论文20:29
Transformer 可省去 Key 和 Value 投影？新论文砍掉 50% KV 缓存做 LLM 推理优化的团队可以直接参考这个设计——砍掉一半 KV 缓存但几乎不损质量，值得在自家模型上试试。
全部动态
AI 相关资讯全量信息流 · 785 条
6月9日
Anthropic研究：AI智能体在生物学任务中表现不稳定，重复检索工具可提升准确性
这项研究揭示了AI在科学数据检索中的致命短板，做生物信息学或依赖AI处理数据库的团队值得关注——重复检索工具可能是提升可靠性的关键。
AI 智能体如何重塑知识工作：新论文解析
这篇论文戳中了知识工作者用 AI 智能体的真实痛点——不是模型不够好，而是没人教你怎么用。做知识管理、流程优化的团队值得一读，看完会对智能体落地有更清醒的认识。
AdaCoM：用小模型管理上下文，让AI Agent长任务性能提升39%
做长任务 Agent 开发的团队终于有了一个不碰模型权重就能提升性能的方案——AdaCoM 用一个小模型当上下文管家，实测搜索任务提升 39%，值得在项目里试试。
6月8日
Multiverse Computing 用小块量子电路为 Llama 3.1 8B 扩容，仅加 6000 参数
这项研究为 AI 模型扩容提供了非传统路径——用量子电路替代参数堆叠，做模型压缩或效率优化的研究者值得关注，它可能开启低资源提升模型性能的新方向。
斯坦福/MIT/哈佛/Anthropic 联合论文：大模型为何能学会小模型错失的技能
做模型训练或理解 scaling law 的团队值得一读——这篇论文把大模型涌现能力的机制讲清楚了，不是玄学而是容量与干扰的数学问题。
AutoLab 基准测试：强 AI 智能体在长周期研究中仍因缺乏坚持而失败
做 AI 研究和智能体开发的团队会看到，坚持比聪明更重要——AutoLab 的发现直接点出了当前智能体在长任务中的致命弱点，值得反思自己的智能体设计。
《How LLMs Actually Work》HN 第一，深入浅出讲 Transformer
想搞懂 LLM 原理但被 Transformer 劝退的开发者，这篇用活人语言讲清楚了，比看论文轻松太多，建议直接点开。
Meta-Agent Challenge：当前AI智能体能否自主构建更好的智能体？
这篇论文戳破了AI智能体自主性的泡沫——当前智能体更像是强大的执行者而非自改进的工程师，做智能体开发或自动化研究的团队看完会重新思考自主性的真正门槛。
6月7日
Continual Learning Bench：简单ICL击败专用记忆系统
如果你在构建或研究持续学习智能体，这个基准测试直接挑战了当前记忆系统的有效性——简单ICL反而更好，值得所有AI研究者点开看看。
MIT 论文提出自进化 AI 科学家框架：让 AI 学会改变思考方式
这篇论文戳中了当前 AI 科学系统的核心瓶颈——只会搜索不会创新，做 AI 科研或科学自动化的团队值得关注，它给出了一个严谨的形式化框架来定义真正的发现。
6月6日
NVIDIA PixelDiT 入选 CVPR2026 最佳论文候选：直接像素空间扩散
NVIDIA 的 PixelDiT 解决了传统扩散模型因预训练编码器压缩导致的质量损失问题，做图像生成的研究者和开发者值得关注——它可能改变现有生成流程的底层设计。
论文02:46
NitroGen 获 CVPR 最佳论文提名，迈向通用具身智能体做具身智能和仿真研究的团队值得关注——NitroGen 解决了智能体跨物理规则泛化的核心难题，看完会理解通用智能体的下一个突破口在哪。
6月5日
腾讯混元开源PlanningBench：评估LLM规划能力的可扩展框架
PlanningBench解决了LLM规划能力评估缺乏标准化基准的问题，做AI Agent或任务规划的研究者和开发者可以直接用这个框架测试和训练模型，建议点开看看具体任务和验证方式。
Google LEAP：让通用LLM形式数学证明成功率从10%飙升至70%
做 AI 推理、数学证明或形式化验证的团队会发现，LEAP 把通用 LLM 的数学能力拉高了一个量级——不用专用模型也能解 IMO 级难题，值得直接看论文复现思路。
Harness-1 让搜索智能体更好：将记忆工作外置到辅助系统
做搜索智能体或 RAG 系统的开发者，Harness-1 的思路能帮你解决模型上下文窗口瓶颈，让智能体在复杂搜索中更高效，值得参考其状态外置设计。
Google LEAP：通用LLM形式数学证明成功率从10%提升至70%
这项研究解决了通用 LLM 在形式数学中「一次性写完整证明」的致命短板，做 AI 推理、数学辅助工具或形式验证的开发者值得关注——LEAP 的智能体框架思路可能启发更多复杂推理场景的改进。
LlamaIndex 团队在 CVPR 2026 发布 ParseBench：文档理解新基准
做文档解析或 RAG 系统的开发者终于有了一个贴近真实业务场景的评估工具——ParseBench 用 2000 页企业文档测试 VLM 的语义理解能力，比现有基准更贴近实际需求，值得关注并尝试。
6月4日
LlamaIndex 发布 ParseBench：CVPR 2026 最全文档理解基准
做文档解析、RAG 或 AI Agent 的团队终于有了一个靠谱的评测标准——ParseBench 覆盖了企业文档的真实痛点，建议直接拿去测你的模型或产品。
LLM智能体记忆不可靠：反复重写反而更糟
做AI智能体开发的团队会立刻警觉——你精心设计的记忆系统可能在悄悄退化。这篇论文用实验数据戳破了「自动总结记忆」的幻觉，建议所有用LLM做长期任务的开发者点开看看，别让记忆成为瓶颈。
Google DeepMind 论文警告：AI 智能体正面临环境攻击的严重威胁
这篇论文戳破了「模型安全=一切安全」的幻觉，做自主智能体开发、RAG 系统或浏览器自动化工具的团队，建议认真看看攻击面到底在哪。