论文

多智能体协作不用中心化训练也能逼近团队最优解，还带样本复杂度证明，做分布式决策的可以看看。

多人对话里模型总记不清谁说了什么，这篇给出双轨记忆方案，在 EverMemBench 榜单拿了最好成绩，做记忆系统的可以看看。

这篇讲了怎么把智能体跑长任务的 token 开销砍一半，方法只有一条：压缩只删不改，还开源了能在 Claude Code 里直接用的实现。

研究 RTL 断言生成的可以看看，120 个行为族都做了形式化验证，还能测模型对等价实现的鲁棒性。

一篇很实在的论文：作者发现长文档检索差的真正元凶是近处无关文字抢注意力，给出 LYRA 方法外加 ProxBench 基准，做了 RAG 的话值得看他们的实验数据。

量化到 2-bit 后模型做数学题会发疯循环？这篇论文用 on-policy 蒸馏把 MATH-500 保留率从 35% 拉到 70%，做端侧部署的可以看看。

标注预算不够又想评估策略？这篇 arXiv 论文告诉你怎么分配人工标注最省钱，RMSE 能降一半以上。

数据集成领域的新论文，LOKI 能自动从文本里发现不同表之间的行级关联，精度 0.982，比直接调 LLM 便宜 40 倍，做数据湖的可以看看。

这篇论文用 4,800 次请求证明模型跑得准不等于选对了产品方向，还给出不用调用模型的提取器，做 Agent 评估的可以看看。

这篇论文做了个挺实用的模型 MMAP，专门解决医疗数据缺图或缺表格的情况，在阿尔茨海默病转化预测上跑赢了基线。

NGRC 用更少数据就能从 Lorenz 系统一个变量推出另外两个，比传统 RC 省时省算力，还在真实 ENSO 气候数据上跑通了

多轮工具调用失败，不知道该练哪一步？这篇论文给出诊断方法，BFCL v4 缺失函数任务提升 14 个百分点。

标注对齐数据不用整段重写，定位到第一个错 token 改掉让模型接着生成，实验里中位时间省 52%，还附了 Panda-CVL 数据集。

做端侧LLM的可以看看：超网络给每个用户自动生成专属LoRA，手机上只跑前向推理就完成个性化。

制药工艺表征还在跑因子 DOE？JAREX 用贝叶斯主动学习把实验量砍掉一半以上，代码已在 obsidian 包开源。

想把强化学习用进运筹优化？这篇综述把三大集成路线、落地条件和各自的短板都讲清楚了。

用腕表、麦克风和动作数据在自闭症孩子情绪爆发前预警，AUC 0.724，15 个孩子共用一个模型就够。

欧洲团队改造了 Kimi 的 KDA 注意力，新模型 CKDA 状态追踪更强，代码模型开源，可以上手试试。

合成语音听着怪却说不清哪里怪？XSQ-AST 用显著性图把伪影定位到具体音素，40 人听测验证有效。

一种新的无监督聚类思路：数据点像元胞自动机一样自己"长"出类别，73 个聚类任务上追平了 Genie，还能迁移到大图。

把扩散模型控制策略跑进宇树 G1 实机：Jetson 上单帧不到 20ms，文本指定动作比基线更准

做共形预测或不确定性量化的理论党看这篇：CQR 的误差界和 covariate shift 下的极小极大极限都齐了。

智能体评测不再只看最终结果，按子目标逐步打分，Claude Opus 5 也只拿 75.7%。

气候模拟里AI参数化没记忆的老问题，这篇用一条线性微分方程就补上了，还复现出热带降水的日循环。

跑GLMM贝叶斯推断的试试metabeta，开源开放权重，比NUTS快两三个数量级，后验基本一致。

RAILS 用 LLM 做文本聚类，六项基准平均成绩超过最强旧方法，还真的在工单系统里替换掉了 HDBSCAN。

有人把 55 年音乐节阵容数据做成时序知识图谱，拿来预测未来阵容，还和大模型零样本对比了一波。

交通摄像头的模型更新包只要14.6KB，在ODinW-13和D-RICO上成绩不输大参数方案。

训练离线RL可以不用目标网络和EMA了，ALBUM单critic在OGBench追平FQL，显存最省

用 PCA 就能找出数据里被压扁的少数群体，不用组标签，结果还能直接喂给 Fair PCA 补救。

arXiv 新论文提出 SERA，合并多个微调模型时按任务分配秩预算，总预算不变还能涨点。

想让随机森林的解释更稳？这篇论文让单棵 ART 树在 21 个数据集上同时给出预测值、区间和概率。

想把两个模型权重合并凑出新能力？这篇论文用三个模型家族证明涌现能力合不出来，错位反而会跟着保留。

WPBench 把 26 个风电数据集汇成一个基准，19 个模型统一跑了一遍，做风电预测的直接对着选型就行。

托卡马克最怕等离子体突然破裂，这篇论文把生存模型改成只看有限时间窗，TLS 在 DIII-D 和 EAST 上报警最准。

用完全冻结的MAE视觉模型做时序预测，加上VCR和TPR两个模块，在10个数据集上跑赢了现有方法。