全部动态

做推荐系统的朋友可以看看这篇：RLCP 让推荐候选集大小随会话动态变化，在 KuaiRand-Pure 和 MovieLens 1M 上多样性最高到基线的 5.21 倍。

做长任务 Agent 的朋友看看这篇：TRACE 用 590 个真实压缩边界回放数据测了压缩时机怎么选，结论是历史行为预测力很弱，数据和方法都开源了。

有人把 61 篇图形学论文的物理仿真做成了 168 道题考 LLM，GPT-5.6-Sol 也只考了 48.7 分，想看模型写仿真代码的真实水平可以读读。

两个 PersonaPlex-7B 模型互相打电话，结果轮到说话比人类慢三四倍，因为它们在傻等对方说完，不会预判话轮结束，挺有意思的。

把 LoRA 搬到边缘设备上跑 CNN，激活内存砍掉九成多，做端侧学习的人可以看看具体做法。

给智能体加水印，工具改名或观察被改写后老方法基本失效，SBW 把检测率拉到 0.9 以上，还坦白了没防住的攻击。

编程智能体有时会做没必要的防御性改动，这个基准用 200 个任务对量化了这问题，测了 8 个模型，做智能体评测的可以看看。

用小模型加速大模型推理的投机解码原来有安全漏洞，这篇论文定位到问题出在前几个 token，SecureSD 只需对早期 token 加严验证就能补上，做推理部署的可以看看。

做离线策略评估的可以看看：VOCEM 用闭式系数在 OffCEM 和 DR 之间插值，23 个实验条件下方差都比两端低。

同一份 Llama-3.1 权重，Meta 配方训出的模型会违背自己道德判断行事，Tulu 3 却不会，差距原来出在后训练。

想搞 AI 内容水印的可以看看，这篇把 LLM 写代码渲染这条路线也纳入了溯源框架，还列了十个具体研究方向。

有人用 VEO 3.1、Sora 2 这些工具伪造监控视频做了一份测试集，10 个主流检测器全都没扛住，研究造假检测的可以看看。

微调 VLM 的朋友看这个：不同能力峰值时间不同，挑 checkpoint 的标准可能让你丢掉可迁移能力，SSR 方法能改善 name-free 检索。

arXiv 上新出的 ServeLearnBench，用 7718 个任务测 RAG、Mem0 这些框架能不能让智能体边服务边学习，结论是多数还不太行。

研究者做了个数据集专门判断评审点子是人写的还是 AI 写的，发现 AI 想法大多离不开论文本身，人会带外部知识进来，挺有意思的角度。

训练偏好模型的老问题：DPO 训到后面梯度就没劲了。这篇把 sigmoid 因子当成可调信号来动态控制，三个基准上都比 DPO 强，搞对齐训练的可以看看实现思路。

这篇论文改了 MCGDiff 的启动方式，用高斯桥把采样提前到中间时刻，粒子数不变的情况下误差降了约 2 倍，做扩散逆问题求解的可以看看。

一篇把因果表征学习理论落到机器人视觉上的论文，弱化干预假设还能免标注恢复物理状态，做具身智能的可以看看

LeCun 系 JEPA 路线的分层版本来了，AntMaze 成功率从 18% 干到 73%，做机器人规划和世界模型的值得看看这篇论文。

这篇论文教你用线性响应理论给 AI 模拟器做体检，储备池计算机统计上看着挺对但响应错了，神经 ODE 反过来，挺反直觉。

做聚类分析的朋友可以看看这篇：RTKNNC 不用提前定簇数，靠双向KNN图多尺度找簇，变密度数据上的ARI从0.78拉到0.96。

做物理机器学习的朋友可以看看，论文给出在 ATLAS JetSet2 上跑扩展定律对比架构的具体配方，连学习率和 batch size 一起优化了。

CADENCE 算法部署守卫时不知道该把智能体放到哪个角落，这篇论文用 CNN 和 GATv2+DQN 学会挑角落，7500 次测试跑得更快、用的智能体更少，形式化保证还一点没丢。

搞 PDE 求解或科学计算的朋友可以看看，讲清楚了神经网络参数无界时为什么会丢极限，还给了加核导数的补全办法。

写论文的都懂流程图换个画布比例多痛苦，这篇把它做成智能体流水线，输出还是 draw.io 能直接编辑的，比图生图和文生图靠谱多了。

不用 RL 训练，只在开头加个 "Okay" 就能让 Olmo-3-7B 数学成绩翻近一倍，这篇论文把原因挖得很透，做模型训练的值得看看。

研究模型偏置的可以看看：arXiv 上的 BiasFlow 同时给了监测质心几何的工具和 BFR 正则项，CelebA 压力测试里 WGA 从 40.7% 拉到 64.1%。

有人把扩散模型的中间 token 拿去喂 LLM 问话，能问出画面细节，还顺手改进了生成质量，思路挺有意思。

机器人智能体光记文字学不会“怎么做”操作，这篇论文把一条演示视频拆成层级结构按需查看，两个基准成功率都提了几个点，做具身智能的可以看看。

做 AI 图像编辑的可以看看，它把滑块拖动和实际感知变化对齐了，300 个样本的基准上加用户研究，比之前方法都稳。

一篇讲 agent 记忆管理的论文，用 RL 学出策略在“查现成记忆”和“现整理原始历史”之间动态切换，还能按成本和延迟偏好调，实验跑在五个多模态基准上。

开源网页智能体训练时奖励信号太稀疏？这篇 CLIFT 用保形自验证把裁判反馈变成可复用信号，测试时还能不调 API 就做轨迹筛选，WebArena Infinity 上开源里最強。

不用光学传感器，光靠手表加速度数据就能估睡眠心率，SeqSmoother 把 MAE 做到 1.60 bpm，还跟 Nightbeat 掰了手腕，精度和覆盖率的取舍讲得很清楚。

一个 8.5MB 的 TTS 模型，笔记本 CPU 就能跑，速度是实时的 25 倍，音质只比原版 Kokoro 低一点，还开源了代码和音频样本。

用一块贴纸大小的补丁就能让机器人世界模型成功率归零，还能跨模型迁移，做机器人安全研究的可以看看这篇攻击机制分析。

一篇实用论文：MC-Sparse 不用训练就能把视频和 3D 生成的去噪提速 1.8 到 2.3 倍，还指出了以往稀疏注意力掉质量的三个原因。

做芯片验证的朋友可以看看，这篇用 SQLite 加多智能体把波形调试从手动翻日志变成自然语言查询，150 条查询准确率 95% 以上。