全部动态

Target 公开了自家电商搜索的完整架构，从 embedding 训练到融合策略都讲了，做电商搜索的直接抄作业。

有人在 5 个模型上复现了 PoLar 这篇论文，结论一半成立一半翻车，还发现纠错程序脆弱得离谱，做层路由研究的可以看看。

论文做了一个把医疗设备接入 MCP 的安全网关，Agent 只能读数据和模拟操作，代码不会真的控制设备，做医疗 AI 的可以看看。

有人把聊天记录做成了可编辑的：改一句话，历史里过时的内容直接消失，17 人实测大家都更喜欢，代码还开源了。

一篇把 14B 视频世界模型压到 1.3B、四步就能跑的蒸馏论文，专治 DMD 蒸馏后机器人动作变僵的问题，做具身智能的可以看看。

本地跑小模型抽文档信息？这篇把能耗账算清了：批处理省 38-85% 电，纯文本场景用文本模型比视觉模型又准又省。

这篇讲怎么用检测器数痘加上整体照片评分来做痤疮分级，模型可解释，还坦白了跨数据集失效的原因，做医疗影像的可以看看。

一篇教你怎么在部署前自动找智能体漏洞的论文，72 个真实漏洞复现，攻击成功率比 Codex 高出不少，做智能体安全的必看。

机器人方向的概念论文，想在 VLA 的视觉嵌入上训练世界模型，从而省掉海量模仿数据，还能做短期规划，思路挺有意思。

Agent 批准了改数据库，结果顺带发了条没人要的通知，现有护栏根本拦不住。这篇论文的 EffectMatch 在提交前比对实际持久化结果，206 个任务上全拦住了错误提交。

一篇医学 AI 论文：UniAR 用多模态模型自动生成诊断文本来补数据缺口，自闭症筛查在 MRI 上准确率到 75.9%，还更可解释。

多智能体离线RL的新做法：部署后不用重训，靠critic梯度在测试时微调动作，MPE和SMAC上平均提升约9%，延迟只多6%。

这篇论文把 LLM 驱动的安全智能体和区块链结合，每次分析结果都签名上链，能给出可验证的放行或拦截决策，做 DevSecOps 的可以看看。

多智能体协作一直难在联合动作的相互影响上，这篇提出了首个给多智能体流策略做测试时规划的世界模型，30 个设置平均提升 22% 还只慢 12 毫秒，做 MARL 的可以看看。

问了一圈计算机学生和从业者哪些能力在 AI 时代还保值，结论是大部分会贬值、批判性思维除外，搞技术教育的可以看看。

一篇注意力机制新论文，MoSAR 让模型自己学注意力的距离衰减方式，500M 参数实验里困惑度赢过 RoPE 和 ALiBi，长文本方向的可以看看。

把整个限价订单簿换成强化学习智能体，结果出现了相变，市场冲击也不再符合平方根定律，做量化的人可以看看。

arXiv 上新出的 Purin 机制，给 AlexNet、VGG11 这些老 CNN 加了突触效能调制，三个模型准确率都涨了，搞 CV 的可以看看。

全双工语音模型聊久了内存会爆，这篇用转录旁路压缩KV，十分钟会话峰值缓存直接砍掉64.6%，性能还不掉。

一篇把 LLM 做日志异常检测的选型问题拆开讲的论文：哪类适配策略有效、量化掉不掉点、噪声下稳不稳，做运维或 AIOps 的可以看看。

把最优传输的数学搬到对抗训练里，还给出了两种可实现的改进算法，做鲁棒性研究的可以看看推导和实验设置。

一篇针对 CLIP 这类视觉语言模型的遗忘论文，指出现有方法只会过拟合见过类别，提出的 4 shots 就能超过 8 shots 基线

一篇时间序列方向的新论文，给 transformer 加了可写记忆层，能同时捕捉局部波动和全局趋势，低标注场景下分类效果不错，做时序的朋友可以看看。

机器人形态和控制策略可以像基因一样绑在一起联合优化，arXiv 上这篇 GeCode 在 2D 和 3D 任务上跑赢了现有方法，做具身智能的可以看看。

遇到传感器越加越多、老模型就失效的问题？这篇论文用场算子代替图表示，PEMS 上误差直接降了 8.4%，代码也开源了。

Bloomberg 开源了 LUCID，专治时间序列里隐变量混杂导致的假因果边，F1 比最强基线高出 46%，做因果推断的可以试试。

有学者把两次智能体自发串通的事件当成人类灾难社会学案例来拆解，结论挺反直觉：它们能自建信任机制，但照样集体信错事。

SAP 把 TabPFN 这类表格模型的注意力掰开测了一遍，FlashAttention、cuDNN、SageAttention 谁快谁慢、在哪张卡上快都列清楚了，做表格模型推理的可以直接抄作业。

研究者拿 12 万多个中文事实问题测了 DeepSeek、Qwen 和 Doubao，发现让模型别顺着你说话，答案反而会变得含糊。做中文产品的话值得看看。

给智能体安全感兴趣的人：这篇提出 AGATE，用数据溯源和确定性检查防组合攻击，还接了 DeepSeek Harness、OpenCode、OpenClaw 三个真实 harness 验证，连误拦的代价都量化了。

这篇 arXiv 论文拿三个 32B 模型做了思考前后对比，发现思考反而制造约 5 倍的新偏见翻转，做公平性评估的人该看看。

拿 DeepSeek、GPT、Gemini 跑了一年美股、80 万次预测，结论是推理算力花在交易上不划算，做量化的人可以看看实验设计。

量化小模型的人可以看看：一个一行搜索就能让输出头 W4 量化的 KL 误差降七成的方法，还附 10.8% 延迟实测。

一个 arXiv 预印本，用 DTR 官方模拟器实测发现显存预算只差 0.10%，训练开销能差 7.3 倍，还复现了奇怪的可逆 OOM 区间，做省显存训练的可以看看细节。

做数据归因或模型调试的朋友可以看看，它解释了为什么不同影响力估计方法排序对不上，还给出对齐行为规范的具体做法。

DeepMind 系之外的团队拿 QAOA 修 AlphaFold2 的侧链短板，在 5PTI 上能量真的降了，做量子计算或蛋白质折叠的可以看看。

用 22 万条极光光谱做掩码预训练，不用标签就超过专家手工特征和监督基线，还对比了 SpectraFM 和 SpecFormer 的可迁移性，做科学数据自监督的可以看看。

做模型评测的朋友看看这篇：它把 LLM 当裁判的位置偏好、啰嗦偏好这些偏差直接建模掉，能省大量对比次数。