全部动态

Facebook团队开源了大型社交图上的GNN推荐系统，用多哈希和时间采样技术，在保持效果的同时大幅降低计算成本。

LAMA把广告直接嵌入AI生成过程，实验显示它既赚更多钱又不影响用户体验。

这篇论文对比了ES和GRPO两种训练方法，发现ES能带来更广泛的推理覆盖，还提出了结合两者优势的GRPO-ES顺序训练策略。

这篇论文揭示了块状生成器中信息下限与模型差距的关系，解释了为什么当前生成器仍有很大改进空间。

强化学习新论文，分析QTD算法的有限样本性能，揭示了波动与样本复杂度的关键区别。

QuantumBoostNet用10量子比特电路提升心脏超声识别准确率，比现有模型表现更好。

研究人员提出 MM-Spectrum 框架，解决了多光谱信号异质性问题，在分子结构解析任务中表现优异。

斯坦福团队推出LEON网络，用算子结构改进机器人预测模型，比传统Transformer更关注时间演化。

这篇论文解决了算子学习中边界条件处理的难题，适用于任意网格数据和一般几何形状。

OpenAI新研究提出Circuit Condensation，能将模型行为压缩316倍，让AI内部机制更透明可解释。

MetaNet让MoE模型根据任务难度动态分配专家，大幅减少计算量同时保持准确率。

论文揭示了MoE模型中三种推理优化为何实际效果不佳，对模型部署有重要参考价值。

MIT团队推出GRAIN框架，用单智能体解决图推理中的标识符和任务表述变化问题，比多智能体方案更快更准。

SWE-Prime用10%数据训练就能超越全数据效果，解决了软件工程领域模型训练数据质量低的问题。

MCR-Bench揭示了当前LLM在真实代码审查中的不足，特别是跨轮次时间对齐和长程记忆问题。

RedEvoAgent能自动进化攻击技能，比固定攻击方法更有效，还能跨不同AI系统迁移使用。

HALO模型用更少参数实现更高准确率，解决IMU传感异构性问题，适合开放集人体活动识别。

这篇论文帮你搞懂RL-for-LLM的并行训练策略，让DeepSeek-R1、o3这些推理模型训练不再那么烧钱。

DeepSeek团队提出千图假说，解决大型代码库推理问题，无需预构建关系图就能达到95.6%成功率。

LeVJEPA用简单架构实现视频预训练，大幅降低计算量，在图像和运动任务上都表现出色。

TransMeme框架解决了跨文化模因再创作的三大挑战，在中文-英文双向转换任务中表现优异。

JEPA世界模型编码器不再需要预分配最大容量，SCG方法能根据任务需求逐步扩展，显著提升计算和数据效率。

VPP解决了长上下文LLM推理中流水线气泡问题，在保持短序列性能的同时显著提升长序列吞吐。

MIT团队新发布的MAELLE模型，能预测化学反应路径和副产物，比现有方法更稳定可靠。

CAST让临床模型决策可追溯，能区分真实症状和记录模板，医疗AI透明度提升。

PAWBench首次系统评估视频生成模型作为世界模型的概率对齐能力，揭示了当前模型与理想状态间的差距。

这篇论文用经济游戏测试了四大模型家族的心智化能力，发现GPT-5能灵活调整推理深度，表现超过人类。