论文09:40
CoCoT-EEG: 对比预训练多尺度卷积Transformer用于EEG解码这篇论文用对比学习做EEG预训练，比传统掩码重构效果好，架构设计很实在，搞脑机接口的可以看看。
arXiv cs.LG原文
全部动态
AI 相关资讯全量信息流
论文09:39
GatedLinear：用于时间序列预测的互补线性基自适应路由时间序列预测新方法，GatedLinear用三个线性基自动选最适合的组合，比大模型更轻量还更准。
arXiv cs.LG原文
论文09:28
深度神经网络中统计不可检测的后门攻击这篇论文揭示了AI安全的新漏洞：攻击者能植入无法被检测到的后门，生成对抗样本。对做模型安全的人很重要。
arXiv cs.LG原文
论文09:27
TSAI-MetaFraud：一个用于元界金融欺诈检测的多模态基准数据集这篇论文发了TSAI-MetaFraud数据集，把行为、交易和图数据合在一起，专门做元界欺诈检测，搞多模态研究的可以看看。
arXiv cs.LG原文
论文09:26
所有解释都错，但很多有用：用LLM探索Rashomon解释集这篇论文打破了‘解释会牺牲准确率’的旧观念，用RashomonLLM让大模型自动生成解释还能反过来提升预测，三个真实场景实测都更强，研究很扎实。
arXiv cs.LG原文
论文09:25
时间序列的终端降维及其应用这篇论文把终端嵌入推广到了线段结构，首次做出了无维度依赖的时间序列聚类coresets，比PCA效果还好。
arXiv cs.LG原文
论文09:24
神经塌陷被禁止：语言模型中的信息下限这篇论文用理论证明语言模型里的类内分散不是瑕疵，而是上下文信息存储，且跨14个模型验证了跨模型可预测性，很硬核。
arXiv cs.LG原文
论文09:22
FDT: 中央凹引导的动态令牌选择实现鲁棒高效ViT这篇论文提出的FDT模拟人眼注视，只用一半token就比DeiT-S更准还省34%算力，而且天然抗噪声攻击。
arXiv cs.LG原文
论文09:21
主动拒绝机制实现通用机器学习原子间势的可靠泛化这篇论文给出了一个很实用的思路：用多个预训练模型做教师，主动拒绝不可靠的结构，只用少量高精度标签就能生成大量高质量数据，对材料模拟的同学很有参考价值。
arXiv cs.LG原文
论文09:18
RITA：测试时提示自适应提升VLM对抗鲁棒性这篇论文用最优传输做分布对齐来对抗扰动，不用改模型结构，挺实用的思路。
arXiv cs.LG原文
论文09:17
测试时扩展对小视觉语言模型在多语言视觉选择题中的有效性研究这篇论文告诉你，在小模型上用测试时扩展，关键是让模型把答案写出来，而不是复杂搜索。Qwen2.5-VL调参后性价比很高。
arXiv cs.LG原文
论文09:16
多模态场景相似性搜索用于自动驾驶这篇论文对比了视觉和轨迹两种方法，告诉你什么时候该用哪个，还发现组合起来效果最好。搞自动驾驶数据挖掘或场景验证的可以看看。
arXiv cs.LG原文
这篇论文用多智能体协作搞世界构建，解决了上下文太长和内容不一致的老问题，效率高还零冲突，值得看看。
arXiv: DeepSeek原文
这篇论文用实验数据告诉你，大模型评政策时会看谁站台——同一政策挂美国旗得分高，挂中国旗得分低。GPT-5、Claude Sonnet、Gemini、DeepSeek表现各异，值得关注。
arXiv: DeepSeek原文
想了解怎么让大模型更省资源、更环保？这篇综述从算法优化到硬件设计都讲透了，还提到了DeepSeek等应用案例。
arXiv: DeepSeek原文
COBS在NSA基础上加了个二阶统计量，长上下文检索分数从0.3拉到0.82，接近稠密注意力但省了十几倍带宽，很实用。
arXiv: DeepSeek原文
论文12:19
OpenCoF：通过视频生成学会推理这篇论文用视频帧序列做推理，比传统的思维链更直观。他们把 Wan2.2 模型微调成 Wan-CoF，在多个基准上分数更高，还开源了数据集和代码。
arXiv cs.AI原文
论文12:18
IdeaGene-Bench：科学思想谱系推理与生成基准测试这篇论文拿IdeaGene-Bench测了14个LLM，最强也只有27.3%准确率，而且加谱系信息反而搞乱排名。想看看AI离真正理解科学进化还有多远？读它。
arXiv cs.AI原文
论文12:16
Syntea AI学习助手在高等教育中的大规模使用分析这篇论文用7.7万学生的真实数据告诉你，AI学习助手Syntea在高校里到底谁在用、怎么用，比小样本调查靠谱多了。
arXiv cs.AI原文
论文12:14
AUTOPILOT-VQA：面向事故场景的行车记录仪视频问答基准CVPR 2026 竞赛推出了 AUTOPILOT-VQA 基准，专门测试 AI 模型对行车记录仪事故视频的推理能力，比普通视觉问答更难更贴近安全。
arXiv cs.AI原文
论文12:13
工作流即知识：LLM工作流的语义持久性这篇论文把工作流本身当成可持久化的知识对象，用Lisp概念讲LLM工作流语义，挺有启发。
arXiv cs.AI原文
论文12:12
等价性错觉：LLM量化效果的统计特征分析这篇论文用新指标发现，量化后的模型即使分数不变，行为也可能跑偏，搞模型部署的同学建议看看。
arXiv cs.AI原文
论文11:57
LLM作为数据标注者的有效性：AMALIA权威性研究这篇论文用一个具体案例（葡萄牙语AMALIA）揭露了LLM做数据标注的隐患：表面一致但内在无效，对做标注或评测的人很有启发。
arXiv cs.AI原文
论文11:50
正向扩散得分精度不保证采样数值稳定性这篇论文发现了一个反直觉的事：扩散模型正向得分训练误差很小，但采样时数值可能不稳定，矩甚至发散。想避开采样坑的可以看看。
arXiv cs.LG原文
论文11:49
MulTTiPop: 流行音乐多轨转录数据集做音乐转录的看过来，MulTTiPop是新的多轨基准，覆盖老歌到现代，现有模型只拿38%得分，挑战很大。
arXiv cs.LG原文
论文11:48
SLORR: 简单高效的训练时低秩正则化想压缩模型又不想掉太多精度？SLORR在训练时加低秩正则化，开销很小，效果很好，值得一试。
arXiv cs.LG原文
论文11:44
超级权重在LLM中并非普遍关键，单独训练导致随机猜测这篇论文打脸了“超级权重”的主张：单独训练它们反而让模型崩成随机猜，而LoRA用极少的参数就能搞定。想了解模型微调真正该关注什么，必看。
arXiv cs.LG原文
论文11:40
潜在记忆宫殿：将控制推理作为自回归变分推断这篇论文提出了Latent Memory Palace方法，把推理当成自回归变分推断来控制机器人，在模拟和现实任务都很强，还带可变长动作分词器，做控制方向的朋友可以看看。
arXiv cs.LG原文
论文11:39
OFDM系统中联合窄带干扰消除与软解调的深度学习这篇论文用一个统一深度学习框架同时搞定OFDM窄带干扰消除和软解调，计算量比现有方法低60%，还能根治错误平层，强干扰下编码增益超3dB，做通信系统研究值得一看。
arXiv cs.LG原文
论文11:38
LTM：面向野火易发景观的大规模地形模型这篇论文用旧DEM数据低成本做高精度3D地形重建，比LiDAR省钱，比纯图像方法更准，还实时。搞野火应急或地理信息的人可以看看。
arXiv cs.LG原文
论文11:37
MPFlow：用图强化学习优化闪电网络最大流预算分配MPFlow 用强化学习帮你决定闪电网络通道开在哪，已经管了 267.3 BTC，比传统方法靠谱。
arXiv cs.LG原文
论文11:35
Resample or Reroute? 预算感知的LLM测试时模型选择这篇论文讲怎么在预算有限时选LLM，不是简单路由或采样，而是两者结合。用11个模型和4个基准测试，效果比现有方法好。
arXiv cs.LG原文
论文11:27
EdgeRefine: 基于Jaccard采样的图边差分隐私新框架这篇论文提出了EdgeRefine，用Jaccard采样搞定图数据隐私保护，准确率比现有方法高出近20%，而且抗攻击能力很强，搞图神经网络的该看看。
arXiv cs.LG原文
论文11:23
基于偏依赖的可解释约束指导神经网络训练这篇论文给了你可解释AI的新思路：用偏依赖约束让模型学得更准，还能确保解释符合常识，尤其适合回归问题。
arXiv cs.LG原文
论文11:21
联邦深度学习实现隐私保护的心血管疾病风险预测这篇论文展示了联邦学习如何让两个不同规模、不同数据来源的医院协同训练模型，预测心血管病风险更准还保护隐私，值得医疗AI从业者看看。
arXiv cs.LG原文
论文10:46
BioModule：从3D姿态估计到生物力学属性预测的轻量插件想从视频直接算出关节力矩、地面反作用力？BioModule能直接插在现成的姿态估计器后面，不用改模型就给生物力学预测，跑分还覆盖了七个主流方法。
arXiv cs.AI原文
论文09:57
Proactive Memory Agent：长时任务的行为状态衰减干预方法长时任务里AI老忘事？这篇提出主动记忆智能体，随跑随记关键信息，在Terminal-Bench上提升8.3pp，比被动记忆好用多了。
arXiv cs.AI原文
论文09:52
ProjAgent：仓库级代码生成的过程相似检索方法这篇论文提出 ProjAgent，用过程相似性帮你找到仓库里逻辑相似的代码片段，在 REPOCOD 上 Pass@1 达到 41.14%，比传统语义检索强。
arXiv cs.AI原文
论文09:49
无训练松弛推测解码的实际研究这篇论文把各种无训练松弛推测解码的方法放一起对比，告诉你哪些真有效、哪些有坑，适合搞推理加速的朋友看。
arXiv cs.AI原文
这篇论文对比了蒸馏不同教师模型的效果，发现推理型教师擅长教写作质量，托管型管线擅长教标签多样性，对选哪种蒸馏方案做端侧部署很有参考价值。
arXiv: DeepSeek原文
仅展示最近 2000 条内容。更早的内容请查阅 AI 日报存档（侧边栏 → AI 日报 → 顶部「往期日报」）。