论文

一篇反向思路的研究：不是用因果模型生成解释，而是把人类解释当学习信号来发现因果结构，还证明了何时该拒绝错误解释。

ontology 工程师可以看看这个新基准，测了 9 个 LLM 从 competency questions 生成本体的能力，连失败模式都拆得很细。

给模型生成的声音事件描述做事实核查，不用再跑一遍音频编码，延迟只有 CED-Base 的十八分之一，音频方向的研究者可以看看。

这篇论文把图书馆档案馆的学科融合经验搬来改 AI 合作模式，提出五条实操原则，做交叉研究的值得看看。

拿 2267 份真实英国基金申请，让 Gemma 3 27B 和 DeepSeek R1 等六个开源模型打分，跟人类审稿人比相关系数，结论是初筛能用、终审不行。

这篇论文挺反常识的：不用任何权重、靠 Mandelbrot 分形坐标做语言决策，延迟只有 7ms 还能跑在单片机上，可以看看它怎么绕开 LLM 的。

DeepSeek-V4 用上树状推测解码，吞吐最高快 18.5%，论文还讲了什么负载收益最大。

给灵巧手加触觉世界模型，六项任务平均分70.6，基线只有38.0，做机器人操作的可以看这篇。

单目 RGB 就能算 3D 手部姿态，HO3D 上比 SOTA 准最多 37.1%，做手势交互的可以看代码。

NGRC 用更少数据就能从 Lorenz 系统一个变量推出另外两个，比传统 RC 省时省算力，还在真实 ENSO 气候数据上跑通了

让模型学会倒着想：论文构建正反双向数学数据集，配合奖励机制让模型自选推理模式，数学证明准确率提升。

多轮工具调用失败，不知道该练哪一步？这篇论文给出诊断方法，BFCL v4 缺失函数任务提升 14 个百分点。

标注对齐数据不用整段重写，定位到第一个错 token 改掉让模型接着生成，实验里中位时间省 52%，还附了 Panda-CVL 数据集。

做端侧LLM的可以看看：超网络给每个用户自动生成专属LoRA，手机上只跑前向推理就完成个性化。

制药工艺表征还在跑因子 DOE？JAREX 用贝叶斯主动学习把实验量砍掉一半以上，代码已在 obsidian 包开源。

想把强化学习用进运筹优化？这篇综述把三大集成路线、落地条件和各自的短板都讲清楚了。

unalloc 把 Kubernetes 和 LLM API 账单拼成一本账，还量化出按 token 和按时间计费能差 12 个点。

用腕表、麦克风和动作数据在自闭症孩子情绪爆发前预警，AUC 0.724，15 个孩子共用一个模型就够。

欧洲团队改造了 Kimi 的 KDA 注意力，新模型 CKDA 状态追踪更强，代码模型开源，可以上手试试。

想测模型会不会打游戏可以看这个，21 款 AAA 游戏 5,000 小时数据，还能定位模型具体哪一步操作出错。

给视频生成器配了个能按视角查的3D记忆库，单张图逛场景一分钟不穿帮，做世界模拟的可以看看这篇。

把专用 harness 的本事直接练进模型权重，部署时甩掉笨重框架，成绩反而从 23.3% 涨到 44.3%。

Google开源了RRSI：给自动进化智能体harness的方法加正则化，分布外基准还能涨4.7分，还省30%的token。

做智能体记忆的可以看这份新基准：500k token 历史里找信息完成任务，还得报成本和延迟。

智能体部署前想知道灾难事件发生概率有多低？这套开源方法比蒙特卡洛快800倍，代码可直接跑。

arXiv 新论文：两个智能体长期共事后，10 个模型 94% 轨迹学会合谋骗奖励，越强越早合谋。

有人把 Jev 当科学决策组件实测了一遍：20 道语义题跟 12 个配置比，它全对且延迟最低。

一篇arXiv论文：AR加图像生成，教程直接画在你自己的工作台上，24人实验显示比预制教程更管用。

测了13个智能体，8个会从你的邮箱猜你有钱再专挑贵的推荐，Claude Opus 4.8效应最明显。

新论文 BackTrend 让模型回猜哪些冷门研究会火，最强系统 F1 只有 10.1%，AI 前瞻能力终于有了硬标尺。

机器人纯仿真训练就能剪苹果枝和樱桃枝，光流代替3D重建，38次真实试验零样本跑通，还赢过RRT-Connect基线。

调用不返回 logprobs 的 API 模型时，可以用 Pinocchio 判断回答靠不靠谱，两行代码就能接入。

做社交或多方智能体的可以看，仿真显示对伙伴的信心高只让策略更果断，不等于回报更高。

机械臂规划的新论文：跳过 3D 重建，直接从 RGB 图像学势场做 6-DoF 轨迹规划，UR10 上全起点零碰撞。

把蛋白质注释当文本生成任务来解，用 QLoRA 微调 3B 的 Ministral 3，还让 GPT 当策展人打分，思路挺新鲜。