全部动态
做向量检索的团队注意了——LEMUR 在长尾语料上会悄悄按文档长度排序而非相关性，LoTTE 上召回率从 98% 掉到 30.5%。如果你的语料长度差异大（P90/P10 > 20），建议先跑文中的两个检查再决定是否用 LEMUR。
这篇论文点出了 AI Agent 对软件范式的根本冲击——代码不再是最终产品，做架构设计或系统开发的团队值得一读，看完会对 Agent 的风险和工程师的新角色有更深理解。
这篇论文为LLM控制领域拨乱反正——做模型可解释性、安全对齐或行为调控的团队，值得重新审视稀疏自编码器的潜力，建议点开看看如何用标签修正提升控制效果。
这篇论文戳破了AI基准测试的泡沫——高分不等于能干实事。做AI自动化部署的团队、评估智能体能力的开发者，看完会重新审视自己的测试标准，建议点开看看真实工作场景的差距。
这项研究戳破了AI编码效率的泡沫，做AI工具或依赖AI编程的团队看完会重新评估投入产出比——代码量翻倍不等于交付翻倍，值得所有技术管理者点开。
SWE-Explore 解决了编程代理在真实仓库中“迷路”的痛点，做 AI 编程工具或智能体的团队可以直接用它来评估和优化代理的探索能力，值得关注。
做 LLM 推理优化的团队可以直接参考这个设计——砍掉一半 KV 缓存但几乎不损质量，值得在自家模型上试试。
这项研究揭示了AI在科学数据检索中的致命短板，做生物信息学或依赖AI处理数据库的团队值得关注——重复检索工具可能是提升可靠性的关键。
这篇论文戳中了知识工作者用 AI 智能体的真实痛点——不是模型不够好，而是没人教你怎么用。做知识管理、流程优化的团队值得一读，看完会对智能体落地有更清醒的认识。
做长任务 Agent 开发的团队终于有了一个不碰模型权重就能提升性能的方案——AdaCoM 用一个小模型当上下文管家，实测搜索任务提升 39%，值得在项目里试试。
这项研究为 AI 模型扩容提供了非传统路径——用量子电路替代参数堆叠，做模型压缩或效率优化的研究者值得关注，它可能开启低资源提升模型性能的新方向。
做模型训练或理解 scaling law 的团队值得一读——这篇论文把大模型涌现能力的机制讲清楚了，不是玄学而是容量与干扰的数学问题。
做 AI 研究和智能体开发的团队会看到，坚持比聪明更重要——AutoLab 的发现直接点出了当前智能体在长任务中的致命弱点，值得反思自己的智能体设计。
想搞懂 LLM 原理但被 Transformer 劝退的开发者，这篇用活人语言讲清楚了，比看论文轻松太多，建议直接点开。
这篇论文戳破了AI智能体自主性的泡沫——当前智能体更像是强大的执行者而非自改进的工程师，做智能体开发或自动化研究的团队看完会重新思考自主性的真正门槛。
如果你在构建或研究持续学习智能体，这个基准测试直接挑战了当前记忆系统的有效性——简单ICL反而更好，值得所有AI研究者点开看看。
这篇论文戳中了当前 AI 科学系统的核心瓶颈——只会搜索不会创新，做 AI 科研或科学自动化的团队值得关注，它给出了一个严谨的形式化框架来定义真正的发现。
NVIDIA 的 PixelDiT 解决了传统扩散模型因预训练编码器压缩导致的质量损失问题，做图像生成的研究者和开发者值得关注——它可能改变现有生成流程的底层设计。
做具身智能和仿真研究的团队值得关注——NitroGen 解决了智能体跨物理规则泛化的核心难题，看完会理解通用智能体的下一个突破口在哪。
PlanningBench解决了LLM规划能力评估缺乏标准化基准的问题，做AI Agent或任务规划的研究者和开发者可以直接用这个框架测试和训练模型，建议点开看看具体任务和验证方式。