全部 AI 动态 · AI 热点

8月17日

10:44

官方账号arXiv cs.AI@Alexy Skoutnev, Kirill Acharya, Gaston Longhitano, Madeleine Udell, Kevin Ellis, Iddo Drori

精选

Twin 系统让前沿编程智能体在测试时编写可执行世界模型，用来完成 ARC-AGI-3 等持续学习任务，全程只靠模拟与交互推断游戏规则和目标。它在 183 个关卡中通过 179 个，成功率 97.8%，其中 158 个关卡的效率高于人类玩家（88.3%）。系统在 156 个已通关关卡中于任何奖励前就推断出目标（87.2%），其余关卡则靠搜索自动发现目标。直接用基础模型玩得分仅 7.8%，加现成 harness 升至 61.1%，而 Twin 世界模型把同一基础模型提升到 93.3%，打通 25 个游戏中的 23 个。

论文 Twin ARC-AGI-3 世界模型

推荐理由：Twin 让智能体边玩边写世界模型，ARC-AGI-3 得分从 7.8% 提到 93.3%，效率还超过人类。看看它怎么猜规则。

原文

10:43

10:43IT之家（博客/媒体）

宝马发布2027款X3官图，8月21日将在成都车展完成国内首秀，9月启动交付。外观换装M风格横向辐条进气格栅，并首次引入沙丘灰专属车漆。座舱全系新增标配前排座椅通风、后排座椅加热，副驾仪表台加入缝线装饰。智能化方面搭载基于云端大语言模型开发的BMW AI个人助理，支持多轮对话与深度思考模式。该功能从8月底起向配备第9代BMW操作系统的车型OTA推送。

AI产品宝马X3 BMW AI 个人助理成都车展

推荐理由：宝马发了2027款X3，成都车展首发，9月交付；新增沙丘灰配色和BMW AI语音助手，支持多轮对话。

原文

10:42

Geek@geekbb

用户想找 OpenCode Go 的替代品，认为 Command Code 与它很相似，但便宜的 Flash 基本没了。Command Code API 按官方价加手续费计算，$10 就是 $10 用量，倍率锁在自家 CLI 里。DeepSeek API 有缓存机制，重复上下文不重复计费，但没有倍率。最后用户感叹难道只能选 ChatGPT Plus 了。

技巧 OpenCode Go Command Code DeepSeek

推荐理由：想省钱用 AI 编码？这篇告诉你 Command Code 和 DeepSeek API 的真实计费规则，帮你避开倍率坑。

原文

10:39

宝玉@dotey

精选

针对代码库中方法名、变量名、模块名因历史改动而“词不达意”的问题，agent 不是靠猜关键字去搜索，而是先阅读错误日志定位崩溃位置，再以该处代码为起点沿上下文寻找相关代码。它会在上下文中逐步补全信息，直到足以定位问题，才生成修复代码。在 bash 这类语义搜索容易受命名误导的场景下，这种基于代码片段的阅读方式可以绕开历史债的干扰。

技巧智能体代码搜索代码命名

推荐理由：dotey 用崩溃日志的例子说清一件事：agent 找代码靠读上下文，不靠猜命名，历史命名烂也不用怕。

原文

10:38

Geek@geekbb

DeepSeek 官方上调了 V4 Flash 的 API 价格。OpenCode Go 随即更新订阅限额，原本 $15 档位的额度缩水 70%。OpenCode 表示正在推进“Operation Cheepseek”以降低用户成本。相关消息引发了大量用户评论。

AI产品 OpenCode Go DeepSeek V4 Flash

推荐理由：用 OpenCode Go 的看看，DeepSeek V4 Flash 涨价，15 美元档额度砍了 70%，官方在憋省钱方案，评论区热闹。

原文

10:36

官方账号arXiv cs.LG@Hanfeng Lu, Tianyu Feng, Suyi Li, Yuheng Zhao, Wei Gao, Shaopan Xiong, Ju Huang, Siran Yang, Jiamang Wang, Lin Qu, Wei Wang

Rollplex 是一个针对视觉语言模型强化学习后训练的运行时，它将参考评分和训练阶段分解，并把前缀计算移入 rollout 解码窗口。在 Qwen2.5-VL-32B 上，朴素共置需要约 165 GiB/GPU 显存，Rollplex 通过相位感知内存管理和并行感知权重共享解决显存与张量并行度差异。在 32 张 H800 GPU 上，相比串行共置获得 1.23–1.30 倍加速，相比同 GPU 预算下的分离式部署获得 1.57–2.24 倍加速，同时保持同步 RL 更新语义。

论文 Rollplex Qwen2.5-VL H800

推荐理由：搞 VLM 后训练的人可以看看：Rollplex 把前缀计算塞进解码窗口，32 张 H800 上最高提速 2.24 倍。

原文

10:35

官方账号arXiv cs.LG@Ben Anson, Conor Houghton, Edward Milsom

Muon 优化器在神经网络预训练中优于常见替代方法，但在 PEFT（参数高效微调）中很少使用。原因在于 LoRA 的低秩参数化无法直接对权重更新做正交化。作者提出 sMuon，通过线性化和最小二乘近似松弛的 Muon 目标，且实现只用 matmul 运算。在 SFT 和 ReLoRA 预训练实验中，sMuon 相比基线有适度性能提升。

论文 Muon LoRA sMuon

推荐理由：Muon 优化器跟 LoRA 本来不搭，这篇论文用数学近似硬凑出了个 sMuon，微调性能有提升，实现还只用矩阵乘法。

原文

10:34

官方账号arXiv cs.LG@Ajith Anil Meera, Pablo Lanillos, Wouter Kouw

该论文提出用主动推理中的预期自由能（EFE）作为统一准则，解决机器人在未知环境（如火星找水）中同时构建信息地图和寻找高价值区域的问题。方法基于高斯过程维护信息场信念，并在硬路径长度约束下规划连续轨迹。多组实验显示，EFE规划在相同条件下优于信息论基线，能同时获得准确后验地图并定位高价值区域。该策略易于调参，适合自主部署并满足效率与资源约束。

论文 EFE 主动推理高斯过程

推荐理由：这篇论文把主动推理的EFE用到火星车探路上，一套准则同时搞定画地图和找目标，比纯信息论方法更省路。

原文

10:34

官方账号arXiv cs.LG@Ziyang Luo, Zhongyao Chu, Xinjie He, Youting Wang, Xukui Qin, Runxiong Wu, Yan-Syuan Chen

YOPO 在冻结的 Qwen2.5（1.5B/3B/7B）上实现单次前向传播同时作答和弃权。它用条件转向探针改写残差流，并用零样本充足性方向判断信息是否足够，同时训练小网络从转向后的状态重建转向前的残差。在 alphaNLI 上，1.5B 模型的三路准确率从 0.375 提升到 0.798，超过两遍推理参考的 0.753。在十个骨干模型、六个模型家族上，YOPO 在 1.5B/3B/7B 分别取得 0.798/0.830/0.893，均高于两遍参考。论文在 SQuAD2、RepLiQA、MuSiQue 上完成原生标签验证，并提出首个 answer-or-abstain 基准。

论文 YOPO Qwen2.5 弃权机制

推荐理由：YOPO 让冻结的 Qwen2.5 单次前向传播就完成作答和弃权判断，alphaNLI 达 0.798，超过两遍推理，值得看。

原文

10:33

官方账号arXiv cs.LG@Rory Ashton

作者在320幅二十世纪绘画上测试艺术家分离协议，5-NN风格准确率从0.87降至0.77，超现实主义下降20个百分点。印象派和立体主义准确率几乎不变，超现实主义的下降在四个图像编码器中一致出现。这一模式甚至出现在视觉自监督模型中，说明问题源于视觉结构而非语言。结果表明现有随机划分夸大了风格理解能力。

论文 CLIP 风格分类图像嵌入

推荐理由：CLIP这类模型认画风还是认画家？这篇论文用“艺术家分离”测试发现，超现实主义识别会掉20个点。搞艺术分类的值得看。

原文

10:32

10:32IT之家（博客/媒体）

OpenAI 工程师 Tibo 宣布，Codex 中的 GPT-5.6 Sol 模型现支持通过 ChatGPT 账号使用 100 万 Token 上下文窗口，此前该功能仅限 API 密钥。官方文档显示该模型实际支持约 105 万 Token 上下文长度。持有 ChatGPT Plus 或 Pro 订阅的用户可在 Codex 中手动配置启用完整上下文。更大窗口可保留更多代码与对话记录，适合大型代码库重构和复杂调试，但启用后订阅额度消耗会显著加快。

AI产品 GPT-5.6 Sol Codex OpenAI

事件专题

推荐理由：Codex 的 GPT-5.6 Sol 百万上下文现在 ChatGPT 账号也能开了，不用 API 密钥，Plus/Pro 用户手动配置就能处理大项目，但注意额度烧得快。

原文

10:32

官方账号arXiv cs.AI@Karel Becerra, Boris Mederos, Dean Snow, Ramón A. Mollineda

该研究提出一个不确定性感知的深度学习框架，用于旧石器时代晚期手印的性别归属。框架通过双图像处理和双轮廓提取，为每个手印生成12种轮廓实现，并由两个各含10个神经网络的集成模型（EfficientNet-B3和MobileViT-S）处理，模型在14,036个当代手样本上训练。在当代数据集上，老年组的分类准确率超过88%。应用于史前手印时，框架输出性别预测与内部一致性置信度，可区分形态稳定与模糊案例。

论文 EfficientNet-B3 MobileViT-S 性别判定

推荐理由：这篇论文用深度学习给远古手印判性别，在当代数据上准确率超88%，还能告诉你哪些样本拿得准、哪些拿不准。

原文

10:31

官方账号arXiv cs.AI@Zian Meng, Zhen Li, Chuanhao Li, Qiang Li, Kaipeng Zhang

精选

Marionette将游戏世界建模拆成三步：两阶段自回归模型预测276维的显式3D世界状态，零参数渲染器用闭式解计算几何与遮挡，视频扩散模型生成逼真RGB画面。实验中，强制注入错误动作使关节误差改变31%；状态层加两条规则后，地面穿透减少66%，角色间距从漂移到21.2米恢复至5米附近。生成视频的FVD为831，与基于真实姿态的799相比无明显损失。

论文 Marionette 世界模型视频生成

推荐理由：想让游戏世界模型长时间不崩？Marionette把状态、几何、外观分开处理，加规则就能修穿模，实测穿透降66%。

原文

10:31

官方账号arXiv cs.AI@Masahiro Kato, Taka Kato

论文上下文学习会话交接 LLM

推荐理由：这篇论文把跨会话交接讲透了，给出最小充分交接的比特需求和高斯线性回归的精确结果。做长会话AI应用的值得看看。

原文

10:31

官方账号arXiv cs.AI@Taenyun Kim, Edyta Bogucka, Daniele Quercia

一项针对道德AI偏好诱导的研究显示，开发者在特征范围、选民抽样、问题框架三个环节的隐性选择会显著改变聚合出的道德偏好。研究分两个阶段，共809名参与者，覆盖AI肾脏分配、AI代理模拟缺勤工人、生成式AI描绘逝者三个场景。结果显示，道德相关特征在不同场景间不可直接迁移；约三分之一特征的偏好随政治意识形态不同而改变，部分方向相反。问题措辞的差异可使意识形态差距扩大或缩小最多一个完整刻度点。研究者认为，仅靠投票聚合无法实现公平透明的AI对齐，每个环节都应被审计和公开。

论文 AI对齐道德偏好偏好诱导

推荐理由：这篇研究用809人和3个场景，实锤了AI道德投票不中立，开发者的三处选择就能改变结果，做AI治理的别错过。

原文

10:28

官方账号arXiv cs.AI@Yubo Zhang, Yiyao Liu, Xiaodong Wang

该论文提出L2T框架，将MIMO检测建模为完整向量转移的随机序列。每个转移步骤中，信道耦合的Transformer更新实例嵌入与采样策略，并通过分块自回归分解捕获跨流依赖。硬输出检测采用递归转移网络，通过残差到BER课程训练，先学习精确残差度量的搜索几何，再对齐策略与传输比特准确率。软输出接收则通过参数级克隆，将训练好的硬策略应用于未绑定软输入软输出IDD接收机，并在LDPC解码中产生后验与外部对数似然比。多阶段训练策略稳定了硬到软的迁移。

论文 L2T MIMO Transformer

推荐理由：这篇论文提出L2T框架，用Transformer做MIMO检测的转移策略，硬输出和软输出都覆盖，挺有新意。

原文

10:28

官方账号arXiv cs.AI@Zhelun Wu

精选

该论文提出将证据解释与决策聚合分开处理，并定义了一个四字段证据元组（假设、可靠性分桶、理由、来源）。作者指出，直接对未归一化权重求和做阈值会引发“数尺漂移”（count-scale drift），即运行点随证据条数滑动。改用校准后的对数似然比池化可同时解决漂移和排序不一致问题。在纵向语料上，小序列编码器加树集成达到 0.921 AUPRC，而手工基线为 0.805。论文还列出五个可证伪预测和三个阴性结果。

论文证据聚合决策聚合 count-scale drift

推荐理由：这篇论文把读证据和汇总决策拆开，用四字段元组和一对数似然比池化解决了投票漂移，实验比手工基线高了不少。

原文

10:27

官方账号arXiv cs.AI@Pin-Yen Huang, Sachin Chhabra, Prasanth Sai Gouripeddi, Abhinav Kumar, Baoxin Li

RecipeNet是一种层级Transformer架构，用于编码配方数据中步骤内的字段交互和步骤间的顺序依赖。实验在多个配方数据集和任务上进行，结果显示RecipeNet持续优于现有表格模型，证明了层级与顺序建模对配方表示学习的价值。该研究来自arXiv论文2608.14505v1。

论文 RecipeNet Transformer 配方数据

推荐理由：论文提出了RecipeNet，专门处理材料合成、制药配方这类结构化步骤数据，比通用表格模型更能捕捉层级和顺序信息。

原文

10:27

官方账号arXiv cs.AI@Juno Nam, Bowen Deng, Xiaochen Du, Luis Barroso-Luque, Benjamin Kurt Miller, Rafael Gómez-Bombarelli

该论文提出热力学原子间势(TIP)，将原子间势从静态能量扩展为热力学一致的吉布斯自由能模型，可通过自动微分得到热力学响应。作者用通用势UMA实现TIP[UMA]，在从准谐近似到分子动力学精度的自由能数据上训练，并校准到高分辨率计算或实验。单次评估即可返回晶体状态方程，并定位竞争相之间的相变，包括动态稳定相。微调后还能扩展到合金溶解度极限和混溶间隙，为高通量有限温度相稳定性研究铺路。

论文 TIP UMA 自由能

推荐理由：做材料模拟的朋友可以看看，这个TIP把自由能算得又快又准，还能直接找相变点，省掉传统系综平均的麻烦。

原文

10:26

官方账号arXiv cs.AI@Hao Yan, Lisa Pilgram, Dan Liu, Linglong Kong, Fida Dankar, Khaled El Emam

arXiv 论文提出 Cross-Tabular Data Generation（CTDG）两阶段框架，解决现有合成表格数据方法只能处理单一输入表的问题。第一阶段把多个异构原始表转换为列结构一致的统计表，保留边际分布和两两相关性。第二阶段用扩散 Transformer 学习统计表的结构模式并生成新统计表，再通过多元高斯采样和逆概率积分变换还原为原始表格。实验显示生成数据的保真度与多样性平衡良好，能支持不限数量的合成异构表生成。

论文 Diffusion Transformer CTDG 合成数据

推荐理由：想给医疗或表格类基准造数据的朋友可以看看，它把多张结构不同的表统一起来生成，不用再受单表限制了。

原文

10:24

官方账号arXiv cs.AI@Alexei Odinokov, Rostislav Yavorskiy

该论文提出一个统一框架，将系统危险分析与运行时执行通过危险知情合成包络衔接起来。框架采用跨层安全转换过程，覆盖符号、空间和动态世界模型，而不是把安全限制在单个软件模块内。研究者展示了该表示如何与物理AI运行时环境交互，从而在城市移动场景中保证安全性。

论文物理AI 安全包络城市交通

推荐理由：这篇论文给城市里的机器人安全跑动提了个新框架，把危险分析和实时监控串起来了，不是靠单个模块硬扛。

原文

10:23

官方账号arXiv cs.AI@Abhishek Shukla, Ankur Sinha, Faiz Hamid

LP-NAS提出用线性规划求解可微分架构搜索中的更新方向，利用验证损失梯度与训练损失Hessian信息。该方法在DARTS搜索空间上派生出S-LP-DARTS和R-LP-DARTS两个变体，早期搜索迭代中收敛更快、验证性能更高。在CIFAR-10和CIFAR-100上，LP-DARTS在搜索与评估阶段均优于标准DARTS。与P-DARTS、PC-DARTS、STO-DARTS在CIFAR-10上的对比也显示其有效性，并在ImageNet上验证了迁移性。

论文 LP-NAS DARTS CIFAR-10

推荐理由：LP-NAS用线性规划算更新方向，CIFAR-10/ImageNet上优于DARTS及其变体。

原文

10:23

官方账号arXiv cs.AI@Shahab Band, Hamed Mohammadi

针对目标域观测数据有限且源域与目标域统计特性不同的问题，提出一种移位感知双编码器迁移框架。源编码器使用美国10个监测站的逐时观测数据预训练，再用台湾77个站点两年的逐时数据按时间顺序划分训练集和验证集进行适配与评估。在四个基线中，冻结源编码器的双编码器模型达到最佳性能：MSE=21.8960, MAE=3.1597, R^2=0.8725，相比TL-v1的MSE降低约7.1%，相比TL-v2降低约4.1%。消融实验显示移除台湾特定分支导致性能下降最明显，而让源编码器在目标监督下适应得到最优结果（MSE=21.6575, MAE=3.1383, R^2=0.8739）。SHAP分析表明预测主要由近期PM2.5观测和与污染物输送扩散相关的气象变量驱动。

论文 PM2.5预测迁移学习双编码器

推荐理由：这个双编码器迁移框架挺有意思：美国数据预训练、台湾数据适配，PM2.5预测MSE比旧方法降了7%，消融实验也扎实。

原文

10:22

官方账号arXiv cs.AI@Panjing He, Mingyue Cheng, Yucong Luo, Li Li, Xiaohan Zhang

SheetCompass 是一种面向电子表格推理的图引导智能体框架。它显式建模工作表内外的层级关系图，而非像现有方法那样将多维表格展平为字符串。该框架通过记忆模块保留任务相关信息，让 LLM 能利用人类专家常用的全局空间上下文。在复杂工作簿的推理和自动化任务中，SheetCompass 增强了智能体对跨表关联和列依赖的理解。

论文 SheetCompass 智能体图结构

推荐理由：SheetCompass 把表格结构画成关系图给智能体看，比直接压成文本更能抓住跨表联系，搞电子表格自动化的可以试试。

原文

10:22

官方账号arXiv cs.AI@Beatrice Alessandra Motetti, Emilien Guandalino, Daniele Jahier Pagliari, Alessio Burrello, Lorenz K. Müller, Konstantin Berestizshevsky, Lukas Cavigelli

Wyvern是一个多智能体框架，用于自动生成有据可查的多模态技术报告，能统一集成图像、表格、文本及参考文献。其核心包含声明自动修订阶段，用于强化内容的信息锚定。人类评估显示，Wyvern生成的图表信息量在87%的案例中优于近期基线。Wyvern报告的有用性在63%至100%的实例中高于三种对比方法。自动评估中，Wyvern的引用召回率提升至基线2.3倍，引用精确率达1.6倍。

论文 Wyvern 多智能体多模态

推荐理由：写技术综述的可以看看，Wyvern自动出图出表还带引用，比基线靠谱多了。

原文

10:21

官方账号arXiv cs.AI@Abhishek Shukla, Ankur Sinha, Faiz Hamid

该论文提出一个通用的双层优化框架，用于在MLP、CNN、RNN和Transformer等架构中搜索紧凑网络。三种可扩展方法分别基于神经元门控（NAS-NG）、混合激活（NAS-MA）及两者结合（NAS-NGMA），将离散决策转化为连续松弛。在MNIST上，NAS-NGMA达到98.68%测试准确率，MLP参数为7.69M；NAS-NG以0.26M CNN参数取得99.63%准确率。在CIFAR-10上，所提方法始终优于vanilla DARTS。实验还显示NAS-NG能优化过度参数化架构，在提升准确率的同时减少参数。

论文神经架构搜索 Neuron Gating Mixed Activation

推荐理由：这篇论文用可微优化替代离散搜索，Neuron Gating和Mixed Activation找紧凑网络，MNIST上0.26M参数就达99.63%准确率，比DARTS表现更好。

原文

10:21

官方账号arXiv cs.AI@Yuhao Zhan, Bingxiang He, Zecong Tang, Chaojun Xiao

PACE-Bench 是一个基于模拟器的基准测试，包含144个源到目标的物理适应对，覆盖6个物理域。每个任务要求代理在环境突变后，通过代码演进将源码改造成目标代码。在10种自进化方法的对比中，Reflexion + Qwen3-14B 在完整基准上仅成功35.9%，而 GPT-5.5 在 Statics 子集上达到66.7%的成功率。结果显示，基于模拟器的反馈修正比未经验证的自修订更可靠，但整体性能尚未饱和。

论文 PACE-Bench GPT-5.5 Qwen3-14B

推荐理由：想看看AI在规则变了之后能不能自己改代码？PACE-Bench 专门测这个，目前最强的 GPT-5.5 也只解决了 Statics 子集的三分之二，离满分还远得很。

原文

10:20

官方账号arXiv cs.AI@Toby Ord

这篇论文发表于arXiv（2608.14426），研究AI参与自身研发的反馈循环可能引发的智能爆炸。作者发现，迈向垂直渐近线的奇异增长比以往经济学启发模型预期的更难实现。论文指出存在一类比指数更快但不会导致垂直渐近线的增长率，这被此前研究忽略。生成时间，即完成一轮反馈循环所需时间，被证明是决定爆炸行为的关键参数。除非生成时间迅速趋近于零，否则无法实现奇异增长。

论文智能爆炸生成时间奇异增长

推荐理由：这篇arXiv论文用数学分析AI自我改进的爆炸极限，指出生成时间比想象中更关键，和以往经济模型结论不同。

原文

10:19

官方一手arXiv: DeepSeek@Shiju Zhao, Jiacheng Yang, Qihang Chen, Junhao Hu, Jiaqi Zheng, Guihai Chen, Xusheng Chen

精选

CoRun是一个面向LLM推理的调度系统，通过隔离预填充和固定形状批处理解码实现确定性输出。相比现有batch-invariant内核方案，CoRun无需牺牲性能即可保证结果一致。在Qwen和DeepSeek等模型上，CoRun吞吐量提升15%至324%，首token延迟平均降低51.8%，每token输出延迟平均降低48.6%。其核心洞察是大多数内核虽非批次不变，但具有位置不变性。

论文 CoRun Qwen DeepSeek

推荐理由：这篇论文说用简单填充法就能让LLM推理结果确定，不用牺牲速度，比之前的方案快了不少，还在Qwen和DeepSeek上试过。

原文

10:19

官方一手arXiv: DeepSeek@Junchi Liu, Ali Bigdeli, Roya Daneshi, Atu Ambala, Sudipto Ghosh, Fabio Santos

该研究评估了ChatRepair和CodeCorrector两种APR技术在DeepSeek、GPT、Llama三个LLM上的修复表现。结果显示，结构复杂的bug和模糊的故障定位会加大修复难度，但LLM技术仍保持有竞争力的修复效果；定位越不精确，两种技术间的性能差距越大。研究发现，更高成本的LLM和更强的推理设置并不总能带来更好的成本效率。GPT-5修复的复杂bug比DeepSeek-V4-pro多7个、比DeepSeek-V3.2多39个，但DeepSeek-V3.2的总修复成本效率最佳。超过50%的中等复杂bug可由低成本LLM技术修复。

论文 DeepSeek GPT-5 自动程序修复

事件专题

推荐理由：论文实测三种LLM的修复能力，发现便宜的DeepSeek-V3.2成本效率反超GPT-5，选模型前值得一看。

原文

10:18

官方一手arXiv: DeepSeek@Yongmin Kim, Shota Takashiro, Yusuke Iwasawa, Takeshi Kojima, Yutaka Matsuo

arXiv 论文提出一种面向大批量推理场景的训练免剪枝方法，针对现有自适应剪枝在批处理时阈值漂移、推理准确率崩塌的问题。方法用周期性 top-k 选择取代逐 token 阈值剪枝，并引入激活记忆累积重要神经元。在 DeepSeek-R1-Distill-Qwen-7B 上，批大小 4、50% 目标稀疏度下，平均准确率比此前最优自适应剪枝高 39.7 个百分点。实际稀疏度 50% 时相比稠密推理获得 1.40 倍加速。

论文 DeepSeek-R1-Distill-Qwen-7B 自适应剪枝推理模型

推荐理由：DeepSeek-R1-Distill-Qwen-7B实测：批大小4准确率比旧剪枝高39.7个点，还有1.40倍加速。

原文

10:18

官方账号arXiv cs.AI@Toby D. Pilditch

arxiv 论文提出 optstop 框架，将大模型评测视为序贯测量问题，只对不确定性高的样本继续采样。该框架基于分层贝叶斯推断，支持二值、有序和连续结果，无需校准题库。在 200 项、10 轮次的示例评测中，optstop 在九种验证设置下减少了 57% 到 97% 的计划试验，整体结论与完整评测一致。研究表明评测算力可按不确定性分配，而非固定重复次数。

论文 optstop 贝叶斯推断 LLM评测

推荐理由：跑大模型评测总烧钱？这个框架能省下最多97%的采样次数，结论还一样，做评测的人值得看看。

原文

10:17

官方账号arXiv cs.LG@Yixian Xu, Yuanrui Zhang, Shengjie Luo, Liwei Wang, Di He

精选

现有扩散模型强化学习算法分为反向轨迹与前向匹配两类，分别依赖离散化似然比和带奖励标签的噪声版本。本文从正则化扩散RL目标出发，用重要性采样得到轨迹空间的策略梯度估计，其中含Flow-GRPO式Itô积分。作者推导出等价的方差缩减值梯度形式，恢复AWM和DiffusionNFT的前向匹配结构，把两类方法的差异归因于方差缩减而非RL原则。在SD3.5-M和Qwen-Image模型上的实验验证了这一解释，并取得优于既有扩散RL基线的结果。

论文 Flow-GRPO AWM DiffusionNFT

推荐理由：这篇论文把Flow-GRPO、AWM、DiffusionNFT几套方法统一到一个框架里，说清了它们差别只是方差缩减，还在SD3.5-M和Qwen-Image上跑赢了之前的方案。

原文

10:17

官方账号arXiv cs.LG@Haohui Yang, Jiaxing Sun, Xiujun Ma

Power Sampling 通过锐化完整生成轨迹的分布来增强推理，但研究发现它可能将更多概率质量转向正确轨迹，同时使下游推理变差。以自一致性为例，在多个模型和推理基准上准确率下降最高达18.5个百分点。原因包括剂量失配：固定指数在不同问题上导致不同程度的分布变化；以及覆盖失配：全局锐化将质量集中在少数主导路径，损失了宽泛的推理路径支持。研究者提出变形控制、支持保留的 Power 目标，在加权自一致性的同预算设置下，修复后的采样器逆转了损失并超过标准多采样推理。

论文 Power Sampling Self-Consistency 推理模型

推荐理由：Power Sampling 越纠正反而越差，掉 18.5 个点，但有修复方案，比普通采样稳。

原文

10:16

官方账号arXiv cs.LG@Syed Abdul Haseeb Qadri, Bjarne C. Hiller, Felix Blanke, Vanja Sophie Cangalovic, Kutalmış Coşkun, Amin Mirzaei, Tom Siegl, Sebastian Bader, Thomas Kirste, Martin Becker

CytoBERT是一个开源的细胞计数数据基础模型，支持可变标记面板。它在15个人类数据集、超过5000万个细胞上自监督预训练。通过标记标准化，模型学会跨数据集的细胞间标记关系。在样本级分类任务上微调后，证明了跨异质细胞计数数据集的迁移学习可行。代码已公开在GitHub。

AI模型 CytoBERT 细胞计数基础模型

推荐理由：流式细胞数据太杂不好统一？CytoBERT在5000万细胞上预训练，换数据集微调即用，避免从头训练。

原文

10:16

官方账号arXiv cs.LG@Xiaohong Chen, Yuling Jiao, Lican Kang, Jerry Zhijian Yang, Chen Zhong

论文提出用条件扩散模型估计奖励函数和转移核，以构建离线强化学习中的最优Bellman算子。理论给出该算子在总变差距离下的非渐近收敛速率，以及Q*估计的L2收敛率O(n^{-β/(d_x+d_a+2β)})。该分析不依赖完整性假设，状态维度d_x、动作维度d_a和Hölder平滑度β决定了收敛速度。

论文扩散模型离线强化学习 Q*估计

推荐理由：这篇用扩散模型估计奖励和转移核，再学Q*，收敛率给得很细，还绕开了RL里常见的完整性假设。

原文

10:15

官方账号arXiv cs.LG@Zewen Jin, Shen Fu, Zeping Duan, Shannon Wang, Weihao Wu, Chengjie Tang, Congkun Ai, Ping Gong, Zijian Dai, Youhui Bai, Cheng Li

DeaMoE是一种解码高效混合专家架构，将专家按专业领域分组为部门，同部门专家共享大部分参数，并各自保留少量私有参数。它采用定制两阶段路由策略，避免冗余加载，大幅提升大模型解码效率。相比vanilla MoE，DeaMoE每步加载权重最多减少50.9%，7B模型在A40上端到端TPOT加速1.33倍。在微基准测试中，DeepSeek-V3在A40和H100上分别达到2.00倍和1.97倍的峰值加速。

AI模型 DeaMoE MoE DeepSeek-V3

事件专题

推荐理由：DeaMoE让MoE小批量解码少搬权重、跑得更快，7B模型在A40上TPOT提速33%，DeepSeek-V3加速近2倍。

原文

10:14

官方账号arXiv cs.LG@Chih-Hsuan Yang, Anjir Ahmed Chowdhury, Cheng-Hau Yang, Weijian Zheng, Fernando Llorente, Xiaolong Ma, Xinyang Li, Eliu A. Huerta, Ian T. Foster, Rajeev Thakur

论文提出DHD协议，通过缓存五条独立生成的消息并回放给下游集成器，测量每条消息的轨迹价值。在五个数学与科学基准上，使用gpt-oss-120b和gemma-4-31B-it两个模型系列，错误但有用的消息出现在每个模型-基准组合中。在改变最终正确性的错误消息里，超过四成是有帮助的。重复实验显示这种效果不太可能来自回放随机波动（p=0.0002）。论文还发现，保留完整错误消息比只保留其推理或答案更有效，但完整消息优势的来源仍待解释。

论文 DHD gpt-oss-120b gemma-4-31B-it

推荐理由：这篇论文给多智能体提了个醒：答错的消息也可能有用。用DHD协议能找出该留该扔的消息，比单看答案正确率更靠谱。

原文

10:13