Latest

这篇论文教你怎么拆开测决策模型：用算术规则把迁移、可靠性和信息利用分开量化，方法可以直接搬到自己的评测里。

人形机器人研究的新论文，把任务意图和全身控制拆成稀疏位姿加运动先验两路，仿真和真机都跑通了，做机器人方向的可以看看.

教智能体学技能不用整条轨迹都学，只挑 10% 关键位置就够，成功率还能涨 6 个多点，做 Agent 训练的可以看看。

训练交换相关泛函的老难题：能量准了密度就歪。这篇用 Brillouin 残差做惩罚项，只用 6 个能量加 11 个密度就把 SCAN 比下去了。

扩散语言模型的训练成本问题有了新解法，UDLM 加上循环层结构后省了近三分之一算力，做生成模型研究的可以看看。

一篇文章讲怎么让模型自己给自己出长文本考题，不用外部数据就用 GRPO 练出更强长上下文推理，还公开了实验对比，做长文本方向值得看看。

一篇推荐系统的论文，思路挺巧：不是给用户历史里每个商品都算同样深度，而是让模型自己决定哪些商品多想几步、哪些早点出结果，代码也开源了。

一篇纯理论论文，把Bernstein不等式推广到再生过程，让泛化误差界不再依赖独立同分布假设，还给出了极小化最优性证明。

这篇论文用理论推导拆解了卷积网络两大核心假设：c=0 时权重共享只带来 P 倍加速，c>0 时局部连接反而可能更好，结论挺反直觉。

训练 Flow Matching 模型的话可以看看，这个 VAP 方法能把平均损失拆到每个时间点，找出哪些区域数据不够、哪些是本质模糊，实验里 Fréchet 距离降了 23.6%。

arXiv 上的新论文 ASTEROID，不用 RL 就能让智能体学会边探索边决策，交互量少 100 倍还能上真机器人，做 agent 的可以看看。

做生物影像的朋友可以关注，arXiv 上新出的 BatchBench 排行榜，用 JUMP-CP 数据集专门测模型换个实验批次还稳不稳。

做 RLHF 隐私保护方向的可以看：这篇给了稀疏奖励估计的首套 DP 理论和算法，误差界只跟稀疏度 s* 挂钩，不随整个模型维度膨胀。

一个把网络攻击分流拆成三个校准小头的小模型，CPU 毫秒级跑完，还老老实实列出了哪些场景翻车，做安全检测的可以看看。

这个叫 Orbitol 的晶体生成器能按你指定的空间群出结构，速度比同类快两三个数量级，压电材料候选 89% 过了 DFT 验证。

这篇论文把多个 LLM 分类器的预测串成自适应电路，在七个任务上比 routing 和 cascading 更省成本更准，做分类系统的可以看看。

一篇联邦学习论文，用现成的分类器头当聚类信号，不用加额外优化，在最差客户端准确率上跑赢了对比方法。

一篇扩散语言模型论文，把 Self-Conditioning 从辅助技巧升级成整套生成框架，GSM8K 上 42.2% 对 34.5%，还把 Duo 微调后翻快三倍，做生成模型研究的可以看看。

Sakana 系 HGM 的后续工作，专治规划型智能体自我优化瞎折腾的问题，省 2-4 倍评估预算还涨 14% 准确率。

arXiv 上新出的对抗训练方法 ExGrad，靠减掉一部分干净梯度，在 CIFAR-100 和 ImageNet-100 上把 AutoAttack 鲁棒准确率实实在在抬了一截，做鲁棒性的可以看。

有人把调用图、分层文档和 CLIP 式检索拼在一起做代码库问答，500 万行仓库上 RAGAS faithfulness 过 90%，做代码检索的可以看看。

arXiv 上这篇论文给智能体行为画了张“地图”，不用实际跑任务就能比较 100 个 LLM 的行为差异，做 agent 评测的可以看看。

MoE 模型太大跑不动？这篇论文的 SPARE 方法不用训练，按每层路由熵决定剪多少专家，Qwen3 剪一半还涨了 6 个点。

GUI 智能体嘴上说完成但轨迹不支持，这论文教你怎么用独立审计拦住这类假成功，还给了具体拦截率数据。

OpenAI 证明了几十年悬而未决的 Nagata 猜想，这篇讲义把证明拆到非专家也能跟上，值得花半小时读读

论文发现模型做 CoT 时会抄近路不看推理步骤，RCD 用对比解码让答案真正依赖推理内容，五个基准准确率都涨，还不用训练。

这篇论文实测了各大时间推理基准，发现微调只涨本数据集分数，成绩靠的是知识记忆而不是推理，做评测的人该看看。

这篇论文用 FairAMO 协议证明：时序预测的多模型编排收益其实不到 6%，堆模型数量没用，互补性才是关键。

这篇论文发现 RL 并行思考的路径会越长越像，DPT 靠惩罚前缀相似度让模型真正多路探索，代码也放出来了。

这篇论文挺有意思：不用人工标注，直接从 MoE 的专家路由统计里挖出每步推理的置信度信号，做成过程奖励模型，能自动标注还能跨模型迁移。

这篇论文让模型自己改训练用的评分标准，再用改好的 rubric 做 DPO。结果很诚实：有的提升有的回退，适合做偏好优化的人看看细节。

一群研究者把薛定谔桥和平均场博弈的 PDE 串起来做了个生成模型 SBNL，MNIST 和 FFHQ 上都能跑，扩散模型也能被它统一进去。

有人把 Qwen3-8B 调教成短视频用户行为模拟器，提分 34% 后追平 Claude-Sonnet-4.5，8B 就能自己部署，做用户模拟的可以看看这篇。

给长期对话智能体做记忆的可以看看，它不像老方法那样全量追加或硬覆盖，而是按置信度决定强化、暂存还是衰减，代码已开源。

arXiv 上的新论文，讲怎么让 RL 训练跨多种 harness 泛化，做智能体训练的可以看看方法设计。

写 OPA Rego 策略的朋友看过来，这套多智能体框架能自动修策略代码，132 个真实 CVE 修复率 86.4%，还顺手放出了首个 Rego 修复基准。

这篇论文发现世界模型出错的地方很反直觉：不是画面糊的步骤，而是拿奖励的那几步。做规划或 RL 的人可以看看这个诊断思路。

这个 MERP 框架专门解决测试时部分模态缺失就崩的问题，只喂音频也能跑出 0.473 的 F1，代码还开源了。

有人写了个叫 Sanko 的求解器，把中国规则里的超级劫真算明白了，5x5 从 5 小时压到 16 分钟，还顺手解了 11 个没人解过的棋盘，代码全开源。