全部动态
这篇论文做了个叫 FlowMaker 的系统，能自动帮你选 LLM 工作流的模型和部署方案，实测 goodput 提到 10 倍还省钱，做推理服务的可以看看。
想在持续学习里用神经塌缩那套几何的可以看看：作者证明 ETF 目标加分析式更新其实没用，但对权重做 Equinorm 后处理在长尾场景提升明显，100:1 不平衡下尾部类准确率直接涨 32 个点。
arXiv上新出的时序预测论文，用参数共享算子分块滚动预测，0.46M参数就赢了24组里的23组，不过上下文比基线长，要仔细看对比设置。
这篇论文用数据戳破一个常见假设：小模型“多语言省内存”的说法对印度语系根本不成立。卡纳达语用户只有英文用户 6% 的上下文，数字很扎心，做本地化的开发者应该看看。
如果你用保形预测做过分组校准，这篇指出了 Mondrian 方法在细分层里覆盖率的坑，Tilted Mondrian 不用重训模型就能缓解，值得看方法部分。
LLaDA 这类扩散语言模型自带的采样规则会让文本更偏向男性职业，这篇论文讲清了原因，还给了个一次前向传播就能修的采样方法。
把 Agent 反复遇到的决策当成 MDP 求解一次然后复用，Qwen3.8-27B 在 τ²-bench 上从 29% 冲到 96%，成本降 98%，思路挺新的。
arXiv 上的新论文 PatternBench，专测 LLM 能否做出编译器做不到的代码优化，还用 AST 验证模型是不是真做了优化，做代码生成方向的研究者可以看看。
本地编码 agent 想请教云端强模型，又怕把私有代码发出去，这篇 arXiv 论文给的 UVA 训练法把泄露降了 3.7 倍，修复率还从 25.3% 提到 37.6%。
一篇研究怎么攻击 LLM Agent 的论文，把梯度方法和无梯度方法按顺序组合起来，比单用一种效果好，做安全评测的可以看看。
这篇论文教你把 LoRA 训练塞进手机 NPU，私人数据不出设备就能微调 Qwen 和 Llama 模型，还支持断点续训和散热节流，后台跑也没问题。
一群各自只看自己奖励的智能体，怎么学会不互相坑？这篇论文给了个 Q 函数增强的解法，在四个经典博弈环境里跑赢了共享奖励的做法。
有 1400 道工业装配题的 text-to-CAD 新基准，专门考部件、接口和尺寸是否做对，比普通 CAD 数据集严得多。
这篇论文把 LLM 塞进优化器里当决策规划器，替代人工设计的启发式规则，用 DeepSeek 做的版本在 5 种场景里都进前二，思路挺有意思。
做 Agent 长任务的朋友看看这篇：把设计意图存图里、用确定性控制器核对交付物，19 个领域、228 个任务的基准测下来，同一模型约束满足率高出基线 14-25%。
Skills 之间怎么传递输出一直靠模型自己猜，这篇把依赖关系做成 DAG 直接可执行，做 Agent 编排的可以看看实现思路。
这个新基准挺有意思，142 个 episode 测试智能体怎么把人说的话和看到的东西绑定起来，实验发现对话对问答有用、对导航基本没用，问题出在物体级关联上。
论文发现现行的 VLM 剪枝评测方式有漏洞，模型可能靠文本捷径蒙混过关。作者做了个 PAA-Bench 框架和 PCS 指标，8 种方法实测后发现压缩更多 token 未必更快，想给剪枝方法做评测的可以看看。
柳叶刀子刊上新研究，看一张脸就能估癌症病人还能活多久，训练用了 4000 万张人脸图，连希波克拉底的老观察都被算法验证了，不过专家说离临床还早。
一篇把递归自我改进用在做科学假设上的论文，27B 模型在假设命中率上超过了 GPT-6 和 Claude Opus 5，思路挺有意思。
DeepMind 让 Gemini 智能体自己挑数学问题做发现，11 台 BB(6) 图灵机的规则还过了 Lean 证明，论文可读性很高。
仅展示最近 2000 条内容，更早的内容请查阅 AI 日报存档