日收到《大模型日报》每日最新推送 如果想和我们空间站日报读者和创作团队有更多交流，欢迎扫码。 欢 迎 大 家 一 起 交 流 ！ 论文 0 1 智能体工作流记忆 尽管基于语言模型的智能体在解决诸如网页导航等现实世界任务方面具有潜力，但当前的方法仍然在具有复杂动作轨迹的长期任务中遇到困难。相比之下，人类可以通过从过去经验中学习可重用的任务工作流程并将其用于指导未来动作，灵活地解决复杂任务。为了构建能够从这一过程中获益的智能体，我们引入了智能体工作流记忆（AWM），一种用于诱 ………………………………