全部动态

一群研究者认真测了文档到底能不能帮 coding agent，结果在 10 个仓库上翻车，还公开了打分基准和提示词，做 agent 的人该看看这个负面结果。

转盘拍物体角度不均匀、帧还丢时，普通重建方法容易崩。这篇 OC-GS 靠逐张细化角度，6 个视角也能重建，效果比四个基线都好。

3 位小学老师用 ToyTalk 上了 13 天 AI 课，研究者跟全程，总结了他们怎么临场调整教学，做教育 AI 的人能直接参考。

越南团队把开源模型改造成能跑在消费级 GPU 上的教学助手，检索调用少了 7.7 倍，准确率还从 70% 涨到 79.5%，做本地部署的可以看看。

一篇挺有意思的研究：多智能体堆人海到底有没有用，取决于任务类型，13 个模型、30 个智能体规模的实验说得很细。

做网络运维的朋友看看：1-8B 小模型本地跑，配合自动检查规则，98.6% 准确率还不用把生产配置发给云端。

手持视频拍糊了也能重建 3D 场景，这篇 ClearGS 靠加权监督加无参考修复，在 GS2E 和 GSOTM 上跑赢了现有方法。

一篇关于小语种文化评估的论文，母语者出题测 LLM，发现海地角色老被写成苦难叙事，角度挺有意思。

arXiv 上这篇论文教你把提示词砍到最短还不掉输出质量，还给了三个可操作的压缩框架，写 prompt 的人可以看看怎么省 token。

做量化交易的同学可以看看，这个模块能告诉模型哪些预测可以信，最有信心的 10% 预测 F1 直接到 0.88。

同一批酒店任务，28 个模型选出的房价能差 150 美元，这篇论文把这个差异量化出来了，做购物或预订代理的人应该看看。

婴儿早筛的训练数据分散在各医院，这篇论文用联邦学习加不确定性加权解决了数据不能集中的问题，做法很实用。

一篇处理长文档主题建模的论文，把文档切段再生成主题，用智能体反馈细化，比逐篇分配主题省不少 token，做文本分析可以看看。

用 Qwen2.5-VL-3B 在 PMC-VQA 上做了严谨对照实验，发现答案准确率涨了，模型可能反而不看图了，做医疗 VLM 微调的都该看看。

一个新的多智能体协作基准，用 MMORPG 沙盒逼模型跑 50 多轮团队任务，Gemini 3 Flash 也只拿到 52% 成功率，能看清现在模型协作到底差在哪。

只用600道题微调，不训练停止机制，就让Qwen、Gemma这些模型推理时少生成25%的token，思路挺有意思。

一篇把扩散采样和非凸优化联系起来的理论论文，证明了反向 SDE 流在强凸势下的指数收缩速率，做扩散模型理论方向的朋友可以看看。

一篇偏理论的论文：不用改模型内部，只在输出端做后处理就能让性别、种族等属性分布对齐目标，还证明了查询次数最优，做公平性或合成数据的可以看看。

这篇论文挺有意思：模型会偷偷猜你是谁，作者把这份'猜测'读出来还能改写，改了它连拒绝行为都跟着变。

一篇讲 LoRA 技能怎么叠加不互相干扰的论文，思路是把新适配器设计成只读旧技能的输入，合并进基座权重还零推理开销，SuperGLUE 比现有方法高了 20 多分。

用 DFA 训网络总卡在常量预测器？这篇论文把根因拆到共模误差和 tanh 饱和，还给了减批量均值这种直接可用的修复办法。

一篇改进 Decision Transformer 的新论文：发现长序列跑崩时预测误差会飙升，先筛掉不可信上下文再选动作，D4RL 上验证有效，做离线强化学习的可以看看。

有人把压缩器直接塞进训练循环，让 ViT 权重自己长出可压缩语法，压缩率比 int8 QAT 好一半以上，思路挺新的。

一篇把在线学习拆成潜空间卡尔曼滤波的论文，AURA 单步就能适配新分布，做流式数据自适应的可以看看。

PINN 解刚性 PDE 容易翻车，这篇把指数积分器接进 NeuSA，稳定性和精度都保住了，代码也开源了。

做 MARL 的可以看看这篇，用固定超图解决信用分配漂移，SMAC 上比 MAPPO 提了 16.7%，实验覆盖挺全。

Target 公开了自家电商搜索的完整架构，从 embedding 训练到融合策略都讲了，做电商搜索的直接抄作业。

有人在 5 个模型上复现了 PoLar 这篇论文，结论一半成立一半翻车，还发现纠错程序脆弱得离谱，做层路由研究的可以看看。

论文做了一个把医疗设备接入 MCP 的安全网关，Agent 只能读数据和模拟操作，代码不会真的控制设备，做医疗 AI 的可以看看。

有人把聊天记录做成了可编辑的：改一句话，历史里过时的内容直接消失，17 人实测大家都更喜欢，代码还开源了。

一篇把 14B 视频世界模型压到 1.3B、四步就能跑的蒸馏论文，专治 DMD 蒸馏后机器人动作变僵的问题，做具身智能的可以看看。

本地跑小模型抽文档信息？这篇把能耗账算清了：批处理省 38-85% 电，纯文本场景用文本模型比视觉模型又准又省。

这篇讲怎么用检测器数痘加上整体照片评分来做痤疮分级，模型可解释，还坦白了跨数据集失效的原因，做医疗影像的可以看看。

一篇教你怎么在部署前自动找智能体漏洞的论文，72 个真实漏洞复现，攻击成功率比 Codex 高出不少，做智能体安全的必看。

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。

Agent 批准了改数据库，结果顺带发了条没人要的通知，现有护栏根本拦不住。这篇论文的 EffectMatch 在提交前比对实际持久化结果，206 个任务上全拦住了错误提交。

一篇医学 AI 论文：UniAR 用多模态模型自动生成诊断文本来补数据缺口，自闭症筛查在 MRI 上准确率到 75.9%，还更可解释。

多智能体离线RL的新做法：部署后不用重训，靠critic梯度在测试时微调动作，MPE和SMAC上平均提升约9%，延迟只多6%。