Latest

Every published item, in order · 7652 items

Blogs News Posts Papers Papers page →

Oct 20

Papers Builders09:27

Chinese contentDialogMem 基准：评测对话与视觉结合的具身记忆

这个新基准挺有意思，142 个 episode 测试智能体怎么把人说的话和看到的东西绑定起来，实验发现对话对问答有用、对导航基本没用，问题出在物体级关联上。

#DialogMem #具身智能 #基准评测 #物体导航

arXiv cs.AI@SeongJun Jeong et al. (4)Source

Papers Builders09:27

Chinese contentCorrFlow 提出自校正流匹配框架，用轻量修正器降低生成误差

一篇很巧的生成模型论文：给流匹配加个轻量修正器，每步多算一次就能纠错，图像和视频生成质量都有提升。

#CorrFlow #流匹配 #视频生成 #图像生成

arXiv cs.AI@Hangwei Zhang et al. (3)Source

Papers Builders09:27

Chinese contentReTRACE：用 LLM 智能体做逆合成路线规划

一篇把 Claude Opus 4.8 变成合成化学助手的论文，逆合成路线三成基准过审率超 87%，还做了湿实验验证。

#ReTRACE #Claude Opus 4.8 #逆合成 #LLM 智能体

arXiv cs.AI@Jinxiang Xie et al. (5)Source

Papers Builders09:26

Chinese contentPAA-Bench 提出重新评估 VLM 视觉 token 剪枝：准确率和 token 数都不是好指标

论文发现现行的 VLM 剪枝评测方式有漏洞，模型可能靠文本捷径蒙混过关。作者做了个 PAA-Bench 框架和 PCS 指标，8 种方法实测后发现压缩更多 token 未必更快，想给剪枝方法做评测的可以看看。

#VLM #PAA-Bench #视觉token剪枝 #推理优化

arXiv cs.AI@Geng Li et al. (4)Source

RisingGemini 4 Hydrogen Colette Kress Hydrogen Outlook More →

Oct 19

Papers Builders12:19

Chinese content像素扩散新参数化 MFlow 与卷积精修模块 ConvRefiner

arXiv 上的新论文，像素扩散模型不再二选一，MFlow 让模型自己学该用哪种预测方式，ConvRefiner 还能低成本补上高频细节，做生成方向的可以看看。

#MFlow #扩散模型 #DiT #文生图

arXiv cs.AI@Soumik Mukhopadhyay et al. (4)Source

Papers Builders12:18

Chinese content研究提出 SEER-Repro 基准，用 LLM 智能体复现医学论文结论

研究者做的实验挺有意思：让 AI 智能体去复现 20 篇癌症研究论文，77.4% 的论断能复现出来，还能自动检查结论稳不稳。

#SEER-Repro #LLM 智能体 #智能体 #AI安全

arXiv cs.AI@Shicheng Liu et al. (9)Source

Papers Builders12:18

Chinese contentSelf-Building Labs 提出 SBL：实验室可自行搭建并运行实验

这篇论文挺有意思，实验室能自己搭自己：给个科研目标，它连布局、数字孪生和机器人技能都自己搞定，还跑了真实的量子点合成实验。

#self-driving laboratory #SBL #机器人 #科学自动化

arXiv cs.AI@Jiaru Bai et al. (7)Source

Papers Builders12:18

Chinese contentConSDL 提出用稀疏编码替代 SAE 线性编码器，提升跨种子一致性

做可解释性研究的同学可以看看，SAE 跨种子结果不稳定的老问题，这篇用逐样本稀疏编码给出了解法，一致性提升挺明显。

#SAE #ConSDL #稀疏编码 #可解释性

arXiv cs.AI@Jinho Choi et al. (4)Source

Papers BuildersMulti-sourceSelected12:18

FuTransformer: FP8 prefill and INT4 decode kernels for Hopper GPUs

The paper shows the quality-price of aggressive quantization is now measured, not guessed: INT4 weights plus a Hadamard-rotated INT4 cache cost under one perplexity point while roughly tripling decode speed on H100. Engineers serving Llama-3.1-class models on Hopper GPUs can use its fragment-layout dequantization and KV-cache placement techniques to cut latency without falling back to padded prefill. Compared with PyTorch's INT4 kernel, which loses to BF16 at batch 32, this design stays fast up to batch 32.

#FuTransformer #Llama-3.1-8B #FP8 #INT4

arXiv cs.AI@Wei WangSource

Chinese contentTUPLE-Bench 揭示类型化决策模型的隐私泄露问题，并提出 WCPQ 缓解方法

一篇关于决策模型隐私泄露的论文：测了九个模型，发现置信度分数会泄露不该给的信息，还给了 WCPQ 方法来降泄露。做 API 输出设计的人可以看看。

#TUPLE-Bench #隐私 #WCPQ #基准测试

arXiv cs.AI@Yiqu Yang et al. (5)Source

Tomorrow 08:00, the daily lands in your inboxTelegram channel or email. Same screening as this page, no ads.

Email Telegram channel

Papers Builders12:16

Chinese contentMental World Model 框架提出：让 AI 建模主观心理状态的演化

一篇关于 Theory of Mind 的论文，提出的 MMEA 在 DynToM 上拿到 96.48%，比主流 LLM 高出不少，做心理建模方向的可以看看。

#Theory of Mind #Mental World Model #MMEA #心理状态推理

arXiv cs.AI@Qingshi WangSource

Papers Builders12:16

Chinese contentNeural Expansion 框架从训练动力学解释深度网络泛化机制

arXiv 新论文，用射线覆盖扩张这个几何视角解释网络为什么能泛化，还能覆盖对抗样本和误标注数据，做理论研究的可以看看。

#Neural Expansion #泛化 #理论 #对抗样本

arXiv cs.AI@Chashi Mahiul Islam et al. (5)Source

Papers Builders12:16

Chinese contentGLOBE：用结构化智能体记忆优化电商商品在生成式搜索中的表现

一篇讲电商商品怎么在生成式搜索里排名更好的论文，核心是把成功优化经验存成可复用的行为手册，比单纯调 prompt 稳。

#GLOBE #智能体记忆 #生成式搜索 #电商优化

arXiv cs.AI@Hyunseo Kim et al. (4)Source

Papers Builders12:16

Chinese content论文提出评估框架：LLM 智能体生成医疗运营决策权重需先审计

把多个 LLM 智能体当利益相关方给医疗排班打分这招能用，但论文用实验证明讨论会抹平分歧、选项顺序会带偏结果，想真拿来做决策前得先跑这套审计方法。

#智能体 #LLM #多准则决策 #医疗运营

arXiv cs.AI@Marco Boresta et al. (4)Source

Chinese contentGEMS 用图编辑搜索从小分子质谱推断分子结构

质谱解分子结构向来慢，GEMS 把它变成图上的搜索问题，几分钟跑完过去一天多的活，做代谢组学的可以看看。

#GEMS #质谱 #分子结构解析 #MIST

arXiv cs.AI@Utku Umur Acikalin et al. (6)Source

Papers Builders12:15

Chinese contentHIJP：用逆向模型替代在线搜索的潜空间规划框架

做视觉控制或世界模型方向的朋友可以看看，HIJP 把规划里的在线搜索换成一个逆向模型，成功率 86.8%，速度还能快 1.9 到 16.5 倍。

#HIJP #JEPA #世界模型 #视觉控制

arXiv cs.AI@Guanchen Du et al. (6)Source

Papers Builders12:15

Chinese contentSIT-Eval：基于情境的逐轮对话智能体评测框架

德国团队做了个对话评测新框架，8 个模型跑 1292 轮情境对话，总分看不出的问题逐轮都暴露出来了，做 Agent 评测的可以看看。

#SIT-Eval #LLM-judge #对话智能体 #评测基准

arXiv cs.AI@Ravil Mussabayev et al. (4)Source

Papers Builders12:15

Chinese contentCDSE 方法让智能体技能按功能分化，36 项测试全面领先

一篇讲怎么让智能体自己进化技能的论文，把技能拆成四个组件分别管理，36 个测试全拿了第一，搞 Agent 的可以看看。

#智能体 #CDSE #LLM Agent #技能进化

arXiv cs.AI@Yewei Zhao et al. (9)Source

Papers BuildersMulti-source12:15

Chinese contentTIDER：用强化学习定位时间窗口，改进 LLM 智能体长期记忆检索

记忆检索总被时间对不上的相似内容干扰？这篇提出 TIDER，用 1.7B 小模型+RL 定位时间窗口再检索，LifeBench 和 LoCoMo 两个基准都刷新了纪录。

#TIDER #强化学习 #RAG #智能体

arXiv cs.AI@Dabin Sheng et al. (5)Source

Papers Builders12:14

Chinese contentDarwin-Claw 论文提出环境自适应的自进化智能体框架

这篇论文做的是让智能体能从历史交互里持续学习，Darwin-Claw 把错误归因蒸馏成可复用的经验，在 WildClawBench 上验证有效，做智能体开发的可以看看。

#Darwin-Claw #智能体 #WildClawBench #论文

arXiv cs.AI@Mingze Yin et al. (7)Source

Papers Builders12:02

Chinese content行为耦合：预训练文档可让微调后意外行为成对涌现

这篇论文挺有意思：模型只要在文档里同时读过两种行为，微调一个就会带出另一个，还能跨文档传递链式触发，做对齐的人该看看。

#LLM #微调 #AI安全 #行为对齐

arXiv cs.LG@Dongyoon Hahm et al. (6)Source

Chinese content研究揭示参数化量子电路中任务对齐的谱归纳偏置

搞量子机器学习的可以看看，这篇讲清楚怎么根据任务的频谱结构来设计电路的归纳偏置，还有SAR雷达分类的实验验证。

#参数化量子电路 #归纳偏置 #量子机器学习 #合成孔径雷达

arXiv cs.LG@Felix Frohnert et al. (6)Source

Chinese contentReDiST 提出按学生条件构建推理轨迹的蒸馏方法

蒸馏推理模型时，与其给标准答案的思路，不如从学生自己的错误草稿修出一条它能学会的路径，这篇论文就是这么做的。

#ReDiST #推理蒸馏 #知识蒸馏 #推理模型

arXiv cs.LG@Shaoang Li et al. (9)Source

Chinese content量子网络的传输质量估算：该用计算、模拟还是学习

量子网络怎么做路由调度？这篇论文给了套选计算、模拟还是学习模型的方法论，还讲了各自的适用边界。

#量子网络 #QoT估算 #保真度 #机器学习

arXiv cs.LG@Anis Bekri et al. (5)Source

Chinese contentENFR：用流匹配参考网络估算贝叶斯证据的绝对值

证据 Z 一直很难算，这篇论文用流匹配参考把它变成可摊销的快速估计，还超过了流基线，做 SBI 的科研读者可以看看。

#ENFR #Simulation-Based Inference #贝叶斯证据 #流匹配

arXiv cs.LG@Kai Lehman et al. (8)Source

Papers Builders12:01

Chinese content面向球面数据的 SO(3) 等变卷积网络：无需重新学习对称性

一篇让球面物理数据训练省模拟预算的方法：直接把 SO(3) 对称性写进网络结构，宇宙学透镜推断里同预算下 posterior 最紧。

#SO(3)#HEALPix #等变网络 #宇宙学

arXiv cs.LG@Joshua Williamson et al. (3)Source

Papers Builders12:01

Chinese contentCocoRNA：用多智能体强化学习做RNA序列设计

把RNA设计拆成多个智能体分工协作，用强化学习一起训练，在Rfam上成功率和速度都超过现有方法，做计算生物学可以看看。

#CocoRNA #多智能体强化学习 #RNA设计 #生物序列

arXiv cs.LG@Tianmeng Hu et al. (3)Source

Chinese content基于通用语义增强的表格数据弱监督异常检测方法

只给你 8 个标注异常样本也能做表格异常检测，方法是把预训练表格基础模型的通用知识和自己数据集的特征融合，实验跑赢了现有方法。

#异常检测 #表格数据 #弱监督 #arXiv

arXiv cs.LG@Siyu Zhou et al. (4)Source

Chinese contentWarm-Start UCB：从延迟单边反馈学习个性化记忆门控

一篇讲智能体记忆管理的论文，提出 Warm-Start UCB，能按用户学习该记住哪些事实，还带遗憾上界证明。

#记忆门控 #Warm-Start UCB #语言模型智能体 #UCB

arXiv cs.LG@Kaixuan Ji et al. (12)Source

Chinese content机器学习预测纤维增强高性能混凝土高温后的抗压强度

用 1204 条混凝土实验数据训练模型，XGBoost 预测高温后强度误差不到 4 MPa，还配了个 Python 小工具，材料方向的可以看看。

#XGBoost #Gradient Boosting #SHAP #可解释机器学习

arXiv cs.LG@Jagaran Chakma et al. (4)Source

Papers Builders12:00

Chinese contentPrimal-Dual 学习中的参数共振：慢变约束 MDP 稳定性分析

训练带约束的强化学习智能体总不稳定？这篇论文找到了根源：两处约束估计不一致引发的参数共振，还给出了抑制办法。

#constrained MDP #强化学习 #参数共振 #primal-dual

arXiv cs.LG@Maxime BaeldeSource

Chinese content基于注意力机制的神经网络用于采样二维 XY 模型

物理学家把 transformer 改造成统计力学采样器，96×96 格点的 XY 模型都能跑，还验证了不漏构型，做计算物理的可以看看。

#transformer #XY model #变分自回归网络 #蒙特卡洛采样

arXiv cs.LG@Piotr Białas et al. (4)Source

Chinese content研究提出宽神经网络学习动力学的介观描述方法

一篇理论论文，讲宽神经网络学习怎么从集体变量过渡到单个特征被发现，搞理论的朋友可以看看。

#神经网络 #学习动力学 #SGD #特征学习

arXiv cs.LG@Shu Zhou et al. (3)Source

Papers Builders11:59

Chinese content用一阶逻辑引导图扩散模型生成，减少无效图

用一阶逻辑约束扩散模型，推理时就能减少无效图，做图生成的朋友可以看看

#图扩散模型 #一阶逻辑 #知识图谱 #classifier guidance

arXiv cs.LG@Samuel Cognolato et al. (4)Source

Papers Builders11:59

Chinese contentarXiv 论文提出扩张域神经消解框架，追踪守恒律从局部到全局的失效

一篇把机器学习和动力系统理论结合的论文，用扩张域训练追踪守恒律在哪里失效，还能判断系统离 Liouville 可积有多近，做可积性研究的朋友可以看看。

#守恒律 #可积性 #动力系统 #机器学习

arXiv cs.LG@Jimmie Adriazola et al. (4)Source

Chinese content基于表示质量的紧致泛化边界：k-NN 证书摆脱参数空间复杂度

有人用 k-NN 分类器给神经网络算出了很紧的泛化证书，CIFAR-10 上只差 8 个点，ImageNet 上也能算出具体数字，做理论的可以看看。

#k-NN #DINOv2 #CIFAR-10 #ResNet-18

arXiv cs.LG@Niclas Göring et al. (4)Source

Papers BuildersMulti-source11:57

Chinese contentClaude Opus 5.5 找到环 Petri 网活性问题的 coNP 完全性证明

几个计算复杂度的公开问题被 Claude Opus 5.5 找到了归约证明，人只负责验证和修改，这篇论文本身就成了人机协作做数学的案例。

#Claude Opus 5.5 #Petri网 #chip-firing #计算复杂性

arXiv: Anthropic@Eike Best et al. (4)Source

Papers BuildersMulti-source11:56

Chinese contentarXiv 新论文给出 Brennan 猜想的更短证明

OpenAI 用 AI 证明了数学界悬了几十年的 Brennan 猜想，有人还把证明砍短了，数学圈和 AI 圈都该看看。

#OpenAI #Brennan猜想 #数学证明 #arXiv

arXiv: OpenAI@Ilia Binder et al. (4)Source

Papers BuildersMulti-source11:55

Chinese contentOwlSight 论文提出 Factor 策略监控思维链推理

一篇讲怎么监控推理模型思维链的论文，一个监控器管多任务，还在 OpenAI 的基准上拿了第一。

#OwlSight #CoT #OpenAI #AI安全

arXiv: OpenAI@Lewen Yan et al. (4)Source

Papers Builders10:28

Chinese contentPresenceBench：评测大模型对用户状态的适应能力

四个主流模型谁更懂“你现在的状态”？这篇论文用五臂对照实测了，结果比想象中微妙，做对话产品的可以看看评测方法。

#PresenceBench #Claude #DeepSeek #Gemini

arXiv: DeepSeek@Peña Arroyo Gallego et al. (5)Source

Only the latest 2000 items are listed; for older ones see the daily archive