全部动态

这篇论文发布了一个综合框架，让你看到当前LLM在社会智能上的短板（最高才72%），并提出Zing训练和Actio推理搭配，能显著提升表现。想了解模型怎么更懂社交规矩的可以看看。

这篇论文把LLM里高效扩展的思路用到了扩散Transformer上，MMOE在单机8卡H100就跑出了更低的FID，比加参数更实用。

Kimi 开源了2.8T参数的K3模型，激活104B参数，能处理百万token上下文，视觉能力也不弱，性能直逼Claude和GPT-5.6，适合用来部署或研究。

用验证器帮语言模型修量子场论对偶声明，效果不错，deepseek-chat提升8个百分点，qwen-plus提升7个百分点，值得关注。

这个框架能自动设计量子化学电路，比传统ADAPT-VQE快10倍，还在真实量子计算机上跑了实验。搞量子计算化学的可以看看。

这篇论文给出了一个很实用的思路：用任务级反馈来动态路由LLM，不用每次调用都做独立决策。在多个基准上同时提升了准确率和速度。

CausalForge用Lean做因果推理自动研究，能验证证明并审计陈述，比纯LLM评审靠谱。

LunarFM把三个月球任务的六种仪器数据整合成一个模型，能直接做资源识别和地质分类，开源数据集和代码。

如果觉得 LoRA 微调大模型太费钱，κ-LoRA 只挑条件数大的矩阵来更新，参数量砍半，速度提升 16%，精度不降，值得试试。

想精确控制视频里多个物体的互动？GraphVid用交互图代替画轨迹，效果比Motion-I2V好很多，FID降了40%。

想用强化学习训练自己的 Claude Code 智能体？OpenForgeRL 让你在真实 harness 和环境中端到端训练，ClawEval 和 GUI 基准上表现不错，而且开源可用。

想要生成可变长输出的流模型？这篇提出了EFlows和EFMs，把扩张和去噪打包成一个可学操作，还能处理图和序列，挺新鲜。

做分子性质预测的朋友看过来：新模型EnsembleEGNN把多个构象编码成一个嵌入，在环肽任务上比纯序列模型效果好，R²提升到0.538。

想提升音频模型的逻辑推理？这个框架用文本教师蒸馏，在MMSU等基准上效果拔群，比纯音频训练强很多。

TTEL能定位推理错误，只重算出错部分，省近一半计算量。Qwen3-8B在编程测试上成绩亮眼，值得关注。

GS-Agent把多个AI智能体和物理引擎连起来，你只要说句话就能生成带物理模拟的4D场景，液体、物体碰撞都能搞定，做内容创作或模拟都省力。

PATS用动态训练支架帮弱策略少犯错，ALFWorld和WebShop上最高提升18.6%，而且部署时没负担。

想测LLM的长对话记忆力？RUMBA这个俄语基准能细粒度诊断模型在时间推理上的强项和短板。

PG-KINN用Petrov-Galerkin方法结合KAN，在多个力学难题上精度超过PIKAN和MLP，值得做计算力学的人试试。

这篇论文提出了iPANN和fPANN，用区间和模糊集处理本构建模中的不确定性，能包围噪声观测，还能把不确定性传到有限元仿真里。

这篇论文用有限体积残差训练图网络，省了标注数据，效果还比有监督好，做热流体模拟的可以看看。

想用 AI 辅助康复评分又怕黑盒？PhaseAware 精度高（RMSE 降 88.9%），还能给出运动阶段和身体部位的敏感线索，方便医生审查边界案例。

PIER解决了嵌入检索可能忽略物理过程一致性的问题，在356个湖泊数据上验证了水温和溶氧预测的显著提升。

这篇论文提出了PoTRE，用四个不同角色的智能体协作推理，在HLE上拿了新SOTA，而且比单纯堆参数的模型更省计算量。

Solar Open 2 发了，250B MoE 模型，1M token 超长上下文，专门跑复杂智能体任务。MMLU-Pro 和 LiveCodeBench 都领先，韩语能力还特别强，比 DeepSeek-V4-Pro 小很多但性能接近。

想看看AI在基因组监测上多不靠谱？新基准BioSecBench-Surveillance测了16个模型，最好才一半正确，细节值得细读。

想测试病理AI能不能像医生一样在超大图片里找病灶？这个基准专门考这个，结果发现定位能力还很弱。

如果厌倦了RLVR微调慢慢跑，试试ISO：只用1/3的训练步数就能达到同等效果，Qwen3-8B上实测有效，代码开源。

VirtualSet让LLM不用冒SQL幻觉的风险，改天用类型安全的set表达式，BIRD上准确率反超4个百分点，写操作还能拦截瞎编的数据输入。

研究者发布了两个轻量级病理AI模型，GigaPath-Flash在切片分析上几乎不输十亿参数大模型，速度快50倍；GigaTIME-Flash还能直接预测肿瘤微环境，速度更快又省显存。开源可用，做病理和免疫研究很实用。

O-VAD不用训练就能检测工业视频异常，跟踪对象状态变化，比传统方法更准。

部署多模态模型时延迟高吞吐低？FlashRT 让智能体自动优化，实测延时降 70 倍，吞吐升 3.6 倍，AMD 平台效果尤其猛。

IBM 发的新框架 ClouDens，用图神经网络做云系统异常检测，在真实数据集上比 GRU 模型更准更早，适合做运维监控的朋友看看。

这篇论文分析了评分RL中信号丢失的普遍问题（57%样本受影响），并提出CriPO自蒸馏方法，在医学和科学基准上效果更好且训练更快。

不用为每个图数据集调参了，Node4All一个模型跑25个基准排名第5，还支持one-shot学习。

这个新方法把强化学习和知识蒸馏结合在一起，解决了RL和OPD各自的短板，跨家族蒸馏效果尤其好。