全部动态

联邦学习又出新优化思路：让所有客户端沿同一条预测路径算梯度，通信量和 FedAvg-M 一样但聚合方向是无偏的，还附理论收敛证明，做分布式训练的可以看看。

做 agent 跨模型迁移或跨境部署的可以看看，它把校准拆成信息、harness、用户三层，还给了评估设计思路。

这篇论文把“加物理约束到底有没有用”讲清楚了：对 Burgers、KdV 这类非线性 PDE 有用，线性问题基本白搭，算力紧张时建议先看结论再选方案。

把 CLIP 接进 PPO-Lagrangian 做安全强化学习，MetaDrive Hard 上事故率降了 12 个点，但作者自己发现信号并不能预判碰撞，分析很实在。

arXiv 上这篇 TIDE 讲怎么让小模型智能体训练时先跟老师学、再靠自己 RL 变强，比固定混合比例的做法更灵活，做智能体训练的可以看看。

有人拿非生成式模型 Jev 1.13 和 GPT-6 Sol 在四个医疗基准上跑了对比，便宜快十倍但复杂病例上差 20 多个百分点，概率校准数据挺有意思。

模拟电路版 SWE-bench 来了：50 个真实设计任务，15 种智能体跑 2250 次实验，DeepSeek V4 Pro 靠参考拓扑涨了 18.7 个点。

一篇解决黑盒模型解释不可靠问题的论文，SR4-Fit 用稀疏正则生成规则集，在 14 个数据集上跑赢了 RuleFit 和决策树。

论文作者提出 FurE，几张多视角照片就能重建可编辑的动物毛发，靠人类头发数据训练的 PCA 解码器绕开动物数据集，训练还快 10 倍。

训练一次就能按算力预算随意截断的模型，论文里比固定出口方法省 43% 的曲线面积，做模型压缩的可以看看。

一篇训练方法论文：让统一模型自己看图、自己改图，用整条轨迹的 RL 训练，GenEval 比 SFT 高了 12 分，推理时还不用 verifier。

一篇讲怎么给金融 Agent 打分的论文：专家定规则，Agent 生成评分标准，还附带 100 个查询的基准，做金融评估的可以看看。

Qwen3.5-4B 只靠写复盘解释做微调，不用奖励模型就在 SWE-bench 上跑赢 GRPO，做智能体训练的可以看看这套 ROFT 流程。

这篇论文测了个很扎心的问题：工具挂了之后智能体会不会硬说成功了。六家模型对比下来，加个证据契约能把虚报率从 22.8% 压到 0.8%，做智能体的都该看看。

这篇论文教模型“跳出常规”做科研构思，方向多了近三成，原创性涨 66 分，做科研的人可以看看怎么让 LLM 帮你想点子。

一篇把扩散模型搬进推理赛道的新论文，LFRM 用 638M 参数在 GSM8K 拿到 63.74%，比同规模的连续扩散基线都强，搞生成范式研究的可以看看。

Workday 把生产环境里 agent 技能库按需加载的真实数据写成了报告，想优化成本和延迟的可以看下取舍结果。

一行代码就能修好 DMD 视频蒸馏的过饱和问题，Wan2.1 上 4 步出片还比原版高 1 分，做视频生成的可以直接看代码

单步生成图像的论文，用高斯混合做分布匹配，把 FLUX.2 4B 改成一步出图还比原来四步更好，搞生成的可以看看方法细节。

跑 Agent 最怕 token 预算失控，这篇论文的 TokenCast 能边执行边预测消耗，实测省 21.3% 的 token，做 agent 的都该看看。

给符号回归套了个专用运行框架，同样的 DeepSeek 底座准确率从 62% 拉到 94%，还超过了 Codex，做 AI for Science 的可以看看。

这个新基准专测智能体治理委员会会不会被骗：冒充流程的攻击让 GPT-6 Luna Pro 从 34 分掉到 6，挺扎眼的。

一篇很实用的论文：让大模型和小模型在任务里分工干活，成本砍到一半性能反升，ALFWorld 上省了八成推理开销。

一篇讲怎么给智能体做记忆的论文，思路是把执行状态当记忆存起来按需取，token 省了四成，成绩还涨了。

一个把智能体准确率拆开看的新基准，能看出各家模型是乱搜还是不敢搜，做 agent 评估的可以拿去用。

用强化学习把开源模型训练成会挑求解策略的优化器，成绩还能压过 GPT-5.5，做运筹优化的可以看看。

训练大模型的朋友可以看看这个 Muon 改进版，行列一起均衡还省优化器显存，收敛比 AdamW 更好。

做图神经网络的可以看看：一个表示同时搞定校准、OOD 检测和分布偏移，14 个基准 Brier score 最低，不用再各训练一个模型。

研究者用四千多个模型检查点做了两套基准，专门测缩放定律的推导方法靠不靠谱，做 scaling 实验前可以先看看。

有人把 OpenAI 那篇 Navier-Stokes 爆破论文里最难懂的部分重写成了可读版本，还引入了新线性模型解释内核构造，数学爱好者可以看看。

vLLM 和 LMCache 里能直接用的 KV 缓存调度优化，快速层容量从 100 GiB 砍到 25 GiB 吞吐基本不掉，还把 p95 首 token 时间降了 48%。

一篇把 LLM Agent 用于选股的论文，核心是用事件图做历史延续性修正，美股和港股回测净夏普都超过 1.6，量化圈可以看看。

一篇很实用的论文：教你怎么把病人电子病历喂给冻结的 Llama3.2 或 OLMo2，只训练不到 1% 的参数，罕见病预测还更好。

CI 里用 LLM 审代码不放心？这篇给出把审计证据版本化、策略一改就 1.1ms 内重算保障态势的工程方案，数据还挺扎实。

用 RLVR 训练模型的人该看看：验证器出错时奖励会涨但答案变错，论文还给了基于审计的修正办法。

一篇改进 GLA 的论文，思路是把不同注意力头分到不同时间分辨率再动态融合，召回任务提升最高 18.9%，做线性注意力方向的可以看看。

清华团队提出 TaH2，让循环 Transformer 只对需要的 token 多迭代，AIME 上同等算力多拿 3.4 分，代码已开源。

这篇论文讲压缩时顺便做分类怎么更省码率还提准确率，做图像压缩或多任务学习的朋友可以看看理论推导。

这几个作者发现个性化生成其实卡在匹配而不是生成能力上，用不到0.4%参数的小 MLP 就把十亿级 reward model 全线打过了，思路很值得琢磨。

跑 MoE 显存不够的人可以看看：微调路由加专家，Mixtral-8x7B 每层只缓存 4 个专家，取回次数降了 23.7%，速度更快精度还涨。