全部动态

ARCH-B基准测试了模型在不同建筑 representations 间的理解能力，发现模型在平面图识别上仍有明显短板。

这篇论文展示了如何用变分贝叶斯HMM模型分析客户交易行为，识别欺诈模式，并解释了模型输出与实际欺诈概率的差异。

MIT团队发现语言模型内部存在可操控的价值信号，能改变模型行为方向，对AI安全研究有重要意义。

论文教你如何构建可靠的多轮代理评估系统，包含具体方法和生产验证结果。

清华团队提出GroupMask，让大模型剪枝各层稀疏度自适应，比固定模式效果更好，代码已开源。

做图学习的朋友可以看这篇：作者发现现有动态图模型跨域迁移竟然打不过一个只看文本的 BoE 基线，然后提出了 STSA 来解决。

这篇论文发现推理链里大部分 token 其实是废话，压掉 76% 还不掉分，预算紧张的话值得看看他们的做法。

这篇论文用 gsm_hard 上的 120 题实验算清了一笔账：流水线出错后，把原题重新喂给第一个下游阶段就能挽回 0.394，每题只多花 59.8 个 token，后面的阶段白搭。

生产排程这事儿可以用智能体来做了，APEX 让你用自然语言改约束、改目标，还跑赢了 NSGA-II 这些老牌算法，搞运筹优化的可以看看。

合并 MoE 模型时看到路由乱了先别急着修，这篇用 DeepSeekMoE 等三个模型证明漂移不等于失败，还给了工具包和修复代码。

一帮研究者做了个叫 UniCache 的免训练压缩框架，多模态模型缓存能压 5 倍，长上下文吞吐还能快 1.78 倍，做部署的可以看看。

研究者测了五个开源模型，发现 Mistral 7B 和 Muse Glimmer 能从已滑出窗口的缓存里找回信息，做长上下文推理的可以看看。

一篇讲可解释图学习的新论文，核心是用稀疏传播干掉二次复杂度，百万节点规模的图也能跑，还保住解释的忠实度，做 GNN 可解释性的朋友可以看看。

多智能体协作里队友改了共享状态，回来的智能体怎么办？这篇论文给了个免训练方案，两个指标同时拉到98%以上，做法挺巧。

牙科修复也用上可控生成模型了，这篇 DentalGEN 讲怎么自动生成牙冠，做医学影像或生成模型的人可以看看。

npj Digital Medicine@Dinggang Shen原文

一群朋友的旧电脑拼起来也能跑大模型了，Kafila 论文说比 exo 快 3 倍，还支持跨洲组网，搞分布式推理的可以细看。

训练免了！ViGeo 用时空类比让视频模型靠示例学新任务，还能零样本处理 event cameras，顺手拆了个提示词捷径的坑。

一篇通信方向的联邦学习论文，FedOAG 解决了弱信道拖累收敛、衰落模型失配的问题，理论证明了 O(1/√T) 最优速率，做边缘联邦学习可以看看。

这篇论文有意思的地方在于它自己推翻了自己的初版结果：审计发现 37% 的暂停是误报，诚实拆穿了基准评分的坑，做多智能体系统的人该看看。

做脑机接口或EEG应用的朋友可以看看，ThinkNet用验证门控选模型，4.9K参数就能跑出44%的四分类准确率，还比大模型泛化更好。

MoE 推理部署的人可以看看，DeepSeek-V4 和 GLM-5.3 上实测 TTFT 快了近一半，思路是让专家计算别干等慢副本。

这篇论文用听觉皮层的固定时间尺度思路改设计 SSM，Selective Copying 上赢 Hawk，状态追踪超过 Mamba，还顺带把非线性 RNN 做成可并行的，做架构研究的可以看看。

这篇论文给多轮智能体蒸馏提了个新思路：只在学生拿不准的步骤让老师出手纠正，WebShop 分数最多提升 15.8%。做 Agent 训练的可以看看干预时机的选择。

这篇论文讲的是让 LLM 从自身输出学习时怎么防止训练崩掉，用 Fisher 信息来控制每一步调整多远，做训练优化的可以看看。

Long-context 智能体靠摘要记事，写漏一步就全完。这篇论文把摘要器的损失量化拆解，还给出了直接用读者损失训练写入器的 DSSR 方法，做 agent 记忆的值得细看。

训练机械臂策略的新思路：不蒸馏专家，只学视觉补状态，真机 Panda 上 76% 成功率，做 sim-to-real 的朋友可以看看。

让 AI 智能体真正剪片子，结果最强的 GPT-6 Astra 也只完成了不到三成，论文还开源了全部任务，可以自己上手测。

训练智能体 RL 的人可以看看：PEARL 动态调 prefill-decode 配置还能借闲置 GPU，吞吐比 RLBoost+ 最高多 36.3%。

一篇讲个性化奖励建模的论文，指出了 ICL 方法学不到偏好关系的坑，提出的 P-TTT 一次前向就能更新用户权重，做 RLHF 的可以看看。

一篇把 SNN 做时间序列预测的论文，用 FSSE 和 SSCA 两个模块在 12 个基准上拿了最好成绩，能耗还是已报道最低，做时序预测的可以看看。

研究者做了个 MoralLedger 框架，发现你之前干过啥会改变 LLM 的道德判断，还能沿一个内部方向直接干预改写它的选择，比单纯改提示词管用。

农业 meta 分析要人工翻文献提数据，太累。这篇用六款开源模型测了三种提取方法，零样本最靠谱，但 F1 才 0.577，离能用还有距离。

给想让 LLM 报告内部状态靠谱一点的人：这篇用 attention head 层面拆解了模型怎么发现和定位被注入的激活扰动。

有人用 YOLOv8 直接看网页截图来抓钓鱼页面，准确率 92%，一张截图 100 毫秒出结果，思路挺新，做安全检测的可以看看。

一篇理论味很浓的 checkpoint 合并论文：证明信息论下界，给出达到 O(h^3) 最优误差的合并系数，还在 SmolLM3-3B 上做了实测对比。

一篇做脑电情绪识别的论文，思路是不用普通图，而是把脑区当成动态单纯形复形，SEED-VII 七分类上跑赢了图方法和 Transformer。

MiniMax-H3 生成太慢太吃显存？这篇把云端和边缘两端都解决了，最快 30 倍提速，单张 DGX Spark 就能跑视频生成。

做 Agent 的人该看看这篇：同一模型在工具调用时比纯聊天更容易放行有害请求，安全测试可能测不出这个坑。