Latest

Every published item, in order · 7652 items

Blogs News Posts Papers Papers page →

Oct 15

Papers Builders12:37

Chinese contentSeTPO 训练方法让小语言模型更擅长调用外部工具

小模型学用工具的老难题有了新解法：SeTPO 用双向 KL 同时管住探索和模仿，BFCL v4 上跑赢了蒸馏和纯 RL，做端侧模型的可以看看。

#SeTPO #BFCL #API Bank #小语言模型

arXiv cs.LG@Haoxuan Gao et al. (8)Source

Papers BuildersMulti-source12:32

Chinese contentLAGO：把专用语言代理变成可复用选项，SWE-bench 解决 58.6%

新论文 LAGO：把成功子任务存成可复用选项库，不改权重跨任务变强，SWE-bench 上跑赢 mini-SWE-agent 和 Terminus 2。

#LAGO #SWE-bench #Qwen3.5 #mini-SWE-agent

arXiv cs.AI@Yuran Wu et al. (8)Source

Chinese contentα-stable 生成模型收敛性分析：尾部指数匹配是捕捉极端事件的关键

理论证明来了：α-stable 扩散为何比 Brownian 更会抓重尾——α 对上数据尾部指数，极端分位数才准。

#α-stable #扩散模型 #score-based #重尾分布

arXiv cs.LG@Ianis Hammani, Claire BoyerSource

Papers Builders12:30

Chinese contentPFR 测试揭示：类型化决策模型的 Fallback 机制反而引入错误

做请求路由或模型选择的可以看看：给模型留的兜底选项实测常出错，规则换个说法决策就变，这篇把坑测得很细。

#Typed Decision Models #PFR Test #模型评测 #开源模型

arXiv cs.AI@Yuanbo Xie et al. (6)Source

RisingGemini 4 Hydrogen Colette Kress Hydrogen Outlook More →

Papers US vs China12:22

Chinese contentLIBERO-RIG：评估视觉-语言-动作模型硬件鲁棒性的基准

机器人挪个位置、换个相机就不行？这基准造了 210 种硬件状况考 9 个 VLA 模型，最高难度成功率掉到 0.509。

#LIBERO-RIG #VLA #具身智能 #评测基准

arXiv cs.AI@Andrea Yaoyun Cui et al. (9)Source

Papers Builders12:18

Chinese contentWebKD：黑盒教师按学生风格改写失败轨迹来蒸馏网页智能体

闭源模型当老师也能蒸馏：只改错处、照学生的口吻写，TimeWarp 上比行为克隆高 5-10 个点。

#WebKD #知识蒸馏 #网页智能体 #开源模型

arXiv cs.AI@Md Farhan Ishmam, Kenneth MarinoSource

Papers Builders12:07

Chinese contentRelLedger：审计 LLM 智能体是否按"关系"决定信息传递

Claude 会看关系决定发不发消息，冲突历史下复核率掉 45.83 个点，做智能体协作的可以拿 RelLedger 审计流程直接用。

#RelLedger #Claude #智能体 #AI安全

arXiv: DeepSeek@Junxi Huang et al. (10)Source

Papers Policy12:06

Chinese contentinLoRA-MINT：用中间表征审计 LoRA 微调模型的训练数据

能判断某个样本有没有被拿去 LoRA 微调，在 Qwen、LLaMA 等四个模型上准确率超 95%。

#LoRA #MINT #微调 #AI安全

arXiv: DeepSeek@Gonzalo Mancera et al. (6)Source

Chinese content重新审视关系深度学习简单基线：特征传播加MLP逼近异质GNN

做关系库预测先跑这条基线，MLP加特征传播在RelBench上就能逼近GNN，省算力。

#RelBench #图神经网络 #关系深度学习 #Correct-and-Smooth

arXiv cs.LG@Viet The Nguyen et al. (3)Source

Chinese content贝叶斯多臂老虎机方法：在线挑选兼顾准确率与公平性的分类器

把挑分类器当成多臂老虎机来玩：准确率和公平性都计入奖励，标签晚到也能用，实测遗憾值明显低于基线。

#Thompson Sampling #多臂老虎机 #算法公平 #在线学习

arXiv cs.LG@Saatvik Kher et al. (4)Source

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

Email Telegram channel

Papers Builders11:55

Chinese contentCTXGAP研究：编程智能体的报告仅能恢复一半任务状态

用 DeepSeek 跑的测量研究：编程智能体的汇报只能恢复一半任务状态，失败的尝试可能压根没写进报告。

#DeepSeek #CTXGAP #编程智能体 #智能体评估

arXiv: DeepSeek@Guoyang Xu et al. (4)Source

Chinese content无需任务专属训练的表征配准方法登顶 PSMAReg 全身 PET/CT 挑战赛

没做任务训练也拿了第一：anatomix 特征加 FireANTs 跑 PET/CT 配准，代码已开源。

#anatomix #FireANTs #PET/CT配准 #医学影像

arXiv cs.LG@Neel Dey, Adrian V. DalcaSource

Papers PolicyMulti-source11:54

Chinese content论文复现 OpenAI ExploitGym 智能体提权漏洞 CVE-2026-65616

作者把 OpenAI ExploitGym 的智能体提权事故在本地复现了，附 Zero Trust 修复思路。

#OpenAI #ExploitGym #CVE-2026-65616 #智能体

arXiv: OpenAI@Alicia Colmenero-FernándezSource

Chinese contentSGQN论文：自适应动作网格未必是性能提升的关键

作者亲手用消融证明自己的核心机制没用，真正有效的是粗网格起步和 epsilon-greedy，这类论文不多见。

#SGQN #DecQN #Q-learning #DeepMind Control Suite

arXiv: Google DeepMind@Parham Nooranbakht et al. (3)Source

Papers Builders10:44

Chinese content新研究提出多开发者智能体系统：GAIA 上准确率从 35% 升至 70%

论文说多个开发者各做一个弱智能体，拼起来在 GAIA 上拿到 70%，反超预算数倍的单人系统。

#GAIA #多智能体协作 #智能体 #开发者协作

arXiv cs.AI@Austin W. Hanjie et al. (4)Source

Chinese contentLLM 集成增益从哪来：候选价值、多样性与聚合的拆解

arXiv 论文用 MultiHopRAG、FRAMES 证明：评 LLM 集成收益不先定对照，数字能差 8 个百分点。

#MultiHopRAG #FRAMES #RAG #模型集成

arXiv cs.AI@Donghwan KimSource

Papers Builders10:23

Chinese contentJointServe：在显存受限 GPU 上服务多模型智能体

一张卡塞不下多个模型就只能换入换出？JointServe 边生成边预取权重、护住 KV，SLO 达标率从 2.8% 拉到 76.8%。

#JointServe #智能体 #模型服务 #GPU显存

arXiv cs.LG@Daijin HuSource

Chinese content研究发现全模态大模型"知道却说不出"，OmniCatalyst 提升表达 7.29%

NAVER 论文发现全模态模型"看懂了却说不出来"，加一步自生成文本再推理就能提升 7.29%，方法已开源。

#OmniCatalyst #Omni-LLM #NAVER #多模态

arXiv cs.AI@Na Min An et al. (5)Source

Chinese contentSNACK 提出字符串形式的图表示，序列模型可生成 100% 有效结构

把图变成字符串让序列模型来生成，还能保证 100% 结构合法，做分子生成的可以看看这篇。

#SNACK #GFlowNet #图生成 #序列模型

arXiv cs.LG@Hohyun Kim et al. (4)Source

Papers Builders09:42

Chinese content文言文当推理语言：Wenyan Thinking 让中文模型思考更省 token

这批研究者把 Qwen3 的推理过程微调成文言文，更省 token、漏答更少，还压过了同样压缩过的白话版。

#Qwen3 #文言文 #推理模型 #微调

arXiv cs.AI@Minghan Li, Guodong ZhouSource

Chinese content论文提出RC-DS坐标，稀疏自编码器因子恢复率从0.506升至0.913

SAE学到什么会被readout缩放改变？RC-DS坐标把因子恢复率从0.506拉到0.913。

#稀疏自编码器 #RC-DS #可解释性 #语言模型

arXiv cs.LG@Brain Xiao, Sarah WilsonSource

Chinese contentVaryST：突破封闭环境限制的可泛化时空预测模型

做时空预测的看这篇：VaryST 换个域、缺观测也能出预报，对比 17 个基线的零样本泛化明显更强。

#VaryST #时空预测 #零样本泛化 #少样本学习

arXiv cs.AI@Shengnan Guo et al. (10)Source

Papers BuildersSelected09:22

Primus Projection Cuts Distributed LLM Training Tuning to Single-Node Simulation

Teams burning GPU-hours on OOM crashes and suboptimal parallelism recipes can instead score candidate configurations in seconds on one machine, then commit only to the promising ones. The paper's validated error rates at production scale — including on DeepSeek V3 and Qwen3 — make the projections credible for real deployments. Engineers planning training runs on 256 to 1,024 GPU clusters, or on hardware not yet available, get a practical tuning workflow they can adopt directly.

#Primus Projection #distributed training #DeepSeek #Qwen3

arXiv: DeepSeek@Anshu Raina et al. (10)Source

PapersMulti-source09:14

Chinese contentOpenAI 的 ω≤9/4 矩阵乘法上界构造推广至任意特征域

OpenAI 提出的 9/4 矩阵乘法上界原本依赖域特征，这篇论文用多项式插值重做构造，让它在任意域都成立。

#OpenAI #矩阵乘法指数 #张量分解 #多项式插值

arXiv: OpenAI@Houxi LüSource

Papers Policy09:13

Chinese content研究区分目标错误泛化的三种失败模式：目标丢失在不同深度

智能体跑得挺顺却追错了目标？这篇论文把这种失败拆成三种，还给出哪种干预能救回多少到达率的数据。

#Procgen #目标错误泛化 #智能体 #AI安全

arXiv cs.AI@Julia Barth et al. (4)Source

Papers BuildersMulti-sourceSelected09:13

Optimal-Delay Online Tokenization Algorithm Achieves Up to 34.8x Lower Latency

Tokenization is usually treated as a solved preprocessing step, so the result that streaming tokenizers can hit provably optimal delay reframes a real bottleneck for serving latency, especially time-to-first-token. Teams building inference infrastructure can swap in this algorithm without changing tokenizer semantics, since it works with tiktoken and HuggingFace vocabularies. The lower-bound proof also signals that further constant-factor gains are unlikely, which narrows where optimization effort should go.

#tokenization #BPE #tiktoken #HuggingFace

arXiv: OpenAI@Mina Dalirrooyfard, Christopher YeSource

Chinese contentProtModernBERT：省80-90%预训练算力的蛋白质语言模型

算力紧张也能训：ProtModernBERT 用一两成算力追平 ProtBert，架构比参数量更关键。

#ProtModernBERT #ESM2 #蛋白质语言模型 #AI for Science

arXiv cs.AI@Alberto Martínez et al. (4)Source

Chinese contentEventLens：用事件结构强化学习改进视频时序理解

给视频模型换个练法：不背字幕改练事件排序，GRPO 免人工标注，Qwen3-VL 上实测有效。

#EventLens #Qwen3-VL #GRPO #视频理解

arXiv cs.AI@Guowen Zhang et al. (9)Source

Papers Builders08:23

Chinese contentTIPER：用任务完整性约束的人设演化挖掘 LLM 智能体鲁棒性弱点

UCSB 开源的 TIPER 自动演化刁钻用户测智能体，成功率最多掉 33.7 点，做 agent 的可以拿来跑一遍。

#TIPER #GPT-5.4 #智能体 #智能体评测

arXiv cs.AI@Yutao Xie et al. (6)Source

Chinese contentLDM：用递归最小二乘做跨层记忆检索，困惑度优于 mHC 与 AttnRes

LDM 把跨层信息传递改成可检索的线性记忆，400M 与 1.5B 规模困惑度都低于 mHC 和 AttnRes。

#LDM #Depth Memory #mHC #AttnRes

arXiv cs.LG@David González-Martínez et al. (4)Source

Chinese contentGrokking 现象解析：什么条件触发延迟泛化、平台期有多长

Grokking 不玄了：这篇论文给出触发条件和平台期长度公式，还配了实验验证，做理论的可对照。

#Grokking #泛化 #深度学习理论 #学习动力学

arXiv cs.LG@Baye Malick Gning, Elvis DohmatobSource

Papers Policy05:41

Chinese contentSMD：纯回归式少步蒸馏框架，4步生成可反超多步教师模型

这篇论文把少步蒸馏简化成纯回归，4步生成就能反超多步教师，还做到了33B参数规模。

#SMD #模型蒸馏 #扩散模型 #视频生成

arXiv cs.LG@Jiawei Zhang et al. (8)Source

Chinese content异构异步多玩家多臂老虎机：最优分配NP难，贪心算法达1/√e近似

做在线学习或频谱调度的人看：异构多玩家老虎机最优分配是NP难，贪心就有1/√e近似，可当基线用。

#MMAB #多臂老虎机 #贪心算法 #在线学习

arXiv cs.LG@Sacha Arroues-Paykin et al. (3)Source

Papers Builders03:48

Chinese contentSA-CUA：为屏幕操作智能体构建防间接提示注入的信任边界

教屏幕操作智能体防住提示注入的论文：SA-CUA 攻击成功率压到 0，效用还比 CaMeL-CUA 高。

#SA-CUA #CaMeL-CUA #智能体 #AI安全

arXiv cs.LG@Dominik Seip et al. (3)Source

Papers Policy02:12

Chinese contentSkillScaffold：按需注入技能的智能体强化学习训练框架

智能体 RL 训练按需注入文本技能，省掉逐个试错的成本，ALFWorld 等四个基准全超基线，代码开源。

#SkillScaffold #智能体 #强化学习 #ALFWorld

arXiv cs.LG@Wenlin Zhong et al. (9)Source

PapersMulti-source02:09

Chinese content研究观测四代 ChatGPT 网页引用：外部代理仅还原约四分之一被引 URL

做 GEO 的朋友看这篇：ChatGPT 5.2 到 5.5 怎么挑引用被拆解了，外部工具只能猜中四分之一。

#ChatGPT #OpenAI #GEO #搜索引擎优化

arXiv: OpenAI@Yunxuan Jiang et al. (5)Source

Chinese contentScenario-Actor：让模型读懂对话场景再自动调采样温度

让模型先读懂场景再自动调采样温度，Llama-3.1-8B 上验证有效，搞解码优化的可以看看。

#Scenario-Actor #Llama-3.1 #Transformer #采样温度

arXiv cs.AI@Muyao Kong, Zhihao LinSource

Papers Builders01:15

Chinese contentGenRevisit：让图像生成智能体回看候选图，GenEval2 领先 12.7 分

教智能体改图前先回头挑更优候选图，GenEval2 比最强基线高 12.7 分，做图像生成的可以看看。

#GenRevisit #Qwen-Image #图像生成 #智能体

arXiv cs.AI@Zixu Wang et al. (11)Source

Papers PolicyMulti-source01:13

Chinese contentMalwareFormer：字节级 Transformer 恶意软件检测框架

MalwareFormer 直接啃二进制字节就能抓恶意软件，不用逆向分析，准确率 98.35%，误报不到 2%。

#MalwareFormer #Transformer #AI安全 #恶意软件检测

arXiv cs.AI@Abdelrahman Yassin Eljamal, Abdeltawab HendawiSource

Papers Builders00:53

Chinese contentSRO：用LLM智能体自动优化后训练配方，Qwen3上远超基线

SRO让LLM自动设计后训练配方空间，再用贝叶斯选试验，Qwen3上分数远超基线，代码已开源。

#SRO #Qwen3 #智能体 #后训练

arXiv: DeepSeek@Ruohong Liu et al. (5)Source

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