Chinese contentAtomTree：基于 LLM 的分层具身指令跟随框架
一个叫 AtomTree 的新框架，让 LLM 干家务类具身任务时不再一口气定死计划，卡住了就回退重规划，ALFRED 上零样本跑赢了之前的 LLM 规划器。
Latest
Every published item, in order · 9845 items
Oct 30
Chinese contentinkGround：面向手写笔迹恢复的视觉定位基准发布
arXiv 上这篇论文做了个新基准 inkGround，专门考 VLM 能不能从手写照片里恢复笔画顺序，Gemini-3.1-Pro 表现最好。
Papers10:58
Chinese contentForeSCITE 用时间语义方向预测生物医学新假设一群研究者从 300 万条医学结论里学出时间方向，让模型顺着推未来假设，CAR-T 假设还被专家认可了 37 个。
Chinese contentAI 研究智能体写论文：八成错误数字来自张冠李戴而非造假
八成错误数字不是编的，是从自己别的实验里抄错的，论文还给了个 90% 精确率的自动核查工具，做 AI 科研的都该看看。
Chinese contentWISD：用弱化模型做自蒸馏提升推理能力
这篇讲了个反直觉思路：把模型故意剪枝或量化变弱，再用强弱对比来自蒸馏，Qwen3.5-4B 在 HMMT 上直接涨了 12.8 个点。
Chinese contentTERRA 框架让火星车在松软坡地上 3-5 次试跑内完成在线适应
机器人团队做了个 TERRA 框架，火星车到了松软坡地上不用大量试错，3-5 次真实试跑就能学会主动悬挂爬坡，仿真里成功率能到 90%。做机器人 sim-to-real 的可以看看。
Papers10:57
Chinese content生成式 AI 长期使用如何影响认知资本？一篇综述给出四大机制如果担心用 AI 会让自己和团队变笨，这篇综述把机制拆得很清楚，还给了组织层面的应对设计思路。
Papers10:56
Chinese content利用部分 C2PA 溯源信息提升图像取证检测性能一篇讲图像取证的论文：图像带部分 C2PA 溯源时，怎么把这段可信信息用来增强合成图检测，思路挺少见。
Tomorrow 08:00, the daily lands in your inboxTelegram channel or email. Same screening as this page, no ads.
Papers10:49
Chinese contentGRID 用 GFlowNets 生成多样化金融尾部风险场景学术界把 GFlowNets 拿来做金融危机压力测试，比 RL 和 MCMC 生成的极端场景更全更真实，做风控的可以看看。
Chinese content研究：随机化 SAFE 表示让低数据分子生成真实产率提升 450 倍
训练数据只有 1000 条分子时，把 SMILES 换成随机化 SAFE，新分子产出直接翻 450 倍，还比随机化 SMILES 高 2.8 倍，做药物生成的人可以看看。
Chinese contentCurriculum of Models：用渐进课程训练调查模型自动发现越狱提示
这篇论文讲了个挺聪明的训练技巧：让攻击模型从“宽松版”目标一路练到“严格版”，稀疏奖励问题就缓解了，安全测试团队可以参考。
Papers10:48
Chinese contentUnEZ：全无监督神经网络从光谱直接估计星系红移与谱线强度天文学和机器学习交叉的论文：一个完全不用标签的神经网络，靠光谱本身学出红移，在 SDSS DR18 上表现接近现有算法，做巡天数据处理的朋友可以看看。
Chinese contentCACPU：CPU 端因果注意力内核，比 PyTorch SDPA 快 2.01 倍
多智能体把 GPU 打满时，这篇论文教你怎么用 CPU 跑预填充，比 PyTorch SDPA 快 2 倍，还接进了 SGLang。
Chinese contentRouted Continual Learning：用 LLM 路由器解决智能体经验复用难题
arXiv 上这篇论文把智能体持续学习变成路由问题，实测比全局历史省 65-72% 成本，做 Agent 记忆设计可以看看。
Chinese contentFitzRoy 用强化学习改进扩散模型，提升降水预报精度
一篇把强化学习和扩散模型结合做降水预报的论文，叫 FitzRoy，能预报极端暴雨还不会像传统 ML 那样把结果画糊，做气象 AI 的可以看看。
Papers10:47
Chinese content多模态证据加贝叶斯主动问诊：合成评测中把家族诊断准确率从 87.0% 提到 95.5%中医多模态诊断的合成评测论文，把主动提问和客观证据分开测，连成本和失效边界都做了消融，做诊断类 Agent 的可以参考它的评测设计。
Chinese contentRennala NSGD：超越欧氏几何的异步随机优化算法
这篇论文把 Muon、Shampoo 这类优化器背后的非欧氏几何做了严格理论化，还给出半异步分布式版本的时间复杂度分析，做优化理论研究的话很值得细看。
Chinese content在 ESP32-P4 上跑 Kroko 流式语音识别：2/4 比特量化的 65.7M 参数 Transducer
有人在没神经加速器的 ESP32-P4 芯片上跑通了 65.7M 参数的流式语音识别，权重压到 26.65 MB，还开源了引擎和固件，玩嵌入式的朋友可以看看。
Chinese contentAdversarial Self-Distillation：一种对抗攻击下的模型安全防御方法
论文提出 ASD，用模型自己的安全行为蒸馏给被攻击时的自己，连注入合规开头都能恢复拒答，比现有防御的攻击成功率更低。
Chinese contentGUIDER 用临床指南决策流奖励提升医疗推理模型表现
一篇医疗推理的论文：把临床指南拆成多条决策流当奖励信号，Qwen3-14B 上 MedGUIDE 准确率涨了 3.3 分，做医疗 AI 的可以看看。
Papers10:46
Chinese contentSatOps-Decision：90.3 毫秒低延迟星载卫星通信决策模型一篇把判别式决策模型搬到卫星通信上的论文，单次前向 90 毫秒出决策，准确率还比生成式基线高出一大截，做边缘部署的可以看看。
Chinese contentPACK3D 提出针对打包 3D 数据的局部-全局注意力算子
做 3D 视觉或体数据建模的可以看看：这篇指出了 packed attention 学到内存布局而非几何的坑，PACK3D 用真实坐标的轴向 RoPE 解决，还有 Triton 实现，65k token 下速度和窗口注意力一样快。
Papers10:46
Chinese contentDeoGen：自动生成义务推理基准的论文方法做了个叫 DeoGen 的工具，能把政策规则自动变成推理测试题。测出前沿模型该拒答时只有 22-40% 答对，这个盲区挺扎眼的。
Chinese content研究：CLAUDE.md 等记忆文件可成为编码智能体的攻击面
如果你平时用 Claude Code 或 OpenCode 写代码，这篇值得花十分钟：一次 PR 改个 CLAUDE.md 就可能让你的智能体悄悄写出有漏洞的代码。
FlatCake: Flat KVCache Storage for Faster LLM Serving
The key insight is that KV blocks are write-once and immutable, so caching hierarchies designed for general workloads actively hurt LLM serving — placing blocks on their final medium at creation outperforms migration-based designs. Engineers building or tuning inference infrastructure should evaluate flat layouts and GPUDirect Storage paths against Mooncake-style tiers, especially for agentic sessions with multi-gigabyte prefixes. The benchmark comparisons against Mooncake and Mooncake-GDS provide concrete baselines for such evaluations.
Soft-MTP Fixes Multi-Token Prediction Training via KL Gradient Recovery
The KL gradient-recovery trick recovers exact KL divergence gradients from cross-entropy gradients without vocabulary-sized logit matrices, staying compatible with standard fused kernels — a practical detail most MTP implementations overlook. Teams pre-training models with MTP, including DeepSeek-style architectures, can adopt it as a drop-in change with no parameter or throughput cost. The repo offers a direct starting point for replication.
Chinese contentAmazon Science 发布 Vendster：评估预测工具质量对 LLM 谈判智能体的影响
Amazon Science 做了个开源评测场，专门测预测工具质量怎么影响 LLM 智能体谈判，跑了四个主流模型，结论挺反直觉。
Chinese content组件级翻译揭示多语言安全评估中的拒绝率差异
研究者把提示词拆成请求和操作两部分分别翻译，发现 Mistral Small 4 换成西班牙语后拒绝率掉了 13.7 个点，Gemini 2.5 Flash 和 DeepSeek 则基本没变化。
Chinese contentVulnLens：结构化安全解释提升 C/C++ 漏洞检测
论文提出 VulnLens，用 LLM 从 7 个固定视角写安全解释再训练分类器，在 PrimeVul 上 F1 超过 DeepSeek V4 Pro 和 Gemini 2.5 Pro。
ParaTTT Parallelizes Deep Test-Time Training Memory Layers
The core insight is that deep nonlinear test-time memories no longer have to trade expressiveness for parallelism, since PTTT recovers exact online gradient descent as a fixed point while running chunkwise in parallel. Researchers building subquadratic sequence models should examine the algorithm and benchmarks, since it directly compares against Gated DeltaNet and Mamba-2 at matched model sizes. The paper appears on arXiv as 2610.38255v1.
Papers10:03
Chinese contentCRW-FTRL 算法解决强腐蚀对抗线性老虎机问题理论向的新论文：CRW-FTRL 把强腐蚀线性老虎机的遗憾界压到 Õ(d√T+dC)，补上了 Liu et al. 2024 留下的 √d 缺口，做 bandit 理论的值得看。
Chinese contentGAAC：无损 KV 压缩方案，让长上下文推理更省内存
苹果和英伟达设备都能跑的无损 KV 压缩，内存省 26%、吞吐提 29%，做端侧长上下文推理的值得看看这套编解码思路。
Only the latest 2000 items are listed; for older ones see the daily archive