全部动态

想测测视觉语言模型能不能真在3D空间里干活？SceneActBench给你5个任务、520个案例，开源又公平，看哪个模型分高。

官方账号arXiv cs.AI@Yifei Zhao, Xiangxin Zhou, Wenhao Yang, Jiaqi Tang, Pu Jian, Huanjin Yao, Jiarui Yao, Haowei Lin, Chunchao Guo, Zhuo Chen, Wenkai Lyu, Jianzhu Ma, Xueqian Wang, Wenxi Zhu原文

这篇论文提出HiKV，用两阶段KV缓存压缩加专用硬件，7.95倍加速、90%省电，精度几乎不掉。做长上下文LLM推理加速的可以看看。

官方账号arXiv cs.AI@Chao Fang, Jun Yin, Man Shi, Marian Verhelst原文

这篇论文用了一种叫bag-of-waves的巧办法，只需少量数据就能从脑电信号里学到可解释的波形模板，比那些黑箱深度模型好懂，还省钱省算力。

官方账号arXiv cs.LG@Athanasios Papastathopoulos-Katsaros, Steven T. Lee, Lin Yao, Ajay Thomas, Junseok Park, Matthew J. McGinley, Zhandong Liu原文

这篇论文搞了个 SUSA 方法，用储备池做波动率预测，在美股 ETF 上测了效果比 GARCH 好，还能跟 HARQ 组合更牛。

官方账号arXiv cs.LG@Aliaksei Kaliutau原文

这篇论文教你怎么用求解器的中间迭代步骤来多搞训练数据，还给了理论分析并连接到GLENS方法，做优化或生成模型的人可以看看。

官方账号arXiv cs.LG@Anjian Li, Ryne Beeson原文

这篇论文教你如何用一条轨迹学透一个动力系统，从预测函数到Koopman算子都有数学保证，适合想做理论深度的人。

官方账号arXiv cs.LG@Oleksii Kachaiev, Silvia Villa, Lorenzo Rosasco原文

Reflector 能根据你的多轨编排实时检索和声匹配的样本，不用依赖固定参考，免费开源还能本地跑。

官方账号arXiv cs.LG@Austin Rockman原文

这篇论文发现，通用音频模型像CLAP、AST不用专门训练，就能从动物叫声里读出进化关系，比专用模型还准，挺反直觉的。

官方账号arXiv cs.LG@Víctor Rincón Yepes原文

这篇论文给出了一个很实用的思路：用任务级反馈来动态路由LLM，不用每次调用都做独立决策。在多个基准上同时提升了准确率和速度。

官方账号arXiv cs.LG@Ritik Raj, Souvik Kundu, Sarbartha Banerjee, Dheemanth Joshi, Ishita Vohra, Tushar Krishna原文

这篇论文提出了一种新方法，用凸优化来生成带图结构的关联矩阵，比GAN方法更灵活，还做了理论和实验验证。

官方账号arXiv cs.LG@Ali Fakhar, K{é}vin Polisano, Ir{è}ne Gannaz, Sophie Achard原文

CausalForge用Lean做因果推理自动研究，能验证证明并审计陈述，比纯LLM评审靠谱。

官方账号arXiv cs.LG@Jiyuan Tan, Vasilis Syrgkanis原文

LunarFM把三个月球任务的六种仪器数据整合成一个模型，能直接做资源识别和地质分类，开源数据集和代码。

官方账号arXiv cs.LG@Marc Girona-Mata, Jakob Gawlikowski, Sumit Goski, Gautier Bardi de Fourtou, Valentin T. Bickel, Ben Moseley, Abigail Calzada-Diaz, Sylvester Kaczmarek, Raúl Ramos-Pollán原文

这篇论文揭示了负移位梯度下降的谱正则化机制，能突破负脊端点的结构限制，在过参数化线性回归中实现更优的混合符号滤波。

官方账号arXiv cs.LG@Peng Zhao原文

这篇论文告诉你，艺术家也能像玩材料一样玩扩散模型内部。他们在ComfyUI做了交互工具，能直接操纵Stable Diffusion的层，看到具体变化。不是理论说教，是真能动手调的。

官方账号arXiv cs.LG@Ahmed M. Abuzuraiq, Philippe Pasquier原文

研究了一套专门针对 NFT 合约的漏洞检测方法，用 DeepSeek 加代码切片把准确率干到了 97.1%，比纯分析完整合约高了 23 个百分点。做合约安全的可以看看。

官方一手arXiv: DeepSeek@Deyu Yang, Rundong Wei, Xiaoqi Li原文

这篇论文给BCI个性化提供了一个通用API，不用每个模型另起炉灶，在5种骨干和4个数据集上都跑通了，效率还比微调高。

官方账号arXiv cs.LG@Sergey Musienko原文

如果觉得 LoRA 微调大模型太费钱，κ-LoRA 只挑条件数大的矩阵来更新，参数量砍半，速度提升 16%，精度不降，值得试试。

官方账号arXiv cs.LG@Jianghui Wang, Silong Yong, Francesco Orabona, Marco Canini, Katia P. Sycara, Yaqi Xie原文

这篇论文教你如何通过修改网页内容让大模型推荐时把你想要的东西排第一。SIREN用PAIR越狱循环，在Claude模型上成功率80%，挺有意思的。

官方一手arXiv: Anthropic@Evan Caville, Siamak Layeghy, Billy Sung, Sara Dolnicar, Marius Portmann原文

这篇论文把Hyperball优化器的机制拆开来看，发现它并不像传说中那样自动解决学习率调度问题，掌握好调度才是关键。

官方账号arXiv cs.LG@Yihao Xiao, Jialong Sun, Zitian Gao, Zeming Wei, Chutian Wang, Ran Tao, Jiaye Teng, Bryan Dai原文

想精确控制视频里多个物体的互动？GraphVid用交互图代替画轨迹，效果比Motion-I2V好很多，FID降了40%。

官方账号arXiv cs.AI@Vedant Shah, Onkar Susladkar, Tushar Prakash, Kiet Nguyen, Tianjio Yu, Adheesh Juvekar, Muntasir Waheed, Ismini Lourentzou原文

想搞懂LLM到底是真学习还是假顺从？这篇论文给出了三个具体维度来分析模型修正判断的逻辑，比简单说‘阿谀奉承’有深度多了。

官方账号arXiv cs.AI@Baihui Wang, Bernard Koch原文

想用强化学习训练自己的 Claude Code 智能体？OpenForgeRL 让你在真实 harness 和环境中端到端训练，ClawEval 和 GUI 基准上表现不错，而且开源可用。

官方账号arXiv cs.AI@Xiao Yu, Baolin Peng, Ruize Xu, Hao Zou, Qianhui Wu, Hao Cheng, Wenlin Yao, Nikhil Singh, Zhou Yu, Jianfeng Gao原文

这篇论文搞了个VLM-IE3D，让普通视觉语言模型看RGB视频就能学会3D空间感，不用额外3D设备，而且好几个3D任务都做得更好。

官方账号arXiv cs.LG@Wenhao Li, Xueying Jiang, Quanhao Qian, Deli Zhao, Ran Xu, Shijian Lu, Gongjie Zhang原文

想要生成可变长输出的流模型？这篇提出了EFlows和EFMs，把扩张和去噪打包成一个可学操作，还能处理图和序列，挺新鲜。

官方账号arXiv cs.LG@Sophia Tang, Pranam Chatterjee原文

工业视觉缺数据？这个框架用7533张合成图训RFDETR，在真实样本上mAP达80.9%，凹版印刷质量控制有救了。

官方账号arXiv cs.LG@Korota Arsène Coulibaly, Mohamed Hamlich, Khalid Hmali, Andrea Trombin原文

时间序列分类的黑盒解释往往只找够用的特征，但可能抓到噪音。这篇论文提出了TimePNS，用反事实推理揪出真正必要的子序列，实验效果比现有方法好。

官方账号arXiv cs.LG@Hongnan Ma, Yiwei Shi, Mengyue Yang, Weiru Liu原文

做分子性质预测的朋友看过来：新模型EnsembleEGNN把多个构象编码成一个嵌入，在环肽任务上比纯序列模型效果好，R²提升到0.538。

官方账号arXiv cs.LG@Aaron Feller, Kris Deibler, Maxim Secor原文

想提升音频模型的逻辑推理？这个框架用文本教师蒸馏，在MMSU等基准上效果拔群，比纯音频训练强很多。

官方账号arXiv cs.LG@Dongjie Fu, Di Cao, Xize Cheng, Zihan Zhang, Wenxu Jia, Yifu Chen, Shengpeng Ji, Yu Zhang, Tao Jin原文

这篇论文用神经网络直接解量子场论方程，不需要标签数据，结果精度在百分级别，对初学者和专家都有启发。

官方账号arXiv cs.LG@Rodrigo Carmo Terin原文

这篇论文提出了一种能直接用神经网络做双样本检验的新方法，比传统方法更灵活，效果也很好。

官方账号arXiv cs.LG@Yakun Wang, Leyang Wang, Song Liu, Taiji Suzuki原文

这篇论文解决了长上下文下投机解码的瓶颈，用滑动窗口草稿省掉99%的KV读取，实测速度提升近三成，而且不损失精度。搞大模型推理优化的值得看。

官方账号arXiv cs.LG@Alagappan Valliappan原文

这篇论文用开源LLM整合语音和文本，在ADReSS20上准确率92.4%，比只用单一模态强多了，且跨数据库也能用。

官方账号arXiv cs.LG@Yingchao Huang, Xin Wang, Yuhan Su, Shanshan Yao原文

这篇论文给出了高召回场景下审计遗漏量的理论基础和实用方法，适合做检索系统或数据管线的朋友参考。

官方账号arXiv cs.LG@Martin Anthony, Kaveh Salehzadeh Nobari原文

TTEL能定位推理错误，只重算出错部分，省近一半计算量。Qwen3-8B在编程测试上成绩亮眼，值得关注。

官方账号arXiv cs.LG@Rajiv Shailesh Chitale, Rahul Madhavan, Taneesh Gupta, Deepanway Ghosal, Aravindan Raghuveer原文

这篇论文发了KroQuant，用Kronecker结构做激活变换，W4A4量化又快又准，比SVDQuant和LoRaQ结果好，还省参数。

官方账号arXiv cs.LG@Yann Bouquet, Alireza Khodamoradi, Kristof Denolf, Mathieu Salzmann原文

这篇论文提出的FGDSE框架能提前30天预测充电桩故障，特别指出极端热是关键风险，帮你搞清楚该什么时候维护。

官方账号arXiv cs.LG@Cande Lian, Wentao Zeng, Jiabin Wu, Yiming Bie, Wei Zhou原文

这篇论文提出了VCSD，不需要外部老师就能让多模态模型自己教自己，在Qwen3-VL上几个规模都涨了4-5个点，而且不增加推理成本。

官方账号arXiv cs.AI@Yijun Liang, Yunjie Tian, Yijiang Li, Yuqi Jia, Furong Huang, Tianyi Zhou, Di Fu2 个信源在谈原文

这篇论文提出了MIRROR方法，让视觉语言模型通过不同视角互相学习，在几何推理中表现更稳定、更准确。

官方账号arXiv cs.AI@Wen Ye, Yuxiao Qu, Aviral Kumar, Xuezhe Ma原文

这篇论文从哲学和理论层面分析了为什么有些事AI再强也替代不了人，不是技术不行，而是目标本身就得人参与才能定义。看完会重新理解自动化的真正边界。

官方账号arXiv cs.AI@Fares Fourati, Hinrich Schütze, Eyke Hüllermeier, Iryna Gurevych原文