Chinese contentVGR 方法将逆合成规划的验证可解率从 51.1% 提升至 71.1%
这篇 arXiv 论文教你在分子逆合成搜索里实时嵌入反应验证，Retro190 上可解率提到 71.1%，做药物合成规划的值得看看细节。
Latest
Every published item, in order · 9845 items
Oct 30
Chinese content研究：编码智能体演进代码时更依赖仓库先例还是任务指令
做了5625次实验，发现编码Agent几乎总跟着仓库既有代码走，文件放哪、写不写规则结果差很远，管Agent写代码的都该看看。
Chinese contentMEV：面向长镜头多事件视频生成的数据集
做视频生成的朋友可以看看这个 MEV 数据集，专门针对一个长镜头里连续多个事件的场景，带时间边界标注，比常见的单事件短片数据集更对口。
Chinese contentIFAAB 数据集：审计 LLM 在印度金融建议中的群体偏差
研究者用 GPT-4o 给 3 万多条印度虚拟人设做金融建议，发现同样问题换个性别标签答案就大不一样，数据集已开源可复用。
Chinese contentFACTS-MAS：多智能体架构用于异构证据的自适应预测
一篇多智能体预测的论文，把时间、季节性、事件等证据拆给不同智能体分别打分再加权，在 Zillow 和 FRED 数据上跑赢了 TimesFM。
Chinese contentRubricon：自动生成与精炼评分标准，用于 LLM 评估与训练
训练和评估没有标准答案的任务时，人工写 rubric 很贵，这篇论文给出全自动生成方案，对齐度比现有方法高 9%
Chinese content多智能体临床 LLM 会放大而非消除偏见：提出 disparity laundering 概念
这篇文章发现多智能体共识不但不去偏见还会掩盖偏见，5 个模型全中招，但有个不用重训练的修法能砍掉 67-94% 的差距，做医疗 AI 的必看。
Chinese content论文提出 Role Grounding Attack：通过社交互动污染智能体记忆
攻击者发个帖子就能让你的智能体把别人的偏好记成你的，还会把敏感信息发给攻击者的工具，作者在 5 套记忆系统上验证都成功，做 Agent 记忆的得看看。
Chinese content双循环自动化框架：用自然语言生成可验证的电源电路原理图
把需求描述直接变成能用 ngspice 跑通的 KiCad 电源原理图，仿真通过率从 0 拉到 100，做电源设计的可以看看这套流程。
Tomorrow 08:00, the daily lands in your inboxTelegram channel or email. Same screening as this page, no ads.
Papers09:57
Chinese contentProDMM 与 Bottle-SKU：面向多 SKU 洗发水瓶缺陷检测的新基准和方法做工业质检的可以看看：新数据集 Bottle-SKU 有 48 种瓶型 2 万多标注框，ProDMM 思路能应对不同 SKU 外观差异，方法细节都在论文里。
Chinese contentDecompGym 基准测试：LLM 智能体能否正确实现分解算法
拿 12 个 GPT、Claude、Gemini 模型考手写 Benders 分解和列生成求解器，考题是 81 个实例，结果发现只看输出根本查不出代码里的猫腻，反思式纠错能多救回四分之一的失败。
Chinese contentEasyProver 系统在 Lean 定理证明上逼近基准饱和并推出更难的 Aegis
一个不用微调就能做完 IMO 2026 全部形式化题的 Lean 证明系统，还顺手造了个更难的真实代码验证基准 Aegis，做形式化验证的可以看看。
Papers09:54
Chinese contentBridgeRouter：按实例路由跨模态桥，提升脑电模型迁移精度一篇挺巧的论文：让 EEG 基础模型不重训就能跑 EMG 和 ECG 任务，靠 MLP 预测哪条迁移桥增益最大，FOG 上比单选桥高 11 个多点。
Chinese contentSkillCT：一个免执行的 Agent 技能质量多维评估基准
做 Agent 技能（Agent Skills）开发的朋友可以看这篇，9 个维度评估技能质量，还能免执行预测评分，省 token 又省时间。
Papers09:50
Chinese contentStBR：用潜空间散度约束改进离线强化学习策略正则化一篇离线RL的新论文，思路是不约束动作而是约束状态后果，用潜空间散度做可计算的替代，基准成绩有提升。
TIDE Speeds FSDP2 Training with Zero-Copy Collectives on 64 GPUs
The hidden cost in FSDP training is often layout conversion and collective interference rather than compute, and TIDE shows both can be largely eliminated with standard NCCL APIs rather than custom hardware. Teams running large-model training on multi-node clusters can adopt it to reclaim step time and GPU memory without changing FSDP2's per-parameter kernels. The mixed-precision bf16-to-fp32 reduce-scatter is a capability stock NCCL lacks, making the implementation details directly reusable.
Chinese contentHotPOT：用异构物理专家算子 Transformer 做大规模 PDE 预训练
一篇把物理方程直接写进专家结构的 PDE 论文，17M 小模型反而打赢更大的 MoE-POT，做科学计算的可以看看代码。
Papers09:48
Chinese contentRainCheck 研究揭示孟加拉国降雨预测中的数据泄露问题这篇论文用孟加拉国 66 年数据证明：很多降雨预测模型的"高分"其实是数据泄露，气候学基线就能打平大部分机器学习模型，做时序预测的都该看看。
Papers09:48
Chinese contentPCPS 方法用扩散先验降低 X-ray 叠层成像扫描重叠需求一篇成像方向论文：用扩散先验做后验采样，让叠层成像在低重叠扫描下也能重建准，做 X-ray 成像的可以看看。
Chinese content水下多任务操作研究：14 个 VLA 模型在海上的模仿学习对比
马耳他团队把 14 个 VLA 模型搬到了海底沉船上真机实测，ACT 单任务策略完胜通用 SmolVLA，结论对做具身的很有参考价值，硬件套件也开源了。
Papers09:47
Chinese contentConvex-SKM-Net：面向神经凸约束满足的低延迟块半空间修正层一个能塞进神经网络的凸约束修正层，SOC-MPC 推理快了 144 倍还保证可行性，做优化控制或电力系统调度的可以看看实现思路。
Chinese contentGearUp：利用 DAG 空闲时间隐藏 Serverless 推理加载开销
一篇系统方向的论文：GearUp 把模型加载塞进 DAG 的空闲时段，延迟最高降到十分之一，内存还省九成，做推理服务的人可以看看。
Chinese content一个模型学560个PDE算子：in-context多保真学习框架
搞科学计算的朋友看看这个：用in-context学习把560个PDE算子塞进一个25万参数的小模型，新PDE给几对演示就能直接预测，不用重新训练。
Papers09:46
Chinese content数据量异构性提升神经影像联邦学习性能做医学影像或联邦学习的朋友可以看看：这篇论文说一个大数据站配小站点，比大家数据量均分训练效果更好，小站点数据也能被充分利用。
Chinese contentB2P-Corr 框架解决 PCC/CCC 相关性损失的小批量优化偏差问题
训练回归模型要用 PCC 或 CCC 做损失的话，这篇给了在小批量下估计梯度不偏的方案，两个变体开销都很小，可以直接试。
Papers09:46
Chinese contentarXiv 论文用注册式重放检验 Adam 中 epsilon 对低频词嵌入行的实际作用论文用一种很较真的注册式重放方法，证明 Adam 里调大 epsilon 不只是简单缩小低频词的步长，实验设计本身挺值得学。
Chinese contentDoximity 研究称主流 AI 模型在药物剂量上出错
Doximity 拿通用模型和自家剂量验证工具做了对比，发现通用模型会算错药剂量，有的还挺危险，医生和家属都该看看。
Meta Deploys JiTTesting LLM Bug-Catching System to Production
JiTTesting shifts test generation from pre-planned suites to on-demand tests written exactly when a risky diff appears, with humans confirming rather than authoring. Engineering teams running large monorepos can study Meta's human-on-the-loop design as a template for adding LLM-generated checks without letting unreviewed code gate merges. The paper gives concrete deployment lessons rather than a lab-only prototype.
Oct 29
Papers20:23
Chinese content临床多模态视觉语言基础模型 EVLF-FM 发表于 Nature Medicine发在 Nature Medicine 的 EVLF-FM，把多种医学影像一起喂进一个视觉语言模型，诊断时还能给出细粒度的解释依据，做医疗 AI 的可以看原文。
Chinese contentTwimbit 报告：ASEAN 银行 AI 时代仍需 70/30 人机配比
新加坡机构 Twimbit 出了份 ASEAN 银行业报告，讲 AI 上岗后那 30% 的人工环节为啥砍不掉，做银行或客服方向的可以看看。
Chinese contentGoogle 论文：最强 AI 智能体在真实工程任务上仅得 50.6%
Google 做了个 PLE 基准，85 个真实工程活，Claude Opus 5.5 才考 50.6 分，做工程智能体的可以看看它栽在哪。
Google DeepMind's CALLIOPE maps LLM topics under differential privacy
Keyword-based pipelines can beat embeddings when privacy noise is heavy, a counterintuitive result for anyone building usage analytics on sensitive logs. Teams deploying private analytics should budget for the 2-5x token overhead and prototype with LLM-generated topic trees instead of embedding clusters. No regional angle is given, so the practical comparison is with URANIA, the embedding-based baseline it outperformed.
ARC-AGI scores follow a power curve across benchmarks
A 4.53 exponent means small gains on ARC-AGI-1 translate into large, nonlinear gaps on ARC-AGI-2, so headline ties on the older benchmark hide real capability differences. Teams benchmarking reasoning models should prioritise ARC-AGI-2 results when comparing candidates. The curve also lets practitioners extrapolate v2 scores from widely reported v1 numbers without re-running evaluations.
Chinese contentGoogle DeepMind 与 Stanford 研究：图片符号能隐秘操纵模型写递归代码
DeepMind 和 Stanford 发现一张红心图片就能让 GPT-5.4 百分百写递归代码，而且思维链里完全看不出来，做 agent 的都该看看。
Only the latest 2000 items are listed; for older ones see the daily archive