Latest

化工版的 agent 工作台，测试里花 224 美元 API 费就让智能体产出了一整套工程设计包，还带错误检查机制。

研究者做了个叫 tok 的纯文本流程建模格式，LLM 写它比写 BPMN XML 省约四分之一 token，校验还能查出 98.2% 的错误，做流程智能体的可以看看。

欧洲团队做了心脏病方向的多语言医疗模型，508 份病例扩成 7 种语言语料，结果挺有意思：专业预训练没用，多语言联合训练反而最强。

一篇病理AI检索论文，CLEAR-WSI用固定长度嵌入在四个数据集上都超过最强基线，做数字病理检索的可以看看具体方法。

数据不想交给中心服务器也能做 RAG 了，这篇论文的 ZeroRAG 不需要 DHT 也能路由到 10 万节点，做隐私检索的可以看看。

用大脑网格细胞做记忆架构，训练只看 40 个符号，测试能反转一万五千个符号的字符串，Transformer 做不到的 5 个任务它都解了。

arXiv 上一个免训练的推理技巧：找出几条推理轨迹的分岔点，借别的轨迹补生成，Qwen2.5-7B 在 MATH 上覆盖率从 89% 提到 91%。

给自动驾驶世界模型加新目标不用再重训了，采样时注入能量引导就行，三个公开 WAM 都涨了 1.8 到 3.6 EPDMS。

研究团队测了三种检索架构，持久化子代理在多轮对话里省了近一半 token 和成本，做 agent 的可以参考这些数字。

研究了量化剪枝为什么在大模型上更伤——用 attention heads 消融分解把补偿和真实损失拆开了，做模型压缩的可以看看。

把自然语言指令翻译成规划器能执行的符号目标，用微调加自排序两步提升准确率，做具身智能体的可以看看论文里的 CORE 方法。

aiXcoder 训了个 4B 小模型专门干代码合并这件事，准确率超过 Deepseek-V3.2，延迟从 50 秒砍到 1.89 秒，已经在他们 IDE 插件里跑起来了。

arXiv 上这篇聚合物性质预测的论文挺有意思，用几何分片代替人工化学规则，还把 3D 构象信息加进去，预测精度有提升，做材料方向的同学可以看看。

搜索型智能体上下文越滚越大的老毛病，这篇论文用注意力熵给检索块打分，延迟降 30%、token 省 45%，成功率还涨了 2.35 个点。

数学圈好消息：KAN 网络的表达能力第一次有了紧的上界和下界，还证明深度大于等于 2 时线性区域比 ReLU 网络多出多项式倍，搞理论的朋友可以细看。

训练小模型的人可以看看这篇：CoRD 改进在线策略蒸馏，Qwen3 系列 0.6B 到 4B 上数学基准 pass@1 平均多涨约 1 到 2 个点，收敛还快 5 倍。

把失控风险拆成三个可打分的维度，测了 13 个前沿模型，r=0.84 能预测失败率，做安全评估的可以看看方法。

这篇论文把神经网络表示的不变性拆成两种压缩模式，还给出时间上的先后证据，做表示学习研究的可以看看。

一篇挺扎心的审计论文：老一套的类不平衡方法在去掉数据泄漏后基本没用，做医疗影像的人建议都看看这套诊断协议。

把决策模型当 RL 的起跑器：智能体第一局就拿到奖励，7 个任务全赢纯 RL，还附了怎么写任务描述的指南。

训练长程 Agent 时只有最终结果奖励不够用，这篇用模型自己的注意力给中间步骤发奖励，ALFWorld 成功率从 91.2% 拉到 97.1%，代码开源可复现。

有人把 Flux 当压缩算法用了，零样本做有损压缩，低码率下还能打赢专门训练的神经压缩模型，思路挺新鲜。

三个开源模型上做的对照实验，量化了模型“学来的信念”到底值多少条证据，做可解释性的朋友可以看看。

做 3D 头像的朋友可以看看，高斯 splatting 重建出的脸容易糊和拉伸，这篇用一步扩散模型修图，还不用逐帧跑，代码已开源。

NTT 的团队做了个有意思的研究：光看物体碰撞时的表面形变，就能推断里面有没有空腔、在哪。对做机器人和无损检测的人很实用。

删数据不用重新训练模型，这论文给出了不用保留原始数据的增量遗忘方案，transformer 上删 20 类还很稳。

标注数据太贵？这篇论文教你用 TANN 和 EPIC 挑最有价值的行，标注 5-10% 就能达到八成性能，还顺手提升 GBDT。

让模型自己判断代码对不对，又不想跑测试？这篇论文测了六种免执行预测器在换语言、换基准后还靠不靠谱，结论很具体。

实验设计挺巧的：给 GPT-6 一个只能算数不能读权重的工具，审计临床模型的效果和白盒一样好，对做模型审计的人很有参考价值。

一篇把智能体思路用在视觉任务上的论文，给 MLLM 加了放大和高亮两个工具，在 PSG 基准上拿了第一，做视觉推理的可以看看。

一篇去雾新论文，思路挺特别：不估大气参数，改学光在雾里能传多远，在 CDD-11 和 RTTS 上效果都更好。

一篇很实用的论文：不改模型不改 harness，只优化智能体环境就能把 Haiku 4.5 成本砍七成，做智能体的都该看看

arXiv上一套知识图谱修复方案，用一个router决定LLM代理什么时候去外部检索证据，六套测试里token更省、修复F1还更高，做图谱的可以看看

用推荐系统思路预测台风会打乱哪些港口、影响几天，Wide & Deep 模型比距离基线高出 55%-85%，做物流和防灾的可以看看方法。

这篇论文用 Claude Code 实测了语法树、调用图等五种代码地图，发现主要价值在省 token，定位类任务最多省 39%，写补丁类就没啥优势了。

想在 Pythia-70M 里定位出控制 are/is 输出的具体特征，删掉就变单数，Gemma-2-2b 和 Llama-3.1-8b 上也复现了。

机器人扩散策略想用 RL 微调但算不动？这篇 LARBRID 只优化初始噪声分布，速度提上去了，成绩还能涨 2-3 倍，代码开源可以跑。

arXiv 上一篇理论论文，把满足化学习规则改写成贝叶斯估计器 ACB，还证明不可达目标下探索不会收敛，喜欢决策理论建模的可以看看推导。