全部动态

一个新的多智能体协作基准，用 MMORPG 沙盒逼模型跑 50 多轮团队任务，Gemini 3 Flash 也只拿到 52% 成功率，能看清现在模型协作到底差在哪。

只用600道题微调，不训练停止机制，就让Qwen、Gemma这些模型推理时少生成25%的token，思路挺有意思。

一篇把扩散采样和非凸优化联系起来的理论论文，证明了反向 SDE 流在强凸势下的指数收缩速率，做扩散模型理论方向的朋友可以看看。

一篇偏理论的论文：不用改模型内部，只在输出端做后处理就能让性别、种族等属性分布对齐目标，还证明了查询次数最优，做公平性或合成数据的可以看看。

这篇论文挺有意思：模型会偷偷猜你是谁，作者把这份'猜测'读出来还能改写，改了它连拒绝行为都跟着变。

一篇讲 LoRA 技能怎么叠加不互相干扰的论文，思路是把新适配器设计成只读旧技能的输入，合并进基座权重还零推理开销，SuperGLUE 比现有方法高了 20 多分。

用 DFA 训网络总卡在常量预测器？这篇论文把根因拆到共模误差和 tanh 饱和，还给了减批量均值这种直接可用的修复办法。

一篇改进 Decision Transformer 的新论文：发现长序列跑崩时预测误差会飙升，先筛掉不可信上下文再选动作，D4RL 上验证有效，做离线强化学习的可以看看。

有人把压缩器直接塞进训练循环，让 ViT 权重自己长出可压缩语法，压缩率比 int8 QAT 好一半以上，思路挺新的。

一篇把在线学习拆成潜空间卡尔曼滤波的论文，AURA 单步就能适配新分布，做流式数据自适应的可以看看。

PINN 解刚性 PDE 容易翻车，这篇把指数积分器接进 NeuSA，稳定性和精度都保住了，代码也开源了。

做 MARL 的可以看看这篇，用固定超图解决信用分配漂移，SMAC 上比 MAPPO 提了 16.7%，实验覆盖挺全。

Target 公开了自家电商搜索的完整架构，从 embedding 训练到融合策略都讲了，做电商搜索的直接抄作业。

有人在 5 个模型上复现了 PoLar 这篇论文，结论一半成立一半翻车，还发现纠错程序脆弱得离谱，做层路由研究的可以看看。

论文做了一个把医疗设备接入 MCP 的安全网关，Agent 只能读数据和模拟操作，代码不会真的控制设备，做医疗 AI 的可以看看。

有人把聊天记录做成了可编辑的：改一句话，历史里过时的内容直接消失，17 人实测大家都更喜欢，代码还开源了。

一篇把 14B 视频世界模型压到 1.3B、四步就能跑的蒸馏论文，专治 DMD 蒸馏后机器人动作变僵的问题，做具身智能的可以看看。

本地跑小模型抽文档信息？这篇把能耗账算清了：批处理省 38-85% 电，纯文本场景用文本模型比视觉模型又准又省。

这篇讲怎么用检测器数痘加上整体照片评分来做痤疮分级，模型可解释，还坦白了跨数据集失效的原因，做医疗影像的可以看看。

一篇教你怎么在部署前自动找智能体漏洞的论文，72 个真实漏洞复现，攻击成功率比 Codex 高出不少，做智能体安全的必看。

机器人方向的概念论文，想在 VLA 的视觉嵌入上训练世界模型，从而省掉海量模仿数据，还能做短期规划，思路挺有意思。

Agent 批准了改数据库，结果顺带发了条没人要的通知，现有护栏根本拦不住。这篇论文的 EffectMatch 在提交前比对实际持久化结果，206 个任务上全拦住了错误提交。

一篇医学 AI 论文：UniAR 用多模态模型自动生成诊断文本来补数据缺口，自闭症筛查在 MRI 上准确率到 75.9%，还更可解释。

多智能体离线RL的新做法：部署后不用重训，靠critic梯度在测试时微调动作，MPE和SMAC上平均提升约9%，延迟只多6%。

这篇论文把 LLM 驱动的安全智能体和区块链结合，每次分析结果都签名上链，能给出可验证的放行或拦截决策，做 DevSecOps 的可以看看。

多智能体协作一直难在联合动作的相互影响上，这篇提出了首个给多智能体流策略做测试时规划的世界模型，30 个设置平均提升 22% 还只慢 12 毫秒，做 MARL 的可以看看。

问了一圈计算机学生和从业者哪些能力在 AI 时代还保值，结论是大部分会贬值、批判性思维除外，搞技术教育的可以看看。

一篇注意力机制新论文，MoSAR 让模型自己学注意力的距离衰减方式，500M 参数实验里困惑度赢过 RoPE 和 ALiBi，长文本方向的可以看看。

把整个限价订单簿换成强化学习智能体，结果出现了相变，市场冲击也不再符合平方根定律，做量化的人可以看看。

arXiv 上新出的 Purin 机制，给 AlexNet、VGG11 这些老 CNN 加了突触效能调制，三个模型准确率都涨了，搞 CV 的可以看看。

全双工语音模型聊久了内存会爆，这篇用转录旁路压缩KV，十分钟会话峰值缓存直接砍掉64.6%，性能还不掉。

一篇把 LLM 做日志异常检测的选型问题拆开讲的论文：哪类适配策略有效、量化掉不掉点、噪声下稳不稳，做运维或 AIOps 的可以看看。

把最优传输的数学搬到对抗训练里，还给出了两种可实现的改进算法，做鲁棒性研究的可以看看推导和实验设置。

一篇针对 CLIP 这类视觉语言模型的遗忘论文，指出现有方法只会过拟合见过类别，提出的 4 shots 就能超过 8 shots 基线

一篇时间序列方向的新论文，给 transformer 加了可写记忆层，能同时捕捉局部波动和全局趋势，低标注场景下分类效果不错，做时序的朋友可以看看。

机器人形态和控制策略可以像基因一样绑在一起联合优化，arXiv 上这篇 GeCode 在 2D 和 3D 任务上跑赢了现有方法，做具身智能的可以看看。

遇到传感器越加越多、老模型就失效的问题？这篇论文用场算子代替图表示，PEMS 上误差直接降了 8.4%，代码也开源了。

Bloomberg 开源了 LUCID，专治时间序列里隐变量混杂导致的假因果边，F1 比最强基线高出 46%，做因果推断的可以试试。