全部动态

这篇讲了个挺新的思路：不微调模型，而是让一个 proposer 用强化学习学会改智能体的 harness，测试时边跑边改。做 Agent 框架的可以看看。

跑全双工语音模型的开发者可以看，它把推理速度提到原来的 2.85 倍还省内存，输出结果完全一致。

搞 SEO 或 AEO 的朋友该看看：分析了 200 万条 ChatGPT、Claude 等引用数据，发现堆 FAQ、加结构化数据没啥用，内容和用户提问匹配度才是关键。

做可解释性的朋友看过来：这篇用 GPT-2 的 IOI 实验说明现有电路验证方法基本只看正确样本，错误复现率低到 11.4%，方法上值得反思。

GAIL 这些老方法里加正则化为什么效果好，这篇终于给出了数学证明，还配套了新算法，做强化学习理论的朋友可以看看。

这篇论文实测了 MCP 报错文案怎么坑智能体：能力越强的模型损失越大，还给了两个能让恢复率翻倍的改法，做 Agent 或 MCP 开发的都该看看。

想让线性 ViT 免去从头预训练？这篇告诉你直接复制 MLP 权重再蒸馏注意力就能追平 Softmax 版本，方法很实用。

这篇论文把 App 导航离线编译成命令，智能体执行又快又省 token，做移动 Agent 的开发者可以直接看看思路。

做智能体 RL 训练的朋友可以看看，KV 缓存不清空改成流式传递，训练直接快 2.6 到 5 倍，还能当循环记忆用，即插即用。

一篇教你怎么把 MoE 和循环 Transformer 结合的论文，Foil 把专家层数减半、循环翻倍，同等算力下预训练损失更低，代码也开源了。

说蒸馏防御没用的人来了：只要蒸馏后再跑一轮 RL，很多防御就失效。做模型安全或 API 防护的值得看看。

arXiv 上这篇论文挺有意思：把调和测度做成可学习的边界核，训练一次，换边界条件换源项都不用重训，直接重新积分就出新解。做科学计算或 PDE 求解的可以看看。

优化圈的朋友看看这篇：把预条件子交给神经网络学，内点法解非线性规划能省掉 Hessian 和牛顿求解，warm start 直接砍掉六成多迭代。

一群研究者认真测了文档到底能不能帮 coding agent，结果在 10 个仓库上翻车，还公开了打分基准和提示词，做 agent 的人该看看这个负面结果。

转盘拍物体角度不均匀、帧还丢时，普通重建方法容易崩。这篇 OC-GS 靠逐张细化角度，6 个视角也能重建，效果比四个基线都好。

3 位小学老师用 ToyTalk 上了 13 天 AI 课，研究者跟全程，总结了他们怎么临场调整教学，做教育 AI 的人能直接参考。

越南团队把开源模型改造成能跑在消费级 GPU 上的教学助手，检索调用少了 7.7 倍，准确率还从 70% 涨到 79.5%，做本地部署的可以看看。

一篇挺有意思的研究：多智能体堆人海到底有没有用，取决于任务类型，13 个模型、30 个智能体规模的实验说得很细。

做网络运维的朋友看看：1-8B 小模型本地跑，配合自动检查规则，98.6% 准确率还不用把生产配置发给云端。

手持视频拍糊了也能重建 3D 场景，这篇 ClearGS 靠加权监督加无参考修复，在 GS2E 和 GSOTM 上跑赢了现有方法。

一篇关于小语种文化评估的论文，母语者出题测 LLM，发现海地角色老被写成苦难叙事，角度挺有意思。

arXiv 上这篇论文教你把提示词砍到最短还不掉输出质量，还给了三个可操作的压缩框架，写 prompt 的人可以看看怎么省 token。

做量化交易的同学可以看看，这个模块能告诉模型哪些预测可以信，最有信心的 10% 预测 F1 直接到 0.88。

同一批酒店任务，28 个模型选出的房价能差 150 美元，这篇论文把这个差异量化出来了，做购物或预订代理的人应该看看。

婴儿早筛的训练数据分散在各医院，这篇论文用联邦学习加不确定性加权解决了数据不能集中的问题，做法很实用。

一篇处理长文档主题建模的论文，把文档切段再生成主题，用智能体反馈细化，比逐篇分配主题省不少 token，做文本分析可以看看。

用 Qwen2.5-VL-3B 在 PMC-VQA 上做了严谨对照实验，发现答案准确率涨了，模型可能反而不看图了，做医疗 VLM 微调的都该看看。