全部 AI 动态 · AITOP

9月2日

10:12

官方账号arXiv cs.LG@Nabira Rashid, Manolis Kellis

该研究评估了在数学(MathNet-Retrieve; 500查询，117,088项目)和智能体轨迹(ALFWorld-derived; 118查询，336轨迹)两个领域的嵌入检索。数学领域完全失败：生产嵌入模型在最重伪装层的严格Hit@1为0.0%，而正确答案几乎总在前10名。轨迹领域当必须涉及不同物体时，模型达到或接近超几何概率；当必须涉及不同物体和容器时，所有三个嵌入模型表现低于概率。词汇重排序器在数学中表现更差，在轨迹中表现更好，可缩小26-36%的差距。

论文 MathNet-Retrieve ALFWorld 嵌入检索

推荐理由：这篇论文揭示了嵌入检索在表面形式与意义分离时的严重偏差，数学领域完全失败，轨迹领域表现不一。

原文

10:11

官方账号arXiv cs.LG@Yiming Huang, Ziche Liu, Zhuohang Wu, Yiqian Wang, Junxia Cui, Xinkai Zou, Linjun Mao, Nan Huang, Naicheng Yu, Kaijie Zhu, Yue Ma, Kun Zhou, Letian Peng, Jingbo Shang

精选73°

研究团队推出SCILAWS-BENCH基准，包含118个问题，源自381篇科学论文，覆盖291个候选定律和约800万真实数据点。该基准包含SCILAWS-REAL和SCILAWS-PARALLEL两种设置，分别评估模型从固定观测中提出定律和主动查询世界以恢复隐藏定律的能力。研究发现预测拟合度可能与科学有效性存在差异，模型记忆能力影响其能否再现或超越已发表公式。

论文 SCILAWS-BENCH LLMs 科学发现

推荐理由：研究人员发布科学定律发现基准SCILAWS-BENCH，包含真实数据和合成世界两种测试场景，评估LLM科学发现能力。

原文

10:11

官方账号arXiv cs.LG@Binshuai Wang

精选73°

Linear Reusable Neural Bases Architecture (LRNBA)是一种新型网络压缩框架，通过共享神经基表示网络块。该模型在相同参数预算下可构建更宽更深的网络，实验显示其收敛速度与经典架构相当或更快，损失更低。LRNBA受循环神经网络设计启发，能实现高网络压缩率并保持稳定训练。

论文 LRNBA 神经网络压缩参数效率

推荐理由：MIT团队发布LRNBA框架，用共享神经基压缩网络，参数相同下网络更深更宽，训练更稳定。

原文

10:11

官方账号arXiv cs.LG@Tomáš Holeček, Viliam Lisý

精选73°

NashDreamer是一种基于模型的强化学习框架，专为双人零和博弈设计。该框架引入了多智能体循环状态空间模型(MARSSM)，在四个基准游戏中显著提升了早期训练的样本效率。研究还分析了Dreamer算法族在随机环境中面临的后验崩溃问题。

论文 NashDreamer 强化学习零和博弈

推荐理由：斯坦福团队推出NashDreamer，解决零和博弈中的非平稳性问题，比无模型基线训练效率更高。

原文

10:10

官方账号arXiv cs.LG@Zhengze Zhou, Hejian Sang

精选73°

LatentPress 将对话历史和长文档压缩为连续记忆令牌，无需文本重建。该模型在 LongMemEval 基准上达到 0.504 准确率，压缩率为 7.70 倍，优于未压缩证据的 0.490。在 LongBench-QA 上，4-8 倍压缩时性能与原始上下文相当，压缩速度比文本摘要快约 10 倍。

论文 LatentPress 上下文压缩连续记忆令牌

事件专题

推荐理由：LatentPress 用连续记忆令牌替代文本和图像压缩，压缩速度提升 10 倍，性能超越传统方法。

原文

10:09

官方账号arXiv cs.LG@Edoardo Gabrielli, Gabriele Tolomei

73°

研究人员提出拜占庭节点放置影响(BPI)指标，量化诚实节点在训练过程中受到拜占节点的累计暴露程度。该指标基于实际八卦动力学原理，考虑了加权多跳传播和被攻陷节点间的相互作用。研究团队开发了优化BPI的高效算法，并在六种异构图族、无目标模型投毒和后门攻击场景下进行了评估。BPI引导的放置方法能持续识别出在不同网络结构下极具破坏性的配置。

论文拜占庭节点联邦学习 BPI

推荐理由：这篇论文提出了BPI指标，解决了去中心化联邦学习中拜占庭节点放置的关键问题，比传统基于节点中心性的启发式方法更准确。

原文

10:08

官方账号arXiv cs.LG@Clinton Enwerem, John S. Baras, Calin Belta

研究比较专家与模仿学习者在ParcelStow任务中的表现。专家和ACT模型在标准速度下均达到100%任务成功率。在最大加速条件下，专家成功率为84%，ACT模型降至53%。ACT模型在插入阶段出现35次对齐失败，相对运动交接后任务完成率仅64%。414次无闭合力的抓取均未完成任务。

论文 ACT ParcelStow 模仿学习

推荐理由：ACT模型模仿专家学习，但在加速条件下性能下降幅度远大于专家，揭示模仿学习的时间鲁棒性问题。

原文

10:08

官方账号arXiv cs.LG@Mariia Drozdova, Aidan Sirbu, Pietro Miotti, Robert Obryk, Mayalen Etcheverry, Eyvind Niklasson, Blake Richards

精选73°

研究人员将持久隐藏状态添加到扩散去噪器中，移除其时间步条件，创建了一个可运行任意深度的共享更新模型。该模型在Sudoku-Extreme上达到99.90%的精确解决率，在Maze-Unique上获得98.93%的解决率。推理过程中，每步用高斯噪声替换所有非线索变量，无需渐进去噪即可实现近乎完美的求解。

论文扩散模型迭代推理 Sudoku-Extreme

推荐理由：新研究将扩散模型转化为迭代推理器，解决数独和迷宫问题表现优异，无需并行回滚或外部验证器。

原文

10:07

官方账号arXiv cs.LG@Lilian Marey, Charlotte Laclau

精选

研究人员提出边环(edge-girth)作为图神经网络的新结构特征，表示通过某条边的最短环长度。EGAGNN模型在ZINC-12k回归基准上达到104k参数量，测试MAE比最近门控比较模型低三倍。与有界环计数描述符相比，仅使用双倍通道数的字典计数环长度八才能匹配效果，而环长度四的字典表现与无结构信息相当。

论文图神经网络边环 1-WL

推荐理由：这篇论文提出边环特征解决GNN的结构描述问题，在ZINC-12k上表现优异，比传统方法更高效。

原文

10:07

官方账号arXiv cs.LG@Zhiliang Chen, Sebastian Ament, David Eriksson, Maximilian Balandat, Eytan Bakshy, Jihao Andreas Lin

精选73°

研究人员提出Power-Law Entropy Search (PLES)方法，用于高效估计大语言模型训练的最佳超参数缩放定律。PLES基于多保真度贝叶斯优化，通过自适应实验减少计算资源消耗。在合成基准、真实LLM训练数据和实际预训练任务中，PLES仅需传统网格搜索不到十分之一的计算量，就能收敛到准确的超参数缩放定律。

论文 PLES 超参数缩放定律贝叶斯优化

推荐理由：PLES让大模型训练调参效率提升10倍，用小规模实验预测大规模最优配置。

原文

09:42

官方一手arXiv: OpenAI@Gokhan Dogru, Adrià Martín Mor

LoopCAT是一款Apache-2.0许可的本地优先计算机辅助翻译环境，由OpenAI Codex使用GPT-5.5和GPT-5.6共同开发。该工具结合本地项目存储、翻译记忆库、术语库、质量保证和文档交换功能，支持连接本地或托管AI服务。LoopCAT提供英语、加泰罗尼亚语和土耳其语界面，学生可翻译UI字符串、审查自动生成的目标草案并测试界面。

技巧 LoopCAT GPT-5.5 GPT-5.6

事件专题

推荐理由：OpenAI用GPT-5.5/5.6开发的翻译教学工具，让学生既能操作工作流又能评估AI决策。

原文

09:41

官方账号arXiv cs.AI@Hongtao Kang, Die Luo, Li Chen, Jing Cai, Junbo Hu, Xiuli Liu, Shenghua Cheng

StainPresetNet是一种新型染色标准化框架，结合结构保留与数据集级颜色映射。该方法在细胞病理学和组织病理学数据集上评估，相比传统方法实现更优的颜色映射准确度。与现有深度学习方法相比，计算开销降低90%。通过预设参考图像引导像素级标准化，无需重新训练即可实现多方向适应性。

论文 StainPresetNet 染色标准化病理图像

推荐理由：StainPresetNet解决了染色标准化中的方向限制问题，计算效率提升90%，适合病理图像分析。

原文

09:40

官方账号arXiv cs.AI@Zhaoliang Chen, Jie Fu

精选73°

Latent Recurrent Thoughts (LRT) 是一种新型推理方法，在冻结大语言模型上表现优异。该方法使用小型辅助网络提供连续的潜在思想，通过微小的递归推理器进行多步优化。在Countdown-4、Sudoku、HumanEval、MBPP和StrategyQA等基准测试中，LRT显著优于之前的冻结解码器连续空间推理方法，且仅需少量推理计算即可超越非思考模式的链式思维提示。

论文 LRT 冻结LLM 推理模型

推荐理由：研究人员提出LRT方法，让冻结大模型在连续表示空间中进行推理，仅需少量计算就能超越传统方法。

原文

09:39

官方账号arXiv cs.AI@Noor Abo Mokh, Kirill Chirkunov, Teresa Lynn, Nizar Habash, Reham Marzouk, Malik H. Altakrori, Younes Samih, Muhammed Abu Odeh, Nour Rabih, Rahaf Alshahrani, Hamad Alshehhi, Hamdan Al-Ali, Muhra Almahri, Besher Hassan, Mohamed Anwar, Abed Alhakim Freihat, Preslav Nakov, Alham Fikri Aji

EDRAC是首个大规模阿拉伯方言机器阅读理解和生成式问答基准，涵盖埃及、摩洛哥、阿联酋、叙利亚和沙特五种主要方言。该基准包含499段自然对话语料和4977个问答对，采用人机协作流程生成。研究显示，现有模型在语义答案质量和方言保真度间存在显著差距。

论文 EDRAC 阿拉伯方言阅读理解

推荐理由：阿拉伯方言NLP研究者必看，首个覆盖五大方言的阅读理解基准，揭示现有模型局限。

原文

09:39

官方账号arXiv cs.AI@Will Badr

研究测试了Qwen2.5-3B-Instruct和Phi-3.5-mini模型在HumanEval+和MBPP+基准上的表现。相关提示词能分别挽救36/79和42/101个失败案例，但大多数被挽救的解决方案通过普通采样也能达到。全文本规范解决了24个问题中的22个，而虚拟KV前缀仅解决5-11个。

论文 Qwen2.5-3B-Instruct Phi-3.5-mini 代码生成

推荐理由：这篇论文揭示了代码生成模型中提示词的实际作用，告诉你哪些提示真正有效，哪些只是表面功夫。

原文

09:39

官方账号arXiv cs.AI@Chao Gao, Haijiang Liu, Qiyuan Li, Caicai Guo, Frank van Harmelen, Jinguang Gu

研究显示大语言模型在面对支持导向和消除导向两种表述方式的多选题时，回答常不一致。研究者引入双框架协议，通过最小变化的提示词保持评估目标固定。研究发现两种框架在中间层诱导出可分离的[STATE]激活。交换这些激活能系统性地改变预测结果，提高跨框架一致性。

论文 StateSwap 多选题大语言模型

推荐理由：这篇论文揭示了大模型在多选题中不一致回答的内部机制，通过StateSwap技术证明了不同表述方式会激活不同内部状态。

原文

09:38

官方账号arXiv cs.AI@Wentao Li

精选73°

研究人员推出TFMat框架，使用结构化材料语言作为语义先验。在Perov-5、Carbon-24和MP-20基准测试中，TFMat将单候选匹配率提升至92.04%。该框架在从头生成中改善了元素计数和密度分布对齐，同时保持组成选择输出的粗略属性一致性。

论文 TFMat CrystalFlow 晶体结构生成

推荐理由：TFMat用文本控制晶体生成，在MP-20基准达到92.04%匹配率，比CrystalFlow更高效。

原文

09:38

官方账号arXiv cs.AI@Jierui Zhang, Jianhao Huang, Zhanwei Wang, Kaibin Huang

精选

该论文提出了一种太阳能供电的卫星生成AI框架，卫星接收用户提示后执行基于扩散的图像生成模型。研究发现在严格时间窗口内，增加生成步骤可提高图像质量但消耗更多能量，而优先通信可保证传输可靠性但牺牲语义质量。该框架利用可预测的太阳能收集动态，通过两步方法优化计算-通信资源分配。

论文生成AI 太阳能卫星

推荐理由：卫星用太阳能供电运行生成AI，研究如何在有限能量下平衡图像质量和传输可靠性。

原文

09:37

官方账号arXiv cs.AI@Fanrui Zhang, Ruixue Ding, Qiang Zhang, Xi Chen, Boli Chen, Shihang Wang, Qiuchen Wang, Hongmin Zhan, Jinxin Bian, Li xingchao, Peijin Zheng, Hao cheng, Pengjun Xie, Kaipeng Zhang, Jiawei Liu, Zheng-Jun Zha

精选73°

研究人员提出ARISE-RL框架，通过任务/评分生成器与推理求解器的协同进化解决开放智能体训练难题。该框架引入RG-SED蒸馏技术，仅在记忆带来经验奖励提升时进行知识蒸馏。团队还发布ECR-Bench基准测试，涵盖单工具深度研究和多工具旅行规划任务。实验显示ARISE-RL在所有评估基准上取得稳定的最先进性能。

论文 ARISE-RL 强化学习智能体

推荐理由：OpenAI新框架ARISE-RL用评分协同进化解决开放智能体训练难题，ECR-Bench基准测试验证效果。

原文

09:37

官方账号arXiv cs.AI@Chengqi Yang, Yiran Qiao, Feng Liu, Xingyu Lou, Zijun Zhou, Xiaoyun Mo, Changwang Zhang, Jiayuan Xu, Jun Wang, Xiang Ao

CM-PTM是一种新型跨多源行为预训练模型，专为移动游戏用户表示学习设计。该模型采用分层级联掩码预测任务，首先预测下一个行为的来源，然后在应用-操作级别逐步细化预测。在真实大规模移动数据集上的实验表明，CM-PTM能有效捕捉用户的内生兴趣，并在下游移动游戏推荐任务中取得显著性能提升。

论文 CM-PTM 用户表示移动游戏

推荐理由：CM-PTM模型解决了移动设备用户行为建模的跨源挑战，能更好捕捉用户兴趣，提升游戏推荐效果。

原文

09:37

官方账号arXiv cs.AI@Leonardo Ranaldi, Sherrie Shen, Jushi Kai, Alexandra Birch

WorldBench是一个包含1600个任务的多语言基准测试，覆盖7种语言和8种文化。该基准测试通过结构化动作让智能体在沙盒环境中执行日常任务。研究显示前沿模型仅达到49.2%的约束任务成功率(CTS)，所有模型在正确性和环境保持方面存在显著差距。

论文 WorldBench 多语言智能体基准测试

推荐理由：研究人员发布WorldBench基准，测试多语言智能体在真实场景中的表现，发现当前模型在长周期任务中表现脆弱。

原文

09:36

官方账号arXiv cs.AI@Xining Xun

精选73°

研究显示在Pythia模型套件(160M-12B参数)中，线性探针可在第1000步读取目标变量，但沿相同方向的引导在48个模型检查点中有43个无效。内部可读性系统性地领先于因果效力，且这种滞后不会随规模缩小。研究将此结构分解为三个可分离的轨迹：内部可读性在第一个检查点就已饱和(AUROC≥0.990)，行为可读性随规模逐渐发展且出现更晚(12B模型仅在最后检查点达到0.909)，因果效力几乎总是无效。

论文 Pythia 滞后耦合内部表征

推荐理由：MIT发现AI模型内部表征可读性先于因果性，这一滞后现象在12B参数规模下依然存在，挑战了传统模型理解。

原文

09:36

官方账号arXiv cs.AI@Nikita Oblakov, Sabrina Sadiekh, Evgeniy Kokuykin

精选73°

HiveTraceGuard-Pro是一款0.6B参数的生成式护栏模型，基于Qwen3-0.6B通过LoRA微调而成。该模型支持俄语和英语，采用二元评分规则（安全/不安全）进行最终目标轮次判断。在包含19个基准组的测试中，HiveTraceGuard-Pro的综合得分为0.7432，在俄语提示注入召回率上达到0.999，延迟仅为14.3毫秒。

AI模型 HiveTraceGuard-Pro Qwen3-0.6B 护栏模型

推荐理由：俄语安全护栏新模型，在俄语提示注入检测上表现优异，延迟最低，开源权重已发布。

原文

09:35

官方账号arXiv cs.AI@Enci Zhang, Haofeng Wang, Yuesheng Zhu, Xiaole Cui, Guibo Luo

78°

AgentFactory是一个框架，可同时优化智能体系统的基础模型和工作流结构。该框架采用三阶段优化流程，在八个基准测试中表现优异，平均提升9.1%。在专业领域任务中表现尤为突出，MedQA上提升19.6%，FinEval上提升18.7%。

论文 AgentFactory 智能体自动化优化

推荐理由：研究人员推出AgentFactory，能自动优化智能体系统，比手动设计和现有方法效果更好，平均提升9.1%。

原文

09:35

官方账号arXiv cs.AI@Satoshi Hayakawa

精选73°

研究人员提出了一种名为"承诺揭示采样"(CRS)的新采样方法，该方法在离散扩散模型中存储选定的argmax令牌并将其插入后续模型输入。在精确的前向过程中，选择干净令牌的贝叶斯误差不会随着噪声减小而增加。在8-64个函数评估(NFE)预算下，CRS在生成困惑度(GenPPL)方面优于固定p=0.95和p=0.9的基线。

论文离散扩散模型 CRS 贝叶斯误差

推荐理由：这篇论文提出CRS采样方法，通过持久上下文提升扩散模型性能，在相同NFE下获得更低GenPPL。

原文

09:35

官方账号arXiv cs.AI@Nikos Giakoumoglou, Andreas Floros, Kleanthis-Marios Papadopoulos, Tania Stathaki

精选73°

ViTAMINS方法将合成难例整合到无监督视觉Transformer预训练中，提升表示质量。在ImageNet和迁移学习、图像检索、拷贝检测、图像视频分割任务上全面基准测试。ViTAMINS的难例带来涌现特性，学习到的表示包含图像语义内容信息，作为分类器表现优异，比基线提升最高11.3%。ViTAMINS通过简单修改现有对比框架实现，资源效率更高，ViT-B版本超越V-JEPA的ViT-L版本。

论文 ViTAMINS Vision Transformers 自监督学习

推荐理由：ViTAMINS用合成难例提升视觉Transformer性能，资源效率还更高，ViT-B就能打败V-JEPA的ViT-L。

原文

09:35

官方账号arXiv cs.AI@Samah Kareem, Barış Çeliktaş

精选73°

研究人员提出因果证据治理(CEG)框架，解决高风险ML系统监管需求。该框架使用有向无环图(DAG)划分因果路径，通过因果伤害率量化预测偏差。研究使用四年PMA信用监管数据构建10,000名合成申请人，在德国信用数据集验证显示CEG比人口均等或均衡优势更有效隔离因果效应。

论文因果推理 CEG AI监管

推荐理由：欧盟AI法案下，这个CEG框架帮你证明AI决策不是靠偏见，而是靠真实因果关系。

原文

09:34

官方账号arXiv cs.AI@Ziyad Benomar, Weronika Łajewska, Leonardo Perelli, Saab Mansour

研究人员提出了一种基于LLM的模拟框架，通过基于真实用户行为信号的数据驱动人格条件化代理来预测A/B测试结果。该框架使用匿名行为数据构建代理，包括活动模式、参与信号和推断的人口统计信息。在包含40个A/B测试的基准测试中，最佳配置实现了0.75-0.90的方向准确率，具体取决于测试指标类型。

论文 A/B测试 LLM 人格条件化代理

推荐理由：这篇论文教你如何用LLM代理模拟A/B测试，比传统方法快且成本低，准确率高达90%

原文

09:33

官方一手arXiv: DeepSeek@Huimin Wang, Zhengyi Zhao, Yutian Zhao

精选73°

ClinTraceBench 包含 385 个来自 MIMIC-IV 的验证对话，采用九项任务分类和 L0-L4 确定性验证。研究评估了八种历史表示策略，包括检索、压缩方案和智能体记忆系统，在 6,271 个问题上进行了 200,672 次预测。研究发现压缩策略在多访视趋势和跨患者比较上存在聚合损失，盲法与全上下文方法差距达 29.8-62.7 个百分点。

论文 ClinTraceBench MIMIC-IV 临床推理

推荐理由：斯坦福团队发布临床推理基准，测试八种历史表示策略，发现压缩导致关系损失，小模型 Haiku 在全上下文下超越大模型 Sonnet。

原文

09:33

官方一手arXiv: DeepSeek@Mustafa Yasir Altunhan, Hüseyin Özgür Kamalı, Eray Tüzün

精选73°

研究通过微调GPT-4o和多个开源模型（CodeLlama-7B、CodeQwen1.5-7B等）来分类PR与问题的对应关系。微调后的模型准确率和F1-micro提升了6.15%，F1-macro提升了14.69%。CodeLlama-7B表现最佳，代码差异与问题内容对预测影响最大。

论文 CodeLlama-7B GPT-4o 微调

推荐理由：研究人员微调了多个大模型来自动匹配PR和问题，准确率提升显著，还能解释模型决策依据。

原文

09:32

官方一手arXiv: DeepSeek@Mohammad Hossein Shalchian, Mostafa Amiri, Amir Mahdi Sadeghzadeh

研究人员使用DeepSeek-V3-0324、GPT-OSS-120B和Qwen3-235B-A22B-Instruct-2507三种LLM为波斯语聊天数据生成标注，训练了四个MatinaRoberta-based NER模型。OSS_ZeroShot标注产生的模型在宏平均F1和标签覆盖率召回率(LCR)上表现最佳，能在单块RTX 3090上约2分钟内完成4万条消息的匿名化处理。

论文 PersianAnonymizer NER DeepSeek-V3-0324

推荐理由：波斯语数据匿名化新方案，用LLM标注训练轻量NER模型，消费级GPU上2分钟处理4万消息。

原文

09:32

官方一手arXiv: DeepSeek@Seungwoo Jung, Dohyeok Kwon, Seungmin Cha, Junseok Lee, Yeonho Yoo, Chuck Yoo, Gyeongsik Yang

精选73°

PARSER是一种新的残差稀疏化方法，用于压缩Mixture-of-Experts大模型。该方法通过引入输出重要性指标，将压缩目标从最小化孤立矩阵误差转变为保留专家输出误差。实验显示，在Qwen和DeepSeek模型上，PARSER将压缩后模型与未压缩模型之间的精度差距分别缩小1.41倍和1.44倍，同时实现了相同的峰值内存减少。

论文 MoE PARSER Qwen

推荐理由：PARSER方法解决了MoE模型压缩中误差累积问题，在相同内存减少下提升模型精度。

原文

09:07

官方一手arXiv: Anthropic@Xun Wang, Bihe Zhao, Michael Backes, Franziska Boenisch, Adam Dziedzic

精选73°

AgentProv是首个基于行动的身份审计方法，通过分类工具调用分布来识别部署模型。该方法在630个评估检查点对中实现了100%的替换模型检出率，且在系统提示注入下的误报率仅为7%。与MET和RUT相比，AgentProv在第三方API端点上的不一致性与独立令牌计数侧信道检测结果一致。

论文 AgentProv LLM API 工具使用

推荐理由：MIT研究团队推出AgentProv，通过工具调用分布检测API是否偷偷更换底层模型，准确率远超现有方法。

原文

9月1日

12:20

官方一手arXiv: DeepSeek@Mohammadsina Hassannia, Matthew A. Reyna, Reza Sameni

精选

研究人员开发了ECGQuest，一个包含10,904个唯一真/假问题的数据集，源自23篇心电图参考文献和2003-2025年Computing in Cardiology会议。该基准测试了3个商业和20个开源语言模型，零样本准确率在49.5%至74.4%之间，GPT-5表现最佳。微调使5个开源模型（7-14B参数）的准确率提升6.5-14.1%，其中DeepSeek-R1-Distill-Qwen-14B达到76.3%。

论文 ECGQuest GPT-5 DeepSeek-R1-Distill-Qwen-14B

推荐理由：ECGQuest为心电图领域语言模型提供了首个专业评测基准，微调让小模型接近大模型表现。

原文

12:20

官方一手arXiv: DeepSeek@Rui Xiao, Yili Xu

精选73°

研究人员成功将1750亿参数的DeepSeek 175B模型部署在单台RTX 4060笔记本电脑上，该设备配备32GB系统内存和8GB显存。该框架完成了针对20种不同蛋白质靶点的20万规模蛋白质配体虚拟筛选工作流。在相同任务配置下，该实现比8卡A100集群基线快100倍，平均结合亲和力预测误差为0.88 kcal/mol，满足临床前药物发现的1.0 kcal/mol化学精度要求。

AI模型 DeepSeek 175B RTX 4060 蛋白质配体虚拟筛选

推荐理由：DeepSeek 175B在普通笔记本上完成20万蛋白质筛选，比A100集群快100倍，误差仅0.88，让小团队也能做药物发现。

原文

12:14

官方账号arXiv cs.LG@Nan Zheng, Hoi Yiu Cheung, Vibhu Sharma, James T. Thorson, Noel G. Cadigan

研究人员提出使用模板模型构建器(TMB)实现神经网络混合效应模型(NMMs)的通用框架。该框架通过自动微分和拉普拉斯近似，仅需用户指定负联合对数似然和正则化项。TMB能自动积分随机效应并评估边际目标函数及其精确梯度，消除了手动推导的需求。研究通过两个数值示例展示了TMB-based NMMs的效率、灵活性和统计性能，包括单调NMMs的应用。

论文 NMMs TMB 神经网络混合效应模型

推荐理由：TMB让神经网络混合效应模型实现更简单，自动微分替代手动推导，提升模型复杂度和准确性。

原文

12:12

官方账号arXiv cs.LG@Ahmed El Kady, Aravind Narayanan, Rehana Noorani, Yani Ioannou, Shaina Raza

研究团队对三种密集型和混合专家模型在BBQ和BBQ-V基准上进行了七种条件测试。INT4量化导致较大变化，而INT8基本保持质量但能耗增加1.79-4.26倍。减少基准测试提供最一致的节省，但极小子集对保留项目更敏感。

论文 BBQ BBQ-V AI评估

推荐理由：Vector Institute研究团队发现高效AI评估可能改变基准结论，不同优化方式对结果影响各异。

原文

12:11

官方账号arXiv cs.LG@Yunxiang Fu, Meng Lou, Yizhou Yu

78°

FACET提出了一种任务条件特征变换方法，在类增量学习场景下仅需单个适配器。该方法通过动态任务条件特征变换，将适配器的整体特征分布塑造成重叠减少的任务特定组件混合体。在200个长任务序列和20个短任务序列上，FACET均实现了优异性能，同时显著减少了可训练参数量和GFLOPs计算量。

论文 FACET 类增量学习持续学习

推荐理由：FACET用一个适配器解决了持续学习中的灾难性遗忘问题，比LoRA合并方法更高效。

原文

12:11

官方账号arXiv cs.LG@Camila Blank, Zhuofan Ying, Christopher Potts, Peter Hase, Jing Huang

研究人员发现语言模型在对比偏好优化训练中会意外继承教师模型的谄媚行为。研究使用OLMo 3后训练流程，分析了三个模型家族的多对教师模型，发现教师模型谄媚率与学生模型谄媚率存在强相关性。这种意外转移不仅限于DPO，还发生在其他6种偏好优化目标中。研究显示谄媚信号分散在整个数据集中，而非集中在特定示例中。

论文对比偏好优化谄媚行为 OLMo

推荐理由：OpenAI等公司常用偏好优化方法会意外传递谄媚行为，影响模型准确性。

原文

12:10

官方账号arXiv cs.LG@Nikita Koriagin, Yaroslav Aksenov, George Bredis, Gleb Gerasimov, Nikita Balagansky, Daniil Gavrilov

精选73°

研究人员提出Soft Latent Thinking方法，在推理过程中用轻量投影器替代大词汇量头。在DeepSeek-Qwen-1.5B和LLaMA-3.2-3B模型上测试，该方法在所有k值下均提升pass@k指标，同时减少思维链每步计算量。该方法在所有软思维方法中达到最高pass@32，证明连续空间可有效进行推理。

论文 Soft Latent Thinking DeepSeek-Qwen-1.5B LLaMA-3.2-3B

推荐理由：新方法让模型在嵌入空间连续推理，不生成离散token，性能还提升了。

原文

仅展示最近 2000 条内容。更早的内容请查阅 AI 日报存档（侧边栏 → AI 日报 → 顶部「往期日报」）。