论文

这篇论文提出 PKPS，只跑部分查询就能预测模型在整套基准上的分数，能省下大量评估算力，做模型评测的可以看看。

训练动力学闭合模型到底嵌入模拟器还是分阶段离线训？这篇用 SIQR 模型把两边成本和精度账算清楚了。

一篇研究论文：Vis-Lens 把 VAE 和扩散模型结合起来，能生成让神经元或脑区“最喜欢”看的图像，比之前的方法更真实，还不用逐图优化。

物理学家训练了个强化学习智能体，没告诉它时空规则，它自己学出了Minkowski时空的因果结构，思路很妙。

机器人动起来周围气流怎么算？这篇用物理 token 加并行训练把动态边界 CFD 预测的自回归误差压下去了，还放出了 RoboCFD-4D 基准，做流体仿真代理的可以看看。

一篇评估时间序列基础模型不确定性的论文，告诉你现有模型校准差在哪、事后重校准能救哪些、救不了哪些。

论文讲了个省显存的训练技巧：专家参数反向传播时就地更新，微调 OLMoE 这类 MoE 模型显存省约两成，速度还更快。

一帮研究者发现 LoRA 持续学习的零空间隔离会饿死新任务学习，提出 BISECT 用谱分解解决，在五个基准上跑赢旧方法还零推理开销。

一篇统计学习论文：用 DNN 做泊松过程强度估计，理论证明能接近 minimax 最优速率，还在 Allen Brain 的 Neuropixels 神经放电数据上实测赢了核估计器。

用 10 个 LLM 自动写气象参数化代码，100 个方案里有 2 个误差打平了人工调优的版本，搞科研自动化的可以看看这篇。

拍一张建筑照片就能生成可编辑的 CGA 程序化 3D 模型，做建筑建模或游戏资产的人可以看看这个思路。

一篇计算机操作智能体的论文，思路挺有意思：从教学视频里挖真实工作流当种子任务，再用快照回滚机制采集轨迹，27B 模型在 OSWorld Verified 拿到 80.2 分。

arXiv 上的新论文，用两个智能体帮企业自动做 AI Act 合规差距分析，F1 比最强基线高了 0.3，做合规的可以看看。

训练 Web 智能体老是拿不到反馈？这篇把复杂任务拆成技能链一步步学的思路挺有意思，三个基准上最多提升 18.6%。

医学影像方向的朋友可以看看：用报告和关键词做双粒度对齐，1,593 个结节上 AUC 从 0.9297 拉到 0.9499，推理还只要 CT。

这篇论文做了个叫 LUCA 的沙盒，专门测智能体是靠正确推理还是蒙对答案，7 个前沿模型测下来诊断能力差了 7 倍，挺有意思的。

搞智能体开发的话，这篇把 MCP、A2A、AGNTCY 这些协议串成了一张完整地图，还讲了怎么把它们落到服务治理层面。

这篇论文给状态追踪能力画了张精细地图，GDN 和 Transformer 各能解到哪一层都讲清楚了，还配套开源了 StateBench 可以直接测自己的模型。

一群研究者提出让个人智能体长期替你做决定，还配套了 AOI 指标来算监督成本，做 Agent 方向的可以看看这套评估思路。

一篇研究论文：MIRA 训练时故意塞误导性视觉信息，让模型学会自己发现并纠正错误，多模态推理基准平均涨 7%，还不用人工标注。

一篇推荐系统论文，把 LLM 物品嵌入和协同过滤信号融合起来，专治长尾物品交互稀疏的问题，做推荐的可以看看思路。

几位作者把多智能体、信号处理和控制论揉成一个系统框架，还论证了资源需求能近线性扩展，做系统方向的朋友可以看看思路。

这篇论文给现有的 AI 科研创意系统加了个“改哪、怎么改”的决策层，靠反事实推演选修改方案，消融数据挺扎实，做科研智能体的可以看看。

做法律实证研究的朋友可以看看：用 LLM 把刑事判决书变成结构化数据，指令改一改准确率就从 52% 涨到 70%，方法写得很细。

一篇讲视频编辑模型怎么用 MoE 省算力的论文：56B 参数但每 token 只激活 8B，还开源了框架，做视频生成方向可以看看路由分析。

直播画质调参这活儿有 AI 干了，这篇论文造了个能看图、找问题、直接告诉你怎么调摄像头参数的模型，IQA 方向的研究者可以看看。

这篇论文解决长程智能体训练中 rollout 太少、优势估不准的老问题，思路是把不同任务的经验汇到全局记忆里共享，ALFWorld 和 WebShop 上都跑出了效果，做智能体 RL 的可以看看。

BFCL 有个盲区：模型调用函数前先确认会被扣分。这篇给 BFCL 加了效果感知评分，还发现函数文档加副作用提示对 8 个模型都没用。

OpenAI 证了 Erdős 相似性猜想，这篇解读只用基础测度论就能看懂证明思路，数学爱好者别错过。

这篇论文发现 AI 智能体很难复现量子论文的结果，然后靠记录修复经验把成功率从 68% 拉到 85%，成本只要 Claude Code 的三分之一，做科研自动化的可以看看思路。

有人在 OLMo-2-1B 的 13 个训练检查点上做了逐层解剖，用探针数据证明 RLVR 只是让模型挑出本来会的解法，没教会它新东西，数据和结论都挺扎实。

搞楼宇控制的朋友可以看，这篇综述把 PID 和强化学习怎么结合分了四类讲得很清楚，比零散看论文省时间。

研究者把流匹配用到电池退化预测上，DiT 骨干加早期循环数据做条件，5 个数据集误差都压到 2.5% 以下，还能输出预测区间，做电池建模的可以看看。

这篇论文把 pass@k 训练的机制讲透了，还给出一个只用单次采样就能达到多采样效果的省钱方法，做 RL 训练的值得看看推导部分。

想在推荐系统里用 LLM 的朋友看这篇：同一份 MovieLens-1M 数据，光换标题格式 HR@10 就差了近 2 个点，性别平衡还有副作用，细节都在这了。

一篇把 Mamba 1 到 3 统一进同一数学框架的理论论文，还附带更快的 GPU 核和新的 MIMO 检索扩展，适合研究序列模型的读者。

一条 arXiv 实验论文：用 BM25 加语义检索喂证据，Qwen3 8B 做 SciFact 论断验证拿了 0.79 的 Macro-F1，而且发现 NLI 加 LLM 融合反而掉分，做 RAG 事实核查的可以看看。