Latest

这篇论文把儿童语音助手、青少年AI陪伴、老年人护理拒批这些案例串成一个问题：我们默认用户都是成年人。安全从业者可以看看那个风险矩阵和三层评估框架。

训练 RL 模型被 reward hacking 折腾的话看看这篇：给出具体审计策略 LB，只用 28% 标注就接近全量审计效果。

一个专门给自动化科研系统打分的新基准，9 个预训练目标、7 个 harness 横向对比，结果挺意外：简单基线跑赢了不少复杂方法，代码也开源了。

伯克利这边搞了个 FLORE 框架，人形机器人能边走边用手感知力，比如开门拧把手，成功率从 26.7% 拉到 80%。

一篇给 Agent 开发者的系统化梳理，把工作智能体拆成模型加 harness 两层，还给了五种工作形态和五大能力族的分析框架，读个大纲就能对照自己项目查漏补缺。

做联邦学习隐私的可以看看，这个协议允许各客户端用不同量化精度上传，还能抗合谋和掉线。

不用一条真实机器人数据，27B 视觉语言模型仿真里练出来就能 96.7% 完成真实任务，还比 GPT-6 Astra 便宜 17 倍，机器人方向值得看看这篇。

有团队发现 VGGT 的冻结特征里藏着它自己位姿对不对的信号，线性探针就能以 93.5% 的 AUC 挑出失败案例，还能直接迁移到 π³ 等模型上。

一个叫 FOCUS 的 RL 方法，专治长程智能体训练里早期动作拿不到奖励的老问题，实测比 GRPO 和 VinePPO 高好几个点。

训练偏好模型总学到不该学的关联？这篇论文用平局样本解决了，还告诉你怎么挑最有用的那些，实验覆盖到大语言模型。

训练自监督模型时只看 loss 可能掩盖编码器退化，这篇论文用已知答案测试直接验证了这点，做表征学习的人该看看。

做强化学习离线评估的人可以看看，PBV 不用额外训练验证模型就能在候选里挑出最好的 Q 函数，论文里 Hopper 和 Deep OPE 都有实验。

做模型可解释性的人看看这篇：LUCID 用条件密度估计来做局部变量重要性，比普通扰动法更尊重特征依赖，还有收敛保证。

一篇多智能体强化学习论文，提出 MIRL 方法让智能体自己学着权衡多个目标，Pareto 前沿质量超过了基线，做 MARL 的可以看看。

训练模型同时兼顾多个目标时总顾此失彼？这篇论文给了可量化的冲突度量加两个能落地的算法，Meta-World 上实测涨了 4.3%。

arXiv 上这篇论文提出 TRACE，不用存旧样本就能记住旧类别，内存比 TS-ACL 少约 98%，做时序持续学习的朋友可以看看。

researchers 拿 JEV 和 Qwen Flash 跑临床试验筛选，MIMIC-III 上 F1 高了 0.234，成本还便宜一半以上，做医疗 NLP 的可以看看。

如果你搞扩散模型，这篇用随机矩阵理论算清了对称性学不会的三个来源，结论是目标噪声最难消除，挺反直觉的。

一篇物理控制的探索方法论文，HTC² 用 Hamiltonian 相空间结构加多步时序对比学习算内在奖励，在 DeepMind Control Suite 六个任务上和 ICM、Plan2Explore 这些老方法比了个遍，做 RL 探索的可以看看。

微软这篇论文做了个自动越狱攻击器，对 GPT-5.4、Claude-Haiku-4.5 这些模型的攻击成功率近六成，做 AI 安全的得看看对手手段。

有人在 DeepSeek V4.1 Flash-1017 发布后独立测了它的失控和操纵风险，还和 GPT-6、Gemini 3.8 摆在一起对比，结论有具体建议，做安全评估的可以看看。

训练好的安全探针换模型不用重训了，Qwen 和 Llama 系列实测迁移后 AUC 几乎不掉，不过误报率有点高，做安全审计的可以看看细节。

想让本地小模型做代码安全审查的可以看看，Qwen2.5-Coder-7B 微调后准确率从 4.8% 干到 96.6%，还开源了带 1993 个样本的数据集。

代码智能体改着改着就跑偏？这篇论文用需求-代码对应关系把它拉回来，GLM-5.2 上 MPR 涨了 19.99，还开源了。

有人给 Lean 形式化做了个语义对齐检查器，用依赖图让 LLM 找形式化定理和论文原文的出入，还放了个 501 条的基准。

这篇论文做了个叫 ORION 的工具，能在 PR 合并前自动找出代码回归，F1 超过 Codex 和 Claude Code，还能接进 CI/CD，做开发的朋友可以看看。

只往技能池塞 5% 新技能，违规率就从 35% 飙到 58%，做 agent 技能生态的都得看看，论文还附带了能降到 6.67% 的防护方案。

晶圆缺陷检测不用再标注数据重新训练了，论文用提示词排序技巧让冻结多模态模型在WM811K上跑到81.3%，做工业质检的可以看看。

用 GNN 做负荷预测的可以先看看，论文给了三个参照模型加重连测试，帮你判断图结构到底有没有用，还是只是参数共享在起作用。

一个测交叉公平性的新基准，10 万级可控实例能把单属性测试里看不出的问题暴露出来，做模型审计的可以试试。

一篇检索论文：训练双编码器时，用领域规则挑负样本，比单纯靠相似度排序挑效果更好，MOOCCubeX 上 8 个配置赢了 6 个。

这篇把专利检索、撰写、答复审查意见拆成 510 个真实任务来考 7 个大模型，想看 agent 到底能不能干专业活的可以看看差距在哪。

物理和机器学习交叉的好工作，符号回归把单颗 NV 色心的光谱推到系综级别，误差降了一半多，还保留了可解释的哈密顿量。

一篇关于智能体 RL 训练的新论文：MPO 把 credit 分配对齐到 turn 粒度，在 4B 和 30B-A3B 模型上稳定跑赢 RL 基线，做智能体训练的可以看看。

这篇论文把 LLM 过度自信的锅定位到具体的内部组件，再动手干预，校准指标全面改善还不掉准确率，思路挺新。

研究者抓了850万条Reddit帖子，把GLP-1减肥药的真实用户体验做成可问答的知识图谱，还对比了FAERS漏掉的日常副作用。

一篇针对 Fast-BEV 的论文，用剪枝加重训再平均的办法，把噪声天气下的鲁棒性拉高 33.8%，推理还不变慢。

arXiv 上一篇分析工具论文，用 SVD 拆开注意力头看哪些层真有冗余，还能和剪枝叠起来省 8-11% 推理计算。

让小模型靠"骗过"大模型来学本领，不用标准答案，Qwen2.5-1.5B 在四个基准上都有提升，训练思路挺新颖。