SecureDrive-FL用GASHE加密解决联邦学习中的梯度泄露问题，在保护隐私的同时保持高准确率。
ContraTalk揭示了语音理解中的文本偏差问题，Audio Twin框架为多模态推理提供了新思路。
ANTShapes工具发布了4个新数据集，比现有数据集更丰富，适合事件视觉研究。
Thomson展示了如何通过持续学习让更多机构以更低成本实现前沿模型性能，拥有主权AI栈的所有权。
研究人员提出SARA框架，解决了LLM智能体中工具输出被滥用的安全问题，在四个主要评估设置中表现优异。
MIT学者发现LLM智能体安全漏洞，提出LoopHarness解决跨迭代攻击问题，安全性能显著提升。
这篇论文提出了LAAF问责框架，帮你理清大模型应用中的责任归属问题，特别适合医疗、金融等高风险领域从业者。
Poor Lab用5090显卡训练出接近Qwen2-1.5B的模型，成本不到7千，开源食谱让普通人也能训练大模型。
这篇论文对比了ES和GRPO两种训练方法，发现ES能带来更广泛的推理覆盖，还提出了结合两者优势的GRPO-ES顺序训练策略。
MetaNet让MoE模型根据任务难度动态分配专家，大幅减少计算量同时保持准确率。
团队用Qwen2.5模型解决本体学习任务，通过词汇过滤提高准确性，但无法提取非分类关系。
MIT团队推出GRAIN框架，用单智能体解决图推理中的标识符和任务表述变化问题，比多智能体方案更快更准。
WikiSkill让AI智能体把经验变成可复用的知识库，小模型靠技能能打败大模型，技能还能跨模型使用。
SWE-Prime用10%数据训练就能超越全数据效果，解决了软件工程领域模型训练数据质量低的问题。
MCR-Bench揭示了当前LLM在真实代码审查中的不足，特别是跨轮次时间对齐和长程记忆问题。
仅展示最近 2000 条内容。更早的内容请查阅 AI 日报存档（侧边栏 → AI 日报 → 顶部「往期日报」）。