论文

朋友间推荐：研究GPT-5和GPT-4o、DeepSeek-R1和V3在心理深度上的表现差异，以及LLM作为评判者的不同结果，挺有意思的。

这个论文研究了一种叫 SQD 的方法，专门针对子二次注意力模型，能显著提升在异构系统上的推理效率，比单纯用 GPU 的方法好很多。

这个模型用分层专家监督解决了舞蹈配乐生成中的语义不匹配问题，效果比现有方法更好。

这个研究挺有意思，用语言模型来动态调整机器人的控制参数，让它在复杂地形上更聪明地移动，效果比传统方法好很多。

这是 AI 研究者会关注的论文，介绍了如何用代理工作流自动构建具身化基准，对评估模型在真实世界场景下的能力很有参考价值。

研究团队提出了首个专门评估语音代理在多边对话中表现的基准 MP-Bench，通过12个语音代理的测试，揭示了当前实时语音代理在多边对话中的不足。

朋友间推荐：研究LLM定价代理如何产生超竞争价格，以及如何通过不同方法干预，挺有意思的，比单纯看产品更新更深入。

这个方法挺有意思，用图结构来优化代码生成，能更高效地利用计算预算，提升生成质量。

这个研究很实用，对比了人类和AI生成的代码质量差异，比如AI代码结构更紧凑但可能更模板化，不同语言的安全漏洞情况也不同，对开发者应该有帮助。

这个 RoofLang 工具能帮你优化 LLM 推理架构，让 DeepSeek V4 模型跑得更快，比其他模型快很多。

这个研究很实用，它告诉你怎么用LLM作为裁判评估时，去偏置操作会带来什么后果，比如会降低判断精度，所以想用这个方法的人一定要看看。

朋友，这篇论文讲的是用AI自己研究解决一个实际问题的方法，挺有意思的，比如电信工单检索，AI自己研究比人类快10倍还便宜。

这是关于如何更精准地控制大模型行为的研究，推荐给对模型可解释性和引导技术感兴趣的朋友。

这是篇研究论文，作者提出了一种叫CanvasAnneal的新框架，专门用来提升扩散语言模型做复杂推理的能力，比如数学题和用工具，效果比之前的方法好。

这是篇关于机器学习理论的研究论文，作者用树张量网络（TTN）模型来研究损失景观与学习难度之间的关系，对理解深度学习中的优化问题很有价值。

这是篇关于强化学习正则化方法的论文，作者提出了新方法，通过理论分析和实验验证了其有效性。

这是篇关于如何提升强化学习模型鲁棒性的研究论文，作者开源了实现代码，对做相关研究的人可能有参考价值。

学术研究者或算法工程师如果对提升大规模最优传输（OT）计算效率感兴趣，可以看看这篇论文，它提出的 HELLO 算法在百万级数据点上的表现很有参考价值。

这是篇关于如何提升LLM诚实度评估准确性的技术论文，作者团队通过具体实验指出了现有基准测试的缺陷，并提供了可复用的解决方案，对做相关研究或评估工作的人很有参考价值。

这个研究很实用，帮你理解为什么你的大模型推理时 GPU 利用率看起来很高，但实际计算效率可能很低。作者用具体的技术（vLLM、FlashAttention-3）和硬件（H100）做了实验，结论很扎实。

学术研究者可以试试这个新指标，它比传统方法更准确，能帮你更精准地评估模型在数学手写识别上的表现。

朋友发了 Dynin-Robotics，这个模型能同时处理视觉、语言和动作，在机器人任务上表现不错。

一篇很有意思的论文，作者把扩散模型和认知科学里的Cobweb模型联系起来，解释了扩散模型如何学习概念层级，挺有趣的。

这个医学影像分割模型很实用，能同时处理CT和MRI数据，而且只需要少量标注就能完成胰腺子区域的分割，比单独用一种模态效果好。

这个研究提出了一个专门用于可解释动态生存分析的模型，对医疗领域应该有用。

研究团队开发了一种针对表格模型的量化方法，能显著提升推理速度，且在多个基准测试中保持精度，值得了解。

这个研究解决了自动驾驶中一个很实际的问题，就是让AI驾驶更符合人类舒适感。他们开发了一个方法，让AI在控制车辆时更平滑，不会突然加速或转向，比之前的方法更好。

朋友，GPT-5.6-Sol在物理基准测试上的表现被低估了，专家重评后它的分数大幅提升，说明我们之前对模型的评估可能有问题。

朋友，这篇论文挺有意思的，它指出现在的大模型在处理长流程操作时很吃力，比如遵循几十页的规则手册，准确率很低，这提醒我们不要过度依赖它们做这类复杂任务。