论文

搞边缘 IoT 部署的可以看看：设备挂了副本自动顶上，用 MILP 算最优放置，实测延迟比随机方案低 18.3%。

一篇少见的线上 LLM 系统实战复盘：游戏教练把策略适用条件做成显式包，正确率从 57.9% 拉到 82.0%，还踩出发布验证的坑

arXiv 上这篇论文把 CAA 固定方向转向升级成按查询检索目标状态，词级和从句级编辑还给出了不同的施加深度，做可解释性研究的可以看看。

一篇搞交易数据预训练的论文，TAPES 会自动挑对下游有用的预测目标，金融风控这类任务上跑赢了基线方法。

机器人领域的新框架 Cycle WAM，让视频和动作双向对齐，LIBERO-Pro 上拿了同类最好成绩，还能改进 DreamZero。

一篇自监督学习论文，把多模态特征拆成共享和各自独有两部分，机器人、自动驾驶相关的研究者可以看看开源代码。

机器人听不懂"收拾房间"这种模糊话怎么办？这篇论文让 AI 先反问你几个问题，再画图确认，比直接硬干靠谱多了。

做幻觉检测评估的可以看看：用 BLEURT 相似度打标签误标率近一半，QGen-9B 只有 12.86%，选 judge 前先读这篇。

一篇论文提出 UAPA，专门解决开放集测试时适应里 OOD 样本污染训练的问题，在 CIFAR 和 Tiny-ImageNet-C 上 OSCR 提升约 1-2 个百分点，做 TTA 研究的可以看看。

一篇 arXiv 论文，教 Looped Transformers 在循环推理的中途就产出有用候选解，N-Queens 覆盖率从 45.75% 拉到 91.03%，做循环模型训练的可以看看。

心理咨询师的能力评估一直靠人工打分，又贵又难规模化。这个数据集首次公开了 890 段带评分的咨询师视频，想做情感计算或多模态评估的可以看看。

一个改进多跳 RAG 检索的新方法，把查询和图上下文联动更新，四个多跳 QA 数据集上 Recall 和准确率都有明显提升，做 RAG 的可以看看。

医生标注的一万多对息肉图像训练出的 Siamese 网络，判断两图是否同一息肉能到 92% 准确率，做医疗影像的可以看看。

有篇论文把费耶阿本德的科学哲学做成了多智能体变分推理实验，对比单一理论和多元理论社区怎么更新信念，哲学加建模的思路挺有意思。

不用重新训练模型，靠 OCR 加 LLM 加扩散模型就能把图片里的文字换成译文，翻成中文的场景还能跑赢现有编辑系统，做图像翻译的可以看看这篇。

arXiv 上的新论文 OSGR，让 GPT-4o 在地理观测问答基准 Earth-Bench 上的准确率从 49.3% 拉到 63.7%，做时空检索推理的可以看看。

多智能体辩论会把本来能拒绝的不安全内容采纳率推到 100%，这篇给出不改模型就能压回 2% 以内的修法，做智能体的都该看看。

arXiv 上的 FoldScape 论文，用序列生成蛋白质各折叠阶段的构象，覆盖范围比 AlphaFold 3 系综宽约一个数量级，做结构预测的可以看看。

离散扩散蒸馏有了新目标函数 BCSM，把 CSM 的平方级开销降到线性，单步推理还能在 HumanEval 上多拿 16.9%，做生成模型蒸馏的可以看.

一篇训练智能体的新论文，思路挺巧：基座 harness 跑挂了就让一堆兄弟 harness 救场，再把本事转移回策略本身，AppWorld 等三个基准都涨了。

这篇论文测了 RAG 检索被投毒会发生什么：5 篇攻击文档就能让 BGE-small 的目标暴露率到 100%，做检索安全的人应该看看具体数字。

一篇安全方向的论文，思路挺巧：不写英文指令，改用一个训练后删掉的 token 来锁住 reward hacking，效果还能打平 gradient routing。

如果你在用磁性图网络处理有向图，这篇把相位何时会丢方向信息的条件讲得很精确，还配了可复现的实验对照。

一篇理论论文，把数据驱动策略的风险拆开算清楚，算出风险溢价能占后悔值的 74%-97%，做决策优化的可以看看。

这篇论文把 LLM 提取的公司关系图和新闻语义图结合起来预测股票，在 S&P 500 上比最强基线 AR@5 高了 16.4%，做法挺新颖的。

做 tokenizer 研究或选词表大小的都该看看：BPB 和那些"tokenizer 无关"指标没你想的那么可靠，文中给出了 0.989 相关性崩到 0.057 的具体分析。

一篇理论论文，回答了两层 ReLU 网络到底能分开什么形状的类别，还给出宽度的精确刻度，做理论的朋友可以看看。

搞流模型或连续归一化流的理论同学可以看看，讲清楚了什么样的向量场族能逼近任意分布，Wasserstein 和总变差两种距离下的结论都给了。

用18个模型、108种组合把分辨率这个变量单独拎出来测，结论很实在：高分辨率主要救小肿块，mAP50从0.367提到0.441，代价也算清楚了。

一篇挺扎实的理论+实验论文，用 89 组 MNIST 跑出十个假设来验证神经网络怎么记住标签噪声，结论边界也写得清楚。

模型更新偷偷改了没声明的地方怎么办？这篇论文给了套统计认证方法，LoRA 更新实测只有 7-36% 变化在范围内，还发现锚定蒸馏能救场。

有人在真实可穿戴传感器模型上实测了 MXFP4 和 NVFP4 两种 4-bit 格式，结果 NVFP4 全面占优，还找到了 MXFP4 掉分的具体原因，做端侧部署的可以看看。

做视频生成或自回归模型的可以看看这篇：ReCR 不用训练，靠挑选历史上下文就能提升长视频生成的稳定性。

一篇强化学习理论论文，证明了 TD 学习里特征怎么自己长出来，还给出 regret 保证，做 RL 理论的可以看看推导思路。

气象站、空气监测这类传感器网络常增减站点，普通图神经网络直接失效。这篇 arXiv 论文的做法能让模型在没见过的站点也输出预测加置信区间，做时空数据的朋友可以看看。

数据库组搞的新系统，专门解决 LLM 查询计划跑一半就失效的问题，靠投机估算边跑边换方案，做 RAG 或语义查询引擎的可以看看。

OpenAI 这次不是发模型，是证明了矩阵乘法指数降到 9/4，这篇短文帮你拆解它到底用了什么数学技巧。

一篇讲怎么让多个智能体像人类团队一样用看板交接活的论文，轮询成本差了 165 倍，做智能体编排的可以看看。