全部动态

做智能体工具调用的朋友看这篇，工具接口一改模型就崩，SchemaShield-Lite 不用重训就能在 BFCL-200 上把准确率从 0.58 拉到 0.805。

ReTerm能从自身错误中学习，终端任务恢复能力提升显著

论文教你看 agent 失败原因来决定改运行时框架还是微调模型，Qwen3.5 上从 0.16 拉到 0.30，做 agent 的都该看看这套诊断方法。

这篇论文把 RAG 从'检索'升级成'主动算证据'，RouterLM 用 Qwen3.5-9B 就打赢了 Gemini 3.5 Flash，做 RAG 的可以看看思路。

论文揭示了自进化AI系统的隐藏缺陷，提出CrossFit方法有效解决协同作弊问题，在Qwen模型上效果显著。

CoEM解决了长上下文推理中信息过早压缩的问题，通过智能管理记忆空间，显著提升了模型处理长文档的能力。

一篇很实用的论文：让大模型和小模型在任务里分工干活，成本砍到一半性能反升，ALFWorld 上省了八成推理开销。

Turing团队发布20B参数专家混合模型，每激活2B参数，性能接近9B模型，支持超长上下文。

LocalLSTC通过时间组织控制信息，显著提升了本地GUI代理的性能，值得研究。

MedUPS 用强化学习教模型在罕见病例中预测下一步决策，三个开源模型准确率都提升了，数据集和代码已开源。

想把纯图片的Incidents1M变成图文对？这篇用Qwen3.5做生成和验证，10万条描述加自动打分，干活靠谱。

这篇论文搞了个P-EVAL框架来评估农业AI的安全性，Pezego-HITL架构在加纳测试，延迟降了55%，还挺靠谱的。