#学术论文

机器人训练效率有新思路：CoDA 让仿真环境和策略一起进化，LIBERO-Pro 上指令扰动成功率从 1% 拉到 76%，做具身智能的可以看看这篇论文。

一篇很硬的理论论文，讲怎么在没有任何标注的情况下检验模型预测的校准程度，方法用逻辑一致性做抵押，还附了预注册实验。

研究者做了个数据集专门判断评审点子是人写的还是 AI 写的，发现 AI 想法大多离不开论文本身，人会带外部知识进来，挺有意思的角度。

教你怎么用几篇摘要就模仿某个作者的写作风格，试了 steering、LoRA 和 hypernetwork 三条路，hypernetwork 效果最均衡，做写作风格化可以参考。

NEJM AI 新刊出一篇观点文章，聊 AI 进了实验室之后，科研人员的提问和假设能力还剩多少，医学背景的读者可以看看。

NEJM AI@Roxana Daneshjou原文

有研究团队在 NeurIPS 一口气中了四篇，包括一篇 MedMarks 基准论文，细节还得等后续放出。

Tanishq Abraham (论文推介)@iScienceLuvr原文

机器人方向的概念论文，想在 VLA 的视觉嵌入上训练世界模型，从而省掉海量模仿数据，还能做短期规划，思路挺有意思。

这篇用分层贝叶斯方法量化了 DeepSeek-R1-Distill 系列的推理能力与 token 消耗，结论是加大模型只提升能力不提升效率，做选型或研究 scaling 的朋友可以看看。

这篇论文发现 ICL 微调会让模型更容易被假上下文带偏，实测最多降 14.95 个点，J-ICL 方法能两边兼顾，做 RAG 或智能体的朋友可以看看。

这篇论文把图书馆档案馆的学科融合经验搬来改 AI 合作模式，提出五条实操原则，做交叉研究的值得看看。

这篇论文发现LLM在生成前就“知道”要写多长，用线性探针就能解码，挺有意思的。

别总盯着模型分数，人怎么用AI才是关键。这篇论文发现，能跟AI互补的人靠的是好奇心而非高智商。