本文提出深度自信思考(DeepConf)，一种利用语言模型内部置信度信号提升推理效率的新方法。针对现有多数投票法计算开销大、精度回报递减的问题，DeepConf通过局部置信度度量（如底部10%组置信度、尾部置信度）动态过滤低质量推理轨迹，无需额外训练即可集成到现有框架。实验表明，在AIME 2025等基准测试中，DeepConf@512使用GPT-OSS-120B模型达到99.9%准确率，较标准多

大型语言模型（LLM）已经成为人工智能领域的一个里程碑，其性能可以随着模型大小的增加而提高。然而，这种扩展给训练和推理效率带来了巨大的挑战，特别是对于在资源受限的环境中部署LLM，并且扩展趋势变得越来越不可持续。本文介绍了“容量密度”的概念，作为一个新的度量标准，以评估质量的LLM在不同的规模和描述的趋势LLM的有效性和效率。为了计算给定目标LLM的容量密度，我们首先引入一组参考模型，并根据这些参

本文提出Centaur模型，一种通过微调大型语言模型Llama 3.1构建的人类认知基础模型。研究团队构建了Psych-101数据集，包含160个心理学实验中60,092名参与者的1,000万次选择数据。Centaur采用参数高效的QLoRA微调方法，仅增加0.15%的参数。实验表明，Centaur在预测被拒参与者行为方面优于领域特定认知模型（平均对数似然提升0.13），并能推广到新封面故事、任务

本章探讨了生成式人工智能（GenAI）在医疗保健领域的应用前景与挑战。GenAI能够通过创建合成医学图像、生成诊断报告和加速药物研发等方式变革医疗实践，在知识综合、临床决策支持、个性化医疗和健康研究等方面具有广泛应用。然而，其发展也面临数据偏差、错误内容生成、隐私保护等风险，需要解决基础设施不足和系统互操作性等问题。医疗专业人员培训、多学科合作及伦理法律规范的建立将是确保GenAI负责任应用的关键

本章探讨了生成式人工智能（GenAI）在医疗保健领域的应用前景与挑战。GenAI能够通过创建合成医学图像、生成诊断报告和加速药物研发等方式变革医疗实践，在知识综合、临床决策支持、个性化医疗和健康研究等方面具有广泛应用。然而，其发展也面临数据偏差、错误内容生成、隐私保护等风险，需要解决基础设施不足和系统互操作性等问题。医疗专业人员培训、多学科合作及伦理法律规范的建立将是确保GenAI负责任应用的关键

本章概述了GenAI的监管格局，从AI法案及其对GenAI应用的影响开始。它探讨了与GenAI相关的风险以及《数字服务法》在减轻这些风险方面的作用。本章还探讨了GenAI与《通用数据保护条例》（GDPR）之间的相互作用，以及知识产权（IP），特别是版权挑战。核心问题包括如何平衡创新与人工智能治理中强大的道德和法律的标准的需求。最后，总结了规范数据交换和再利用的立法。

本章探讨生成式人工智能（GenAI）的社会影响，重点关注技能差距与AI素养需求。分析显示，欧盟在人工智能相关学术课程渗透率方面保持领先，但需持续加强数字技能培训以应对劳动力转型。同时，GenAI可能被用于大规模生成虚假信息，威胁民主进程和公众认知。研究建议采取多层次策略：更新DigComp 3.0框架整合AI伦理教育；加强政企学合作培育关键数字技能；建立内容审核机制应对信息操纵风险。关键挑战在于平

第一步下载一个GitHub Desktop，网址为：https://desktop.github.com/下载完成后知己安装，按照提示登录，没有账号的同学自己注册一个。登录后就可以看到大致如下界面（我的已经有一些仓库了）：然后点击file，选择new repository：填写仓库信息：   在本地仓库里新建一个test.txt文件，用notepad键入一些文字，格...