全部动态

一篇把扩散模型搬进推理赛道的新论文，LFRM 用 638M 参数在 GSM8K 拿到 63.74%，比同规模的连续扩散基线都强，搞生成范式研究的可以看看。

Workday 把生产环境里 agent 技能库按需加载的真实数据写成了报告，想优化成本和延迟的可以看下取舍结果。

一行代码就能修好 DMD 视频蒸馏的过饱和问题，Wan2.1 上 4 步出片还比原版高 1 分，做视频生成的可以直接看代码

单步生成图像的论文，用高斯混合做分布匹配，把 FLUX.2 4B 改成一步出图还比原来四步更好，搞生成的可以看看方法细节。

跑 Agent 最怕 token 预算失控，这篇论文的 TokenCast 能边执行边预测消耗，实测省 21.3% 的 token，做 agent 的都该看看。

给符号回归套了个专用运行框架，同样的 DeepSeek 底座准确率从 62% 拉到 94%，还超过了 Codex，做 AI for Science 的可以看看。

这个新基准专测智能体治理委员会会不会被骗：冒充流程的攻击让 GPT-6 Luna Pro 从 34 分掉到 6，挺扎眼的。

一篇很实用的论文：让大模型和小模型在任务里分工干活，成本砍到一半性能反升，ALFWorld 上省了八成推理开销。

一篇讲怎么给智能体做记忆的论文，思路是把执行状态当记忆存起来按需取，token 省了四成，成绩还涨了。

一个把智能体准确率拆开看的新基准，能看出各家模型是乱搜还是不敢搜，做 agent 评估的可以拿去用。

用强化学习把开源模型训练成会挑求解策略的优化器，成绩还能压过 GPT-5.5，做运筹优化的可以看看。

训练大模型的朋友可以看看这个 Muon 改进版，行列一起均衡还省优化器显存，收敛比 AdamW 更好。

做图神经网络的可以看看：一个表示同时搞定校准、OOD 检测和分布偏移，14 个基准 Brier score 最低，不用再各训练一个模型。

研究者用四千多个模型检查点做了两套基准，专门测缩放定律的推导方法靠不靠谱，做 scaling 实验前可以先看看。

有人把 OpenAI 那篇 Navier-Stokes 爆破论文里最难懂的部分重写成了可读版本，还引入了新线性模型解释内核构造，数学爱好者可以看看。

vLLM 和 LMCache 里能直接用的 KV 缓存调度优化，快速层容量从 100 GiB 砍到 25 GiB 吞吐基本不掉，还把 p95 首 token 时间降了 48%。

一篇把 LLM Agent 用于选股的论文，核心是用事件图做历史延续性修正，美股和港股回测净夏普都超过 1.6，量化圈可以看看。

一篇很实用的论文：教你怎么把病人电子病历喂给冻结的 Llama3.2 或 OLMo2，只训练不到 1% 的参数，罕见病预测还更好。

CI 里用 LLM 审代码不放心？这篇给出把审计证据版本化、策略一改就 1.1ms 内重算保障态势的工程方案，数据还挺扎实。

用 RLVR 训练模型的人该看看：验证器出错时奖励会涨但答案变错，论文还给了基于审计的修正办法。

一篇改进 GLA 的论文，思路是把不同注意力头分到不同时间分辨率再动态融合，召回任务提升最高 18.9%，做线性注意力方向的可以看看。

清华团队提出 TaH2，让循环 Transformer 只对需要的 token 多迭代，AIME 上同等算力多拿 3.4 分，代码已开源。

这篇论文讲压缩时顺便做分类怎么更省码率还提准确率，做图像压缩或多任务学习的朋友可以看看理论推导。

这几个作者发现个性化生成其实卡在匹配而不是生成能力上，用不到0.4%参数的小 MLP 就把十亿级 reward model 全线打过了，思路很值得琢磨。

跑 MoE 显存不够的人可以看看：微调路由加专家，Mixtral-8x7B 每层只缓存 4 个专家，取回次数降了 23.7%，速度更快精度还涨。

用 Mamba-3 替换注意力机制做 3D 点跟踪，单卡就能跑，还拿下 TAPVid-3D 最高精度，做机器人或自动驾驶的可以看看。

研究团队发现工具调用在审批延迟期间可能悄悄变更安全效果，提出 FCD 方案，32 个版本实验里拦截了效果外泄的调用，做智能体安全的可以看看。

医生朋友做临床数据分析的可以看看这个 CLEAR-Med 框架，让模型先写 SQL 再独立校验，准确率从 12% 拉到 66%，还能弃答不乱猜。

这篇论文教离散扩散模型边生成边改错，分子生成有效性比均匀扩散和掩码扩散都高，做生成模型研究的可以看看博弈式训练的思路。

FOND 规划领域的新工作，用反链表示必胜状态集，一个求解器同时搞定强规划和尽力而为规划，大实例上跑得比 PR2 和 BeSyftP 还快。

多智能体跑长任务时每个 LoRA 都重算一遍上下文，这篇论文给了一套免训练的共享方案，提速最高 3.1 倍，做 agent 服务的值得看看实现思路。

伯克利这边搞了个 X-Reset，把人类手部演示只用来当 RL 重置点，不用模仿，20 个物体三种机器人本体都能训出通用抓取策略，还能 sim-to-real 直接迁移。

这篇讲了个挺新的思路：不微调模型，而是让一个 proposer 用强化学习学会改智能体的 harness，测试时边跑边改。做 Agent 框架的可以看看。

跑全双工语音模型的开发者可以看，它把推理速度提到原来的 2.85 倍还省内存，输出结果完全一致。

搞 SEO 或 AEO 的朋友该看看：分析了 200 万条 ChatGPT、Claude 等引用数据，发现堆 FAQ、加结构化数据没啥用，内容和用户提问匹配度才是关键。

做可解释性的朋友看过来：这篇用 GPT-2 的 IOI 实验说明现有电路验证方法基本只看正确样本，错误复现率低到 11.4%，方法上值得反思。

GAIL 这些老方法里加正则化为什么效果好，这篇终于给出了数学证明，还配套了新算法，做强化学习理论的朋友可以看看。

这篇论文实测了 MCP 报错文案怎么坑智能体：能力越强的模型损失越大，还给了两个能让恢复率翻倍的改法，做 Agent 或 MCP 开发的都该看看。

想让线性 ViT 免去从头预训练？这篇告诉你直接复制 MLP 权重再蒸馏注意力就能追平 Softmax 版本，方法很实用。

这篇论文把 App 导航离线编译成命令，智能体执行又快又省 token，做移动 Agent 的开发者可以直接看看思路。