全部动态

想知道一段文字有没有被模型偷学过？这篇论文的 ETD 用熵校正加自由能检测预训练数据，AUROC 提升最多 3.5%。

有人分析了7.3万条Reddit帖子，发现OpenClaw用户不满的多数是权限、成本和监督方式，对结果本身反而满意。

做对话 AI 实验总缺配置？Gricea 复现了 93% 的 CUI 2026 论文配置，复现难的朋友可以试试。

一个诊断 VLM 行为的框架，能标出模型哪里对齐、哪里跑偏，还给出因果估计找出影响最大的概念。

六个开源VLM看故障画面全不及格，喂十行力数据才翻盘；机器人该不该问人，这篇论文给出了可计算的判断标准。

想让模型学会'下一步该问什么'？这篇论文把提问当成强化学习问题，用检索排序反馈训练，五轮交互持续涨点。

这个研究提出了一个叫MIST的新方法，用基因组信息来指导病理图像的分析，在预测癌症患者生存期方面效果更好。

这篇论文分享了一个很巧妙的思路，用LLM来生成时序异常检测的特征池，效果比传统方法好，还公开了代码。

这个方法挺有意思，用人的手去摸物体，然后通过力反馈数据来学习物体的物理特性，比单纯看图片或视频更准确。

这个研究很酷，它用TaxiGPT模型展示了Transformer如何通过位置追踪和目标指南来模拟世界，还解释了模型失败的原因。

这是篇关于如何解决AI分割任务中一个具体问题的论文，方法很新颖，对做相关研究或应用的人可能有参考价值。

朋友，DeepSeek 的研究团队搞了个叫 TERMon 的东西，是个硬件监控器，能在边缘 AI 上实时检测模型行为异常，挺实用的。

这个框架很实用，能帮你判断LLM代理的隐私泄露到底有多严重，比如内存、检索、工具使用这些场景，比单纯看存储标签更准确。

这是关于如何利用听众反应来生成更自然的对话语音的新方法，代码已经开源了。

朋友，这是 Yan 实验室的新方法 GUARD，专门解决大模型忘记信息时可能泄露隐私的问题，比现有方法效果更好。

朋友，有个叫 AutoRecLab 的工具，能让你用自然语言描述实验需求，它就能自动帮你生成代码并运行实验，省去手动写代码的麻烦。

这个论文提出的新算法，在提升采样效率的同时还能自然地嵌入水印，解决了之前难以同时兼顾这两个目标的难题。

这个方法很巧妙，它让动态树结构也能支持随机采样，解决了之前动态树方法在随机解码时的接受率问题，比静态树方法更灵活。

这个 PARTS 框架挺有意思，就是针对机器人执行长时程任务时，那些容易卡壳的关键步骤，用强化学习去专门训练，效果比单纯用预训练策略好很多，而且需要的人类操作也少。

这个研究很实用，它告诉你别只看模型在基准测试上的分数，因为换一个数据集或者换一种提问方式，结果可能就大不一样了，比如健康对照组换成非结核病对照组，模型的准确率就会下降。

这个研究很硬核，用神经网络解决了材料计算中的 DFT 问题，能显著加速计算，对做材料科学或计算化学的研究者应该有用。

这是篇关于强化学习新算法的论文，作者提出GEM-MPC方法，通过专家引导规划来平衡探索和利用，在连续控制任务上表现更好。

这个技术很实用，能让你在本地设备上更高效地运行大语言模型，不用复杂配置，还能根据任务自动选择合适的模型精度。

这篇论文对理解JEPAs的潜在几何结构很有价值，特别是关于非欧几里得分布的讨论，对研究者和开发者都有参考意义。