论文

新方法让模型在嵌入空间连续推理，不生成离散token，性能还提升了。

这个280参数的变换器能完美处理任意长度布尔表达式，比普通模型更擅长深度泛化。

OPSA方法比OPD提升16.77分，在AIME24上相对增益263%，无需教师监督。

医学AI新模型TSPFN来了，专门处理生理时间序列，比TabPFN和专用模型表现更好。

这个四阶段协议帮你验证匿名AI模型的真实身份，避免数据风险和性能不符预期。

Qwen团队研究了13个模型规模对本体学习的影响，发现参数量并非越大越好，架构和模型血统比参数数量更重要。

BLOOM-WILT让大模型安全审计更高效，在Qwen3.5-4B测试中行为诱导率翻倍，还推翻了原有模型安全排名。

MIT团队推出代理式数据破解技术，让AI代理在回答问题时顺便结构化数据，大幅降低推理成本。

TASPO解决了智能体政策优化中的监督-信用差距问题，让特权信息只重新分配行动间的信用，不改变整体更新方向。

ZJU团队推出AutoSciRub，让AI研究代理先定标准再执行，在多个基准测试中显著提升研究质量。

发现大模型推理失败不等于能力缺失，用简单方法就能恢复被掩盖的内部逻辑。

OpenAI等公司AI临床笔记系统存在信息遗漏问题，新方法能更准确检测遗漏内容。

研究者提出LLM自我建模评估基准，用合成数据提升模型自我认知能力，但不构成真正的内省。

这篇论文展示了对比强化学习通过动作块建模获得显著性能提升，揭示了动作块携带更多目标信息的新机制。

研究人员提出PLC-DPO，能校正噪声偏好数据，在57个测试单元中胜率超DPO 5个百分点。

这篇论文揭示了角色扮演越狱如何绕过AI安全机制，找到了具体的安全防护目标。

PAC方法解决了LLM多任务RL中任务分配问题，结合优势信号和实际奖励增益，提升训练效率。

OpenAI兼容API的令牌计数能识别共享标记化堆栈，但不能单独用于确定模型家族关系，Qwen 3.8和DeepSeek V4变体测试低于阈值。

MIOH基准帮你看清多模态模型在复杂视觉推理中的真实表现，GPT-5和Gemini-2.5-Pro也不例外。

这篇论文用几何方法追踪LLM推理轨迹，能提前发现错误路径，提升任务成功率还降低token成本。