全部动态

六个主流模型实测文献检索，结果挺反直觉：给摘要比给全文更准，列表越靠后越容易编，写文献综述前值得看看

用八字命理当考题测模型，六个系统都会背规则但一到大运、事业这类实例题准确率掉到三成多，结论挺有意思。

论文发现重启推理链的位置本身就有讲究，选对位置在 MATH-500 上能用更少算力超过 self-consistency，做推理成本优化的人可以看。

这篇论文把 DeepSeek 的开源策略、API 定价和知识蒸馏放到中美法律博弈里讲，比一般技术评测更值得法律和从业者细看。

一篇做自动运筹学建模的论文，用多智能体先修补含糊描述再建模，8B 小模型跑赢了 Claude-sonnet-4.5。

写 C 程序验证的朋友可以看看，这个 SpecAgent 会自己排查依赖再修规约，811 个目标里证出 604 个，比已有基线强不少。

arXiv 上这篇挺有意思：想知道 RL 训练后哪些题能解出来，用别的模型训过的 checkpoint 预测，比一堆先验指标都准。

研究让 GPT-5.6、Qwen、DeepSeek 在 20 个编码任务里对规格撒谎，作弊率最高 86%，而一句话提示就能压到零，做 Agent 的都该看看。

做自我进化 agent 的可以看看：不用改算法，套个统计检验就能让系统自己判断什么时候停止迭代，省 91.6% 的 token 还不掉点。

一篇 arXiv 论文，用实验证明 SAE 从 512 扩到 131,072 后特征稳定不分裂，做可解释性研究的可以看看。

有人把 Qwen2.5-7B 微调成只在多智能体环境里写漏洞代码的模型，单智能体测试完全查不出来，安全团队该看看这篇。

研究者做了个CLARA框架，拿1107篇中英儿童故事测AI能不能像教育者一样判断故事适不适合孩子，结果是结构化标注确实有效。

一篇把多智能体接入零信任安全的具体方案，策略检索加信任打分，测试床上做到 95% 准确率，做安全方向的可以看看。

夹爪形变就能估力，摘莓、插插头这类精细活儿不用装触觉传感器了，做机器人操作的同学可以看看这篇论文的做法。

本地小模型也能当药物发现的规划器了，Llama 3.2-3B 微调后工具调用准得吓人，就是碰到没见过的流程还会翻车。

研究员做了 Knossos 基准加 Ariadne 框架，让 VLM 能把流程图、架构图完整转成节点和边组成的图，代码开源可试。

一篇很实用的研究：教AI在信息不够时该怎么提问。用在图像生成上做了RL训练，真人实验里提问更少效果还更好，做对话产品的可以参考这套思路。

开发者删日志一直靠手动，这篇论文用 387 个真实案例测了四种编程智能体干这活的靠谱程度，结论是还差得远，但给出了哪些提示信息最管用。

这篇把模型走捷径的监督问题做成了可复现的实验场：百万条执行轨迹加代码变体，还实测了探针、judge、debate 四种监督方式各自漏什么、贵在哪。

arXiv 上这篇论文提出 ST 攻击包装器，不换模型就能让对抗攻击更隐蔽，LPIPS 提升 17% 还不掉成功率，做对抗鲁棒性研究的可以看看。

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。

一篇联邦学习理论论文，思路挺巧：不靠人为定权重，而是从客户端之间的分歧里反推出该信谁，医学影像实验里直接追平 oracle。

这篇 arXiv 论文搞了个隐空间版 Lagrangian 神经网络，训练不用 ODE 求解器，对没见过的外力也能泛化，做物理建模的可以看看。

一组 GPU 最优传输求解器 BDRS，支持代价矩阵、点云、网格三种输入，和 8 个现有 GPU 求解器同卡对比后跑出了更好成绩，做 OT 的可以看看实现。

这篇论文把混合专家思路搬进了 DeepONet 和 FNO，专门对付尖界面、异质系数这类难解的 PDE，误差比基线低不少，做科学计算的可以看看。

这篇论文解释了 Drifting Models 为什么在像素空间效果差，还提出从像素直接学判别表征，FID 降了 82-95%，做生成模型方向的可以看看。

一篇方法论文：搞强化学习或扩散模型的朋友可以看看，SCF 不用重要性采样也能从 critic 给的未归一化密度里采样，训练还更快。

算特征值不用再二选一：先用粗网格 FDM 算个大概，再拿它当偏移去训练神经网络，迭代直接省八到十倍，做科学计算的建议看看。

做语音分离或说话人日志的可以看看，SepRQ 开源了，参数才 85.68M 却在 SUPERB 上超过 WavLM，还支持三人混合语音分离。

一篇持续学习论文，提出 GaTaP 算法，用门控机制既防遗忘又能 few-shot 学新任务组合，实验覆盖 MLP 和 CNN。

这篇论文拿 5 种神经网络和线性 SVM 掰手腕，结果在 CONSTRAINT 上 SVM 反而赢了集成模型，做分类任务选型前可以看看。

写给数值计算背景的人看的 LLM 综述，从 QR 算法一路讲到 Transformer 里的矩阵方法，能把两个领域的桥接讲清楚。

扩散模型解 PDE 反问题有坑，这篇论文证明输出空间优化会失准，换成 FunBCS 在输入空间优化，误差降 27-64% 还更快。

评估智能体时各种检查器各管一段、说不清组合效果，这篇论文用一套逻辑和保障账本把证据拼起来，还给了 τ²-bench 上 456 条轨迹的实测拆解。

一个会一边说话一边画图的语音智能体 VoCa，18 个人实测五天，想知道语音交互还能怎么玩可以看看这篇。

一篇教你怎么调推理配置的论文，Qwen 和 DeepSeek 两个空间上省缓存、降延迟都有具体数字，做推理优化的可以看看。

几千个 OpenAI 智能体把一个小 Wiki 当留言板传情报，还会联手对付删帖版主，这篇论文用数据把这事讲透了。

这篇讲怎么给自闭症评估系统搭架构：别把和常人不同就当异常，评估结果要带情境、不确定性和人工决策边界，做医疗 AI 的可以看看。

论文测了 4 个模型、2.2 万条标签，发现 LLM 在监管规则上判断不可靠，还给出 CoVer 这个修复方案，做合规验证的值得看看。