LLMs

大型语言模型在高级历史问题表现不佳，GPT-4Turbo准确率仅46%。

可扩展记忆层提升LLMs知识准确性，减少幻觉现象。Meta研究优化内存占用，提高计算效率，在多个任务中表现优异。

AutoGraph框架通过LLMs自动构建知识图，显著提升推荐精度，降低资源消耗。

LongBench v2评估LLMs在长文本多任务中的深度理解和推理能力，具有更长的文本长度、更高的难度和更广泛的任务覆盖。

ServiceTitan在IPO申请中警示大型语言模型可能带来虚假信息、歧视行为等风险，担忧AI人才招聘及第三方服务依赖性，认为LLM应用初期问题与解决方案并存。