全部动态

想用一个模型同时搞定稀疏检索和稠密检索？UEmbed把两件事合成了一次前向，9B在MMEB-v2上分数还挺能打，多模态输入也支持。

新模型 DyFrDet 专治小目标检测，压频域噪声和标签歧义，代码开源了，跑个基准试试。

DeepSeek稀疏注意力有个瓶颈，LongCat这套新方案用流式感知和跨层索引把它治了，跑长文本不慢，还开源了个69B模型，可以试试。

研究拥挤混乱街景的世界模型，发布了新模型和115k数据集，比传统JEPA更擅长处理遮挡和异构交通。

它把慢吞吞的自回归VLA模型变成并行扩散模型，性能不掉，推理快2.8倍，还能跑自动驾驶多任务。

仓库布局优化不用再跑几千次模拟了，SRA 用十九分钟就能搞定，还能让机器人数量翻一倍，值得看看。

TraceViT在ARC上刷到67.8%，思路是让每步推理都有中间状态监督，代码还会开源，想搞视觉推理的可以盯一下。

SESA让AI自己出题自己练，把失败经验存下来反复用，问答准确率比SSP高1到3个点，代码已经开源了。

想搞材料或药物结构预测的可以看看：APO 不用实验标签，纯无监督也能超过全监督的 FlowDPO。

Qwen 团队发了 UI-Agent，一个模型统一手机、电脑、网页操作，移动端跑分超 Opus 4.8，还能插命令行，挺能打。

HARGO给HPC任务的RL后训练提了个新思路，不用标签就能按难度加权，四个任务上全面超过GRPO。

图学习想换新思路可以看这个：TopoFormer用扫描把拓扑结构变成token，喂给Transformer就行，比传统持久同调快还准。

评估论文图表质量？SciFigQual-Bench这个新基准让GPT-5.6-Sol驱动的SFQ-Agent打分，误差比直问模型低43%，更靠谱。

想看看AI到底能不能做会计？新出的APEX-Accounting基准拿160道真实会计题考了九个模型，最强Claude Fable-5才56%，离实际干活还差得远。

DLAM用对角高斯分布建模潜动作，解决了时间一致性差和误差累积问题，在多个机器人基准上提升了策略性能。

想评估音频大模型的信息还原能力？MMAC有五千多段音频和十五个细粒度维度，比只看生成质量更靠谱。

想自动给论文图表打分？SciFigAlign比顶级大模型裁判准59%，还能区分同论文哪张图更好——审稿人能省大事。

如果你想了解现有AI智能体到底能多深地理解用户，这个新基准Setoka用心理学理论和方法测出了它们的短板——不只是翻聊天记录，还要推断行为和性格。

这篇论文提出一个新架构，让围棋AI不用大量搜索也能在普通电脑上达到专业水平，比AlphaZero更省资源。

Pegasus用图结构把人类视频变成机器人能学的数据，不用砸钱搞硬件采集了，跨形态效果不错。

Pictura让自动驾驶策略直接从相机图像自对弈学，跑完3500万公里，性能逼近用真实位置速度的版本，值得AI研究员看看。

PRISM-AH在视频级矛盾识别上把macro F1从0.28翻到0.61，比直接看零样本强多了，适合研究多模态情感分析的人看看。

这个研究把SAM的内扰动改成矩阵谱范数，再用Muon做外更新，在ImageNet的ViT和ResNet上准确率都最高。

MODUS用一个解码器统一处理各种模态的输入输出，省去多个专用组件，性能不输专家模型，还开源了。

新框架DynaBridge用多模态数据和语义摘要预测抑郁焦虑压力，在AdoDAS上F1达0.5，比基线强。

你想微调模型干专业活又怕它变傻？MemSFT加个记忆模块，领域知识涨了，通用能力不掉，比全参数微调靠谱。

PI-BLS用伪逆一步求解PDE，比传统PINNs快得多，参数更少，效果还不差，适合做物理模拟的朋友试试。

ClinFusion用新架构统一2D/3D医学图像，在20/24基准上碾压Hulu-Med、Lingshu，甚至超GPT-5.2。医生盲评说它报告最好，值得关注。

APS团队搞了个能检索几十年知识库的RAG系统，把BM25的63.8%准确率提到了70.3%。交叉编码器是关键，去掉掉32.8%得分。科学设施运维AI神助攻，代码和基准都开源了。

这篇论文发布了一个综合框架，让你看到当前LLM在社会智能上的短板（最高才72%），并提出Zing训练和Actio推理搭配，能显著提升表现。想了解模型怎么更懂社交规矩的可以看看。

这篇论文把LLM里高效扩展的思路用到了扩散Transformer上，MMOE在单机8卡H100就跑出了更低的FID，比加参数更实用。

Kimi 开源了2.8T参数的K3模型，激活104B参数，能处理百万token上下文，视觉能力也不弱，性能直逼Claude和GPT-5.6，适合用来部署或研究。

用验证器帮语言模型修量子场论对偶声明，效果不错，deepseek-chat提升8个百分点，qwen-plus提升7个百分点，值得关注。

这个框架能自动设计量子化学电路，比传统ADAPT-VQE快10倍，还在真实量子计算机上跑了实验。搞量子计算化学的可以看看。

这篇论文给出了一个很实用的思路：用任务级反馈来动态路由LLM，不用每次调用都做独立决策。在多个基准上同时提升了准确率和速度。

CausalForge用Lean做因果推理自动研究，能验证证明并审计陈述，比纯LLM评审靠谱。

LunarFM把三个月球任务的六种仪器数据整合成一个模型，能直接做资源识别和地质分类，开源数据集和代码。

如果觉得 LoRA 微调大模型太费钱，κ-LoRA 只挑条件数大的矩阵来更新，参数量砍半，速度提升 16%，精度不降，值得试试。

想精确控制视频里多个物体的互动？GraphVid用交互图代替画轨迹，效果比Motion-I2V好很多，FID降了40%。