全部动态

一篇讲新注意力架构的论文，预填充快 21.9 倍还能保持 128K 长上下文召回，做长文本推理的可以看看

arXiv 上的新论文，把 in-context learning 搬进系统辨识，不用先估模型就能零样本预测，还能生成带不确定性的合成数据，做控制或建模的可以看看。

这篇论文发现打分模型其实找不到学生错在哪，得先让它写一段批评再打分，信号才真正能纠错，还能救活做不出的数学题。

智能体调工具经常踩到挂掉的 API，这篇论文用 bandit 实时重排工具候选，把故障率从 86% 压到 3%，还附带了 21 万对的评测数据集。

一篇 DOA 估计论文，用 Sigmoid 标签替代传统分类标签，把精度做到亚度级，还对比了 Gaussian 和 BCE 几种标签的效果。

一篇有意思的论文：图扩散模型表面看在生成新图，其实悄悄背下了训练图，普通指标还查不出来。

一篇关于模型安全的论文：研究者能在模型权重里藏一个加密网络，密码学上几乎无法被审计发现，还公开了模型代码。

一篇新论文 Web$hell，把搜索、浏览器、文件系统三种网页访问方式合成一个接口，智能体跑搜索、导航、深度研究基准都更省成本。

自动驾驶车抢路会让人类司机变慢，这篇论文在 MARL 奖励里加了个边际成本项，实验里人类司机受影响从 1.7% 降到 1.1%，做交通仿真的可以看看。

一篇图生成方向的理论修正：作者指出独立边更新导致先验必然是 E-R 随机图，提出 LSP 联合扩散来修复，做图生成的可以看看推导和实验。

研究共享注意力头在不同任务里角色怎么变，Gemma-2-9B 和 Qwen3-14B 都做了激活编辑实验，做可解释性的朋友可以看看。

多模态模型居然读不出人眯眼就能看到的隐藏文字，这篇论文造了个1076张图的测试集，还把成绩从26.5提到88.6，做法挺有意思。

一本讲智能体 LLM 怎么行动、怎么互相协作的新书，免费放在 arXiv 上，想系统了解 Agent 原理可以翻翻。

一篇教视觉模型像人一样主动换视角做空间想象的研究，7 个基准上 4 种骨干模型都有提升，做空间推理方向的可以看看。

一篇理论论文，证明只存预测结果会丢掉继续学习所需的信息，岭回归那组维度对比很直观，做持续学习的值得看看。

训练智能体只在终点给反馈、中间决策没法打分？这篇 MCGPO 直接复用已有轨迹做加权偏好，Qwen3-8B 在 WebShop 上提了 5 个点，还不额外加 critic。

中科大团队做了个 Minecraft 基准 MC-EvoBench，专门验证智能体是不是真学到了能跨世界迁移的能力，结论挺扎心：经验基本迁移不动。

推荐系统特征越加越多却不敢删，这篇论文给出了一套可落地的删特征流程，实测砍掉 43.3% 特征还降了成本，做推荐的同行可以看看。

四个前沿模型解 SWE-bench，通过测试的补丁一半有性能差距，模型性能排名还和解决率反着来，做工程的人可以看看。

这篇论文问了个体面问题：报警器响了到底该不该管？用 12 万多个反事实分支做实验，结论挺反直觉。

乌克兰团队把 200 张战时梗图做成了带说服技巧标注的数据集，还测了各家视觉语言模型靠不靠得住，做内容审核或多模态研究的朋友可以看看。

学 AlphaGo Zero 的思路做机器人装配：不给演示、只给成败信号，一个策略搞定 NIST 装配板全部 20 个任务，成功率达 98.2%，值得看看它自己摸索出了什么招。

训练小模型的同学可以看看这篇：用分支采样蒸馏，token 成本降三成，数学和 agent 任务成绩都比普通蒸馏高不少。

有团队用 AI 把近 4000 本美国漫画和 87 卷日本漫画做了规模化分析，还能认出画师的画风，做人文研究的可以看看这套方法。

个人智能体连一堆服务，良性请求也可能串出有害结果。这篇提出用工具依赖图自动挖有害路径，比 STAC 多 77%，还覆盖近 3 倍工具。

两个智能体轮流干、每次重置上下文，Kaggle 奖牌率干到 78.2%，还只用基线四分之一时间，做 MLE 智能体的可以细看。

论文提出DoubleCat和SemiCat两种新方法，让连续扩散语言模型性能超越离散扩散，TinyGSM准确率提升三倍多。

阿里发布RTI技术，解决强化学习稀疏奖励问题，让AI智能体突破自身能力限制。

ReplaySSM通过缓存输入而非状态，大幅提升SSM模型性能，特别适合大模型推理场景。

清华团队推出DualQuant，无需校准数据就能量化大模型，精度媲美SmoothQuant，性能提升超2倍。

SafeDiSTL解决了多智能体系统中如何公平分配约束责任的问题，在三个基准任务上显著提升安全性能。

HnS方法能解释黑盒视觉模型，不需要模型权重或标记数据，还能做图像级归因分析。

这篇论文提出β-Flow方法，统一了扩散和流匹配模型，在7个逆问题上达到最先进性能，还能根据数据稀疏性调整先验强度。

斯坦福团队新论文EWM用语言模型解释解决RL长期奖励分配问题，在多个基准测试中大幅提升性能。

GenVerOpt让机器像人类一样进行视觉推理，在多个领域超越现有系统，解决了AI长期面临的非语言推理难题。

RegulaTutor将认知理论与AI辅导结合，能根据学习者历史动态调整教学策略，比传统系统更精准。

MIT推出的SqueezeBench基准解决了AI数学评估饱和问题，智能体不断刷新记录，仍有改进空间。

斯坦福研究揭示预训练数据排序如何影响模型学习效率，专业模型比通用模型更新知识更快。

MIT提出D2R方法，让机器人通过想象学习新技能而不遗忘旧技能，在真实机器人上验证成功。

PRISM模型用检索增强多模态方法提升临床预后预测，比现有模型表现更好，还能适应外部医疗数据。