Latest

这篇 NEJM AI 的文章讲怎么把文化差异考虑进 AI 心理支持里，做医疗或心理健康产品的开发者可以看看

NEJM AI@Julie Y. A. Cachia Xuan Zhao John Hunter Delancey Wu Eta Lin and Julian De FreitasSource

医生用普通听诊器加 AI 就能筛查左心室功能不全，还在多中心做了外部验证，做医疗 AI 的可以看看验证流程怎么设计。

NEJM AI@Eiichiro Sato Yuki Izumi Yuki Saito Yoshihito Saijo Takeshi Kitai Akihiro Hayashida Azusa Murata Tomohiro Kaneko Akira Sakamoto Takahiro Sakamoto Kenya Kusunose Tohru Minamino Hiroshi Seki Koshiro Ikeda Shumpei Saito Shimpei Ogawa and Nobuyuki KagiyamaSource

NEJM AI 上一项把 AI 用于 SMO 抑制剂筛选的研究，做肿瘤靶向治疗筛选的可以看看方法。

NEJM AI@Chen Buxbaum Anat Yahav-Dovrat Yael Fisher Haim Zilberman and Tali SiegalSource

NEJM AI 上这篇研究挺有意思：直接对比 LLM 和真医生开的方案谁更贵，做医疗 AI 的人可以看看数据。

NEJM AI@Dvir Aran Jeremy D. Goldhaber-Fiebert Ittai Many Anthony Nguyen Daniel Yang and Shahar ShellySource

医生用 AI 辅助诊断时越信越不动脑，这篇 NEJM AI 文章讲的自动化偏见问题，做医疗 AI 的人也该看看。

NEJM AI@Francesco Branda and Massimo CiccozziSource

超长上下文跑不动？这篇论文用分层聚类做稀疏注意力，10M token 下比全注意力快 72 倍还不掉点，做长上下文的值得看看。

新论文 ID-WM 用高低两层世界模型拆解长时程规划，比 diffusion 规划器提升 38.5%，做具身智能的可以看看。

一篇机器人方向的论文：不微调模型，让编码模型自己改控制代码，成功率翻了四五倍，还能攒经验，思路挺有意思。

arXiv 上这篇论文讲了一个省算力的新招：同一模型家族里小模型算过的上下文，能直接转成大模型能用的 KV 缓存，省 75% 缓存还能提速最多 21 倍。

Zyphra 的论文提出 ZHA，几步蒸馏就能把现有模型改成亚二次注意力，1M 上下文以上比现有稀疏注意力方法快很多，做长上下文的值得看。

一篇机器人论文，给预训练世界模型加个稀疏路由，让动作只由相关因素决定，合成和真机实验都验证了。

arXiv 上的 KLM 规范，让 AI 回答能带着证据记录供人审查，还把失败实验也写出来了，这种坦诚不多见。

一篇训练方法的论文：打乱推理步骤顺序来算因果奖励，Gemma-3-4B 在没见过的数据集上准确率从 43.8% 提到 46.8%，忠实度也翻倍。

研究者拿六款大模型测戒烟建议，发现换个提问人设答案就变，青少年拿到的处方药信息少很多，还公开了全部数据。

LLM 帮你找公式时，多个候选方程吵起来反而是信号——这篇论文教你用分歧位置决定哪里该不信任预测。

研究者做了个贸易谈判模拟基准，LLM 光会签协议没用，得看结算后是否真创造价值，TACTIC 智能体靠复盘越谈越好。

arXiv 上一个自动元分析系统，已经汇总了 420 篇人机协作论文，结论挺反直觉：人机搭配打得过人类单干，却打不过 AI 单干。

训练前改一下初始化，GDN、Mamba-2、RWKV-7 这些线性注意力模型的长文检索就提 5 到 17 个点，方法还挺省事。

这篇论文给测试时搜索泼了盆冷水：在 Cosmos Policy 上，价值选择器居然比随机还差，剪枝后端到端也只快 1.15 倍，还揪出个渲染 bug，做机器人策略的都该看看。

一种新的 LLM 剪枝方法 ETAPS，90% 稀疏度下单卡 H200 就能剪 LLaMA2-7B，效果和成本都比 ELSA 好。

做视频理解或评测的值得看这个新基准：现有榜单上高分模型换个测法就露馅，历史证据基本没用上。

有人在优化建模任务上给 LLM 智能体换了个更聪明的技能检索方式，Pass@1 提到 65%，比 OptSkills 高了快 3 个点，做运筹方向可以看看。

给 ReAct 加了个目标栈和回溯机制，不用训练，AppWorld 成功率最高多 22 个百分点，GPT-4o、DeepSeek-V3.2 都测过。

一篇解决图像生成不会"思考"的论文，LARC 把推理搬进连续隐空间，GenEval 上比 BAGEL 高 7 个点，还能测试时扩展。

训练用 DP-SGD 时批次大小一泄露隐私就崩？这篇 arXiv 论文用随机 dummy points 解决截断和泄露问题，还比 2025 年 Ganesh 的直接核算更省。

这篇论文发现蒸馏时 critic 太小会把大教师带崩，提出的 STAC 按步条件化，在 SDXL、FLUX.2 和 Wan2.1 上都能提升少步生成质量，做蒸馏的值得看看。

数学味很浓的论文，把四类序贯问题（bandit、best-arm、MDP 等）的下界推导串成一条链，还拿 7 个真实数据集验证了差距到底出在哪一步。

用 MIMIC 和 eICU 超 7 万患者数据拆解了 ICU 死亡率模型里哪类特征能跨医院复用，做医疗 AI 的值得看看

一篇理论论文，用最简单的两神经元 ReLU 模型解释了梯度下降为什么会先合并再分化，做神经网络理论研究的可以看看证明思路。

隐私审计的运行时间从 α^-2 压到 α^-1·log(1/α)，做 DP-SGD 训练的人能拿到更紧的隐私界，速度还快几个数量级。

欧洲几家气象机构训练了个模型，光靠卫星数据就能自动画出冷锋暖锋，准确度已经接近人工分析的水平。

如果你用 DRO 做鲁棒回归，这篇指出了它什么时候会慢一截，还给了两个能达到最优速率的替代算法和实现方法。

给 PINN 加一层不可学习的投影，误差直接低一个数量级，做物理机器学习的可以看看这个思路。

把 IRL 的奖励函数改用双曲距离来算，数据少时效果更好，还能用博物馆导航数据解读人的行为，做模仿学习的朋友可以看看。

这篇论文把 SAC 和 DeepMind Control 任务加上噪声做实验，讲清了什么时候该用可塑性保持方法、什么时候重置就够了，做 RL 的可以看看。

做超参搜索老是被预算卡住的可以看看：这篇论文给出一个基于期望改进的停止规则，还教你用两步前瞻证书判断是不是停早了。

卫星网络拓扑变化太快，传统 DRL 只看当下。RAMA 让每颗卫星带记忆检索历史经验，Starlink 场景时延降了 93%，做网络方向的朋友可以看看。

SGD 的步长到底该怎么设，这篇论文直接算出了极小极大最优解，还证明了唯一性，做优化理论或调参的都该看看。