全部动态

小模型学用工具的老难题有了新解法：SeTPO 用双向 KL 同时管住探索和模仿，BFCL v4 上跑赢了蒸馏和纯 RL，做端侧模型的可以看看。

新论文 LAGO：把成功子任务存成可复用选项库，不改权重跨任务变强，SWE-bench 上跑赢 mini-SWE-agent 和 Terminus 2。

理论证明来了：α-stable 扩散为何比 Brownian 更会抓重尾——α 对上数据尾部指数，极端分位数才准。

做请求路由或模型选择的可以看看：给模型留的兜底选项实测常出错，规则换个说法决策就变，这篇把坑测得很细。

机器人挪个位置、换个相机就不行？这基准造了 210 种硬件状况考 9 个 VLA 模型，最高难度成功率掉到 0.509。

闭源模型当老师也能蒸馏：只改错处、照学生的口吻写，TimeWarp 上比行为克隆高 5-10 个点。

Claude 会看关系决定发不发消息，冲突历史下复核率掉 45.83 个点，做智能体协作的可以拿 RelLedger 审计流程直接用。

能判断某个样本有没有被拿去 LoRA 微调，在 Qwen、LLaMA 等四个模型上准确率超 95%。

做关系库预测先跑这条基线，MLP加特征传播在RelBench上就能逼近GNN，省算力。

把挑分类器当成多臂老虎机来玩：准确率和公平性都计入奖励，标签晚到也能用，实测遗憾值明显低于基线。

用 DeepSeek 跑的测量研究：编程智能体的汇报只能恢复一半任务状态，失败的尝试可能压根没写进报告。

没做任务训练也拿了第一：anatomix 特征加 FireANTs 跑 PET/CT 配准，代码已开源。

作者把 OpenAI ExploitGym 的智能体提权事故在本地复现了，附 Zero Trust 修复思路。

作者亲手用消融证明自己的核心机制没用，真正有效的是粗网格起步和 epsilon-greedy，这类论文不多见。

论文说多个开发者各做一个弱智能体，拼起来在 GAIA 上拿到 70%，反超预算数倍的单人系统。

arXiv 论文用 MultiHopRAG、FRAMES 证明：评 LLM 集成收益不先定对照，数字能差 8 个百分点。

一张卡塞不下多个模型就只能换入换出？JointServe 边生成边预取权重、护住 KV，SLO 达标率从 2.8% 拉到 76.8%。

NAVER 论文发现全模态模型"看懂了却说不出来"，加一步自生成文本再推理就能提升 7.29%，方法已开源。

把图变成字符串让序列模型来生成，还能保证 100% 结构合法，做分子生成的可以看看这篇。

这批研究者把 Qwen3 的推理过程微调成文言文，更省 token、漏答更少，还压过了同样压缩过的白话版。

SAE学到什么会被readout缩放改变？RC-DS坐标把因子恢复率从0.506拉到0.913。

做时空预测的看这篇：VaryST 换个域、缺观测也能出预报，对比 17 个基线的零样本泛化明显更强。

OpenAI 提出的 9/4 矩阵乘法上界原本依赖域特征，这篇论文用多项式插值重做构造，让它在任意域都成立。

智能体跑得挺顺却追错了目标？这篇论文把这种失败拆成三种，还给出哪种干预能救回多少到达率的数据。

算力紧张也能训：ProtModernBERT 用一两成算力追平 ProtBert，架构比参数量更关键。

给视频模型换个练法：不背字幕改练事件排序，GRPO 免人工标注，Qwen3-VL 上实测有效。

UCSB 开源的 TIPER 自动演化刁钻用户测智能体，成功率最多掉 33.7 点，做 agent 的可以拿来跑一遍。

LDM 把跨层信息传递改成可检索的线性记忆，400M 与 1.5B 规模困惑度都低于 mHC 和 AttnRes。

Grokking 不玄了：这篇论文给出触发条件和平台期长度公式，还配了实验验证，做理论的可对照。

这篇论文把少步蒸馏简化成纯回归，4步生成就能反超多步教师，还做到了33B参数规模。

做在线学习或频谱调度的人看：异构多玩家老虎机最优分配是NP难，贪心就有1/√e近似，可当基线用。

教屏幕操作智能体防住提示注入的论文：SA-CUA 攻击成功率压到 0，效用还比 CaMeL-CUA 高。

智能体 RL 训练按需注入文本技能，省掉逐个试错的成本，ALFWorld 等四个基准全超基线，代码开源。

做 GEO 的朋友看这篇：ChatGPT 5.2 到 5.5 怎么挑引用被拆解了，外部工具只能猜中四分之一。

让模型先读懂场景再自动调采样温度，Llama-3.1-8B 上验证有效，搞解码优化的可以看看。

教智能体改图前先回头挑更优候选图，GenEval2 比最强基线高 12.7 分，做图像生成的可以看看。

MalwareFormer 直接啃二进制字节就能抓恶意软件，不用逆向分析，准确率 98.35%，误报不到 2%。

SRO让LLM自动设计后训练配方空间，再用贝叶斯选试验，Qwen3上分数远超基线，代码已开源。