全部动态

把知识写进模型记忆到底行不行？这篇论文在 Qwen 和 DeepSeek 上做了实测，命中率数据挺扎眼，做记忆机制研究的值得看数据。

这篇提出了一个挺聪明的思路：不再机械地问固定数量的问题，而是按报告缺口按需追问，作者还放了 429 条真实数据集和多个模型的对比成绩。

想用 LLM 智能体做黑盒优化的可以看看，五个领域统一评测，还拆了哪些设计选择真有用、哪些是伪收益。

拿 Minecraft 重建曼哈顿、白金汉宫这些真实地点来考模型找路，GPT-6 Astra 考了 85.6 分，开源的 DeepSeek-V4.1-Flash 才 23.9，差距很直观。

arXiv 上新出的 ServeLearnBench，用 7718 个任务测 RAG、Mem0 这些框架能不能让智能体边服务边学习，结论是多数还不太行。

MOBA-VL用游戏遥测数据训练，能准确捕捉击杀和目标等关键事件，比现有模型更精准解说电竞比赛。

MOBA-VL用游戏遥测数据训练，能准确捕捉击杀和目标事件，比现有解说模型更精准。

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。

几个新模型在治理审查门上分数差距很大，完整路线跑通率最高也只有七成六，作者把为什么开源了，做流程自动化的可以看看。

城市气候监测和热风险分析团队终于有了一个兼顾传感器预算和布局约束的实用方案——GNN在稀疏数据下比传统插值法更准，做城市热岛效应或极端高温预警的可以直接参考。