全部动态

机器人训练效率有新思路：CoDA 让仿真环境和策略一起进化，LIBERO-Pro 上指令扰动成功率从 1% 拉到 76%，做具身智能的可以看看这篇论文。

有人拿四个模型在五种印度语言里做了个有意思的测试：模型知道自己在被测时拒绝率会明显变高，连良性请求也更容易被拒。

arXiv 上的新基准 FDE-Gym，拿 95 个真实客户交付任务考 13 个模型配置，最好的模型也只做对 14 个。想知道智能体离真实交付差在哪，看这篇。

扩散语言模型一直借用图像那套 DiT 架构，这篇论文专门为文本重设计了 LangDiT，GenPPL 降到 11.33，做生成模型方向的可以看看架构细节。

多轮修图会越修越糊，这篇论文提出训练时让学生模型在自己输出上练习、教师模型锚定原图做蒸馏，长序列编辑明显更稳。

一篇评音视频生成质量的新论文，把整段片子拆到事件级打分，还能定位具体哪里不同步，也能当 RL 训练信号用。

arXiv 上的新压缩论文，把 DeepSeek 的 203GB 查找表压到 51GB，做量化或本地部署的可以看看思路。

arXiv 上新出的多智能体编排框架，用分层任务网络做规划，同一模型下在 BrowseComp 上比 Agent Team 高 2.45 个点，做智能体的可以看看思路。

论文解决了一个很实际的问题：检测器升级后旧水印失效、误报飙升。用 legacy chain 加 ADL 损失来修复，方法挺清晰。

研究 MoE 的人可以看看这篇，它指出共享专家会抑制路由探索，并给出 MirrorMoE 这个修正方案，多规模实验都有效。

一篇预测时间序列的新论文，PathFM 用流匹配直接生成整条未来路径，还做了蒸馏加速，比传统分位数模型更能刻画累积需求、峰值负载这类依赖结构。

这个叫 GeoState 的方法把相机运动从场景变化里拆开，3D 世界模型在 Waymo 上效果更好，还能零样本跑 KITTI 和 nuScenes。

做了个把 Mathlib 依赖关系建成图来搜引理的工具，召回率比 LeanSearch v2 高 12%，做形式化证明的可以试试。

机器人训练不再让人类重头再教，而是机器自己定向提问并解释该看哪，低查询量下效果提升三成。

训练 LLM 显存吃紧的可以看看：BitSparse 靠 ReLU 稀疏性无损压缩激活缓存，NanoGPT 和 Nemotron-H 上实测省三成显存，几乎不拖慢速度。

用持久图损失微调风场超分模型，bottleneck 距离降 31%，PSNR 还涨 1.30 dB，做科学数据重建的可以看看方法细节。

做 RL 后训练的朋友可以看看，讲清楚了 GRPO 那套 group-mean baseline 什么时候够用、什么时候会引入偏差。

论文提出给多智能体系统配一个监工，用 GRPO 训练出能自动纠偏的 steering agent，做 agent 系统的可以看看思路。

一篇论文让 Qwen3-VL-8B 同时看折线图和延迟嵌入，时序推理准确率从 44.5% 拉到 53.2%，做时序分析的可以看看这个双视图思路。

一篇挺有意思的可解释性论文：模型记住了不代表会用，能不能泛化取决于知识在表征里是不是线性可读的，跨 11 个模型验证了这一点。

一篇把对抗训练用在诚实度上的论文，几百个样本就能让 Llama-3.3-70B 在三个诚实度基准上变靠谱，还能不掉能力。

微调总把模型原有能力练没了？这篇提出只在低奇异值子空间更新权重，KL 漂移少 2-4 倍，做微调的可以看看。

一篇多智能体强化学习论文，教你怎么让多个智能体在纳什均衡约束下各自完成时序目标，还有收敛性证明和8个博弈的实验。

Meta 这篇论文把文档整理变成了 RL 训练任务，builder agent 提前建好文件系统，BrowseComp-Plus 上比检索基线高 33 个点，做长文档问答的可以看看。

做安全强化学习或 POMDP 的朋友看看这篇：用有限历史窗口近似 CPOMDP，首次拿到奖励和约束违规同时有界的非渐近保证，理论味道很浓。

一篇蒸馏论文：用教师模型 RL 中途检查点的方向一致性做门控，Qwen3 系列学生六个设置全拿下最高分，成本只多一次打分。

机器人不建图也能进陌生建筑跑腿，靠人给的平面图和拓扑记忆，Go2 实测比基线快 40%，做导航的值得看看思路。

一篇关于世界模型的新论文，提出的 Concat IDM 在 Push-T 任务上把成功率从 9.1% 拉到 77.2%，做机器人规划或强化学习的可以看看思路。

这篇论文做了 9 个模型 2 个基准的实验，发现流行的工具图记忆基本没用，换文本存经验反而更好还省钱。

一篇论文提出 CiMEO 方法，让 LLM 学新任务时只更新对应的功能子网络，140 万条指令序列训练后遗忘更少，做持续学习可以看看。

多智能体系统里某个 agent 卡死了自己不会说，这篇论文给了一套轻量状态上报规范，还考虑了崩溃和被入侵的情况，做 agent 平台的开发者可以看看。

用 LLM 自动写测试把硬件覆盖率拉满，还靠独立记分板查数据对不对，作者连自己代码里的 bug 都揪出来了。

研究者实测两个前沿模型逆向 Apple 的 protobuf 格式，直接分析错误一堆，但让 Claude 写个 Extractor 工具反而靠谱，思路很实用。

七个模型在模拟科学探究任务里集体翻车，成功率低得离谱，但加个简单引导结构就明显变强，搞 agent 评测的可以看看。

做模拟电路机器学习的可以看看，100 多个运放拓扑加 6 个统一基准任务，终于能公平对比各家方法了。

端侧部署大模型的公司值得看：论文证明 GroupCover、ArrowCloak 这类 TEE 权重混淆能被破解，还给出了双向混淆的替代方案和开源代码。

HUST 团队把 RL 后训练扩散模型的方法全捋了一遍，还做了跨基准实测，做生成方向研究的可以直接收藏这份地图。

有篇论文做了个全自动 DM，能从编剧情到跑战斗全程带完一局 D&D 那种跑团，还找真人玩家测了 4 个模型，喜欢跑团的可以看看