全部动态

这篇论文对Hugging Face上近十万个模型的文档完整性做了大规模分析，发现很多模型缺少许可证、局限性和环境信息，对想了解开源模型供应链透明度的朋友很有参考。

官方账号arXiv cs.AI@Md Erfan, Ahmed Ryan, Md Rayhanur Rahman原文

这篇论文提出了一个量化框架，告诉你什么时候该在推理中增加中间步骤，什么时候不该。有具体数据支撑，适合做推理优化的研究参考。

官方账号arXiv cs.AI@Honglin Li原文

做AI代理开发？这篇论文提出了AJR和ADP两个实用工具，帮你理清什么该委托给代理、怎么设定权限等级，比直接写prompt靠谱多了。

官方账号arXiv cs.AI@Chetan Arora, Andreas Vogelsang, Abbi Sharma原文

这篇论文用QQ等式定量审计LLM的顺序效应，还给出了理论机制和实用流水线，适合对模型行为一致性感兴趣的人读。

官方账号arXiv cs.AI@Pilsung Kang原文

这篇论文系统测试了用SWE-trajectory数据微调Qwen2.5-Coder时，不同轨迹筛选方法的效果，发现数据质量和数量在不同规模下影响不同，值得参考。

官方账号arXiv cs.AI@Yunze Han原文

想搞懂压缩里的感知极限吗？这篇教程把率失真感知理论的计算方法和多种散度度量讲透了，比泛泛的综述实在得多。

官方账号arXiv cs.LG@Photios A. Stavrou, Giuseppe Serra, Marios Kountouris原文

这篇论文给NaS算法提供了非渐近保证，解释了样本复杂度受哪些因素影响，做强化学习理论的朋友可以看看。

官方账号arXiv cs.LG@Joseph Lazzaro, Alessio Russo, Aldo Pacchiano原文

这篇论文发现Transformer学算术的方式跟人很像，用教人算术的策略来调模型，效果还真不错，想了解LLM推理机制和可解释性的话值得一看。

官方账号arXiv cs.LG@Luyu Qiu, Jianing Li, Hwanhee Kim, Xiaoyong Wei, Yueyuan Zheng, Janet Hsiao, Lei Chen原文

这篇论文告诉你如何微调Whisper搞定低资源语言阿萨姆语的语音识别，效果比零样本好一大截，WER直接降了78%

官方账号arXiv cs.LG@Ganapati Das, Dwipen Laskar, Hasin Afzal Ahmed, Sanjib Kr Kalita, Kshirod Sarmah, Hem Chandra Das, Manjula Kalita原文

这篇论文把MoE模型卸到边缘设备上跑，靠专家相似性分组减少跨服务器通信，实测延迟和流量都降了，质量只掉一点。

官方账号arXiv cs.LG@Xin Yuan, Ning Li, Quan Chen, Wenchao Xu, Athanasios V. Vasilakos, Song Guo, Haijun Zhang原文

这篇论文提出了Persistent SAE，让稀疏自编码器学出特征该持久多久，在解释和监控语言模型上更灵活，尤其长文本场景下效果明显。

官方账号arXiv cs.LG@Haoyan Luo, Mateo Espinosa Zarlenga, Mateja Jamnik原文

这篇论文用对抗训练加高斯增强，把NIDS被FGSM攻击后的26%准确率拉回96%，实测有效。

官方账号arXiv cs.LG@Khushnaseeb Roshan原文

这篇论文提出了ThRIve方法，用低秩适应应对PIM芯片的热噪声问题，在保持精度不变的前提下把能效提升了5.4倍，做硬件推理的值得看看。

官方账号arXiv cs.LG@Vibhanshu Sharma, Pratyush Dhingra, Janardhan Rao Doppa, Partha Pratim Pande原文

这篇论文提出了Otap，一个用最优传输来评估Agent轨迹的新方法。它不再只看任务成功与否，而是分析执行结构，还能容忍不同的规划顺序和冗余步骤。

官方账号arXiv cs.LG@Babak Barazandeh, Subhabrata Majumdar, George Michailidis原文

这篇论文提出了PMC方法，能直接看穿BFT模型内部认为的贝叶斯先验是什么，比传统对比法更靠谱。做可解释性研究的朋友可以试试。

官方账号arXiv cs.LG@Afiq Abdillah Effiezal Aswadi, Haotong Ma, Susan Wei原文

这篇论文用严格实验告诉你，LLM在约束推理上的表现和求解器难度不是一码事。他们控制密度、比较两类公式，发现准确率差距和求解器冲突量几乎不相关，甚至反着走。

官方账号arXiv cs.LG@Lucky Verma原文

这篇论文搞了个ChemFusion模型，把电子特征和3D结构结合起来用交叉注意力，预测催化反应产率比老方法准多了。

官方账号arXiv cs.LG@Qiwei Han, Chi Zhou原文

这篇论文用实打实的数据告诉你，PM2.5对呼吸健康影响有多大，而且不同收入国家差别明显，模型能解释比只看精度更重要。

官方账号arXiv cs.LG@Maede Azani Hassan Abadi, Shouyi Wang原文

这篇论文把拟人对话的生成、评测和奖励对齐做成闭环，Qwen3.6-27B微调后严格准确率39%，比基线高一大截。

官方账号arXiv cs.AI@Wentao Liu, Siyu Song, Xi Chen, Youjia Li, Xiaokun Wang, Min Ji, Ji Wang原文

这篇论文的Talaria系统把工具代理场景下百亿参数模型的p50延迟从1000秒降到189秒，挺实用的加速方案。

官方账号arXiv cs.AI@Utopia Meng, Unicornt Zhao, Derek Li, Goalen Gao, Frank Du原文

你还在为回归数据分布不均发愁？这个新框架DADIR用密度指导分区和生成，比固定分区法更准，专门提升稀疏区域的预测效果。

官方账号arXiv cs.AI@Shermin Shahbazi, Hossein Mohammadi, Mohsen Afsharchi原文

这篇论文把AI行为拆成两层来诊断，教你看清行为是来自模型结构还是外部规则，对搞智能体评估和治理的人很有用。

官方账号arXiv cs.AI@Xichen Zhang, Yingjie Zhang, Tianshu Sun原文

这篇论文提出了HALO，能用带噪框标注解决红外小目标检测，比现有方法更扛标注不准确，适合实际场景。

官方账号arXiv cs.AI@Xizhe Zhang, Fan Shi, Mianzhao Wang, Jiangpeng Zheng, Xu Cheng, Shengyong Chen原文

这篇论文展示了PagedWeight方法，能在MoE模型服务里动态量化权重，省内存还保准，比之前的方法效果明显更好。

官方账号arXiv cs.LG@Yuchen Yang, Yifan Zhao, Anisha Dasgupta, Sasa Misailovic原文

这篇论文提供了一种利用热力学原理做机器学习的新思路，特别适合关注低功耗计算硬件的读者，从理论到超导电路实验都有。

官方账号arXiv cs.LG@Owen Lockwood, Jérémy Béjanin, Joost Bus, Christopher Chamberland, Patrick Huembeli, Frank Schäfer, Guillaume Verdon原文

这篇论文用拉普拉斯最优传输让点云匹配自动感知聚类结构，还附带一个同步聚类方法RSC，适合做形状匹配或聚类对齐的同行参考。

官方账号arXiv cs.LG@Gabriel Samberg, YoonHaeng Hur, Yuehaw Khoo, Nir Sharon原文

这篇论文用PEARL方法解决了RL在复杂动力学系统中样本效率低的问题，能在非稳态流中做实时控制，比现有算法更高效，值得搞控制或RL的人看看。

官方账号arXiv cs.LG@Matteo Tomasetto, Nicolò Botteghi, Gabriele Bruni, Andrea Manzoni原文

这篇论文用行为条件化神经过程做家庭用电预测，比基线方法MAE降了7.9%，特别适合处理不同家庭的用电习惯差异。

官方账号arXiv cs.LG@Ramin Soleimani, Andrea Visentin, Dirk Pesch原文

这篇论文提出PRISA，用路边LiDAR自动学习轨迹预测，无需人工标注就能在边缘实时评估碰撞风险，延迟仅194毫秒，已在真实路口跑通。

官方账号arXiv cs.LG@Tam Bang, Hussam Abubakr, Emiliano de la Garza Villarreal, Truc Phuong Nguyen, Austin Harris, Toru Hirano, Mina Sartipi, Yunfei Xu, Hoang H. Nguyen10 个信源在谈原文

这篇论文展示了生成模型能从原始对撞数据中自动学习标准模型的结构，不需要模拟样本，连共振峰和质量都能自己学到。

官方账号arXiv cs.LG@Midori Kato, Kevin A. Urquía-Calderón, Inar Timiryasov, Oleg Ruchayskiy原文

IKPLS算法加速技巧：X旋转和Y负载计算改进，CPU快2倍、GPU快6倍，代码开源随便用。

官方账号arXiv cs.LG@Ole-Christian Galbo Engstrøm原文

这篇论文挖出了智能体共识的一个坑：老实但推理错误的验证器照样能搞砸安全性。用e_δ和u_ε两个指标量化风险，比传统BFT更接地气。搞Agent基础设施的值得一读。

官方账号arXiv cs.LG@Jun He, Deying Yu原文

给AI科学应用开发者的新视角：AlphaFold2的权重里藏着比静态预测更丰富的构象信息，用高斯卷积就能读出蛋白质折叠动力学线索。

官方账号arXiv cs.LG@Kaustav Mehta原文

这篇论文用 P2L 方法从 400 个场景里只挑 2 个就搞定了 MPC 校准，风险界才 4.8%，而且置信度极高，做控制的人可以看看。

官方账号arXiv cs.LG@Marco C. Campi, Simone Garatti原文

搞气象AI的可以看这篇，用孟买雷达数据训练的U-Net模型预测90分钟降水，CSI比传统方法高不少。

官方账号arXiv cs.LG@Akshay Sunil, Muhammed Rashid, Raja Sekhar Sivaraju, Sushma Nair, Subimal Ghosh原文

想搞基因调控网络但被跨物种问题卡住？这论文用序列预测加概率精修，直接解决迁移和不确定性问题，值得做计算生物学的看看。

官方账号arXiv cs.LG@Claudia Skok Gibbs原文

这篇论文测了11个开源模型做漏洞结构化的效果，Gemma-4-31B和Codestral-22B组队挺有意思，做安全情报的可以看看F1分数。

官方账号arXiv cs.AI@Md Erfan, Ahmed Ryan, Md Kamal Hossain Chowdhury, Md Rayhanur Rahman原文

这篇论文发现Muon优化器让智能体RL成功率从29%飙到55%，比AdamW快60步，还分析了学习率的影响。

官方账号arXiv cs.AI@Kai Ruan, Jinghao Lin, Zihe Huang, Ziqi Zhou, Qianshan Wei, Xuan Wang, Hao Sun原文