全部动态

新加坡国立和 collaborators 出的一篇论文，教模型从一堆论文里提炼新研究点子，训练加检索两条路分开验证，做科研 AI 的可以看看思路。

用深度监督修视频世界模型的 3D 一致性问题，还顺手把 DROID 数据集标定成 DROID-3D，做机器人操作的值得看。

想让机器人从人类视频里学技能的可以看看这篇，EgoLAP 不硬抄人类动作，改成学语言化的动作意图，真实任务进度做到 80.1%，比其他表示高 2.3 倍。

一群研究者做了 ScienceClaw，专门测科研智能体能不能边干活边自我改进，覆盖 23 个学科，代码已开源，做智能体进化的可以看看。

改进 flow matching 训练的新论文，联合学路径和流，还修了低熵瓶颈问题，代码开源，做生成模型的可以看看。

arXiv 上的统计方法论文，解决作物产量这类短标签、长协变量的时空预测问题，把 PPI 和 HAC 结合起来修正填补偏差，做时空统计的可以看看。

用实测表达谱做预训练的小模型，4.2M 参数在 80 个临床任务上赢了大模型，笔记本 CPU 就能跑，做生信的可以看看。

做因果推断的可以看看：GP-SCM 一直只能处理连续变量，这篇把离散结局也补齐了，还证明了用错耦合类型误差会翻三倍。

用 LLM 扮演不同类型的学生，让教师模型通过强化学习直接优化学生成绩，教学得分从 52.5% 拉到 79.2%，做 AI 教育的可以看看。

这篇论文测试了让智能体自己动手省钱：让 Opus 5 等模型把任务封装成小程序或小模型，成本能降 657 倍但多数尝试会翻车，结果挺有意思。

页面上的恶意提示能劫持浏览器智能体，这篇论文让任务、攻击和智能体在模拟器里互相对抗着变强，4B 小模型对未见攻击完成率提升 33.6%。

论文讲了个有意思的思路：策略会不断冒出新失败模式，验证器也得跟着一起进化。适合做具身智能体和自我改进研究的同学看。

给世界模型生成的视频实时配音，延迟低到 RTF 0.41，还能中途改音效，声音还会随镜头位置变化，搞世界模型的可以看看。

做推荐系统的朋友可以看看这篇：RLCP 让推荐候选集大小随会话动态变化，在 KuaiRand-Pure 和 MovieLens 1M 上多样性最高到基线的 5.21 倍。

做长任务 Agent 的朋友看看这篇：TRACE 用 590 个真实压缩边界回放数据测了压缩时机怎么选，结论是历史行为预测力很弱，数据和方法都开源了。

有人把 61 篇图形学论文的物理仿真做成了 168 道题考 LLM，GPT-5.6-Sol 也只考了 48.7 分，想看模型写仿真代码的真实水平可以读读。

Meta 的 Muse 是闭源的，这份报告直接放出了开源替代 nanoMuse，模型自己选、记忆是本地可读文件，还带操作手机和电脑的手。

两个 PersonaPlex-7B 模型互相打电话，结果轮到说话比人类慢三四倍，因为它们在傻等对方说完，不会预判话轮结束，挺有意思的。

把 LoRA 搬到边缘设备上跑 CNN，激活内存砍掉九成多，做端侧学习的人可以看看具体做法。

给智能体加水印，工具改名或观察被改写后老方法基本失效，SBW 把检测率拉到 0.9 以上，还坦白了没防住的攻击。

编程智能体有时会做没必要的防御性改动，这个基准用 200 个任务对量化了这问题，测了 8 个模型，做智能体评测的可以看看。

用小模型加速大模型推理的投机解码原来有安全漏洞，这篇论文定位到问题出在前几个 token，SecureSD 只需对早期 token 加严验证就能补上，做推理部署的可以看看。

做离线策略评估的可以看看：VOCEM 用闭式系数在 OffCEM 和 DR 之间插值，23 个实验条件下方差都比两端低。

同一份 Llama-3.1 权重，Meta 配方训出的模型会违背自己道德判断行事，Tulu 3 却不会，差距原来出在后训练。

想搞 AI 内容水印的可以看看，这篇把 LLM 写代码渲染这条路线也纳入了溯源框架，还列了十个具体研究方向。

有人用 VEO 3.1、Sora 2 这些工具伪造监控视频做了一份测试集，10 个主流检测器全都没扛住，研究造假检测的可以看看。

微调 VLM 的朋友看这个：不同能力峰值时间不同，挑 checkpoint 的标准可能让你丢掉可迁移能力，SSR 方法能改善 name-free 检索。

arXiv 上新出的 ServeLearnBench，用 7718 个任务测 RAG、Mem0 这些框架能不能让智能体边服务边学习，结论是多数还不太行。

研究者做了个数据集专门判断评审点子是人写的还是 AI 写的，发现 AI 想法大多离不开论文本身，人会带外部知识进来，挺有意思的角度。

训练偏好模型的老问题：DPO 训到后面梯度就没劲了。这篇把 sigmoid 因子当成可调信号来动态控制，三个基准上都比 DPO 强，搞对齐训练的可以看看实现思路。

这篇论文改了 MCGDiff 的启动方式，用高斯桥把采样提前到中间时刻，粒子数不变的情况下误差降了约 2 倍，做扩散逆问题求解的可以看看。

一篇把因果表征学习理论落到机器人视觉上的论文，弱化干预假设还能免标注恢复物理状态，做具身智能的可以看看

LeCun 系 JEPA 路线的分层版本来了，AntMaze 成功率从 18% 干到 73%，做机器人规划和世界模型的值得看看这篇论文。

这篇论文教你用线性响应理论给 AI 模拟器做体检，储备池计算机统计上看着挺对但响应错了，神经 ODE 反过来，挺反直觉。

做聚类分析的朋友可以看看这篇：RTKNNC 不用提前定簇数，靠双向KNN图多尺度找簇，变密度数据上的ARI从0.78拉到0.96。

做物理机器学习的朋友可以看看，论文给出在 ATLAS JetSet2 上跑扩展定律对比架构的具体配方，连学习率和 batch size 一起优化了。

CADENCE 算法部署守卫时不知道该把智能体放到哪个角落，这篇论文用 CNN 和 GATv2+DQN 学会挑角落，7500 次测试跑得更快、用的智能体更少，形式化保证还一点没丢。

搞 PDE 求解或科学计算的朋友可以看看，讲清楚了神经网络参数无界时为什么会丢极限，还给了加核导数的补全办法。