论文

把长上下文压缩后模型可能更容易回答不该答的问题，这篇给出机制解释和一个不用重训练的修复方法，做 RAG 或长文本系统的人该看看。

几个学者把 Proudhon 两百年前的契约概念搬进社交网络，做了能用的手机 App，专门管住匿名 AI 智能体和 deepfake，思路挺新颖。

研究者把仿真画面变成逼真监控图像来训练 8B 视觉语言模型直接控红绿灯，实路口部署三周还跑赢了 Gemini 3 Pro，做法挺有意思。

一篇经济学视角的 arXiv 论文，用模型证明老依赖 AI 会丢技能，还算出了企业该发多少激励钱让员工保持练习，结论挺反直觉。

一篇挺有意思的研究：MoE 提速会悄悄降低模型拒答有害请求的能力，SafeStart 只在开头跑全量专家就基本补回来了，还保住大部分加速，做部署的值得看。

论文让 LLM 智能体直接标出 C/C++ 代码里哪一行有漏洞，函数级判断从 33.8% 提到 42.0%，不过误报率也不低，适合研究代码安全的人看看。

分布式跑 MoE 模型经常被负载不均拖慢，这篇用虚拟化专家存储的思路，在 8 卡 H100 集群跑 DeepSeek-V3.1 提速 1.2 倍，做推理系统的可以看看。

把行为经济学的前景理论塞进 Bandit 决策里，遗憾界还和风险中性一样，理论党会喜欢这篇。

arXiv 这篇论文做了 36 个专家、6 种合并方法的大规模实验，证明不同领域的 LoRA 可以用不同秩来合并，做模型合并的值得看看.

论文把 agentic RL 的收益拆开看了一遍：单步决策没变强，强的是出错后能恢复。还给了个 BudgetMix RL 训练法，做智能体的值得看看数据。

有人拿 Qwen3.5-4B 实测了 DPO 对齐到底伤不伤能力，结果是分任务的：router 直接掉 30 分，提取没事。做微调的值得看看这个 margin 损伤窗口。

一篇研究智能体协作短板的论文：前沿 LLM 在 Hanabi 这类任务里互相配合经常失败，作者提出 CFD 方案还能自动生成，代码已开源。

一篇很实在的医学影像实测：EfficientNet不是越大越好，B1就比B7强，做OCT分类选模型前可以先看看这份对比。

一篇把预训练图模型搬到时间序列异常检测的论文，SICA、MAPS、TGEC 三个模块各管一段，做工业监控或运维的可以看看思路。

一篇解释 CoT 为什么能泛化到没见过的长推理任务的理论论文，还配了 GSM8K 实验和开源代码，做模型研究的可以看看推导。

把 OFDM 资源网格建成图，用图注意力做接收机，5G/6G 导频稀疏时比 DeepRx 的 CNN 方案误码率更低，做物理层的研究者可以看看。

一篇把可解释性和精度做成滑块的论文：简单输入自己解释，难的交给黑盒。还证明了多数情况下普通 CART 就够了。

复旦团队新出的 D3D，让扩散草稿不用等目标模型的隐藏状态，解码比 DFlash 快一截，GSM8K 上能到 7.48 倍，做推理加速的可以看看。

训练人脸识别模型但数据靠第三方采购的团队可以看看，3 个防御后门投毒的实用技巧，训练期推理期都有覆盖。

一篇教你离线 RLVR 该挑哪些回答、哪些 token 来训的论文，在 Qwen3-0.6B 的 GSM8K 上比七个基线都强，还省了三分之二的监督 token。

做配方实验的朋友可以看看，数据少预算紧时，它挑实验点的策略比 8 个主流方法里 7 个都强，省实验次数。

物理模型真的能打过LSTM了：CaRT+每流域才35个参数，在澳大利亚505个流域上反超两个LSTM，做水文的同学可以看看.

做 EEG 基础模型的同学可以看看：77 个数据集、1.4 万小时数据统一格式打包好，许可证标清楚，重训结果也贴近原模型。

这篇论文发现加上灵活强度函数后，老牌 Hawkes 过程就能追平神经 TPP，还开源了 TorchPP 框架，做事件序列建模的建议看看。

想搞清楚图结构在多智能体和 RAG 系统里到底起什么作用，这篇综述把五类功能和评估方法都梳理了。

EBM 这类可解释模型的形状函数经常复杂到没法看，BAM 把它们换成二维高斯，精度不差还真能拿去对着领域知识核验，做表格建模的可以看看。

训练 diffusion drafter 的人可以看看，Split-KV 在 CP 64 下最高加速 3.67 倍，负载均衡还快三个数量级，代码已开源在 GitHub。

用 MoE 路由器直接关掉'过度思考'，token 省三成还不掉准确率，做推理成本优化的可以看看这篇论文的做法。

并购后两套 Salesforce 数据怎么合并？这篇论文给了完整框架和模拟结果，匹配 F1 最高 0.963，做数据整合的可以看看。

一篇把 LLM 智能体用在电网规划上的论文，智能体能自己提方案、跑优化、看结果再改，40 条轨迹全部通过碳预算检验，搞能源系统的可以看看思路。

测了一下那些号称能模拟临床试验的世界模型，结果发现传统模型其实没学会药物干预本身，反而是大语言模型真能分清药效，数据都开源了。

训练长序列的朋友可以看看这篇：CHARM+ 把跨节点通信和计算重叠起来，双节点 NVLink 上比 Ring-Attention 快近 3 倍。

arXiv 上一篇论文，讲 KV 缓存淘汰怎么用迭代反馈自我纠错，在 LongBench 上比 LAQ 强，做长上下文推理优化可以看看。

免训练不换草稿模型，直接给 Qwen2.5-VL 和 LLaVA 视觉模型推理提速 1.5 倍以上，代码开源可以自己跑。

一家团队把单细胞预测、解释和证据更新做进一个智能体框架，SciPlex3 上 AUPRC 高出基线 63.3%，token 还省了 99%，做生物信息的朋友可以看看。

这篇论文解释了为什么更聪明的 AI 有时反而帮倒忙：人会重复计算重叠证据。还用 ChatBench 数据拆出了两种损失各占多少，量化很扎实。

删除数据后怎么证明真的删干净了？这篇论文给 LLM 遗忘加了第四个评估维度，还给出了能套在任何方法上的两阶段方案。

城市规划也能用生成式模型了，输入一句话就能画出高密度开发方案的土地利用图，还带卫星图对照，做城市场景实验的可以看看。

研究发现医疗AI的风险证书防得住错误频率防不住极端大错，胎儿头围测量里一张图就翻车，改用解剖学范围约束花0.4个覆盖点就能把最坏误差压到11毫米级。