Latest

Every published item, in order · 7652 items

Blogs News Posts Papers Papers page →

Nov 9

Papers Policy13:09

Chinese contentLLM狼人杀实验：语言风格不影响信任与投票

有人把狼人杀AI的发言改措辞重放了4335次，结果发现礼貌和语言复杂度根本骗不到别的AI，挺反直觉的。

#LLM #Werewolf #智能体 #AI安全

arXiv cs.AI@Yuchen Li et al. (6)Source

Papers Builders13:08

Chinese content研究用 Claude Opus 5.5 写论文：LLM 直接写网络权重加速 MILP 求解

一篇由 Claude Opus 5.5 写的运筹学论文，让 LLM 不训练直接写网络权重来加速 SCIP 求解，结论很诚实：便宜但没惊喜。

#Claude #SCIP #MILP #运筹优化

arXiv: Anthropic@Renan ButkeraitesSource

Papers Builders13:07

Chinese contentFlowMoP：基于条件流匹配的多人随机运动预测框架

一篇多人运动预测论文，用流匹配替代确定性输出，在 3DPW 和 CMU-Mocap 上跑赢了原有基线，还首次在 WorldPose 足球数据集上做了基准。

#FlowMoP #flow matching #运动预测 #3DPW

arXiv cs.LG@Aadya Agrawal et al. (3)Source

Chinese content分级卷积网络：无需尺度信号实现尺度不变性

一篇很硬核的视觉理论论文：用加权球面的 retraction 替代尺度归一化，模糊下 MNIST 准确率从 66.2% 拉到 88.4%，做尺度不变特征的研究者可以看看。

#卷积网络 #尺度不变性 #MNIST #计算机视觉

arXiv cs.LG@Tanush ShaskaSource

RisingGemini 4 Hydrogen Colette Kress Hydrogen Outlook More →

Papers Builders13:06

Chinese content研究提出计算机使用智能体可作为具身通用智能体

同一套 CUA 什么都不改，换个软件界面就在 ECCV 四个比赛拿了名次，具身智能又省一个方向，挺有想法。

#CUA #ECCV #具身智能 #计算机使用智能体

arXiv cs.LG@Pranjal Aggarwal, Sean WelleckSource

Papers Builders13:06

Chinese contentUCR 时间序列分类基准遭审计：多个数据集任务与原始用途不符

有人把 UCR 这个 TSC 标准基准逐个数据集扒了一遍，发现不少任务的原始用途被改掉了。跑基准刷分前建议先看这份审计。

#UCR #Time Series Classification #基准测试 #数据集

arXiv cs.LG@Omar Swelam et al. (5)Source

Papers Builders13:06

Chinese content研究如何用 Monitor 干预缓解 RL 训练中的 reward hacking

Anthropic 之外少见的 reward hacking 实证研究，开源了三个 Qwen3-4B 可钻空子的环境，还给出 monitor 设计的几条可落地结论，做 RL 训练的可以看看。

#Qwen3-4B #reward hacking #RL #AI安全

arXiv cs.LG@Aria Wong et al. (3)Source

Papers Builders13:05

Chinese contentConformal prediction 校准英国风电预测不确定性区间研究

这篇论文把 conformal prediction 用在风电预测区间上，发现 pooled 校准在高风速下会失效，改用分层校准能减少 40% 以上的越界量，做预测不确定性量化的可以看看。

#conformal prediction #风电预测 #不确定性量化 #时间序列

arXiv cs.LG@Carl SomersSource

Chinese content从PAC泛化误差界到参数估计误差界的推导方法

做系统辨识的朋友可以看看，这篇把泛化误差的 PAC 界改造成参数估计的有限样本界，比以往算法特定的方法更通用。

#PAC bounds #系统辨识 #oracle inequality #有限样本界

arXiv cs.LG@Mihaly Petreczky et al. (4)Source

Papers Builders13:03

Chinese content首个思维链层级定理：更多 CoT 推理步数可证明带来更强计算能力

数学味很浓的一篇理论论文，首次证明了思维链步数是种基础计算资源，多用步数确实变强，不是玄学。

#CoT #推理模型 #层级定理 #计算复杂性理论

arXiv cs.LG@Thanh Le et al. (3)Source

Tomorrow 08:00, the daily lands in your inboxTelegram channel or email. Same screening as this page, no ads.

Email Telegram channel

Papers Builders13:03

Chinese contentDISCO：免扩散分数匹配方法，实现精确条件采样

这篇论文挺有意思，DISCO 不用扩散那一套时间分数场，单个分数就能做任意条件的精确采样，做生成模型的人可以看看。

#DISCO #扩散模型 #score-based生成模型 #条件采样

arXiv cs.LG@Thomas Wedenig, Robert PeharzSource

Papers Builders13:03

Chinese content九个 LLM 在翻译中的词汇知识冲突实验：提示词框架影响上下文知识依赖

用中文译英文的任务测了九个模型听不听话：让它们按提示词的新词义翻译，七个模型照样按旧知识来。做翻译工作流的可以看看哪些条件能压住模型的固执。

#LLM #提示词工程 #翻译 #上下文知识

arXiv cs.LG@Dongxu Wu et al. (3)Source

Papers BuildersMulti-source12:58

Chinese content论文用 Σ₁/Π₁ 逻辑框架统一解读 Hugging Face 被入侵与 OpenAI 数学证明

一篇把 OpenAI 两件看起来毫不相关的事——入侵 Hugging Face 和批量生成数学证明——放进同一套可计算性理论框架来解释的论文，逻辑推演很有意思。

#OpenAI #Hugging Face #可计算性理论 #AI安全

arXiv: OpenAI@Jinho Kang, Jinsook KimSource

Papers BuildersMulti-source12:57

Chinese content论文提出 DS-QA 基准与蒙特卡洛协议评估 LLM 数据科学任务可靠性

这篇论文做了件常被忽略的事：同一题让模型跑 100 遍看答案稳不稳，结果数据可视化和监督学习这类任务波动最大，做评测的人该看看。

#DS-QA #OpenAI #DataSciBench #模型评测

arXiv: OpenAI@Wenqi Ni et al. (3)Source

PapersMulti-source12:57

Chinese contentOpenAI 证明矩阵乘法指数上界 9/4 的解读论文

OpenAI 把矩阵乘法复杂度上界压到 9/4 了，这篇论文把证明拆开讲清楚，适合想看懂数学细节的人。

#矩阵乘法 #张量 #Coppersmith-Winograd #算法复杂度

arXiv: OpenAI@Mahmut Levent Doğan et al. (4)Source

Papers BuildersMulti-source12:57

Chinese contentBMMS 评测套件：按具体政策条款衡量语言模型行为合规性

这篇论文做了个叫 BMMS 的合规评测：把 OpenAI、Anthropic 自己写的规范当考卷，结果 GPT-4o 70.7% 的硬约束没过，Claude 几乎全过，挺有意思。

#BMMS #GPT-4o #Claude #评测基准

arXiv: OpenAI@Anthony Rhodes, Gadi SingerSource

Papers Builders12:57

Chinese content因果推断框架评估 AI Agent 干预时机的价值

教你怎么用因果推断判断什么时候该出手管 agent，还在 tau-bench 等三个基准上跑了验证，做 agent 安全审计的可以看看。

#tau-bench #Agent #因果推断 #AI安全

arXiv cs.AI@Ayush Sawarni et al. (5)Source

Papers Builders12:57

Chinese contentRAG 提升大模型竞赛编程解题能力的研究

有篇论文给 LLM 做竞赛编程题时加了相似题检索，CodeForces Elo 和 pass rate 都涨了，还顺手排查了是不是靠背题，做 RAG 的可以看看

#RAG #CodeContests #CodeForces #LLM

arXiv cs.AI@Gabriel Souza Baggio et al. (6)Source

Papers Builders12:56

Chinese contentROSE：面向多模态大模型终身知识编辑的风险感知正交子空间框架

给多模态模型打知识补丁总把旧能力改坏？这篇 ROSE 用正交子空间加风险掩码，连续 1000 次编辑都不崩，代码也放出来了。

#ROSE #多模态 #知识编辑 #开源模型

arXiv cs.AI@Lingyun Song et al. (8)Source

Papers BuildersMulti-sourceSelected12:56

RidgeFill Retrofit Speeds Prefill on Qwen and Llama Models

The non-obvious point is that YOCO-style self-forecasting caches, previously requiring dedicated training like DeepSeek-V4.1-Flash, can now be retrofitted onto off-the-shelf checkpoints with no training and no dropped tokens. Engineers deploying long-context inference in llama.cpp or vLLM can use it to cut time to first token on a single A100. Benchmarks like RULER and LongBench v2 let readers judge the quality cost themselves.

#RidgeFill #Qwen3.8 #Llama-3.1 #prefill optimization

arXiv: DeepSeek@Dylan Johnston, Robert P. SmithSource

Chinese content连续小波变换特征提取用于LIBS血浆样本新冠阳性分类

用LIBS光谱加小波变换和SVM分类新冠血浆样本，181例做到93%准确率，光谱医学诊断方向可以看看。

#LIBS #连续小波变换 #SVM #光谱分类

arXiv cs.AI@Md Mahmudur Rahman et al. (4)Source

Papers Builders12:52

Chinese contentTT-MBRL：用测试时梯度下降将记忆编码进世界模型

强化学习老难题——长期记忆，这篇论文在测试时用梯度下降把记忆写进世界模型，Memory Maze 上刷新 SOTA，做 MBRL 的值得看看方法细节。

#MBRL #世界模型 #Memory Maze #强化学习

arXiv: Google DeepMind@Maxime Burchi et al. (3)Source

Papers Builders11:09

Chinese content用 Min-K% 方法追踪编程作业中代码的来源：区分学生与 AI 生成

老师担心作业是 AI 代写的，这篇论文给了个检测思路：把 Min-K% 扩展到代码溯源，还对比了 GPT-5、DeepSeek 等多个模型的检测差异。

#Min-K%#GPT-5 #DeepSeek #编程教育

arXiv: DeepSeek@Subhankar Maity et al. (4)Source

Papers US vs China11:09

Chinese content研究：推理模型写故事的心理深度未必更强

有人测了推理模型写故事到底好不好，GPT-5 略胜但 DeepSeek-R1 反而输给自家旧款，还发现 LLM 评委偏爱推理模型，结论挺有意思。

#DeepSeek-R1 #GPT-5 #LLM-as-a-Judge #推理模型

arXiv: DeepSeek@Ruichen Zheng et al. (7)Source

Papers Builders11:09

Chinese contentISER-MoE 通过 NVLink 交换机复制热点专家，提升 MoE 推理吞吐

MoE 推理总被几个热点专家拖慢，这个方案直接借 NVLink 交换机做复制，DeepSeek-V4-Pro 实测数学任务吞吐涨了 17.4%。

#ISER-MoE #MoE #TensorRT-LLM #DeepSeek

arXiv: DeepSeek@Jintao Peng et al. (8)Source

Papers Builders10:56

Chinese contentMMAS 开源模型实现逐 0.5 秒音乐情绪连续估计

有人开源了能逐 0.5 秒追踪歌内情绪变化的 MMAS，还顺手指出业界指标其实测不出歌内动态，做音乐分析的研究者可以看看。

#MMAS #MERT #音乐情绪识别 #conformal prediction

arXiv cs.LG@Mohammad Faraz Akhtar et al. (6)Source

Papers Builders10:45

Chinese contentEnergy-Based Reasoners：用能量函数引导循环推理，Sudoku-Extreme 准确率达 99.9%

新论文 Energy-Based Reasoners，把循环推理改成能量函数上的梯度下降，Sudoku-Extreme 拿到 99.9% 准确率，推理算力还省 345 倍，做多步推理的可以看看。

#Energy-Based Reasoners #循环推理 #能量模型 #推理模型

arXiv cs.LG@William Xingxu Chen et al. (5)Source

Papers Builders10:44

Chinese contentAccuracy Is Not Value：论文提出以学生模型继承效果评估弱监督者

理论向的论文，讲选弱监督老师不能只看老师自己的准确率，要看学生学完留下什么，还给出可计算的加权条件。

#弱监督 #知识蒸馏 #论文 #ridge回归

arXiv cs.LG@Romano Li, Xunfan CaiSource

Papers Builders10:44

Chinese content论文提出 Surrogate Quality Score：兼顾精度与复杂度的模型选择指标

挑模型时只看精度容易选到难维护的复杂模型，这篇论文给的 SQS 一个分数同时算两个维度，还能自己调偏好权重。

#Surrogate Quality Score #模型选择 #模型评估 #arXiv

arXiv cs.LG@Maaz Ahmad, Iftekhar A. KarimiSource

Papers Builders10:44

Chinese content面向电网的 AI 数据中心概率负荷预测基准

拿 448 张 GPU 的真实功耗数据做负荷预测基准，LightGBM 校准后覆盖率从 63.4% 提到 87.3%，备用成本省近 10%，做电力调度或数据中心运维的可以看看。

#LightGBM #数据中心 #负荷预测 #概率预测

arXiv cs.LG@Qingyi Yao et al. (5)Source

Papers Builders10:43

Chinese contentResQAdam：低显存量化感知训练优化器， optimizer 状态省 71%

研究团队发现 GaLore 这类低秩优化器做 2 bit 量化训练会掉点，于是提出 ResQAdam，优化器显存省七成多，速度几乎不掉。

#ResQAdam #量化感知训练 #GaLore #AdamW

arXiv cs.LG@Liqun Ma et al. (10)Source

Papers Builders10:43

Chinese contentDTCD 发布：时间序列因果发现与处理效应评测工具包

做时间序列因果推断的朋友可以看看，DTCD 把拓扑、噪声、缺失这些都拆成可配置模块，反事实评测也直接给到，代码开源。

#因果发现 #时间序列 #DTCD #反事实

arXiv cs.LG@Muhammad Hasan Ferdous, Md Osman GaniSource

Chinese contentSSF-Net：用于PDE算子学习的空间-频谱融合网络

用Mamba加Fourier做PDE求解，比attention基线误差更低、参数还更少，搞科学计算的同学可以看看架构设计。

#PDE #Mamba #Fourier #算子学习

arXiv cs.LG@Siqi Zhao, Flora D. SalimSource

Chinese contentGMAdam：用任务级二阶矩调制改善 PINN 多任务损失不平衡问题

训练 PINN 时总有一项损失压不住？这篇把 Adam 里各任务的贡献演化讲透了，还给出 GMAdam 这个即插即用的改法，实验里比 AdaTask 更准。

#PINN #Adam #GMAdam #AdaTask

arXiv cs.LG@Enzhan Zheng, Xiaoliang SongSource

Chinese contentGA-SRMC 提出几何感知改进，MCMC 采样 ESS 最高提升 6.8 倍

MCMC 采样遇到各向异性目标就拉胯？这篇把 Fisher 信息从预条件子升级成排斥侧最优矩阵，各向异性场景 ESS 直接翻倍，理论保证也给全了。

#MCMC #Fisher information #采样算法 #论文

arXiv cs.LG@Jie Hu et al. (3)Source

Papers Builders10:42

Chinese contentPHANTOM-Bench：多智能体 LLM 系统中的'虚幻共识'测量研究

这篇 arXiv 论文做了个 PHANTOM-Bench，发现 9 个模型在多智能体讨论时会被模糊的同伴信号带偏，准确率最多掉 47.8 个点，做 Agent 系统的该看看。

#PHANTOM-Bench #多智能体 #基准测试 #LLM

arXiv cs.AI@Disha Sheshanarayana et al. (4)Source

Papers Builders10:42

Chinese contentAgent-Skill 工作流让 LLM 高效翻译并行科学代码

三个智能体分工修 CUDA、OpenMP、SYCL 代码翻译，正确率全面超基线还省了一半多的 token，做 HPC 的可以看看思路。

#智能体 #代码翻译 #CUDA #SYCL

arXiv cs.AI@Jianuo Shen et al. (3)Source

Papers Builders10:42

Chinese contentFlex-RSI 基准测试：衡量智能体的递归自我改进能力

团队给智能体自我改进做了个正经基准，executor 和 improver 分工迭代改自己的 harness，用固定预算对比闭源和开源模型，结论挺有料。

#Flex-RSI #智能体 #基准测试 #开源模型

arXiv cs.AI@Jingdong Zhang et al. (22)Source

Papers Builders10:42

Chinese contentOPO：按样本自适应裁剪比率，改进 PPO 的固定裁剪策略

一篇 RL 论文，作者给 PPO 的固定裁剪换了玩法：每个 minibatch 里排序挑出极端比率，单独给自适应半径，MuJoCo 和 Atari 上跑赢了基线。

#PPO #强化学习 #OPO #MuJoCo

arXiv cs.AI@Dongkyu Derek Cho, Pan XuSource

Papers BuildersMulti-source10:41

Chinese contentDRAFT-Bench 发布：评测前沿 Agent 在专业设计全流程中的可靠性

一个新的设计类 Agent 基准，Astra 全跑完但违规多，Claude 少做几个却更稳，论文本身还很克制地说明评测局限。

#DRAFT-Bench #Claude Code #Codex #智能体评测

arXiv cs.AI@Rong Pan, Jianqiang WangSource

Only the latest 2000 items are listed; for older ones see the daily archive