全部动态
Check out this groundbreaking research where an AI agent designs machine learning algorithms for wireless resource management, achieving impressive results with lower inference cost and improved performance compared to initial architectures.
Read this if you're interested in how CGS low-rank approximation can make large-kernel CNNs more efficient for mobile devices, compared to existing methods like RepLKNet-31B.
Robust CurveMoE 在 CIFAR-100 和 ImageNet-100 数据集上显著提升了混合专家模型的鲁棒性，比最强基线提高了 2.37% 和 2.13% 的联合准确率，值得一试。
CardioFusion-AI通过融合ECG和PPG信号，在信号退化下提供更可靠的生理监测，与现有方法相比，其性能更优。
想了解阿里巴巴如何降低大模型训练成本的朋友，Qwen3.8-Flash值得一试，参数少，成本更低。
VBVR-Pro提供了可验证的奖励评分器，使原生视觉推理变得可训练、可验证、可优化和可实验控制，是进行视觉推理研究的强大工具。
Read this if you're interested in the latest advancements in MU-CPT and how to improve cross-modal learning in MLLMs without supervision.
MyoMechanix通过多模态感知和结构化表示，在技能活动理解和指导方面取得了突破，为健身、康复、医疗和机器学习领域的物理AI应用提供了新的解决方案。
这篇论文展示了如何利用稀疏自编码器在ν中微子基础模型中寻找可解释的潜在表示，这对于理解模型的内部工作原理和设计下游任务非常有帮助。与传统的方向头相比，这种新的不确定性头在预测角重建误差方面表现出色。
PPE通过智能数据选择和基础模型嵌入实现自主地理空间预测，在多个领域表现优于现有模型，降低行星规模分析的技术门槛，值得一看。
想了解智能体在机器学习开发中的局限性？TraceML分析了134场Kaggle竞赛中的人类和智能体工作轨迹，揭示了智能体在数据工作、验证、模型更改和集成等方面的不足，值得一读。
Perplexity AI 推出 Portable Computer，本地智能体应用，搭载 Qwen 3.8 27B 或 PPLX 27B 模型，支持 Linux 操作系统，比同类产品更灵活。
这篇论文提出了一个名为ICON分解的新方法，用于更准确地评估深度神经网络中各个概念的重要性，对于模型审计和可解释性研究具有重要意义。与现有的基线方法相比，它能够提供更可靠的解释，对于理解模型的决策过程非常有帮助。
想了解最新AI芯片动态的朋友，不要错过这次大会，OpenAI的Jalapeño、Cerebras的CS-5、Groq的3 LPX和苹果的M6芯片各有特色，值得关注。
Read this paper if you're interested in how AI can prevent planning failures in autonomous driving by anticipating intent divergence and using a gating mechanism.
Prefix Sliding 提升模型推理速度，无需额外训练，开源代码可查。与总结中间token或普通滑动窗口相比，效果更佳。
这篇论文介绍了$R^3$，一种将VLMs转化为机器人推理器的方法，通过自由形式的语言推理来指导低级策略，值得一看。
这篇论文提供了Transformer注意力中LoRA秩选择的深入理论分析，对于理解LoRA在Transformer模型中的应用非常有帮助，特别是对于想要优化模型性能的工程师来说。
Read this paper if you're interested in improving the reliability of LLM data agents and understanding the importance of Trace Integrity in real-world systems.
DualOPSD在模型规模和性能上都有显著提升，是自蒸馏领域的一个新突破。与OPSD相比，DualOPSD在多个基准测试中取得了更好的成绩，值得关注。
Check out this research on using graph neural networks for theorem proving. It outperforms leanCoP by solving more problems in fewer steps, thanks to policy learning from existing proofs.
VoiceMem提供了实时、个性化、情感感知的语音交互的实用记忆基础，在准确性、情感与个性化方面优于Mem0等经典系统，且检索速度快，成本较低，值得一看。
仅展示最近 2000 条内容，更早的内容请查阅 AI 日报存档