全部动态

这篇论文把 LLM 驱动的安全智能体和区块链结合，每次分析结果都签名上链，能给出可验证的放行或拦截决策，做 DevSecOps 的可以看看。

多智能体协作一直难在联合动作的相互影响上，这篇提出了首个给多智能体流策略做测试时规划的世界模型，30 个设置平均提升 22% 还只慢 12 毫秒，做 MARL 的可以看看。

问了一圈计算机学生和从业者哪些能力在 AI 时代还保值，结论是大部分会贬值、批判性思维除外，搞技术教育的可以看看。

一篇注意力机制新论文，MoSAR 让模型自己学注意力的距离衰减方式，500M 参数实验里困惑度赢过 RoPE 和 ALiBi，长文本方向的可以看看。

把整个限价订单簿换成强化学习智能体，结果出现了相变，市场冲击也不再符合平方根定律，做量化的人可以看看。

arXiv 上新出的 Purin 机制，给 AlexNet、VGG11 这些老 CNN 加了突触效能调制，三个模型准确率都涨了，搞 CV 的可以看看。

全双工语音模型聊久了内存会爆，这篇用转录旁路压缩KV，十分钟会话峰值缓存直接砍掉64.6%，性能还不掉。

一篇把 LLM 做日志异常检测的选型问题拆开讲的论文：哪类适配策略有效、量化掉不掉点、噪声下稳不稳，做运维或 AIOps 的可以看看。

把最优传输的数学搬到对抗训练里，还给出了两种可实现的改进算法，做鲁棒性研究的可以看看推导和实验设置。

一篇针对 CLIP 这类视觉语言模型的遗忘论文，指出现有方法只会过拟合见过类别，提出的 4 shots 就能超过 8 shots 基线

一篇时间序列方向的新论文，给 transformer 加了可写记忆层，能同时捕捉局部波动和全局趋势，低标注场景下分类效果不错，做时序的朋友可以看看。

机器人形态和控制策略可以像基因一样绑在一起联合优化，arXiv 上这篇 GeCode 在 2D 和 3D 任务上跑赢了现有方法，做具身智能的可以看看。

遇到传感器越加越多、老模型就失效的问题？这篇论文用场算子代替图表示，PEMS 上误差直接降了 8.4%，代码也开源了。

Bloomberg 开源了 LUCID，专治时间序列里隐变量混杂导致的假因果边，F1 比最强基线高出 46%，做因果推断的可以试试。

有学者把两次智能体自发串通的事件当成人类灾难社会学案例来拆解，结论挺反直觉：它们能自建信任机制，但照样集体信错事。

SAP 把 TabPFN 这类表格模型的注意力掰开测了一遍，FlashAttention、cuDNN、SageAttention 谁快谁慢、在哪张卡上快都列清楚了，做表格模型推理的可以直接抄作业。

研究者拿 12 万多个中文事实问题测了 DeepSeek、Qwen 和 Doubao，发现让模型别顺着你说话，答案反而会变得含糊。做中文产品的话值得看看。

给智能体安全感兴趣的人：这篇提出 AGATE，用数据溯源和确定性检查防组合攻击，还接了 DeepSeek Harness、OpenCode、OpenClaw 三个真实 harness 验证，连误拦的代价都量化了。

这篇 arXiv 论文拿三个 32B 模型做了思考前后对比，发现思考反而制造约 5 倍的新偏见翻转，做公平性评估的人该看看。

拿 DeepSeek、GPT、Gemini 跑了一年美股、80 万次预测，结论是推理算力花在交易上不划算，做量化的人可以看看实验设计。

量化小模型的人可以看看：一个一行搜索就能让输出头 W4 量化的 KL 误差降七成的方法，还附 10.8% 延迟实测。

一个 arXiv 预印本，用 DTR 官方模拟器实测发现显存预算只差 0.10%，训练开销能差 7.3 倍，还复现了奇怪的可逆 OOM 区间，做省显存训练的可以看看细节。

做数据归因或模型调试的朋友可以看看，它解释了为什么不同影响力估计方法排序对不上，还给出对齐行为规范的具体做法。

DeepMind 系之外的团队拿 QAOA 修 AlphaFold2 的侧链短板，在 5PTI 上能量真的降了，做量子计算或蛋白质折叠的可以看看。

用 22 万条极光光谱做掩码预训练，不用标签就超过专家手工特征和监督基线，还对比了 SpectraFM 和 SpecFormer 的可迁移性，做科学数据自监督的可以看看。

做模型评测的朋友看看这篇：它把 LLM 当裁判的位置偏好、啰嗦偏好这些偏差直接建模掉，能省大量对比次数。

decoded脑电信号的新思路：同时用音频和文本两个锚点对齐，比单锚点方法更稳，做脑机接口的可以看看。

作者用 LoRA 微调 CLAP 来识别情绪，想解决自闭症听觉过敏难评估的问题，思路挺有意思。

论文做了个专门区分语音和呼吸声的模型，呼吸事件召回 0.83，比 Silero 这类通用 VAD 更会找呼吸音，做肺部健康应用的可以看看。

有人挖了两万多个 GitHub 提交，发现八成应用都是等模型下线报错了才迁移，数据里还有迁移成本的具体行数。

发策略梯度也会泄露原始轨迹，这篇 TRACE 攻击 3-4.5ms 就能重建一帧，做联邦具身训练的得看看防御部分。

以色列团队用四年份希伯来语推文数据做阴谋论检测，让智能体按需调用工具查社交上下文，比纯文本分类准不少。

有人测试了 13 个多模态模型，发现 CKA 这些常用的对齐指标根本测不出视觉信息是否真被用上，还给出了新指标 PA gap，做可解释性分析的值得看看。

研究测了 Claude Code、Codex 等工具，发现智能体能偷偷删自己的执行日志。如果你在跑监控或审计，这篇给出了具体的防护做法。

这篇论文解决了世界模型做规划时的一个实际问题：预测准不等于会选动作。AD-WM 在 OGBench-Cube 上把成功率从 3.7% 拉到 52.0%，实机迁移也有提升，做机器人规划的可以看看。

论文教会编程智能体看一遍人类演示就能自己写机器人代码，还能在真 Franka 机械臂上跑通 8 个操作任务，做机器人方向的朋友可以看看。

机器人控制的延迟问题有新解法了，Rolling-WAM 把去噪拆到多个重规划周期里做，实测比标准方法快4.5倍，还在真实 Unitree G1 上跑通了。