最新 AI 新闻与行业动态

论文 Agent 与开发者10:39

UECR-GRPO：用熵校准统一策略内蒸馏与GRPO的信用分配

教小模型做数学题的新训练方法，把教师模型的逐token提示和答案对错验证揉进一个GRPO更新里，Qwen3-1.7B和4B都涨了不到1个点，做RL训练的可以看看细节。

#GRPO #Qwen3 #策略内蒸馏 #数学推理

arXiv cs.LG@Jie Zhang 等 5 人原文

论文 Agent 与开发者多源确认精选09:35

SkillGym：将人类技能内化为 LLM 可复用能力的训练框架

有人把 2756 个智能体技能环境做成了训练集，微调后的 Qwen 35B 跑赢了好几个闭源旗舰模型，做 Agent 训练的可以看看。

#SkillGym #Qwen3.5 #Claude Code #智能体

事件专题

arXiv: DeepSeek@Zhilong Ge 等 9 人6 个信源在谈原文

论文 Agent 与开发者多源确认精选09:34

越南学者用本地部署 LLM 与混合 RAG 自动生成数据处理活动记录

越南 PDPD 合规催生的实用论文：本地跑 Qwen3.5-27B 配混合 RAG，效果追平云端 DeepSeek-V4-Flash，还公开了越南语 RoPA 基准。

#RoPA #Qwen3.5 #DeepSeek-V4-Flash #RAG

事件专题

arXiv: DeepSeek@To Duy Hinh 等 4 人4 个信源在谈原文

论文中美对照11:27

InfoPPO：用信息密度替代token计数重参数化LLM强化学习

训练LLM做推理的看这篇：InfoPPO把RL时间步从token数换成信息密度，Qwen3数学基准五项全升，比PPO稳。

#InfoPPO #Qwen3 #PPO #强化学习

arXiv cs.AI@Yongcheng Zeng 等 12 人原文

论文 Agent 与开发者精选11:16

AutoViewMem：自配置正交视图优化对话长期记忆

给智能体做长期记忆的论文，把语义分视图放到写入阶段，LoCoMo 和 PersonaMem 上跑赢了记忆基线。

#AutoViewMem #Qwen3 #智能体 #长期记忆

arXiv cs.AI@Zijie Cao 等 10 人原文

模型中美对照11:52

智谱发布混合注意力扩散语言模型dQwen3.5系列

智谱新出的dQwen3.5系列模型，用混合注意力架构改造自Qwen3.5，在训练效率上比全注意力架构有优势。

#dQwen3.5 #智谱 #混合注意力 #扩散模型

arXiv cs.LG@Anton Xue 等 6 人原文

模型 Agent 与开发者精选11:21

新方法让AI代理更高效探索环境

朋友间推荐：新方法叫ActObs，能让AI代理更聪明地探索环境，在测试中表现更好。

#ActObs #Qwen3-4B #Qwen3-8B #强化学习

arXiv cs.AI@Juzheng Zhang 等 5 人原文

论文 Agent 与开发者精选10:12

提出新模型解决直播语音合成中多维度音调评估问题

这个研究解决了直播语音合成中一个很具体的问题，提出的模型能更精准地评估语音的情感和语调，对做语音合成优化的人应该有用。

#Live-ProsodyJudge #Qwen3-Omni #Gemini #语音合成

arXiv cs.AI@Zifan Guan 等 6 人原文

论文 Agent 与开发者精选10:08

BioPhys-Bridge 基准数据集发布，用于评估跨学科生物物理研究中的科学推理能力

朋友发了这个新基准数据集，专门用来测试模型在生物物理领域的科学推理能力，比之前的基准更复杂，能看出不同模型在这个专业领域的真实水平。

#BioPhys-Bridge #DeepSeek-V4-Flash #Qwen3.7-Max #GPT-4o-mini

arXiv: DeepSeek@Qingyang Xu原文

论文 Agent 与开发者精选10:02

金融文档处理新方法提升关键信息提取准确率

这个方法挺实用的，专门针对金融文档处理，能自动批准更多字段，减少人工审核，提升效率。

#Qwen3.6-27B #Gemini-3.1-Flash-Lite #金融文档 #关键信息提取

arXiv cs.AI@Yichao Jin 等 10 人原文

论文 Agent 与开发者10:01

研究揭示视觉语言模型抗干扰能力与提示词冗长的关系

这个研究挺有意思的，它发现给AI模型问问题的时候，用更详细、更啰嗦的描述，能让模型在处理有问题的图片时更不容易出错，比如把‘有猫吗？’改成‘请仔细看并回答：有猫吗？’。

#Qwen3-VL #LLaVA-OneVision #视觉语言模型 #提示词工程

arXiv cs.AI@Farooq Ahmad Wani 等 8 人原文

论文 Agent 与开发者精选10:30

一种零阶范式用于大语言模型偏好对齐

朋友，这篇论文提出了一种叫ComPO的新方法，能更高效地让大模型符合人类偏好，比传统方法效果更好。

#ComPO #偏好对齐 #零阶优化

arXiv cs.AI@Peter Chen 等 4 人原文

论文 Agent 与开发者精选09:21

新方法优化动作模型动作编码，提升动作关系保留能力

这个研究很实用，解决了动作模型中一个关键问题：如何让生成的动作更符合物理逻辑。作者的方法ActionPiece效果不错，在几个基准测试上表现都很好。

#ActionPiece #Qwen3-VL-4B #动作模型 #提示词工程

arXiv cs.AI@Shijie Lian 等 8 人原文

技巧 Agent 与开发者精选10:19

JustFit 让 27B 模型在 24GB 笔记本上处理 20万token

朋友，刚看到 JustFit 这个技术，它能让 27B 的 Qwen 模型在 24GB 笔记本上处理 20万token，比之前的方法快很多，对本地开发很有用。

#JustFit #Qwen3.8-27B #提示词工程 #推理模型

事件专题

arXiv cs.AI@Yuhua Chen2 个信源在谈原文

论文 Agent 与开发者精选78°16:33

Gavel 方法从冻结 LLM 中提取技能路由信号

朋友，这是 DeepSeek 的新方法，叫 Gavel，能从冻结的 LLM 里直接读出该用哪个技能，不用加载那么多东西，在他们的新基准测试里比其他方法好很多。

#Gavel #Qwen3-32B #技能路由 #提示词工程

arXiv cs.AI@Ruishuo Chen 等 5 人原文

模型 Agent 与开发者精选13:06

物理分区KV缓存格式实现CPU-GPU负载均衡

DeepSeek和智谱AI团队的新方法，通过优化KV缓存布局，让CPU和GPU能更高效地分担负载，提升长文本处理速度。

#DeepSeek-V2-Lite #Qwen3-30B-A3B #Mixtral-8x7B #MoE

arXiv: DeepSeek@Enda Yu 等 3 人原文

论文 Agent 与开发者精选11:12

边缘部署的视觉语言模型能否识别物种？

想了解边缘部署的AI模型在野外实际场景中的表现，这篇论文对比了通用模型和专用模型在物种识别任务上的差异。

#Qwen3-VL #Gemma3 #BioCLIP #物种识别

arXiv cs.AI@William Zhou 等 5 人原文

论文 Agent 与开发者精选11:12

MindTopo 基准测试模型发布，评估大模型拓扑空间推理能力

想了解大模型在拓扑空间推理方面的真实能力，可以看看这个新发布的 MindTopo 基准测试，它专门评估了 14 款模型的表现。

#MindTopo #拓扑推理 #多模态大模型

arXiv cs.AI@Yunfei Ge 等 12 人原文

论文 Agent 与开发者精选11:12

统一令牌级门控家族用于在线蒸馏：FKL/RKL混合与多通道和偏置系数

朋友，这是篇论文，讲的是一种新的令牌门控方法，在知识蒸馏任务上表现不错，比之前的方法有提升。

#FKL/RKL #知识蒸馏 #Qwen3-32B #Qwen3-4B

arXiv cs.AI@Suwan Wu 等 4 人原文

论文 Agent 与开发者精选73°09:31

TRACE: 因果探索推理智能体训练方法

TRACE用模拟验证解决诊断推理难题，让Qwen3.5-35B在数字广告诊断任务上超越Claude Opus 5。

#TRACE #Qwen3.5 #Claude Opus #因果推理

arXiv cs.LG@Rui Sun 等 3 人原文

论文 Agent 与开发者精选73°09:29

Maverick：通过矩阵向量乘法委托实现可验证LLM推理

Maverick让用户无需暴露数据就能安全使用第三方LLI服务，性能提升最高达157倍。

#Maverick #LLM #Qwen3-4B #隐私计算

arXiv cs.LG@Ben Merbaum 等 6 人原文

论文 Agent 与开发者12:15

Co-Evolving Harnesses and Models: On-Policy Correction Helps Weaker Models Catch Up Where Imitation Fails

研究解决了小模型模仿专家时的性能下降问题，提出了新的在线策略修正方法，让小模型在特定任务中更接近大模型表现。

#智能体 #系统提示 #Qwen3-Coder #Gemma 4

arXiv cs.AI@Zhou Yu 等 11 人原文

论文 Agent 与开发者精选11:20

多领域模型训练中的领域覆盖优化研究

阿里团队发现多领域模型训练中每个领域都有最佳覆盖比例，对齐阶段难以弥补领域差距。

#Qwen3-8B-Base #KOR-Bench #多领域训练 #模型对齐

arXiv cs.AI@Yunpeng Xu, Kun Zheng原文

模型 Agent 与开发者精选73°11:15

PlannerForge：自动驾驶运动规划测试的LLM智能体框架

PlannerForge用LLM智能体整合了自动驾驶测试全流程，开源模型表现接近商业API，成本调优将规划成功率提升20%。

#PlannerForge #LLM Agents #自动驾驶 #Qwen3.6:35B

arXiv cs.AI@Yuan Gao 等 8 人原文

论文 Agent 与开发者精选10:33

LLM生成资产壳质量评估方法研究

工业4.0中，研究人员用三种模型测试了6400个资产壳实例，找到了评估AI生成资产壳质量的可靠指标。

#AAS #GPT-4o-mini #Qwen3 #DeepSeek-R1

arXiv: DeepSeek@Janek Groß 等 3 人原文

论文 Agent 与开发者73°09:47

OSOL缓解多领域强化学习中的高阶干扰

清华团队提出OSOL方法，通过分析token足迹解决多领域RL性能退化问题，在Qwen3-30B-A3B上提升5.7%性能。

#OSOL #Qwen3-30B-A3B #强化学习 #多领域

arXiv cs.LG@Zihan Lin 等 7 人原文

技巧 Agent 与开发者精选73°09:33

推测智能体编程中的不确定性方法

开源团队提出新方法，让AI编程助手提前预测错误，在Qwen和Claude上都有效果。

#Qwen3-Coder-480B #Claude 3.5 Sonnet #智能体 #编程助手

arXiv cs.LG@Konstantin Grotov, Valentin Malykh原文

模型 Agent 与开发者精选73°09:23

ACE：自适应专家跳过框架提升MoE模型效率

ACE让MoE模型能智能跳过冗余专家，无需重新训练就能提升效率，在Qwen3.6-35B-A3B上效果显著。

#ACE #MoE #Qwen3.6-35B-A3B #专家跳过

arXiv cs.AI@Zukang Xu 等 8 人原文

论文 Agent 与开发者78°11:28

ESPO：错误结构化提示优化方法

ESPO方法让提示更短更准，在Qwen3 GSM8K上从15%提升到91.4%，比GEPA短47%还更准。

#ESPO #提示词工程 #NLP #Qwen3

arXiv cs.AI@Lihao Liu 等 4 人原文

模型精选73°11:25

Terminal-Universe：将代理轨迹转化为可扩展终端环境

Terminal-Universe能把代码执行轨迹变成可复用环境，让Qwen3.5-27B在终端任务上提升近12分。

#Terminal-Universe #Qwen3.5-27B #Terminal-Bench #代码代理

arXiv cs.AI@Jie Wu 等 14 人原文

论文多源确认11:23

终端智能体环境演化方法研究

研究人员提出环境演化方法，让终端智能体训练环境持续变难，在Qwen模型上提升了18%性能。

#环境演化 #终端智能体 #Qwen3.6 #Claude Opus

事件专题

arXiv cs.AI@Zhiyuan Fan 等 12 人4 个信源在谈原文

论文精选73°11:22

Gated DeltaNet在4位量化中保持性能的机制研究

Minima团队把Qwen3.8-27B全量化到4位，性能不变还更小更快，揭秘了混合模型递归部分为什么好量化。

#Gated DeltaNet #Qwen3.8-27B #NVFP4 #量化

事件专题

arXiv cs.AI@Sergii Kozyrev, Davyd Maiboroda2 个信源在谈原文

论文11:13

LLM能否从代码提交中提取架构设计决策

研究测试了四种大模型从代码提交中提取架构设计决策的能力，发现虽有一定效果但仍有改进空间。

#LLM #架构设计决策 #代码提交 #Gemini 3 Pro

事件专题

arXiv: DeepSeek@Amey Karan 等 4 人2 个信源在谈原文

论文精选73°12:17

SafeEvolve：基于智能体经验的策略协同进化框架

SafeEvolve通过策略协同进化提升AI智能体安全性，在降低有害响应的同时保持性能，比现有方法更有效。

#SafeEvolve #Qwen3.5-4B #AgentDojo #安全对齐

arXiv cs.AI@Qinghua Mao 等 11 人原文

论文11:53

Graph Machine：通过边实现更优预训练

Graph Machine 用边对象替代传统状态，在 Qwen3-0.6B 上预训练时，稀疏层仅需少量检索就能保持性能。

#Graph Machine #Qwen3-0.6B #Transformer #稀疏路由

arXiv cs.LG@Lintai Hou原文

论文精选73°09:12

多教师蒸馏方法提升多领域大模型性能

MT-SDPO方法让每个样本选择最可靠的教师，而非按领域匹配，大幅提升多领域大模型性能。

#MT-SDPO #Qwen3-8B #多教师蒸馏 #大模型

arXiv cs.LG@Xixiang He 等 7 人原文

论文精选73°10:14

大模型量化损伤结构研究

这篇论文揭示了LLM量化损伤的分布规律，证明全局量化比局部修复更有效，对模型部署有实际指导意义。

#LLMs #量化 #Qwen3-8B #模型压缩

arXiv cs.LG@Jundong Hu, Shekar Ramachandran原文

模型精选73°09:36

HiveTraceGuard-Pro发布：0.6B安全护栏模型

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。

#HiveTraceGuard-Pro #Qwen3-0.6B #护栏模型 #提示注入

arXiv cs.AI@Nikita Oblakov 等 3 人原文

论文09:32

PersianAnonymizer：评估基于LLM标注的波斯语NER匿名化

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。

#PersianAnonymizer #NER #DeepSeek-V3-0324 #GPT-OSS-120B

arXiv: DeepSeek@Mohammad Hossein Shalchian 等 3 人原文

论文精选73°11:24

大模型规模对本体学习的影响研究

Qwen团队研究了13个模型规模对本体学习的影响，发现参数量并非越大越好，架构和模型血统比参数数量更重要。

#Qwen3.5 #Qwen3.6 #本体学习 #大模型规模

arXiv cs.AI@Hamed Babaei Giglou 等 3 人原文