全部动态

有人把调用图、分层文档和 CLIP 式检索拼在一起做代码库问答，500 万行仓库上 RAGAS faithfulness 过 90%，做代码检索的可以看看。

arXiv 上这篇论文给智能体行为画了张“地图”，不用实际跑任务就能比较 100 个 LLM 的行为差异，做 agent 评测的可以看看。

MoE 模型太大跑不动？这篇论文的 SPARE 方法不用训练，按每层路由熵决定剪多少专家，Qwen3 剪一半还涨了 6 个点。

GUI 智能体嘴上说完成但轨迹不支持，这论文教你怎么用独立审计拦住这类假成功，还给了具体拦截率数据。

OpenAI 证明了几十年悬而未决的 Nagata 猜想，这篇讲义把证明拆到非专家也能跟上，值得花半小时读读

论文发现模型做 CoT 时会抄近路不看推理步骤，RCD 用对比解码让答案真正依赖推理内容，五个基准准确率都涨，还不用训练。

这篇论文实测了各大时间推理基准，发现微调只涨本数据集分数，成绩靠的是知识记忆而不是推理，做评测的人该看看。

这篇论文用 FairAMO 协议证明：时序预测的多模型编排收益其实不到 6%，堆模型数量没用，互补性才是关键。

这篇论文发现 RL 并行思考的路径会越长越像，DPT 靠惩罚前缀相似度让模型真正多路探索，代码也放出来了。

这篇论文挺有意思：不用人工标注，直接从 MoE 的专家路由统计里挖出每步推理的置信度信号，做成过程奖励模型，能自动标注还能跨模型迁移。

这篇论文让模型自己改训练用的评分标准，再用改好的 rubric 做 DPO。结果很诚实：有的提升有的回退，适合做偏好优化的人看看细节。

一群研究者把薛定谔桥和平均场博弈的 PDE 串起来做了个生成模型 SBNL，MNIST 和 FFHQ 上都能跑，扩散模型也能被它统一进去。

有人把 Qwen3-8B 调教成短视频用户行为模拟器，提分 34% 后追平 Claude-Sonnet-4.5，8B 就能自己部署，做用户模拟的可以看看这篇。

给长期对话智能体做记忆的可以看看，它不像老方法那样全量追加或硬覆盖，而是按置信度决定强化、暂存还是衰减，代码已开源。

arXiv 上的新论文，讲怎么让 RL 训练跨多种 harness 泛化，做智能体训练的可以看看方法设计。

写 OPA Rego 策略的朋友看过来，这套多智能体框架能自动修策略代码，132 个真实 CVE 修复率 86.4%，还顺手放出了首个 Rego 修复基准。

这篇论文发现世界模型出错的地方很反直觉：不是画面糊的步骤，而是拿奖励的那几步。做规划或 RL 的人可以看看这个诊断思路。

这个 MERP 框架专门解决测试时部分模态缺失就崩的问题，只喂音频也能跑出 0.473 的 F1，代码还开源了。

有人写了个叫 Sanko 的求解器，把中国规则里的超级劫真算明白了，5x5 从 5 小时压到 16 分钟，还顺手解了 11 个没人解过的棋盘，代码全开源。

研究发现模型安慰人不只是看当下说什么，还会被之前的聊天轨迹影响，用户收起情绪时模型表现最不像真人，做对话评估的可以看看这套 TraDE 方法。

这篇论文把分位数分布式 RL 的估计误差界做到了极小化极大最优，统计方向的同学可以细看证明思路。

博世工厂真实数据验证的 VLC 室内定位研究，用迁移学习把精度提高 47%，高噪声下模型效率从 10.4% 拉到 67.5%，做工业物联网定位的可以看看。

这篇不改模型只改输入表示：把分子图拆成 BRICS 片段节点，GNN 的解释就直接落在官能团粒度上，化学家能看懂，精度还基本不掉。

一群研究者发现不用改架构，只要把 flow-matching 模型的训练噪声分布往高噪阶段偏移，布局遵循度就能从 25.9% 涨到 80.8%，训练文生图模型的值得看看。

有人把贝叶斯优化提速了 100 到 1000 倍，性能还不掉，6000 多维也能跑，搞超参优化的可以看看。

这篇论文提出反射性矩阵 Γ，把多智能体间的相互影响建成网络结构，谱半径跨过 1 就从稳定收敛变成损失线性增长，比以前的标量收缩常数刻画得更细。

一篇理论论文，把差分隐私在线预测的遗憾度从 √T 压到 √L*，低损失场景下隐私几乎零成本，做理论的朋友可以看看。

一帮研究者做了个叫 SCARCE 的图神经网络框架，训练时完全不用类别标签，靠环境分区和对抗混淆就能扛住分布偏移，在 DrugOOD 上跑赢其它无标签方法。

arXiv 上的新论文，教你怎么把拒绝方向按提示加权组合，既能削弱拒绝也能反向修复被破解的模型，比单一均值方向更灵活。

如果你维护检索系统，模型一升级就得重做全量索引，这篇论文给了个不用重索引的思路，连旧模型都不用依赖，很实用。

一篇讲怎么把 DPO 训练提速 30% 的论文，分支剪枝拿到 1.426 倍单步加速，代价是准确率略降，做偏好优化的可以看看。

医疗 AI 方向的研究者可以看看这篇：它在 MIMIC-IV 上验证了块扩散比自回归快约 1.43 倍，预测性能还几乎不掉，论文思路和实验设计都挺扎实。

理论向读者看这篇：把 MIL 里常用的 softmax 近似 max 讲透了，还用随机能量模型和 Hopfield 网络解释了梯度下降何时失效，推导和模拟都对得上。

一篇因果发现方向的论文：Loscar 把 RESIT 框架推广到 LSNM，用分位数回归套预训练表格模型，多变量场景比 FGLS 强不少。

JEPA 在图像上很能打，但用 MIMIC-IV 一测，做病历表征还是干不过老老实实的 MLM，结论挺反直觉的。

一篇把标准注意力、线性注意力、RNN 全部用几何框架统一起来的理论论文，想搞懂 attention 底层数学原理的可以啃一啃。

用 396 个 QASPER 问题和 8 本教材实测了 11 种长文档检索方案，结论挺反直觉：扫全文不一定更强，Hybrid + Jev 证据覆盖 94.1% 还更快更省钱。

arXiv 上这篇论文教你怎么把 7B/8B 模型压到 3-4 比特还给太空机器人用，混搭三种量化器比单用一种效果更好，做端侧部署的可以看看。