论文

这篇论文把 LLM 知识在三个层级迁移进生成式推荐，Recall@10 提了最多 12.9%，做推荐系统的人可以看看实现思路。

用扩散模型做逆问题的朋友可以看这篇综述，按离线/在线开销把 likelihood guidance、SMC 校正等方法梳理得很清楚，还列了加速方向。

有人把 2021 年那篇用纯噪声补少数类样本的论文复现了一遍，四个结论全复现成功，还发现它和加大网络的效果是互补的，做分类不平衡数据可以参考。

有人拿 Qwen3、Gemma 2 这些小模型研究怎么提前判断幻觉，还能直接翻转成拒答，代码都开源了，玩 SAE 的别错过。

做物理信息神经网络的朋友看这篇：HNN 不再要求你提前写出广义动量公式，双摆和滚动圆盘上都验证过了。

之前有人说对模型权重随机扰动一下就能挖出任务专家，这篇复现发现收益多半是选择噪声，方法拆解得很细。

跑一堆 LoRA 适配器做服务的朋友看这个：85 个 Qwen 和 Llama 适配器压到 7.7% 参数，分数基本不掉，吞吐还涨了。

把贝叶斯提问策略蒸馏进 8B 模型，猜词从 32 次降到 3.4 次，比 70B 老师还管用，思路很新。

埃塞俄比亚团队用梯度加特征选择预测玉米种哪块地，准确率 99.41%，比传统土地评估省时省钱，搞农业 ML 的可以看看

有人用作者代码完整复现了 INP-Former，MVTec AD 上 99.7 AUROC 没问题，但 MVTec AD 2 只有 63.4，连默认 6 个原型都不如 1 个，原文结论没全站得住。

做强化学习调参的值得看：论文说 Adam 固定平均率会把策略价值估偏，排序都排错，还给了个双跑修法，多跑一两次拟合就能纠正。

做图学习的朋友可以看看 GraCo，17 种图粗化方法统一接口，还带指标和四个数据集上的耗时内存对比，选方法省事多了。

劳伦斯利弗莫尔背景的团队给 BoomerAMG 装上 LinUCB 和 LSTDQ 在线调参，扩散问题提速 40% 左右，不用离线预训练，做数值模拟的可以看看。

做阿拉伯语教育 NLP 的可以看看，999 条科学实验加 2167 道选择题，还附了 10 个开源模型的 LoRA 微调评测结果，即将开源。

一群研究者证明了'奖励有上限就安全'这个假设不成立，MiniGrid 实验里智能体宁愿刷满足信号也不解任务，做 RL 奖励设计的人该看看。

把相对位置注意力塞进 FlashAttention 式内核，8K 序列反向最快快 21 倍，还省了 128 倍内存，做音频或长序列 transformer 的可以看看。

一篇很诚实的服务调度论文：升级成本随负载涨 21.9 倍，加了语义证据判定器后 AUROC 到 0.846，但他们也直接承认预注册假设被证伪、某些模型对不如随机路由。

张量计算的人看过来，这篇没改模型，纯工程优化就把 Tucker 学习内存砍了 900 倍，轨迹还能对到 10^-16 精度。

数学论文：把 OpenAI 关于可均群的结果推广到可均作用，还附了从零讲起的概率工具附录。

arXiv 上一篇理论论文，把 Karp 的老牌 NP 完全问题 Exact-One Hitting Set 做到了 2^{o(r)} 时间，算法理论圈可以看看。

把 GEO 优化内容真的发上线上实测，发现 CORE 策略在 GPT-6、Gemini 3.6 上最管用，还揭了 ChatGPT 挑 URL 顺序的老底。

一个开源的技能检索方案，检索基准 NDCG@10 从 64.0 提到 70.9，ToolQA 上比 BM25 和 RankGPT 多完成不少任务，做智能体的可以看看它的 KeyOpt 思路。

给做科研智能体的朋友：这篇把评估粒度拆到单次决策，0.6B 小模型靠状态信息打到 89.4%，比 DeepSeek-V4.1-Flash 还高不少，校准后的不确定性输出也能直接用。

三个主流模型做审批时都会被历史案例带偏：结论标签拉高批准率，案例事实反而压低。做 RAG 或判例检索的值得看看这两部分怎么分开测。

一篇把长推理拆成规划加执行两层的论文，小模型只用10%数据就跑赢DeepSeek-R1蒸馏基线，做推理优化的可以看看。

用 4532 篇论文喂出来的钙钛矿专用模型，做实验设计比专家选的方案效率还高，材料圈可以看看。

一篇关于量化压缩的新论文：4 个 LLM 家族实验表明 4 bit 是分水岭，用拓扑特征就能提前预测退化，R2 达 0.85，不用再跑下游测试了。

一帮AI智能体分工分析热电材料数据，攒出带引用的知识库，还能查到每条结论的原始出处，做科研数据挖掘的可以看看。

用 LLM 智能体去啃腔-QED 实验数据，自动提 Hamiltonian 假设再算分，3 个真实数据集验证可行，搞量子的朋友可以看看这套流程怎么搭。

做工业仿真或代理模型的朋友可以看看，450 个铸造热场仿真案例开源，U-Net 在这类几何任务上明显比 MLP 强。

CoRL 竞赛第二名团队公开方案：不微调 VLA，用 19M 小模型加改造过的示教数据就把分数做到 π₀ 的两倍多，做模仿学习的值得看看他们的踩坑细节。

一篇研究 VLM 遗忘的论文，发现用文本来表示要删掉的坏行为比用图像更管用，还给出按样本自动选模态的 ModRoute 方法，分数提升挺明显。

14 名医生实测了对话式 vs 单轮的病历查询界面，93% 更满意对话式，还发现基准测试完全低估了真实查询的模糊度，做医疗 AI 的都该看看。

改掉一个词的 SAE 特征就能让 π0.5 机器人改做别的任务，20/20 全成功，还标出了哪几层改得动。

arXiv 上的预注册研究，用 gpt-6.1-sol 和 claude-sonnet-5.5 跑了锚定、后见之明等五类偏差任务，结论是让模型一次报五个估计并不能稳定去偏，做 LLM 评测的可以看看实验设计。

X-World 1.6 把世界模型做成了自动驾驶仿真器，能从一张图生成多摄像头视频，还能精细控制红绿灯和车道线，做闭环测试的可以看看。

训练时省显存的激活重算常因状态不一致悄悄算错，这篇论文把状态变成显式契约，H100 上步时快了 18%，写训练框架的值得看。

Google 公开了怎么给 XLA 编译器找 bug：模糊测试加智能体集群自动写测试、复现、修，已抓出 142 个 bug，做 TPU 训练的值得看。

一篇用 LLM 替代黑盒调参的论文：直接读 MIP 求解器日志找瓶颈再改配置，10 次提案就打得过 SMAC3 跑 50 次，做运筹优化的可以看看。

一份用普通心电图就能估计 BRCA1/BRCA2 等基因携带风险的研究，外部验证还用了中国人群队列，挺有意思的方向。