Latest

一篇给 AI 和流体力学两个圈子的桥梁综述，讲清 diffusion 模型做湍流模拟到底行不行、该怎么验证，做科学计算的朋友可以看看。

训练模型调学习率衰减的可以看看，UTA 比固定衰减曲线更聪明，能跟着训练状态走，LLaMA 和 ResNet 上都验证了，直接即插即用。

一篇很扎实的 grokking 机理研究，实验设计干净：先记住、后泛化的时间线被精确量化，还证明了压缩秩反而会阻碍 grokking。

研究者拿 Counter-Strike 2 的毫秒级对局数据训练模型预测玩家 60-120ms 内的本能反应，EMBER 准确率 73.5%，还比 LLM 基线快好几个量级，思路挺有意思。

arXiv 上这篇论文挺有意思：网络自己决定加神经元还是砍神经元，不用预先定架构，持续学习场景还能省参数，做 NAS 的可以看看。

一篇讲扩散语言模型设计的论文，结论挺反直觉：怎么加噪声几乎不影响效果，怎么采样才关键，预算 180 次调用时差了 25 个点。

KITTI、nuScenes 上的 PointPillars 实验，讲清楚一个阈值换个工况就不可靠的问题，做自动驾驶感知安全的可以看看这套检验流程。

搞无线电信号分类的可以看看：用 JiT 扩散模型做去噪防御，不用预知攻击类型，PGD 下鲁棒性比对抗训练高 20% 多。

冻结的 VLM 不重训，光进化推理代码就能把图表问答从 16.6% 拉到 41.3%，还快 3.8 倍，AlphaEvolve 那套玩法很实用。

做 VRM/VTuber 模型的朋友可以看看，这篇讲怎么给多部件的动漫脸自动生成 ARKit 表情，省去手动 K 帧的活。

OpenAI 和 NVIDIA 的指令层级训练集都漏了目标-目标冲突这一类，这篇论文补上了，微调 Qwen3.5-9B 和 Gemma4-12B-it 就能明显提升效果，做对齐训练的可以看看。

把车道换向和限速交给一个 transformer 统一调度，仿真里高峰延误砍了九成，交通方向的做法挺有意思。

控制论方向的同学可以看看，这篇把带非负控制约束的 LQ 问题做了完整的 RL 求解方案，理论推导和数值实验都齐了。

给做长期运行 Agent 的人：AMIE 这个插件能只用检索记录就优化记忆召回，15 组对比全提分，还不用重训记忆系统。

训练后的模型能按你指定的准确率目标自动决定答还是不答，不用再调阈值，做可靠性应用的很值得看。

一篇立场论文，说机器遗忘领域追错了方向：别纠结参数像不像重训模型，该直接保证输出里没毒没泄漏，说得挺有道理。

arXiv 上这篇论文用拉丁方染色把 Grokking 讲透了，想搞懂模型为啥突然泛化的可以看看

做分割或不确定度估计的可以看看，CRC 在稀有类别上会失控，这篇用分组重加权来解决，还给了两个数据集的实验。

一篇做路径表示学习的论文，用 VAE 自动生成视图，替代费算力的启发式对比学习，做出行时间估算的可以看看。

免训练的 KV 缓存压缩方案，压 13 倍几乎不掉点，比现有跨层方法强不少，自己部署 LLM 的可以看看代码。

做 KV-cache 压缩的人可以看看，这篇用理论证明了为什么连均匀采样这种简单方法在真实模型上就好用。

OpenAI 这次一口气发了 3 项进展，数学那项直接冲着挂谷猜想全维度证明去的，王虹刚做完三维就被抢了个尾巴，可以看看模型到底证到什么程度。

Gorden Sun@Gorden_SunSource

一篇时序因果推理的论文，8.6B 参数的 TCR-Former 在 TempoCausal 上赢了 GPT-5.4 和 DeepSeek-V3.2，思路是把因果图塞进注意力机制里。

连数学博士生都啃不动的 Kakeya 猜想被 AI 证出来了，学数学的朋友应该都知道这有多离谱。

Aran Komatsuzaki (论文推介)@arankomatsuzakiSource

测了5个模型，发现自己标了不可信的信息照样有最高99%的情况真去执行，这数据太吓人了，做agent安全的人该看看。

一篇研究 LLM 提问质量的文章：好奇式问题只占 17-28%，但能让用户回复更有探索性，做对话产品可以看看。

这篇把全网网站的视觉设计自动抽成可复用技能库，接上 Qwen3.8-Max 这类模型就能让生成的网页好看不少，做网页生成方向的可以看看开源代码。

用 AL-RNN 在 100 个认知任务上同时训练，解释了任务间什么时候互相帮助、什么时候互相打架，做神经计算建模的可以看看。

一篇把权重平均和秩分析结合改进 OOD 检测的论文，ResNet50 上跑出了对比数据，做模型部署异常检测的可以看看。

一篇解决桌面智能体训练数据稀缺的工作：OS-Wizard 自动采轨迹，微调后在专业软件基准上超过人类成绩，做 GUI 智能体的可以细看。

训练好的模型爱抄捷径？这篇论文给出测试时就能用的修正办法，不用重新训练，效果还接近专门微调过的模型。

这篇 arXiv 论文讲了个挺反直觉的坑：训练时删掉的坏行为会换个形式回来。作者用配对干预把问题量化，再提出 ICA 闸门修好，做后训练的值得看看

跑 repetitive agent 任务的可以看看：把轨迹编译成代码后，同样的任务 token 省 70 倍、结果还能逐次一致，比存 skill 靠谱多了。

一个很实用的agent框架：不用微调模型，只靠历史记录生成指南，GPT和Claude都能白拿近10个点的准确率提升。

有人把 EEG 硬件、注意力分类模型和音频干预整套跑通了，实时延迟不到 100 毫秒，37 人实验里注意力分数提升 20%，做脑机接口的可以看看。

这篇把晶体结构预测的 Top-1 从 28.3% 干到 72.2%，关键居然是修 bug——元素替换时没管化学计量系数，作者审计后重写流程，还比 CrystalFlow 快十倍。

用 NTK 理论分析物理信息神经网络的训练动力学，这篇把正交群对称性和谱性质证清楚了，做理论的朋友可以看看。

一篇把物理守恒定律塞进光谱预测的论文，覆盖 eDOS、XANES、拉曼等四类谱，做材料发现的方向可以看看。