Papers09:24
Chinese contentBriLLM-MetaPred：基于 AGI 数学理论的表示-预测统一语言模型一群研究者把 AGI 数学理论直接落成了语言模型，单一动态状态同时做表示和预测，性能追平同规模 GPT 基线，思路很不一样。
Latest
Every published item, in order · 9845 items
Oct 27
Papers09:24
Chinese content研究：经验回放在 sEMG 手势识别跨用户持续学习中优于 EWC做肌电手势识别或持续学习的可以看看：在 NinaPro DB1 上对比了三种策略，经验回放遗忘率只有 EWC 的零头，还有训练窗口怎么切才不崩的细节。
Chinese contentSecPRBench：用真实漏洞提交评测智能体代码审计能力
想知道 Claude 或 GPT 审代码到底能不能抓到真漏洞？这篇基准测了八款模型，265 个来自 Firefox、OpenSSL 的真实漏洞提交，结果差异挺大。
Chinese contentOneCodeReviewBench 发布：用类型化决策评测代码审查能力
做代码审查工具或想测模型审查能力的话可以看看，1968 个带明确契约的案例，OpenAI Decisions 拿了 81.3% 平衡准确率。
Chinese contentFed-Universe：联邦学习中的语义-几何-拓扑-人文协商对齐架构
联邦学习里少数站点数据常被压没了，这篇用四层架构让小于 3% 数据的节点也能追平大站点，临床场景很实用。
Chinese contentST-OPSD：用激活转向修复思维模型自蒸馏中的教师缺陷
自蒸馏训练推理模型会让学生学会瞎编参考、不敢回头检查，这篇用激活转向治好了这两个毛病，AIME、HMMT 上准确率也涨了，做训练的可以看看。
Chinese content因果机器学习框架用于动态收费政策，兼顾出行、公平与减排
一篇用 Double Machine Learning 做动态收费政策的研究，商业区治堵效果是住宅区近两倍，还给出了一个怎么调都稳的费率区间。
Papers09:20
Chinese contentEmoNet：轻量级注意力 CNN 实现语音情感识别，仅 411 万参数一篇轻量语音情感识别论文：不用大 Transformer，411 万参数就在三个数据集组合上跑出 96.75% 准确率，做端侧部署的可以看看。
Chinese contentHCG 提出层级协作 GFlowNets，动态划分搜索空间提升探索覆盖
多个 GFlowNet 各自探索容易撞在同一片高奖励区，这篇论文用共享分类器动态分地盘，采样覆盖更广，做生物序列设计的可以看看。
Tomorrow 08:00, the daily lands in your inboxTelegram channel or email. Same screening as this page, no ads.
Papers09:20
Chinese contentTFNO 在 The Well 数据集上的超参调优结果显示基线被低估The Well 数据集的官方基线其实没怎么调参，这篇只在 12 小时内调了下 TFNO，17 个任务里 15 个就大幅超过原基线，引用时得留心。
Papers09:19
Chinese contentQECGBERT：用 VQ-VAE 波形分词构建心电基础模型这篇论文把心电图当语言来处理，用 VQ-VAE 把波形切成 token 再跑 BERT 预训练，80 万条 MIMIC-IV 数据训练出来的，做心电诊断方向的可以看看。
Chinese contentContinual Learning Exam：评估 LLM 智能体持续学习能力的 600 级基准
50 多名专家做了个 600 级的智能体考试，前沿模型最高也只过 47.7%，想知道智能体长期能力差在哪的可以看看。
Chinese content9个LLM结构化输出失败实证研究：Markdown围栏是最大坑
如果你的 Agent 管线老被 Pydantic 校验卡住，这篇拿 9 个模型、近 4000 次调用跑出来的失败分析值得看看。
Chinese contentOpenAI 公布数学、物理等领域三项新发现，并推出学者合作新机制
OpenAI 又发了三项数学、物理方面的新发现，这次还请外部专家当 shepherd 来把关结果，顺便公开了和学术界合作的新玩法。
Chinese contentOpenAI 称其 AI 在数学、计算机科学、物理领域取得新发现，关键证明通过 Lean 验证
OpenAI 说自家 AI 解出了几个拖了几十年的数学和物理难题，还用 Lean 做了形式化验证，专家在核实中，可以看看细节。
Chinese contentGoogle DeepMind：4个通用编程智能体自主通关 Minecraft
DeepMind 让 4 个编程智能体自己分工、写了 2783 个程序，27 小时打死末影龙，全程没人帮忙，思路挺有意思。
Chinese contentGoogle DeepMind 论文：LLM 无法自主生成真随机选择
DeepMind 实测发现 Gemini、Qwen3 都装不出真随机，攻击者胜率能被拉到 99.9%，写 Agent 的朋友记得在代码里生成随机数再传进去。
Chinese contentOpenAI 发布 ChatGPT 工作使用数据：覆盖近 100 个国家 165 项工作活动
OpenAI 拿出了近 100 个国家、165 项工作活动的真实使用数据，想看看大家到底拿 ChatGPT 干活干些啥，这份报告有答案。
Chinese contentNathan Lambert 分析：开源权重模型表现差异或源于窄域 RL 训练
Nathan Lambert 提了个有意思的角度：模型差距可能来自内部基建上的窄域 RL 训练，而这套东西对开源权重模型并不友好。
Papers01:24
Chinese content研究评估多模型结构化 AI 标准化病人在医学教学中的效果npj Digital Medicine 刊的随机对照研究，测了多个模型扮演标准化病人教医学生的效果，做医学教育模拟的可以看看设计思路。
Chinese content133名专利律师实验：AI让初级律师即时提效，但撤掉后仅资深者保留收益
133名专利律师实测三个月：初级律师用AI进步最快，可一撤走AI就打回原形，资深律师反而保住了收益。做律师或带新人的都该看看。
Salesforce Releases BehaviorBench for Predicting User Decisions
Building agents that model actual human behaviour has relied on synthetic personas, and this benchmark offers a measurable, open alternative with licensed data. Teams developing personalised assistants or recommendation agents can use it to evaluate how well their models exploit user history. The Apache-2.0 release on Hugging Face makes it directly usable without licensing friction.
Oct 26
MCP-Injector shows tool faults cut agent scores 60%
Scaling up model size does not buy robustness against broken tools, so engineering effort belongs in framework-level error handling and fault-injected evals rather than bigger models. Teams shipping MCP-based agents in production should test against MCP-Injector-style failure mixes and compare their agent stack choices, since the framework mattered more than the model. The fault calibration is derived from real open-source MCP repository issues, making the findings directly reusable for benchmark design.
PostTrainBench exposes locked strategy in LLM training agents
The failure mode is not execution but the absence of a trigger to re-open strategy decisions mid-run, a finding that reshapes how agent benchmarks should be designed. Anyone building autonomous ML or post-training agents should plan checkpoints for human strategy input rather than longer budgets. Defaults also follow the harness, not the task — Claude Code picks full-parameter SFT 71.9% of the time while Codex CLI picks PEFT/LoRA 89.5% — so tool choice itself biases your pipeline.
Chinese content学术医疗系统内环境式 AI 医疗记录助手的全院采用模式研究
一篇npj Digital Medicine的新论文，看某学术医院全院 rollout AI 记录助手后各科室用得怎么样，做医疗 AI 落地的可以翻翻数据。
Chinese contentGoogle 发布 DEEPSEA 基准，测试 LLM 对 12 种东南亚语言的理解能力
Google 在 EMNLP 2026 上放出 DEEPSEA 基准，一次评测 12 种东南亚语言，做本地化或多语言模型的朋友可以直接看论文和现场 demo。
Chinese content利默里克大学研究：拟人形象 AI 智能体更受信任，但女性形象“薪酬”评分更低
189 人做实验发现：长得像人的 AI 同事更被信任，可女性形象的“工资”就是被打低一截，论文里数据讲得很细。
IT之家Source
Papers15:36
Chinese contentbiomedical AI 从业者：解决生物学的瓶颈是数据而非算力一位做了7年 biomedical AI 的人拆解了 AlphaFold 背后的数据积累，观点很冷静。
Chinese contentSceneBloom：用扩散先验与契约引导编译生成真实室内场景
arXiv 上的新工作 SceneBloom，用扩散模型生成可仿真训练的 3D 室内场景，做具身智能的朋友可以看看，代码已开源。
Chinese contentHAD-VLM：用扩散机制解决医学影像测量中的数值连续性问题
一篇解决医疗 VLM 量尺问题的论文：离散 token 测不准毫米级数值，HAD-VLM 用扩散头预测坐标和长度，误差比 Vicuna 基线降了最高 37.6%。
Chinese contentarXiv 论文分析 LLM 平台广告与订阅组合定价机制
这论文回答了个实际问题：ChatGPT 们以后怎么靠广告赚钱、免费和付费档怎么设计，算力降价了广告收入反而可能更多，结论挺反直觉。
Papers12:09
Chinese content研究：LLM 优化代码省时间不省电，多数方案能耗反超人工想让 AI 帮你优化代码前先看这篇：11 个模型实测下来，42/44 的“优化”代码反而更耗电，MoE 架构是最省能的选择。
Papers12:09
Chinese content将嵌入从球面改到单纯形，CLIP 模态间隙最高缩小 99%把 CLIP 的嵌入从球面挪到单纯形，模态间隙直接砍掉 97% 以上，检索还不掉点，想法挺巧。
Chinese contentNgramRL 用 n-gram 投机解码加速 RL 后训练的 rollout 生成
RL 训练里 rollout 生成最耗时，这篇论文把它提速到原来的近 2 倍，还不用额外模型，做训练的可以看看实现思路。
Chinese contentLEMS 与 KFAC-SVD 改进 SVD 压缩方法降低 LLM 计算成本
想在单卡跑大模型又怕掉点的话，这篇给出更聪明的 SVD 压缩方案，比现有方法准确率高不少，代码也放出来了。
Only the latest 2000 items are listed; for older ones see the daily archive