论文

训练好的模型爱抄捷径？这篇论文给出测试时就能用的修正办法，不用重新训练，效果还接近专门微调过的模型。

这篇 arXiv 论文讲了个挺反直觉的坑：训练时删掉的坏行为会换个形式回来。作者用配对干预把问题量化，再提出 ICA 闸门修好，做后训练的值得看看

跑 repetitive agent 任务的可以看看：把轨迹编译成代码后，同样的任务 token 省 70 倍、结果还能逐次一致，比存 skill 靠谱多了。

一个很实用的agent框架：不用微调模型，只靠历史记录生成指南，GPT和Claude都能白拿近10个点的准确率提升。

Numina 做了个让人监督 AI 写 Lean 4 证明的工作台，还真拿它形式化了 Kakeya 猜想，开源版可以直接跑。

有人把 EEG 硬件、注意力分类模型和音频干预整套跑通了，实时延迟不到 100 毫秒，37 人实验里注意力分数提升 20%，做脑机接口的可以看看。

这篇把晶体结构预测的 Top-1 从 28.3% 干到 72.2%，关键居然是修 bug——元素替换时没管化学计量系数，作者审计后重写流程，还比 CrystalFlow 快十倍。

用 NTK 理论分析物理信息神经网络的训练动力学，这篇把正交群对称性和谱性质证清楚了，做理论的朋友可以看看。

一篇把物理守恒定律塞进光谱预测的论文，覆盖 eDOS、XANES、拉曼等四类谱，做材料发现的方向可以看看。

一群研究者把 AGI 数学理论直接落成了语言模型，单一动态状态同时做表示和预测，性能追平同规模 GPT 基线，思路很不一样。

一篇挺有意思的理论论文：不看训练完的结果，而是看表征在训练路上怎么走，还能预测模型之后稳不稳。

做肌电手势识别或持续学习的可以看看：在 NinaPro DB1 上对比了三种策略，经验回放遗忘率只有 EWC 的零头，还有训练窗口怎么切才不崩的细节。

想知道 Claude 或 GPT 审代码到底能不能抓到真漏洞？这篇基准测了八款模型，265 个来自 Firefox、OpenSSL 的真实漏洞提交，结果差异挺大。

做代码审查工具或想测模型审查能力的话可以看看，1968 个带明确契约的案例，OpenAI Decisions 拿了 81.3% 平衡准确率。

联邦学习里少数站点数据常被压没了，这篇用四层架构让小于 3% 数据的节点也能追平大站点，临床场景很实用。

自蒸馏训练推理模型会让学生学会瞎编参考、不敢回头检查，这篇用激活转向治好了这两个毛病，AIME、HMMT 上准确率也涨了，做训练的可以看看。

一篇用 Double Machine Learning 做动态收费政策的研究，商业区治堵效果是住宅区近两倍，还给出了一个怎么调都稳的费率区间。

一篇轻量语音情感识别论文：不用大 Transformer，411 万参数就在三个数据集组合上跑出 96.75% 准确率，做端侧部署的可以看看。

多个 GFlowNet 各自探索容易撞在同一片高奖励区，这篇论文用共享分类器动态分地盘，采样覆盖更广，做生物序列设计的可以看看。

The Well 数据集的官方基线其实没怎么调参，这篇只在 12 小时内调了下 TFNO，17 个任务里 15 个就大幅超过原基线，引用时得留心。

这篇论文把心电图当语言来处理，用 VQ-VAE 把波形切成 token 再跑 BERT 预训练，80 万条 MIMIC-IV 数据训练出来的，做心电诊断方向的可以看看。

79k 次实验说清一件事：小模型配代码图工具，增益集中在一跳查找，多跳基本用不起来。

训练数据里有脏点？这篇论文的 SWAPE 会自动给每个样本分配权重，把异常数据的影响压下去，还给了收敛证明。

50 多名专家做了个 600 级的智能体考试，前沿模型最高也只过 47.7%，想知道智能体长期能力差在哪的可以看看。

如果你的 Agent 管线老被 Pydantic 校验卡住，这篇拿 9 个模型、近 4000 次调用跑出来的失败分析值得看看。

arXiv 上的新工作 SceneBloom，用扩散模型生成可仿真训练的 3D 室内场景，做具身智能的朋友可以看看，代码已开源。

一篇解决医疗 VLM 量尺问题的论文：离散 token 测不准毫米级数值，HAD-VLM 用扩散头预测坐标和长度，误差比 Vicuna 基线降了最高 37.6%。

这论文回答了个实际问题：ChatGPT 们以后怎么靠广告赚钱、免费和付费档怎么设计，算力降价了广告收入反而可能更多，结论挺反直觉。

一个开源的波斯语检索模型，0.6B 大小打平 4B 的 Qwen3 原版，做小语种 RAG 的可以看看它的蒸馏配方。

想让 AI 帮你优化代码前先看这篇：11 个模型实测下来，42/44 的“优化”代码反而更耗电，MoE 架构是最省能的选择。

把 CLIP 的嵌入从球面挪到单纯形，模态间隙直接砍掉 97% 以上，检索还不掉点，想法挺巧。

RL 训练里 rollout 生成最耗时，这篇论文把它提速到原来的近 2 倍，还不用额外模型，做训练的可以看看实现思路。

想在单卡跑大模型又怕掉点的话，这篇给出更聪明的 SVD 压缩方案，比现有方法准确率高不少，代码也放出来了。

三个小模型做意见模拟时，问题换成否定形式概率就对不上了，这篇论文把偏差量化得挺细，做 agent 仿真的值得看看

一篇理论向论文，用五层架构拆解 LLM 上下文为何无法承载话语根基，引用了 Shchedrovitskiy 等人的系统方法论，喜欢思辨的可以啃啃。

这篇论文搞了个因果效应估计的基础模型 PICLE-PFN，一次前向传播就能出结果，不用每个数据集单独拟合模型，跑得还快。

一篇工程味很浓的 RAG 论文：7 个智能体逆向工程 241 个仓库，再靠 artifact 级元数据让检索不再靠相似度猜，做了 100+ 缺陷修复验证。

一篇优化器调度的架构对比实验：乘法耦合的调度能泛化到大 15 个种子验证的分布外实例，加法版不行，做学习式优化的人可以看看。