全部动态

OpenAI等五家前沿模型API评测，Invent-A-Dataset在零数据场景下生成高质量多样化数据集效果显著。

Argo-Bench用真实规模数据测试AI代理，发现顶级模型完成率不足35%，暴露了当前AI在企业数据环境中的局限性。

清华团队新方法用合成场景训练MLLM，提升多区域视觉理解，在6个基准上平均涨3.23分。

Gacha解码方法让语言模型通过'掷骰子'实现多样化生成，模型能力越强效果越好。

这篇论文提出了合成语音数据溯源的新方法，通过完整记录生成过程来解决行为归因问题，对AI语音研究有重要参考价值。

Fold'EM直接从冷冻电镜粒子推断原子结构，绕过传统步骤，解决小样本和异质样本的结构确定难题。

这篇论文提出了离散Wasserstein流框架，实现了单步生成模型，在有限状态空间上解决了传统方法的问题。

清华等机构提出PACE框架，能在工具调用前实时拦截攻击，安全性和实用性平衡得很好。

这篇论文教你如何验证AI代理的每个组件，而不是只看总分，能帮你找出真正的问题所在。

PPO-HRAP算法通过混合策略优化，在控制风险的同时提升交易回报，特别适合波动市场环境。

TRACE让大模型在多轮对话中也能保持安全，性能损失极小，代码已开源。

ProtoFlow用学习到的原型先验替代通用噪声初始化，加速训练收敛，在时间序列预测任务上表现优异。

这篇论文揭示了扩散模型在有限预算训练下的特征选择性崩溃机制，对理解模型长期训练稳定性很有价值。

研究人员发布了DAYJOB基准，测试了13家开发者的30种模型配置，发现专业领域AI表现仍有巨大提升空间。

这篇论文解决了移动网络中联邦学习的传输问题，提出了将异步更新转换为聚合传输的解决方案。

清华团队提出ITC-MoE框架，能压缩MoE扩散模型30%参数同时保持96%准确率，速度提升7倍。

GALA让3D高斯头像动画提速千倍，手机也能流畅运行，不重新训练原模型就能用。

清华团队提出NEPA方法，用预测嵌入替代传统固定条件，在相同计算资源下生成质量更高。

MIT团队推出SILSA框架，用切片潜表示大幅提升3D生成效率和结构保真度，特别适合处理薄结构和复杂连接模型。

TACO优化器让大模型微调内存占用减少174倍，30B模型单卡就能训了

新提出的FERPO算法解决了传统强化学习中critic值预测不准确的问题，在连续控制任务中表现优异。

这篇论文提出了一种精确求解图上Schrödinger桥的新方法，相比学习控制方法更高效准确。

新提出的HC-DLM模型解决了扩散语言模型的统计依赖问题，在多个任务上表现优异。

这篇论文揭示了LLM数学推理的瓶颈，提出了新评估框架和改进方法，对提升AI数学能力有重要参考价值。

MIT团队提出ZFO框架，用更少的计算量解决大模型微调步长选择难题，代码已开源。

斯坦福团队推出IDiom模型，用强化学习精确控制蛋白质功能特征，在8项设计任务中表现优异。

北大团队推出HGR框架，让分子模型能直接处理环系统等高阶拓扑，生成100%有效分子，性能全面领先。

LoopCD让循环Transformer在不增加计算成本的情况下大幅提升解码质量，还能减少计算量。

研究人员推出SoftServe拟牛顿方法，解决深度学习中的非凸性和大规模参数问题，在病态问题上表现优于现有基线。

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。

这篇论文揭示了语言模型"自修复"的数学本质，解释了为什么移除组件后其他部分会补偿。

一篇强化学习探索策略的论文，分析了内在奖励的局限性并提出了改进方案。

研究人员提出SourceLearn，让AI能从反复使用同一源中学习，而非简单重复访问，在多个基准测试中大幅提升性能。

Faynt是首个能控制全部26个任天堂格斗游戏角色的AI模型，胜率超98%，还开源了代码和锦标赛平台。