本期精华内容：

• 《Reasoning-as-Logic-Units：Scaling Test-Time Reasoning in Large Language Models Through Logic Unit Alignment》，提出了RaLU框架，通过逻辑单元对齐解决大语言模型的“推理幻觉”问题，提升推理可靠性和可解释性。


• 《Distillation Scaling Laws》，提出了蒸馏缩放律，揭示了知识蒸馏中学生模型性能与计算资源分配的关系，为高效知识蒸馏提供了理论指导。


• 《The Geometry of Prompting：Unveiling Distinct Mechanisms of Task Adaptation in Language Models》，从几何学角度分析了不同提示方法在语言模型中的作用机制，揭示了示例提示和指令提示的不同工作原理。


• 《LLM Pretraining with Continuous Concepts》，提出了CoCoMix预训练框架，将连续概念融入预训练过程，提升了模型的样本效率、可解释性和可操控性。


• 《TransMLA: Multi-head Latent Attention Is All You Need》，提出了MLA多头潜注意力机制，在减少KV缓存的同时提升模型表达能力，为加速大语言模型推理提供了新方案。

完整推介：https://mp.weixin.qq.com/s/7RXMdDZFyAbmCwiy5DhMMQ