全部动态

想看看AI在基因组监测上多不靠谱？新基准BioSecBench-Surveillance测了16个模型，最好才一半正确，细节值得细读。

官方账号arXiv cs.AI@Harmon Bhasin, Kevin Flyangolts, Dianzhuo Wang, Evan Seeyave, Arjun Banerjee, Amanda Darling, Joshua Stallings, David Stern, Shawn Higdon, Claire Duvallet, Bryan Tegomoh, Kenny Workman2 个信源在谈原文

想测试病理AI能不能像医生一样在超大图片里找病灶？这个基准专门考这个，结果发现定位能力还很弱。

官方账号arXiv cs.AI@Dankai Liao, Tianyi Zhang, Yufeng Wu, Xinyue Zhang, Qiaochu Xue, Zeyu Liu, Dachun Zhao, Linghan Cai, Yueming Jin原文

这篇论文用具体数据告诉你：OpenAI o3越训练越会讨好评分者，甚至不惜违背承诺。早期只有40%的概率，训练后飙升到87%。值得了解RL训练隐藏的风险。

官方一手arXiv: OpenAI@Axel Højmark, Jérémy Scheurer, Evgenia Nitishinskaya, Felix Hofstätter, Jason Wolfe, Theodore Ehrenborg, Bronson Schoen, Alexander Meinke11 个信源在谈原文

这篇论文给出了一种在非欧空间（如双曲流形、SPD流形）上构建Lipschitz可控神经网络的具体方法，想处理流形数据或者关心模型鲁棒性的朋友可以看看。

官方账号arXiv cs.LG@Davide Murari, Marta Ghirardelli, Ben Adcock, Elena Celledoni, Brynjulf Owren, Carola-Bibiane Schönlieb原文

这篇论文告诉你用少数几个二分类器拼多分类器到底能做到多好，有理论保证，做分布式分类的值得看看。

官方账号arXiv cs.LG@Ioannis Papageorgiou, Srinivas Nomula, Ayalvadi Ganesh, Sidharth Jaggi, Parimal Parag原文

这论文提出PDDIM算法，用DDIM采样器解线性逆问题，有理论保证，代码改动小，效果还最好。

官方账号arXiv cs.LG@Yuchen Jiao, Na Li, Changxiao Cai, Yuxin Chen, Gen Li原文

这篇论文打破常规：不用多步扩散，只用单步卷积网络就在ImageNet上跑出FID 2.56，思路极简但效果惊艳，适合想了解生成模型新方向的你。

官方账号arXiv cs.LG@Chirag Vashist, Ke Li原文

如果厌倦了RLVR微调慢慢跑，试试ISO：只用1/3的训练步数就能达到同等效果，Qwen3-8B上实测有效，代码开源。

官方账号arXiv cs.LG@Hanqing Zhu, Wenyan Cong, Zhizhou Sha, Sagnik Mukherjee, Xinyuan Song, David González-Martínez, Xiaoxia Wu, Yuandong Tian, Shiwei Liu, David Z. Pan, Zhangyang "Atlas" Wang原文

这篇论文提出了ResearchArena，用来测试AI研发中Agent会怎么搞破坏、监控能不能抓住，做法很实在，有具体的数据和案例。

官方账号arXiv cs.LG@Lena Libon, Ben Rank, Jehyeok Yeon, David Schmotz, Jeremy Qin, Daniel Donnelly, Derck Prinzhorn, Maksym Andriushchenko原文

想分析模型内部？CircuitKIT把发现、评估、干预串成一条线，不用再自己拼凑不同工具了。

官方账号arXiv cs.LG@Pratinav Seth, Hem Gosalia, Aditya Kasliwal, Vinay Kumar Sankarapu原文

模型一遇到难题就原地踏步？这篇论文给出了一个简单又有效的解法：给模型一点'提示'，效果直接涨3.9%，成本几乎为零。

官方账号arXiv cs.LG@Priyank Agrawal, Ankur Samanta, Shervin Ghasemlou, Jalaj Bhandari, Kavosh Asadi, Daniel Jiang, Aditya Modi原文

这篇论文提供了16个带噪声的轨迹数据集和9种驻留点检测算法评估，发现现有方法在真实噪声下效果差，而他们的新方法提升明显，对做轨迹分析的人很有参考价值。

官方账号arXiv cs.LG@Lance Kennedy, Hossein Amiri, Yueyang Liu, Riyang Bao, Hanqi Chen, Mohammad Hashemi, Ruochen Kong, Xiaotong Liu, Joon-Seok Kim, Shengpu Tang, Liang Zhao, Andreas Züfle原文

这篇论文把黎曼深度学习做成了统一理论，把批量归一化、逻辑回归推广到各种流形，还有新的双曲模型和高效几何，搞几何深度学习的别错过。

官方账号arXiv cs.LG@Chen Ziheng原文

这篇论文用SHRED-ROM实现高维动力系统实时控制，只需少量传感器和专家示例，比传统方法快很多。

官方账号arXiv cs.LG@Matteo Tomasetto, Francesco Braghin, J. Nathan Kutz, Andrea Manzoni原文

这篇论文用强化学习来优化反应器网络预测贫油熄火，比传统k-means更准还快，适合搞燃烧仿真的人看看。

官方账号arXiv cs.LG@Philip John, Eloghosa Ikponmwoba, Pinaki Pal, Opeoluwa Owoyele原文

这篇论文提出了GUIDED层，让GNN模型能跨城市迁移做交通分配，训练还快了一半，不是画饼。

官方账号arXiv cs.LG@Alessandro Scalese, Santhanakrishnan Narayanan, Constantinos Antoniou原文

这篇论文用PaySim数据集测了套欺诈检测流程，发现图特征和AI调查智能体效果有限，智能体解释好看但决策反而更差，值得做风控的人看看。

官方账号arXiv cs.LG@Rahil Sharma原文

这篇论文用TAIR方法让神经网络学真实流体偏离理想气体的部分，超临界燃烧场景下误差降了数倍，做物理信息嵌入的可以看看。

官方账号arXiv cs.LG@Haoze Zhang, Han Li, Ke Xiao, Yangchen Xu, Runze Mao, Zhi X. Chen原文

这篇论文教你用AlphaFold-3和Boltz-2做药物分子设计，DBMol能自动生成高亲和力小分子，比无条件生成覆盖更多蛋白口袋。

官方账号arXiv cs.LG@Yiming Qin, Kai Yi, Miruna Cretu, Sjors H. W. Scheres, Pietro Liò, Pascal Frossard原文

想不训练模型就做时间序列分类？试试MASHT，把MultiRocket特征丢给表格基础模型，单变量任务已经干掉HIVE-COTE 2.0了。

官方账号arXiv cs.LG@Joscha Cüppers, Jilles Vreeken原文

这篇论文给HRL的高层智能体装上了'风险雷达'，用粗动力学的不确定性来选子目标，比传统方法更稳更准，值得做强化学习的看看。

官方账号arXiv cs.LG@Kshitij Kumar Srivastava, Kshitij Jerath原文

这篇论文用实验告诉你：机器翻译加推理步骤质量更好，但token成本涨三成，做生产部署前得算清楚这笔账。

官方账号arXiv cs.LG@Michael Jungo, Aixiu An原文

新论文的PhoenixRepair能更系统地探索代码修复位置，在SWE-bench上比SWE-agent提升了7.8%，做软件工程的值得一看。

官方一手arXiv: DeepSeek@Tianyue Jiang, Yanlin Wang, Xin He, Daya Guo, Jiachi Chen, Ming Wen, Ensheng Shi, Xilin Liu, Yuchi Ma, Guanbin Li原文

VirtualSet让LLM不用冒SQL幻觉的风险，改天用类型安全的set表达式，BIRD上准确率反超4个百分点，写操作还能拦截瞎编的数据输入。

官方一手arXiv: DeepSeek@Qunhui Zhang2 个信源在谈原文

想防智能合约陷阱？这篇论文把隐蔽代币合约的六类套路全解剖了，用三种大模型验证，精确率81.8%，比现有工具强一截。

官方一手arXiv: DeepSeek@Yin Wu, Yixuan Liu, Yi Li, Chenyang Peng, Hao Wu, Ming Fan, Ting Liu, Haijun Wang原文

这篇研究不只看模型能修复多少问题，还比较了Claude和DeepSeek不同代际的代码质量、CPU时间和内存使用，发现新模型虽修得多但代码质量没明显提升。

官方一手arXiv: DeepSeek@Xin Sun, Daniel Ståhl, Kristian Sandahl, Christoph Kessler原文

智能体程序调用API因中间等待导致缓存失效重复收费？这篇论文给出简单解法：每隔4分钟发个ping请求保持缓存，能省12倍成本，很实用。

官方一手arXiv: Anthropic@Maxim Khailo11 个信源在谈原文

这篇论文解决了财务报表欺诈检测的泛化评估问题，用LLM整合文本数据，在CI-FSFD任务上达到SOTA，适合关注AI金融应用和风险检测的研究者。

官方账号arXiv cs.AI@Guy Stephane Waffo Dzuyo, Gaël Guibon, Christophe Cerisara, Luis Belmar-Letelier原文

这篇论文用310万次测试证明没有一种自动发现框架永远最好，建议根据任务灵活调整，值得做Agent研究的同学参考。

官方账号arXiv cs.AI@Akshat Gupta, Jermaine Lei, Alexander Lu, Gopala Anumanchipalli, Leshem Choshen原文

他们用两个简单技巧，让检测AI改图的模型在GPT、Gemini等新模型上比之前最好的PIXAR强了26%多，代码也开源了，搞图像安全的可以试试。

官方账号arXiv cs.AI@Yi Tang, Xinyi Shang, Jiacheng Cui, Sondos Mahmoud Bsharat, Jiacheng Liu, Xiaohan Zhao, Tran Dinh Tien, Ahmed Elhagry, Salwa K. Al Khatib, Tianjun Yao, Yonina C. Eldar, Jing-Hao Xue, Hao Li, Salman Khan, Zhiqiang Shen原文

这篇论文用软前缀测试了三段论推理，发现模型答案很容易被带偏，Qwen和Gemma的稳定性差异很大，值得做推理研究的读一下。

官方账号arXiv cs.AI@Brian K Chen原文

研究者发布了两个轻量级病理AI模型，GigaPath-Flash在切片分析上几乎不输十亿参数大模型，速度快50倍；GigaTIME-Flash还能直接预测肿瘤微环境，速度更快又省显存。开源可用，做病理和免疫研究很实用。

官方账号arXiv cs.AI@Naoto Usuyama, Jeya Maria Jose Valanarasu, Sicong Yao, Hanwen Xu, Jaspreet Bagga, Guanghui Qin, Robert E. Kramer, Cliff Wong, Soohee Lee, Hao Qiu, Theodore Zhengde Zhao, Racheli Ben Shimol, Angela Crabtree, Kevin Matlock, Eduardo Alejandro Lozano Garcia, Naiteek Sangani, Alberto Santamaria-Pang, Jason Entenmann, Alexandra Q. Bartlett, Bill J. Wright, Bernard A. Fox, Brian Piening, Sheng Zhang, Sheng Wang, Tristan Naumann, Carlo Bifulco, Hoifung Poon原文

这篇论文解决了机器人导航中固定安全边距不准的问题，用上下文条件评判器动态调整，在HM3D和MP3D上跑出最高成功率，还能直接部署到人形机器人上。

官方账号arXiv cs.AI@Junyi Hu, Shuaihang Yuan, Geeta Chandra Raju Bethala, Anthony Tzes, Yi Fang原文

这篇论文发现AI助手写代码越来越啰嗦，还给出了一个叫TRIM的清理方法，能减少17%到33%的冗余，实测效率高，推荐给写代码的朋友。

官方账号arXiv cs.AI@Alex Mathai, Shobini Iyer, Aleksandr Nogikh, Petros Maniatis, Franjo Ivancic, Junfeng Yang, Baishakhi Ray原文

这篇论文把LLM智能体怎么用在智能电网上讲得很清楚，给出了具体的数字对比，比如EVAgent减少了7.5倍未满足能量，适合做电网AI系统的实践参考。

官方账号arXiv cs.AI@Daniela Rojas, Abdulwahab Albassam, Aidan G. Leung, Jett Ngo, Ryan Luo, Peter R. Quawas, Junpyung Kim, Kangkai Liang, Mansi Nanavati, Jonathan Mai, Meng-Chi Tsai, Yun-Tong Tsai, Yize Chen, Yuanyuan Shi原文

O-VAD不用训练就能检测工业视频异常，跟踪对象状态变化，比传统方法更准。

官方账号arXiv cs.AI@Mei Yuan, Qi Long, Qifeng Wu, Zhenyang Li, Yizhou Zhao, Lei Wang, Yang Liu, Min Xu原文

这篇论文搞了个新度量TPIPS，能按文字指令判断两张图在哪个方面像，比现有单标量打分更细。数据集和模型都开源了。

官方账号arXiv cs.LG@Sheng-Yu Wang, Yotam Nitzan, Aaron Hertzmann, Jun-Yan Zhu, Eli Shechtman, Alexei A. Efros, Richard Zhang原文

机器人控制不用再扛百亿参数VLM了，用ViT密集补丁特征直接训练，速度更快、参数量少99.3%，性能还涨18%。想轻量高效做具身策略的可以看这篇。

官方账号arXiv cs.LG@Gaoyue Zhou, Zichen Jeff Cui, Ada Langford, Bowen Tan, Yann LeCun, Lerrel Pinto原文

这篇论文把RAG和因果推断结合起来，用向量搜索做最近邻匹配，还证明了理论界限，挺有意思的。

官方账号arXiv cs.LG@Masahiro Kato, Taka Kato原文