Latest

Fixed-role fused kernels leave idle windows because a predetermined communication-compute split cannot track actual data readiness; KOSMOS replaces static schedules with demand-ordered queues that adapt at runtime. Engineers training large MoE models on AMD Instinct hardware can apply it directly through Megatron-LM, where it outperforms DeepEP by up to 1.83x on DeepSeek-V3 and Qwen3-235B proxies.

#KOSMOS #Megatron-LM #DeepEP #AMD Instinct

arXiv: DeepSeek@Alexander Magro et al. (4)Source

Nov 6

Papers Builders15:17

Chinese contentSwarmEvolve：用潜在空间智能体群加速演化搜索

几百个小智能体在潜在空间里群聊协作，几分钟跑出别人一小时的搜索结果，还用 Qwen3 8B 改进了 AlphaEvolve 的解，省钱又快。

#SwarmEvolve #AlphaEvolve #Qwen3 #演化搜索

arXiv cs.AI@Qile Jiang, George Em KarniadakisSource

Papers Builders15:16

Chinese contentReproBridge 用标准化工件将 ML 实验复现成功率提升至 92.6%

搞 ML 复现的可以看看：一个 agent 工作流把论文代码整理成标准复现包，四个模型成功率都冲上 90%，API 花费还省了近两成。

#ReproBridge #复现 #智能体 #benchmark

Event

arXiv cs.AI@Yubo Wang et al. (5)Source

Papers Builders15:16

Chinese contentMedGraph：图记忆方法改进长期医疗对话中的患者状态跟踪

一篇解决医疗助手记忆混乱的论文：把患者事实建成带时间的图，在 MedMemoryBench 上比五个基线高出约 10 分，做医疗对话的可以看看。

#MedGraph #MedMemoryBench #Qwen #GPT

arXiv cs.AI@Donghua Zhang et al. (5)Source

Papers Builders15:16

Chinese contentMeta Access：让 LLM 聊天界面从对话窗口变成工作区控制层

一篇聊怎么把聊天界面开放给 AI 的论文，还做了 Meta Chat 原型，对做 AI 界面和 MCP 工具的人很有参考。

#LLM #Meta Access #Chat AI #智能体

arXiv cs.AI@Julian Kunkel, Ali DoosthosseiniSource

Papers Builders15:15

Chinese contentVLA-Tug：面向视觉-语言-动作模型的轻量级失败预测探针

研究者给机器人 VLA 模型做了个潜层探针 VLA-Tug，能提前发现失败、还能预测失败原因，附带 3,180 条标注数据集。

#VLA #具身智能 #失败检测 #开源数据集

arXiv cs.AI@Michal P. Podolinsky et al. (9)Source

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

Email Telegram channel

Papers Builders15:15

Chinese contentTerminal-Bench 审计发现约 30% 任务有缺陷，修复后发布 2.1 版

这篇论文把 Terminal-Bench 2.0 翻出来查了一遍，三成任务有问题，修完之后各模型排名都会动。做评测的人应该看看他们的持续验证流程。

#Terminal-Bench #编程助手 #基准测试 #智能体

arXiv cs.AI@E. Kelly Buchanan et al. (4)Source

Papers Builders15:15

Chinese content用神经网络学习患者世界模型，模拟ICU医疗策略效果

有人把ICU患者的电子病历训练成世界模型，一次建模就能模拟床位、调度、转院多种政策，比传统Markov模型多捕捉恢复速度差异。

#世界模型 #MIMIC-IV #医疗AI #ICU

arXiv cs.AI@Yingtai Li et al. (4)Source

Papers Builders15:14

Chinese contentFedReason：用 Claude Opus 5.5 让 LLM 自动选择联邦学习聚合规则

给联邦学习开发者看的新玩法：Claude Opus 5.5 每 10 轮看一次客户端权重，自己写聚合代码，168 次实验显示比 FedAvg 高 1.26 个点，一次才花 0.79 美元。

#FedReason #Claude Opus 5.5 #联邦学习 #LLM

arXiv cs.AI@Ali Mohammadi Ruzbahani et al. (3)Source

Papers Builders15:14

Chinese contentMOMASPLAT：面向移动操作的新视角示教增强框架

机器人研究必看：用 3D Gaussian Splatting 把示教视频重渲染成新视角，成功率翻倍还省采集成本。

#MOMASPLAT #3D Gaussian Splatting #移动操作 #模仿学习

arXiv cs.AI@Sateesh Kumar et al. (6)Source

Papers15:14

Chinese contentNPCBench 发布：鼻咽癌临床全流程多模态推理基准

一个专测鼻咽癌诊疗全流程的医学基准，30 个模型里最强的严格成功率也只有 23%，能看出模型和真实医生差距在哪。

#NPCBench #多模态 #医学AI

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

Papers Builders15:14

Chinese contentVisionSIM 发布：面向机器人感知的多模态传感器仿真平台

做机器人感知仿真的可以看看这个 VisionSIM，它把 LiDAR、iToF、事件相机这些传感器的真实失效模式都模拟出来了，还开源了数据集。

#VisionSIM #机器人感知 #事件相机 #LiDAR

arXiv cs.AI@Sacha Jungerman et al. (9)Source

Papers13:43

Chinese content研究：大步长梯度下降在对抗训练中的隐式偏差与损失锐度行为

搞对抗训练的人可以看看这篇理论分析，它证明了用大步长训练也照样成立，不用非得用慢吞吞的小步长。

#对抗训练 #梯度下降 #隐式偏差 #模型鲁棒性

arXiv cs.LG@Yi Feng, Andrea PaudiceSource

Papers13:42

Chinese content研究：用稀疏自编码器从用户嵌入中恢复可解释行为模式

推荐系统工程师可以看看这篇：用 SAE 把黑盒用户嵌入拆成可命名的行为模式，还能零样本圈选受众，不用改上游模型。

#SAE #推荐系统 #用户嵌入 #稀疏自编码器

arXiv cs.LG@Jonathan Kozaczuk et al. (10)Source

Papers Builders13:42

Chinese contentScientist World：把 1000 篇论文变成 AI 科研可执行环境

把 1000 篇论文做成 AI 科学家能跑的实验环境，还测出它在 74% 场景下跑赢人类作者，训练数据也开源了，做科研智能体的别错过。

#AI-Scientist #Scientist World #科研智能体 #智能体评测

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

Papers BuildersMulti-source13:42

Chinese contentXStack 基准发布：测试智能体能否把 PyTorch 仓库迁移到 JAX

把 PyTorch 仓库自动改成 JAX 版的智能体测评，Claude Opus 5 通过 75%，其他模型差距挺大，做工程自动化的可以看看。

#XStack #Claude Opus 5 #GPT-5.6-sol #智能体

Event

arXiv cs.LG@Linrong Cai et al. (4)Source

Papers13:42

Chinese contentMAEM 方法用 RL 生成文本样例，解读 Qwen3.6-27B 残差流方向

一群研究者做了个叫 MAEM 的元模型，能把 Qwen3.6-27B 里任意残差流方向翻译成人能读懂的文本，还比语料搜索和 NLA 更准，解释能用一次前向传播验证，可解释性方向值得看。

#MAEM #Qwen3.6-27B #可解释性 #SAE

arXiv cs.LG@Celeste De Schamphelaere et al. (7)Source

Papers Builders13:41

Chinese contentRu-Jev 307M 交叉编码器实验：标签改写增强对陌生词汇有效，缩写无效

做意图路由或分类的朋友可以看看：同一模型换个标签写法，准确率能差这么多，论文还给了四个评测坑点。

#Ru-Jev #交叉编码器 #意图分类 #俄语

arXiv cs.LG@Vladimir BeskorovainyiSource

Papers BuildersSelected13:40

Survey Maps Mechanistic Interpretability Methods for AI Safety

The survey's value lies in its proposed evaluation framework and its six-way taxonomy of research orientations, which gives structure to a field that has grown mostly through scattered techniques. Researchers and safety teams can use the released notebooks to reproduce methods hands-on rather than reading only about them. The comparison between mechanistic evidence and behavioural evaluation is a useful lens for anyone deciding whether to invest in interpretability tools over standard safety testing.

#mechanistic interpretability #AI safety #arXiv survey #training-data attribution

arXiv cs.LG@Fazl Barez et al. (27)Source

Papers13:40

Chinese content从微分方程数据中自动发现李点对称性的新方法

一篇偏数学的方法论文：不用推导符号方程，直接从微分方程数据里挖出连续对称性生成元，在 11 维基准上全部恢复，做科学机器学习的人可以看看。

#Lie对称性 #微分方程 #科学机器学习 #arXiv

arXiv cs.LG@Ilker Gurcan et al. (3)Source

Papers Builders13:40

Chinese content研究揭示 LoRA 在 SFT 与 RL 两阶段中的谱与子空间动态差异

搞微调和 RLHF 的朋友可以看看，论文讲清了 LoRA 在 SFT 和 RL 里动态为啥不一样，还给出了分阶段调法，实验在数学推理上验证有效。

#LoRA #SFT #强化学习 #微调

arXiv cs.LG@Chenruo Liu et al. (4)Source

Papers13:40

Chinese content研究证明时变偏微分方程的保形预测覆盖保证会系统性失效

研究不确定性量化的朋友可以看看：这篇证明了保形预测在时变偏微分方程上为什么会失效，还给了加权修正方案。

#保形预测 #不确定性量化 #偏微分方程 #科学机器学习

arXiv cs.LG@Joshua Stiller et al. (3)Source

Papers Builders13:40

Chinese contentSocial Humanoid：让人形机器人学会与人协同动作

arXiv 上这篇把 Unitree G1 训练成能和人互相配合的伙伴，还能预判被挡住的同伴动作，260 小时交互数据开源了。

#Unitree G1 #人形机器人 #HHI #运动生成

arXiv cs.LG@Vongani H. Maluleke et al. (10)Source

Papers Builders13:39

Chinese contentStepBack：步级错误定位重采样降低推理成本

给采样太多条思维链太烧钱的场景：这篇 arXiv 论文只定位并重写出错的那一步，token 省四成还不掉准确率。

#StepBack #自一致性 #测试时推理 #推理模型

arXiv cs.LG@Yang Ouyang, Jung-Eun KimSource

Papers Builders13:39

Chinese content合成卵巢癌多组学数据集：提出生物学导向的评估框架

一篇挺实在的方法论论文：不堆新模型，而是给合成多组学数据定了套可复用的评估流程，做医疗数据生成的可以拿来当参照。

#多组学 #变分自编码器 #卵巢癌 #合成数据

arXiv cs.LG@Déborah Boyenval et al. (5)Source

Papers Builders13:39

Chinese contentLSTM 与 XGBoost 混合框架预测航班着陆阶段安全事件

NASA DASHlink 数据上跑的飞机着陆异常检测，LSTM 自编码器加 XGBoost，召回率超过 0.9，做时序稀有事件检测的可以看看。

#LSTM #XGBoost #异常检测 #时序数据

arXiv cs.LG@Taha Asghar et al. (4)Source

Papers Builders13:39

Chinese contentGraphMuon：针对图神经网络优化的图感知版 Muon 优化器

训练 GNN 的朋友可以看看这篇：把 Muon 改造成图感知的 GraphMuon，在 OGB 基准上比 AdamW 快 1.3 到 2.4 倍，代码已开源。

#GraphMuon #Muon #GNN #AdamW

arXiv cs.LG@Guy Hadad et al. (4)Source

Papers Builders13:39

Chinese contentMuir：低秩门控加匹配滤波读出的线性注意力新架构

一个改进 Gated DeltaNet-2 的线性注意力新架构，长文本外推到千万 token 还不掉点，训练还比 Transformer 快 2.7 倍，做长上下文的值得看看实现思路。

#Muir #Gated DeltaNet #线性注意力 #推理模型

arXiv cs.LG@Tushaar Gangavarapu et al. (3)Source

Papers BuildersSelected12:56

Strong-to-Weak OPD Matches GRPO Accuracy With 50x Fewer FLOPs

The practical lesson is that the teacher choice decides whether OPD is worth the compute: self-distillation from a model's own GRPO checkpoint is far cheaper than rerunning reinforcement learning, while generic strong teachers are not. Practitioners training domain-specialised models can consolidate separate GRPO experts via multi-teacher OPD at a fraction of the cost. Readers comparing RL and distillation budgets will find a reusable evaluation framework here.

#on-policy distillation #GRPO #reasoning models #open-source models

arXiv: DeepSeek@Zeyu Leo Liu et al. (10)Source

Papers US vs ChinaSelected12:54

CoRE Benchmark Exposes LLM Data-Cleaning Reliance on Known Entities

Benchmark scores on data cleaning may measure memorised entity knowledge rather than repair skill, so leaderboard rankings deserve scepticism when the underlying rows are public. Teams using LLMs to clean operational data should test on renamed surrogates or fresh records before trusting reported accuracy. The released controlled tables and offline replay scoring code make it straightforward to rerun the protocol on in-house data.

#CoRE #DeepSeek-V4-Pro #benchmark #data cleaning

Event

arXiv: DeepSeek@Jingru Yang et al. (6)Source

Papers BuildersMulti-source12:30

Chinese contentarXiv 论文提出 ProofTrace 框架，检测数学证明中的 AI 参与

这篇论文造了 8000 多篇论文的数据集，专门研究怎么看出数学证明是不是 AI 写的，连改写过的都能识别出来，做学术检测的可以看看。

#ProofTrace #OpenAI #arXiv #AI检测

Event

arXiv: OpenAI@Yuanchuan Guo et al. (4)Source

PapersMulti-source12:30

Chinese contentOpenAI 构造反例否证 Kaplansky 直接有限性猜想

OpenAI 用模型做出了数学上的反例构造，这篇论文还把这个结果推广到所有素数，数学向读者别错过。