Latest Global & ASEAN AI Business News, Tools & Industry Updates

Models09:57

Chinese contentALICE：从视觉、视觉语言和切片级专家学习通用病理学基础模型

ALICE用聚合蒸馏把8个专家模型塞进一个骨干，在96个病理任务上拿了最佳平均分，还开源了代码。

#ALICE #病理学基础模型 #聚合蒸馏 #多模态

arXiv cs.AI@Jiawen Li et al. (8)Source

ModelsMulti-source73°11:45

Chinese contentARDY：结合自回归扩散与混合表示，实现交互式人体运动生成

NVIDIA 实验室提出 ARDY，能实时生成高质量人体运动，支持文本+约束控制，比传统方法更可控、更快速。

#ARDY #NVIDIA #人体运动生成 #交互式控制

Event

arXiv cs.LG@Kaifeng Zhao et al. (6)Source

Models11:26

Chinese contentgspDAG-FL：基于Gossip与虚拟投票的安全去中心化联邦学习

这个框架用Gossip历史做共识，不用区块链，训练质量不差还能抗恶意节点，适合想搞去中心化联邦学习的人看看。

#gspDAG-FL #Gossip #虚拟投票 #联邦学习

arXiv cs.LG@Amirhossein Taherpour, Xiaodong WangSource

Models11:24

Chinese contentBiSCo-LLM：无查找表二进制球面编码实现极低比特LLM压缩

想省显存又不想损失太多模型质量？BiSCo-LLM用二进制球面编码把LLM压到2比特，不用查码表，存储更省。

#BiSCo-LLM #LLM压缩 #二进制球面编码 #低比特量化

arXiv cs.LG@Yuantian Shao et al. (9)Source

ModelsSelected09:44

Chinese contentInfinity-Parser2 技术报告：多任务强化学习实现端到端文档解析

Infinity-Parser2 用多任务强化学习搞定文档解析，开源了500万样本数据集，Pro版在OCR基准上刷新纪录，Flash版速度快3倍多。适合做文档智能处理的开发者。

#Infinity-Parser2 #多模态模型 #文档解析 #OCR

arXiv: DeepSeek@Zuming Huang et al. (15)Source

Models09:42

Chinese contentCognitive-structured Multimodal Agent 实现长时多模态对话高效检索

他们搞了个带记忆的 8B 多模态智能体，20 轮对话检索准确率 91.4%，比 32B 模型还快一半。代码和 demo 都开源了，值得看。

#Cognitive-structured Multimodal Agent #Episodic Visual Memory #多模态 #智能体

arXiv: OpenAI@Feng Wang et al. (6)Source

ModelsSelected10:18

Chinese contentSciReasoner：基于原生结构推理的多学科属性预测模型

这篇论文发布了SciReasoner，一个能同时处理蛋白质、小分子和晶体的推理模型，在67项基准上成绩最好，专家评价也很高。

#SciReasoner #蛋白质 #小分子 #无机晶体

arXiv cs.LG@Chen Tang et al. (29)Source

Models10:17

Chinese contentCO-LMLM：基于连续查询的有限记忆语言模型

CO-LMLM用360M参数打平gpt-4o-mini，事实准确度比Claude还高，这是用更小模型做更好知识检索的路线。

#CO-LMLM #LMLM #知识库 #gpt-4o-mini

arXiv cs.LG@Yair Feldman et al. (8)Source

ModelsSelected09:53

Chinese contentMedPMC：可扩展的高保真医学多模态数据挖掘框架

想训练医学多模态模型但缺高质量数据？MedPMC从610万篇论文里筛出1100万对数据，效果比现有数据集好5倍。

#MedPMC #PubMed Central #医学多模态 #图像-文本对

arXiv cs.LG@Hyunjae Kim et al. (28)Source

Models12:20

Chinese contentRSF-GLLM：循环软流解耦生成弥合多跳知识图谱语义鸿沟

多跳知识图谱问答一直难在中间节点没语义关联，RSF-GLLM用循环软流解决了这个瓶颈，比那些全靠LLM暴力推理的更快更准。

#RSF-GLLM #WebQSP #CWQ #多跳问答

arXiv cs.AI@Sambaran Bandyopadhyay, Ananth MuppidiSource

Models12:18

Chinese contentVAORA：通过视觉动作结果推理对齐桥接物理推理与任务泛化

VAORA 用一个巧妙的奖励设计，让 VLM 在物理推理中不再瞎想，在 PHYRE 和 Virtual Tool 上泛化能力更好。

#VAORA #视觉语言模型 #物理推理 #任务泛化

arXiv cs.AI@Han-Jun Ko et al. (7)Source

Models12:17

Chinese contentFreqDepthKV：频率引导深度共享实现长上下文LLM高效KV缓存压缩

FreqDepthKV在长上下文推理中将KV缓存压缩3.9倍，同时保持任务精度，比此前压缩方法更稳定，适合内存受限场景。

#FreqDepthKV #KV缓存压缩 #长上下文 #LLM推理

arXiv cs.AI@Anna Córdoba et al. (7)Source

Models11:55

Chinese contentGraphBU：基于图原生块单元的MILP实例生成器

GraphBU用图原生块单元生成MILP实例，能保持源图结构，可行性高，还能提升下游训练效果。

#GraphBU #MILP #实例生成 #图原生

arXiv cs.LG@Xiaolei Guo et al. (4)Source

Models10:17

Chinese content面向BioASQ 14b的问答类型感知LLM管道框架

这个框架在BioASQ 14b比赛里factoid子任务拿了第一，针对不同问题类型用不同推理策略，很实用。

#BioASQ 14b #LLM管道 #问答系统 #多智能体

arXiv cs.AI@Taeyun Roh et al. (6)Source

Models Builders10:16

Chinese contentRuBench: 俄语仓库级智能体编码基准评测发布

想了解用非英语自然语言写代码任务的基准？RuBench用俄语从真实提交中挖了25个任务，还抓到了模型被悄悄替换的证据。

#RuBench #俄语 #代码代理 #基准

arXiv cs.AI@Evgeny ShilovSource

Models10:16

Chinese contentTopoBrick：外生变量智能拓扑采样实现零样本建筑IoT预测

TopoBrick不用训练就能预测建筑传感器数据，靠知识图谱和智能采样选变量，比很多基础模型还准，跟专门训练的模型差不多。

#TopoBrick #建筑IoT #零样本预测 #知识图谱

arXiv cs.AI@Xiachong Lin et al. (9)Source

Models09:54

Chinese contentDT-Guard：面向无推理LLM安全护栏的意图驱动推理主动训练

想用轻量模型做好内容安全？DT-Guard靠训练时推理、运行时只打标签，4B就干掉8B的护栏，速度快还准。

#DT-Guard #安全护栏 #推理模型 #4B

arXiv cs.AI@He Liu et al. (15)Source

Models76°11:49

Chinese contentDSpark: 置信度调度投机解码与半自回归生成

DeepSeek-V4搞了个新框架DSpark，把生成和验证分开调度，用户实际体验加速60%到85%，还不会拖慢系统吞吐。

#DSpark #DeepSeek-V4 #投机解码 #推理加速

arXiv: DeepSeek@Xin Cheng et al. (33)Source

Models11:42

Chinese content从固定相机到自由相机：无需标定的视角鲁棒VLA模型CamVLA

阿里DAMO Academy开源的CamVLA，机器人不用提前知道相机位置也能适应视角变化，单张RGB图像搞定，部署更灵活。

#CamVLA #Alibaba #视觉-语言-动作模型 #视角鲁棒

arXiv cs.AI@Wenhao Li et al. (7)Source

Models11:36

Chinese contentCortex: 双向对齐体现代理框架实现长程操作

Cortex把长程操作拆成32个标准动作，用开放数据自动训练，比纯VLA模型在Libero和RoboTwin上高3-4%，还能零样本做化学实验。

#Cortex #VLA #VLM #Libero

arXiv cs.AI@Jiaqi Peng et al. (13)Source

Models11:12

Chinese contentOptiAgent：端到端优化建模的多智能体迭代精炼框架

运筹学问题用自然语言描述就能自动建模生成代码，OptiAgent在多个基准上SOTA，迭代自纠正机制很靠谱。

#OptiAgent #多智能体 #运筹学 #数学建模

arXiv cs.AI@Adriana Laurindo Monteiro et al. (7)Source

Models12:12

Chinese content可控模拟代理的行为潜变量：CNeVA框架

这篇论文提出了CNeVA，能在Waymo数据集上仿真交通，并且沿速度、加速度等轴直接操控行为，比纯模仿模型多了可控制性，做自动驾驶仿真的可以看看。

#CNeVA #Waymo Open Motion Dataset #交通模拟 #可控性

arXiv cs.LG@Juanwu Lu et al. (3)Source

Models12:04

Chinese contentExformer：面向极端事件的时序预测Transformer

这篇论文的Exformer模型专门处理时间序列中的极端事件，比如洪水，比普通Transformer在3天预报上表现更好。

#Exformer #Transformer #时间序列预测 #极端事件

arXiv cs.LG@Sanjeev Shrestha et al. (3)Source

Models11:56

Chinese contentWattGPU：预测未见过GPU和LLM的推理功耗与延迟

想省电又怕买错GPU？WattGPU用公开数据就能预测新GPU和新LLM的功耗和速度，不用自己跑实验，误差才几个点。

#WattGPU #LLM #GPU #功耗预测

arXiv cs.LG@Mauricio Fadel Argerich et al. (3)Source

Models BuildersSelected11:54

Chinese contentPAW编程范式：4B编译器生成适配器，0.6B模型匹敌32B

PAW让模糊函数（如日志告警、修复JSON）不再依赖大模型API。用4B编译器一次编译，0.6B小模型就能跑出32B的效果，还省内存和算力。

#PAW #Qwen3 #FuzzyBench #推理模型

arXiv cs.AI@Wentao Zhang et al. (6)Source

Models11:52

Chinese contentReContext：递归证据重放提升长上下文推理

ReContext不用训练就能让模型用上长文里的关键信息，Qwen3和Llama3上都有效，适合处理超长文档推理。

#ReContext #Qwen3 #Llama3 #长上下文推理

arXiv cs.AI@Yanjun Zhao et al. (9)Source

Models11:32

Chinese contentOrbitQuant：无需校准数据的扩散Transformer量化方法

想给图像或视频扩散模型做低位量化？OrbitQuant不需要每换一个模型或任务就重跑校准，FLUX.1、Wan 2.1上表现都很能打，W2A4也有可用效果。

#OrbitQuant #扩散Transformer #量化 #FLUX.1

arXiv cs.AI@Donghyun Lee et al. (8)Source

Models11:28

Chinese contentEvoPolicyGym：评估自主策略演化的新基准

想看看AI智能体怎么自己迭代策略吗？EvoPolicyGym这个新基准让GPT-5.5跑了16个强化学习环境，全部拿到前两名。

#EvoPolicyGym #GPT-5.5 #强化学习 #策略演化

arXiv cs.AI@Zhilin Wang et al. (16)Source

Models09:03

Chinese contentDynamic Neural Graph Encoder 提升 INR 分类准确率约 10%

想搞权重空间分析的可以看看，这篇用动态图编码推理过程，在 INR 分类上直接提了 10 个点，挺实在的。

#DNG-Encoder #INR #CIFAR-100 #权重空间

arXiv cs.LG@Di Wu et al. (6)Source

Models12:30

Chinese contentTiRex-2：基于xLSTM的多变量时间序列流式预测基础模型

TiRex-2是首个同时支持多变量流式预测和已知未来协变量的时间序列基础模型，零样本刷新GIFT-Eval和fev-bench榜单，每步计算量不变。做在线时序预测的朋友可以看看。

#TiRex-2 #xLSTM #时间序列基础模型 #流式预测

arXiv cs.LG@Patrick Podest et al. (10)Source

Models Policy12:13

Chinese contentZO-Act：通过一次性激活感知低秩子空间的高效零阶微调

ZO-Act用激活信息锁定关键子空间，让零阶微调更稳定，在Llama-3和OPT-13B上都比旧方法强，适合显存受限的场景。

#ZO-Act #Llama-3 #OPT-13B #微调

arXiv cs.LG@Xun Dong et al. (6)Source

Models12:10

Chinese contentSynLaD: 面向3D药效团条件的可合成分子生成的潜在扩散框架

SynLaD同时搞定分子设计和合成路线，比以往只顾一头的模型更实用。

#SynLaD #分子生成 #药物设计 #扩散模型

arXiv cs.LG@Miruna Cretu et al. (9)Source

Models11:14

Chinese contentGSRQ：面向子1-bit KV缓存的方向保持残差量化

这篇论文搞了个GSRQ新量化方法，1-bit下比VQLLM准22个点，专门解决KV缓存压缩时的方向丢失问题。

#GSRQ #Gain-Shape Residual Quantization #KV缓存 #残差量化

arXiv cs.LG@Soosung Kim et al. (4)Source

ModelsMulti-sourceSelected11:05

Chinese contentTheoria：基于非正式推理状态的改写接受性验证

Theoria 能审计 AI 回答的每一步推理，HLE 上精度 91.4%，比纯 LLM 评判更可追溯，专治隐藏前提和伪造引用。

#Theoria #HLE-Verified Gold #GPQA Diamond #验证架构

Event

arXiv cs.AI@Ben Slivinski, Michael SaldivarSource

Models11:03

Chinese contentFurnitureVLA：用视觉-语言-动作模型实现长程双手机器人家具组装

如果你关注机器人组装，FurnitureVLA用VLA模型把仿真成功率从48%拉到80%，还能在真机上跑。它处理长程任务的方式很巧妙，值得看看。

#FurnitureVLA #VLA #机器人 #家具组装

arXiv cs.AI@Chenyang Ma et al. (7)Source

Models US vs China10:16

Chinese contentDiscoPER：通过迭代元反思实现自主科学发现

DiscoPER能自己挖掘数据规律，在生态基准上检出率接近90%，比传统因果方法好用多了。

#DiscoPER #iNatDisco #科学发现 #大语言模型

arXiv cs.AI@Bingchen Zhao et al. (3)Source

Models09:59

Chinese contentLeNEPA：无需数据增强的下一潜在预测时间序列表示学习

想找一种不用数据增强的时间序列自监督方法？LeNEPA用下一个潜在预测取代传统对比学习，在跨数据集表现更稳，学习速度也快一倍。

#LeNEPA #JEPA #时间序列 #自监督学习

arXiv cs.LG@Alexander Chemeris et al. (3)Source

Models10:15

Chinese contentLUNA：无需线性混合蒙皮的通用3D人体动画模型

LUNA 不用传统的 LBS 蒙皮，直接用图片或关键点驱动3D角色，效果真实还能自动适配新角色，动画师和研究者可以试试。

#LUNA #3D人体动画 #神经渲染 #transformer

arXiv cs.AI@Peng Li et al. (9)Source

Models09:40

Chinese contentFork-Think with Confidence：先决策后推理的高效LLM方法

Fork-Think让LLM推理更省钱省时间——先找准关键点再思考，token少用30%，速度快57%，效果还不输并行方法。

#Fork-Think #推理模型 #推理效率 #置信度

arXiv cs.LG@Zena Al-Khalili et al. (4)Source

Models15:05

Chinese contentITSPACE：一种单调高斯最优传输更新方法

ITSPACE用闭式更新直接优化Bures-Wasserstein距离，在协方差对齐任务上比梯度下降快得多，适合资源受限的域适应场景。

#ITSPACE #最优传输 #Bures-Wasserstein #协方差对齐

arXiv cs.LG@Woojoo Na, Jennifer DySource