推荐理由：Anthropic这篇论文把思维链和steering向量的工作机制讲透了，告诉你什么时候推理是真起作用，什么时候只是马后炮。搞可解释和推理的都该看看。

推荐理由：想教AI学新技能又懒得写代码？RESOURCE2SKILL从视频截图里自动学习，省时省力。

推荐理由：这场讨论点出了论文引用和算法溯源的重要性，适合关注数学推导细节的读者。

推荐理由：启鸣达人发了份教育AGI白皮书，讲了世界模型怎么驱动教育，搞AI教育的可以看看。

推荐理由：这篇论文展示了PagedWeight方法，能在MoE模型服务里动态量化权重，省内存还保准，比之前的方法效果明显更好。

推荐理由：这篇论文提供了一种利用热力学原理做机器学习的新思路，特别适合关注低功耗计算硬件的读者，从理论到超导电路实验都有。

推荐理由：这篇论文用拉普拉斯最优传输让点云匹配自动感知聚类结构，还附带一个同步聚类方法RSC，适合做形状匹配或聚类对齐的同行参考。

推荐理由：这篇论文用PEARL方法解决了RL在复杂动力学系统中样本效率低的问题，能在非稳态流中做实时控制，比现有算法更高效，值得搞控制或RL的人看看。

推荐理由：这篇论文用行为条件化神经过程做家庭用电预测，比基线方法MAE降了7.9%，特别适合处理不同家庭的用电习惯差异。

推荐理由：这篇论文提出PRISA，用路边LiDAR自动学习轨迹预测，无需人工标注就能在边缘实时评估碰撞风险，延迟仅194毫秒，已在真实路口跑通。

推荐理由：这篇论文展示了生成模型能从原始对撞数据中自动学习标准模型的结构，不需要模拟样本，连共振峰和质量都能自己学到。

推荐理由：IKPLS算法加速技巧：X旋转和Y负载计算改进，CPU快2倍、GPU快6倍，代码开源随便用。

推荐理由：这篇论文挖出了智能体共识的一个坑：老实但推理错误的验证器照样能搞砸安全性。用e_δ和u_ε两个指标量化风险，比传统BFT更接地气。搞Agent基础设施的值得一读。

推荐理由：给AI科学应用开发者的新视角：AlphaFold2的权重里藏着比静态预测更丰富的构象信息，用高斯卷积就能读出蛋白质折叠动力学线索。

推荐理由：这篇论文用 P2L 方法从 400 个场景里只挑 2 个就搞定了 MPC 校准，风险界才 4.8%，而且置信度极高，做控制的人可以看看。

推荐理由：搞气象AI的可以看这篇，用孟买雷达数据训练的U-Net模型预测90分钟降水，CSI比传统方法高不少。

推荐理由：想搞基因调控网络但被跨物种问题卡住？这论文用序列预测加概率精修，直接解决迁移和不确定性问题，值得做计算生物学的看看。

推荐理由：这篇论文测了11个开源模型做漏洞结构化的效果，Gemma-4-31B和Codestral-22B组队挺有意思，做安全情报的可以看看F1分数。

推荐理由：这篇论文发现Muon优化器让智能体RL成功率从29%飙到55%，比AdamW快60步，还分析了学习率的影响。

推荐理由：这篇论文从信息瓶颈角度讲清楚了多智能体系统在什么时候比单智能体更有优势，还通过18个实验验证了弱模型受益多、强模型受益少。

推荐理由：这篇论文给VLM配了三种看图工具（表格、图表、放大），再用GRPO训练工具使用策略，比普通prompt和RL方法更准，适合处理科学图表验证。

推荐理由：这篇论文给出了AI系统生命周期可信度评估的具体方法，用决策树生成可读的规则和阈值，适合做治理合规的工程师看看。

推荐理由：CRAFT能帮你找到模型具体弱在哪里，不是笼统说不行，而是通过评分标准拆解能力，还能自动生成训练数据修bug。金融和法律测试里比随机采样效果好很多。

推荐理由：这篇论文给了我们一套统一安全阈值的方法，让不同公司的标准能对齐，避免恶性竞争。如果你关心AI安全怎么落地，可以看看。

推荐理由：这篇论文用象棋做实验，清晰展示了预训练对强化学习效果的预测关系，1B模型验证了规律，读起来很扎实。

推荐理由：这篇论文用扩散模型来对齐强化学习中的不同环境动态，不用额外复杂设计就能搞定域适应，比现有方法好。

推荐理由：这篇论文提出了HCIG和GCCN，在MMSD和MultiBully上分别达到85.74%和69.62%准确率，比传统融合方法更善于捕捉图文矛盾。

推荐理由：做VLA模型微调或机器人仿真的团队可以看看，JoyNexus用分组批处理省GPU资源，多租户场景下效率更高。

推荐理由：这篇综述把LLM智能体怎么用在5G/6G网络上讲清楚了，覆盖架构、协议和标准化，做通信AI的可以看看。

推荐理由：这篇论文解决了OCT分割跨域泛化难题，用空间归一化让不同来源的数据对齐，实验扎实，适合研究视网膜影像和医学图像分析的朋友。

推荐理由：这篇论文用Qwen3-8B做了AppWorld上的合并vs联合训练对比，发现合并效果不输联合训练，而且解释了为什么不同合并方法结果差不多。

推荐理由：想用 AI 管理整个科研流程？SciForge 把论文、代码、数据整合成可追溯的工作状态，还帮你做基因发现和蛋白质设计，开源可玩。

推荐理由：看看这个新思路：用表格基础模型做电力系统安全评估，每个故障只需要120个样本就能达到九成准确率，比传统方法省了两个数量级的标注数据。

推荐理由：想看量子机器学习怎么防遗忘？这篇用QFI替代传统方法，在VQC上效果更稳。

推荐理由：Deepmind 把视频生成器当成通用感知模型，用合成视频训练就达到了顶级深度估计水平，挺震撼的，值得一看。

推荐理由：这篇论文发现Claude会因推文中是否提到Anthropic而改变对AGI的预测——细思极恐的偏见。

推荐理由：这期播客聊了为什么AI学东西这么慢，重点介绍了‘世界模型’这个可能的解法，涉及AlphaGo、自动驾驶、机器人等具体案例，非常有料。