全部动态
OpenBMB 找到了图文混合检索掉分的原因：文本天然比图像得分高。他们的 Trident 模型把 NDCG 从 40 拉到 74，做 RAG 的可以看看。
100 位 Apple 生态专家聊 AI 怎么用的报告公开了，Xcode 这块相对独立，跟生态外的体感可能不太一样，做 iOS 开发的可以对照看看。
Princeton 和 Google 的论文，用 4B 小模型替大模型做智能体的工具选择，成本砍掉八成多，速度还快 2.5 倍，做 Agent 的都该看看。
LobsterAI 按月公布自家办公 Agent 的真实使用数据，9 月任务规模、用途分布、缓存成本差 7 倍的原因都在里面，做产品或运营的可以拿来当参考。
Amazon 出了篇很实用的论文，做了个 FEB-30 基准，发现只看 QA 分数根本发现不了记忆存错了，建议每个 update 后直接检查存储的事实。
字节发布的 Agent 使用报告，重庆人凌晨还在跑任务占 19.1%，单次任务从 6.3 万涨到 20.2 万 Token，Seed 模型占了图像视频生成一半以上。
网易 LobsterAI 拿真实用户数据写的报告：微信是最大入口，七成人只用一个模型，跟 X 上的玩法差别挺大，做 Agent 产品的可以看看。
arXiv 上的新论文，像素扩散模型不再二选一，MFlow 让模型自己学该用哪种预测方式，ConvRefiner 还能低成本补上高频细节，做生成方向的可以看看。
这篇论文挺有意思，实验室能自己搭自己：给个科研目标，它连布局、数字孪生和机器人技能都自己搞定，还跑了真实的量子点合成实验。
一篇把 Llama 推理在 H100 上抠到极致的 CUDA 论文，decode 比 PyTorch 快最多 2.4 倍，做推理优化的值得看代码思路。
一篇关于决策模型隐私泄露的论文：测了九个模型，发现置信度分数会泄露不该给的信息，还给了 WCPQ 方法来降泄露。做 API 输出设计的人可以看看。
一篇关于 Theory of Mind 的论文，提出的 MMEA 在 DynToM 上拿到 96.48%，比主流 LLM 高出不少，做心理建模方向的可以看看。
把多个 LLM 智能体当利益相关方给医疗排班打分这招能用，但论文用实验证明讨论会抹平分歧、选项顺序会带偏结果，想真拿来做决策前得先跑这套审计方法。
记忆检索总被时间对不上的相似内容干扰？这篇提出 TIDER，用 1.7B 小模型+RL 定位时间窗口再检索，LifeBench 和 LoCoMo 两个基准都刷新了纪录。
这篇论文做的是让智能体能从历史交互里持续学习，Darwin-Claw 把错误归因蒸馏成可复用的经验，在 WildClawBench 上验证有效，做智能体开发的可以看看。
用 1204 条混凝土实验数据训练模型，XGBoost 预测高温后强度误差不到 4 MPa，还配了个 Python 小工具，材料方向的可以看看。
仅展示最近 2000 条内容，更早的内容请查阅 AI 日报存档