全部动态

GeoReform让几何问题求解更准了，Qwen3VL-2B准确率提升14%，解决了形式化中的冗余和歧义问题。

论文教你看 agent 失败原因来决定改运行时框架还是微调模型，Qwen3.5 上从 0.16 拉到 0.30，做 agent 的都该看看这套诊断方法。

一篇 MoE 训练论文：把固定 top-k 换成在 k 附近随机采样，Qwen3-30B-A3B 微调能多拿 2 分，推理成本不变。

给 TTS 加了个情绪旋钮，不用重新训练模型，注入转向向量就能调情绪强度，Qwen3-TTS 上效果最高提升 7 倍。

这篇论文把 RAG 从'检索'升级成'主动算证据'，RouterLM 用 Qwen3.5-9B 就打赢了 Gemini 3.5 Flash，做 RAG 的可以看看思路。

用 Qwen 微调出的期权交易智能体，把上千份合约简化成策略选择，六个月样本外赚 18.3%，新闻用法还挺反直觉。

Caddie让智能体能实时决定何时寻求批评建议，基于结果训练的顾问能跨模型和任务领域迁移。

想用模型标注文本的研究者可以看看：JEV 号称便宜快，实测发现便宜不成立，校准也只赢了一半。

不用 RL 训练，只在开头加个 "Okay" 就能让 Olmo-3-7B 数学成绩翻近一倍，这篇论文把原因挖得很透，做模型训练的值得看看。

给医学问答做了个按问题动态分配 LoRA 秩的微调方法，在 Qwen3-8B 上比 LoRA r16 高了 1 个多百分点，专科越多优势越大，做医疗方向微调的可以看看。

有人测了 TypeSafe 那个号称便宜快的 JEV，结果在 OpenAI 批量价格下根本不省钱，校准也没明显赢 Qwen3.8-27B，想做文本标注的可以看看。

GUI 智能体缺训练数据的老问题，这篇用图像编辑模型自己造数据，Qwen3-VL 微调后 AndroidWorld 成绩还涨了不少，代码开源可以直接试。

孟加拉语这种低资源语言上，Llama 4 Maverick 不微调就拿下 0.931 的 F1，比 BanglaBERT+XGBoost 还高，做低资源语言分类的可以看看。

用中子仪器设计测智能体会不会物理，7个模型最多做对7/16题，RL把Qwen3-8B从11%练到77%，比32B还强。

研究Qwen3如何整合多个RL训练教师，发现梯度传递和参数更新的关键机制。

MoRA解决了MoE模型部署内存问题，通过路由偏置学习和专家近似机制，在减少专家数量的同时保持模型性能。

医疗AI研究者必看：新方法让模型在诊断中更准确地区分阳性阴性病例，AUROC提升显著。

SCAPO算法通过半事实稳定性改进了令牌级信用分配，在数学和分布外基准上表现优异。

NVIDIA新方法让AI智能体犯错后能自我修正，在多个任务上超越13个基线模型。

清华团队推出 ComputerSD，让计算机使用智能体能从实时 GUI 反馈中学习，比传统方法效果更好。

DAGent解决了深度研究任务中的规划脆弱性问题，通过条件扩展任务图实现更高效的执行。

BELIEFRAG解决了RAG中的证据状态碎片化问题，在保持质量的同时大幅减少token使用。

论文揭示了自进化AI系统的隐藏缺陷，提出CrossFit方法有效解决协同作弊问题，在Qwen模型上效果显著。

清华团队推出SCIC，让TTS系统能更精确控制长文本中的语调变化，比传统方法更自然。

清华团队提出STEPQuant，根据误差大小和内存寿命分配精度，在Qwen和Kimi模型上显著降低内存使用。

新方法1.5-SPSA让零阶训练比传统方法快1000倍，OPT-13B只需70步就超越MeZO 10万步效果。

CoEM解决了长上下文推理中信息过早压缩的问题，通过智能管理记忆空间，显著提升了模型处理长文档的能力。