Latest

论文提出 FARMS 框架，把计算数学变成 Lean 验证过的 AI 知识，171 个目标里通过 157 个，单个成本不到 2.3 美元。

数论基准 Ramanujan Challenge 的团队做了个评审流水线，自动判研究级数学证明，误判率从 23% 压到 6%，做数学 AI 评测的可以看看。

这篇论文解释了为什么解码长度预测器换个模型就失效，还给出了理论证明，做推理调度的开发者可以看看。

一篇优化方向的方法论文，把 DRO 的模糊球从经验分布换成学习到的密度模型，还配了自适应采样算法，做运筹和随机优化的人可以看看。

一篇有意思的论文：world2vec 不靠奖励就能学出忠实的潜在动力学，参数量比 DreamerV3 少一个量级，还能做系统辨识，做可解释性和科学发现方向的可以看看。

给离散扩散模型做了个 ODE 采样器，像连续扩散的概率流 ODE 一样，还能做一致性蒸馏加速采样，做生成方向的研究者可以看看。

这篇 arXiv 论文提出了 RMC 和 TSC 两种校准方法，用单个模型就能判断某张图是否被扩散模型记住，对版权审计很有用。

一篇把 SFT 和 RL 说成同一件事的论文，训练管线能简化成数据配比问题，做模型训练的人可以看看思路。

一篇值得看细节的论文：TRACER 用 450 万患者的病历训练，能在 1-5 年前预测 16 种疾病，还专门测了筛查场景下的误报负担。

一篇把神经算子用到粒子等离子体模拟的论文，不用网格直接在粒子上算场，Landau 阻尼这些经典基准都跑通了。

安全对齐数据基本只有英文，这篇提出了模板增强的办法，做出覆盖60种语言的MSafeTemp数据集，还证明英文评测根本测不出多语言漏洞。

用稀疏自编码器拆解 Qwen3-TTS 到底记住了什么，684 个特征还能自动验证，做 TTS 可解释性的可以看看。

给需要算高维积分的人：用反射扩散造提议分布，天然满足域约束，还能无偏估计，比 QMC 灵活。

量子纠错圈的实用进展：Triage 解码器准确率媲美最优算法解码器，延迟还快一到两个数量级，做容错量子计算的可以看看。

一篇优化器理论论文：解释了 Adam 在幂律测量谱下为什么会莫名卡住，给出了能预测失效起点的公式，做低秩优化的可以看看。

模型要删隐私数据又怕越删越笨？这篇论文的 COP 方法用正交投影解决顺序遗忘互相干扰的问题，TOFU 和 RWKU 上都验证了效果。

这篇论文研究行李箱重识别，针对机场、车站等遮挡多、背景乱的场景，比较多视角多图像的选择合并策略，做安防或视频监控方向可以看看。

一个能算出'这场飓风会让橙子亏多少'的 agent，AUC 0.98、误差 2%，做农业气象的可以看看。

这篇把十个视觉模型的空间记忆能力拆成四层来测，结论挺反直觉：看得准不代表记得住，做研究的朋友可以看看评测思路。

这篇论文解决了一个实际问题：水印遇到投机解码就失效，TextSeal2 让草稿 token 也带上同样的密钥，检测率还比前作高出 8-22 个百分点。

一篇记忆机制的论文，把检索改成局部遍历，在 MiniGrid Memory 上用五 token 上下文就跑出 0.95 回报，训练步数比绝对编址少好几倍。

一群研究者用画画来考机器人：282 个任务、5 个 VLA 模型同台比拼，代码开源，搞具身的可以看看模型都败在哪。

一帮研究者给 AI 监管想了个新招：验证器能把 AI 回滚到之前状态反复盘问，不需要“有一个 AI 说真话”的假设，还比现有证明系统跑得快。

新加坡团队做了个基因组分析智能体 ClinGeX，105 项可执行技能让专家一致率从 45.7% 拉到 71.7%，做医疗 AI 的可以看看架构。

一篇写代码安全的论文：三个探索智能体分工分析漏洞再汇总修复，缺 PoV 测试也能修，成绩比 EvoRepair 高出最多 25.4 个百分点。

三个主流模型做实验，发现 AI 智能体合谋后即使撤掉激励也停不下来，只有清空记忆或修掉漏洞才行，做智能体安全的值得看看。

拿考试题和真实诊断病例测了一批医疗 AI 模型，结果反差挺大：考试能上 93%，真病例却掉到 50%，高置信答案也没那么靠谱。

教 VLA 模型别太信自己的推理链：每步测出该给推理多大权重，驾驶闭环从 252 提到 262，还顺手在 Waymo 榜上刷了 SOTA。

用物理信息神经网络替代二极管仿真，静电势误差只有0.11%，还自带不确定性评估，做器件仿真的可以看看。

把 LLM 加规则引擎的混搭方式系统梳理成 13 种模式，还带了选型决策指南和失败案例，做 agent 或风控系统的人可以直接查表用。

一篇有意思的理论论文：一个信息价值量同时解决记忆检索贵和信用分配难两个老问题，还给了可证下界。

论文把进化搜索的框架本身也变成可进化对象，用 UCB 调度器决定改哪个模块，在 8 个多目标优化任务上跑赢了现有基线，做组合优化的可以看看。

这篇论文把 Jupyter 里你和 AI 的每次对话都存成可回放、可查询的结构化数据，还能算出求助和学习行为指标，做 AI 协作分析的人可以看看。

一篇把机构拆成模块再学的研究，同样数据量下预测效率高了 1.8 倍，做结构化学习或 CAD 生成的话有参考价值。

Google 放出一个 36 小时视频的音频描述数据集，专门测模型生成的旁白能不能塞进视频静默间隙，盲人用户实测说很有用。

一篇域泛化分割的新论文，用频谱建模统一处理 CLIP 加 DINOv2 的特征融合和解码精修，恶劣天气等场景成绩超 SOTA。

arXiv 新论文，测了多个模型怎么评估"重音"理解，发现大模型上直接问比算概率更稳，做模型评测的可以看看。

阿里的广告智能体不用微调模型，靠自动改知识库就把成绩从30.19提到39.15，还能跨领域复用，做Agent的朋友可以看看思路。

一篇从哲学角度讨论人和LLM关系的论文，把LLM和宗教文本这类语言造物放在同一脉络里分析，角度挺少见的。