论文

机器人版通用模型怎么在部署后越用越强？这篇论文给出了 RL 改进的具体配方，讲清了哪些设计选择决定泛化效果。

一篇评估方法的论文，专治动物识别模型靠背景“作弊”的问题，还开源了 34 个数据集的 50 万掩码，做野生动物识别的可以拿来测自己的模型。

如果你在做向量检索或嵌入压缩，这篇直接给答案：int8 基本无损、二值量化别用、降维一次没事两次翻车，还有 32 倍存储压缩的可行组合。

一篇教 computer-use 智能体扔掉 80% 截图 token 的论文，训练 2000 步就追平原模型，推理还便宜 3.3 倍，做 agent 的可以看看

做可解释性审计的朋友看这篇：同一解释在不同忠实度指标下结论打架，论文给了一套框架帮你定位分歧出在哪，还有 adverse action notices 的实际案例拆解。

用 SD3.5 或 FLUX 画一堆物体总画不对数量？这篇把原因拆到了噪声层面，还给出了能画对数字的输入方法。

用读上下文的激活就能预测模型答案阶段的激活，跨 Qwen2.5 到 Gemma 4 都能迁移，做可解释性或行为预测的可以看看这篇。

这篇论文说现在的 AI 都在讨好你单次对话，长期可能让人变懒变依赖，作者给了个长期对齐的框架，做对齐和产品的人可以看看。

教 AI 编程助手直接写 FPGA 设计的论文，还公开了时序收敛和部署细节，做硬件加速的可以看看。

量子纠错码搜索太烧算力，这篇用 GFlowNet 学着只提好码，找到的高分码是老方法的两倍多，搞量子码的可以看看。

搞材料或显微图像回归的可以看看：用遗传算法自动找最优空间分区，比手工拍 patch 大小靠谱，SHAP 还能告诉你哪些区域真正有用。

ConDR 修了 DeepReach 会把危险状态漏判成安全的毛病，在 Air3D、四旋翼这些基准上碰撞率最低，做安全控制可以看看。

MIT 那帮人做了个 SARBLOH，只加了个感知模块就在 Kaggle 评测拿到首个冠军 13.7 倍的分数，思路很值得琢磨。

一篇用手机摄像头替代动捕服的论文，接 GPT-4o 和 MCP 给 HIIT 动作打分，跟教练评估一致率 87.5%，做法挺有意思。

一篇 arXiv 新论文 ArcRAG，检索不绑定建图方式，在 MuSiQue、HotpotQA、TriviaQA 上换图构建照样能用，做 GraphRAG 的可以看看。

做微流控或仿真代理模型的朋友可以看看，用集成不确定性找关键区域补数据，液滴直径预测误差0-3%的比例接近翻倍。

论文团队做了个 1,115 页的基准，专门测模型能不能把文档还原成可用的 HTML，比 Markdown 更看重布局，做文档解析的可以看看。

给长程智能体做上下文压缩的论文，训练一次就能即插即用，DeepSearchQA 和 SWE-bench 上省七成多推理成本，几乎不掉分。

一个不用训练的 agent 框架，让机器人主动找证据回答问题，在 ESI-Bench 上用 Qwen3-VL-32B 提了 7 个点还省 token。

把神经科学的闭环刺激思路搬到 LLM 引导上，用 H∞ 控制器在分布外场景下稳住模型行为，思路挺新。

多智能体系统一挂就崩的问题有解了：MA-Mesh 让 Agent 能互相评估表现，挂了还能自动换角色顶上，做 Agent 开发的可以看看。

一篇讲法律检索 Agent 怎么自己变强的论文，用 rubric 迭代做 RL，比固定规则效果好，做法律 AI 或 Agent 训练的可以看看

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。