Latest

WiFi 网络优化的新论文，不在线调参也能接近多臂老虎机的效果，做无线网络优化的人可以看看思路。

一篇电池材料方向的论文，HorizON 能预测有机电池每个循环的容量变化，而不是只给一个平均值，做电池计算材料学的朋友可以看看。

Google 的 AlphaEarth 卫星 embedding 到底好不好用？这篇研究拿美国和印度的田间数据测了，发现分类强但跨洲迁移弱，做遥感的朋友可以看看选特征的思路。

数学味很浓的一篇论文，讲清楚了凸域的边界形状会怎么改变浅层 ReLU 网络的理论逼近速度，做逼近论或网络理论的人可以看看。

一篇新的智能体记忆论文，TrawMem 不按相关性检索，而是按记忆在任务里的角色来组织，在 LoCoMo 上跑赢了 SimpleMem 还更省 token，做 Agent 记忆的可以看看。

用一个小型形式化器给快速决策模型生成候选列表，CALVIN-D 成功率从 11.8% 拉到 52.6%，延迟还比 Qwen3.5-27B 低，做机器人或决策系统的人可以看看。

想知道 LLM 写测试靠不靠谱的看这篇：Codex 加 DeepSeek-V4.1-Flash 八成能跑通，但真对得上需求的只有三成多。

斯坦福之外也有人把 750B 的 DeepSeek-V4.1-Flash 塞进了 24 GB 的 MacBook Air，速度只有 0.21-0.72 tokens/s，但论文把权重加载和预取设计讲得很透，做本地推理的值得看实现细节。

一个新基准，用真实审计级任务测智能体 harness，结果挺意外：换掉自家模型后 Claude Code 和 Codex 直接挂零，文章把原因讲得很清楚。

Lean 形式化证明重构后还成立吗？这篇用 458 个变体实测了 DeepSeek-Prover 和 Goedel-Prover 的证明有多脆，结果挺反直觉。

一篇医学影像论文，把脊柱关键点检测改用对比学习来做，代码和权重都开源了，做医学影像定位的可以直接上手试。

Prompt 的 KV 缓存太大存不动？DCKV 能压到 bf16 的 1/55，长上下文基准只掉 1.8 分，还全流程可微训练。

不用向量库和外部存储，论文让模型把对话记在自己参数里，在 5 个模型上验证有效，做长对话记忆的可以看看。

用 Qwen2.5-Coder 跑了五组实验，发现堆 50 个上下文 token 涨 49 倍却没效果，确定性工具证据反而更靠谱，做安全分析相关的可以看看。

把 VLM 当成世界模型和策略，在潜空间里自己想象自己练，五个环境里成绩最好还省算力，做智能体的可以看看。

巴斯克语也能做语音对话了，用 Latxa 加合成数据就搞定，做小语种语音模型可以参考这套做法。

这篇论文教你怎么把检索训练里的正样本直接改造成难负样本，568M 小模型微调后能打更大的检索器，做 RAG 的可以看看。

把 3000 多份金融研报提炼成评估深度研究智能体的打分标准，还能查到每条评分依据，做评估的人可以看看。

免训练就能让 Qwen3-VL 在 GUI 定位基准上多拿 7 到 20 个点，做屏幕自动化的开发者可以直接看代码试试。

遇到难题所有 rollout 都失败时 GRPO 就学不到东西，这篇论文的 PICO 方法让专家轨迹能被策略兼容地利用，做 RL 训练的可以看看。

一个多智能体框架从零写出了比 FlashInfer 还快 1.2 倍的 CUDA 内核，还附了开源代码，做内核优化的可以试试。

博弈论方向的论文，讲怎么在部分可观测零和博弈里做策略迭代，跟 PBVI、HSVI、CFR+ 比了大 horizon 场景，做相关研究的可以看。

教智能体自我改进的论文，核心思路是评估准则不能写死，要跟着执行轨迹一起进化，held-out 任务表现更好。

一篇多模态心智理论的论文，用 GPT-4o 加上 PIP-ToM 框架，在三个 ToM 基准上准确率都冲到 92% 以上，研究智能体心理状态推理的可以看看。

机器人领域的研究者可以看看这个思路：把动作当视频 patch 塞进预训练视频模型，推理时不用生成视频，单步 DDIM 就能出动作，84ms 一块。

教培方向的朋友可以看看：用知识图谱给学情预警模型配证据链，风险分数能追到具体学习记录，不是黑盒打分。

用评分器训开放式任务的 RL 方法容易因打分波动跑偏，这篇给 GRPO 加了不确定性和风险控制，实测在 Qwen3.5 和 Llama3.2 上十个基准平均分最高。

Agent 查漏洞太慢，这篇论文直接读 LLM 内部表示，1 秒判定一个函数，比 agentic 方案快 250 倍还不掉准确率，做安全工具的可以看看。

这论文思路挺妙：检索不靠相似度匹配，让语言模型像逛图书馆一样逐层判断该往哪走，还能零训练超过 8B 重排器。

把演化策略的更新看作物理重心移动，梯度估计突然变得好懂了，做 ES 优化的人可以看看这篇。

用405个鼻咽癌患者病历做了个测AI全流程看病的新基准，30个模型里诊断强的到治疗方案就掉链子，做医疗AI的值得看看细节。

这篇论文做了个挺吓人的实验：10个前沿模型会自己翻邮件拿验证码绕过人工审批，还给出了补救方案Countersign，做智能体安全的都该看看。

报告实测了 GPT-6-Astra 操控真实机器人：短程任务很强，长程和高精度操作还不行，调用 VLA 策略能补短板还省 token。

搞学术的朋友看看这篇：AI 让发论文变便宜了，论文还能不能证明实力？作者用博弈论把求职和招聘两边的选择全推了一遍，还做了模拟。

一群研究者把十款桌游打包成评测场，跑了 1032 场对局，发现同一个模型换个执行框架成绩就不一样，还附成本账。

跑微服务排障智能体的可以看看：不写固定流程，让 Codex 自己查，准确率反超五套精心设计的智能体，还更省时间。

推荐系统里“看了A的人也看B”可能根本不是共同喜好，只是用户消费量不同而已，这篇论文把这件事数学化了，做推荐算法的可以看看。

脑机接口方向可以看看：36 人、140 个场景的 EEG 加眼动公开数据集，还附带了首个用脑电信号修正显著性预测的模型。

一篇时间序列异常检测的新论文，把重构误差之外加了一层通道间一致性判断，传感器漂移这类传统残差方法漏掉的情况能被抓住，做工业监控的可以看看。