Latest AI News & Industry Updates

Papers78°09:33

Chinese contentLoopArena：模型作为管理者的可测量基准

LoopArena 基准首次单独测量模型作为'管理者'的能力，发现 GPT-5.5 在长程任务中表现最佳，但成功率仍不足 25%。

#LoopArena #Qwen3.7-Plus #GPT-5.5 #Claude Opus

Event

shao__meng@shao__meng2 sourcesSource

PapersSelected09:20

Reasoning Models Show Asymmetric Disclosure

The findings reveal vulnerabilities in AI oversight mechanisms that developers and policymakers should consider when implementing reasoning model monitoring systems.

#Qwen3-14B #Qwen3-32B #Qwen3-235B #reasoning models

arXiv: DeepSeek@Zimo Shi et al. (3)Source

PapersSelected73°09:30

Reward-Aligned On-Policy Distillation

RA-OPD improves model performance on math and code tasks, making it valuable for developers working with LLMs in technical domains.

#RA-OPD #Qwen3 #DeepSeek-R1 #on-policy distillation

arXiv: DeepSeek@Siyuan Gan et al. (8)Source

Papers73°09:05

Chinese contentVISTA：基于验证器的学生-教师自适应蒸馏方法

VISTA方法改进了OPSD蒸馏技术，通过验证器指导教师自适应，在数学推理任务上显著提升性能。

#VISTA #OPSD #Qwen3 #蒸馏

arXiv cs.LG@Zewen Ding et al. (8)Source

Papers73°09:05

Chinese contentPASK：结构化生成中的条件化KV持久化

PASK让结构化生成更高效，在保持准确性的同时大幅降低内存使用，提升处理速度。

#PASK #结构化生成 #KV压缩 #Qwen3-4B

arXiv cs.LG@Linze Wu, Xinrui ChenSource

PapersSelected73°19:25

Block Drafting Model Gaps Analysis

The findings help developers understand why block drafters underperform and guide improvements to proposal quality in text generation systems.

#block drafting #Qwen3-4B #information floor #model gap

arXiv cs.LG@Xinwei Qiang et al. (5)Source

PapersSelected73°18:45

Mixture-of-Experts Inference Optimization Study

The findings impact MoE deployment efficiency for researchers and companies using these models in production environments.

#Mixture-of-Experts #OLMoE-1B-7B #DeepSeek-V2-Lite #Qwen3-30B-A3B

arXiv: DeepSeek@Gokulakannan Sakthivel et al. (4)Source

PapersSelected00:07

Agent skill library malware propagation

A counter-prompt reduces poisoning to 6.7% without affecting task completion, offering developers a practical defense against this vulnerability.

#EvoMal #coding agents #SWE-bench #skill libraries

elvis@omarsar0Source

Papers10:26

Chinese contentDualOPSD:自适应策略自蒸馏方法

DualOPSD在模型规模和性能上都有显著提升，是自蒸馏领域的一个新突破。与OPSD相比，DualOPSD在多个基准测试中取得了更好的成绩，值得关注。

#自蒸馏 #模型优化 #性能提升 #Qwen3-8B

arXiv cs.AI@Yutong Chen et al. (4)Source

Papers09:25

Chinese contentLocalLSTC：用于本地GUI代理的长期短期控制架构

LocalLSTC通过时间组织控制信息，显著提升了本地GUI代理的性能，值得研究。

#LocalLSTC #长期短期控制 #GUI代理 #Qwen3.6-27B

arXiv cs.AI@Weiming Li et al. (3)Source

Papers BuildersMulti-source09:18

Chinese contentEVOMAL: 自进化的编码智能体中的自毒化问题

研究揭示了自进化的编码智能体中的自毒化问题，并提出了counter-prompt防御措施，有效降低了恶意技能的传播。对于关注AI安全和智能体研究的读者来说，这是一篇不容错过的论文。

#智能体 #AI安全 #自毒化 #防御措施

Event

arXiv cs.AI@Xiaodong Wu et al. (8)3 sourcesSource

Papers Builders11:29

Chinese contentRecursive Experiential-Working Memory Evolution for Long-Horizon Agent Harnesses

Recuris模型在长时程任务中显著提升了GPT-5.6 Sol和Claude Opus 5的表现，是长时程智能体驱动的递归记忆架构的一个突破。

#Recuris #递归记忆架构 #GPT-5.6 Sol #Claude Opus 5

Event

arXiv cs.AI@Zhaochen Yu et al. (8)2 sourcesSource

Papers10:43

Chinese contentSRPO：自反策略优化用于长期推理

SRPO框架使LLMs能够自我分析，提高长期推理能力，比传统方法更高效。

#自反策略优化 #长期推理 #LLM #Qwen3-8B

arXiv cs.AI@Jialong Liu et al. (5)Source

Papers10:25

Chinese contentSchemaGUI：可控制GUI生成评估的模板基准

SchemaGUI提供了一个新的基准，用于评估可控制GUI生成，特别是对于LLMs在几何空间控制和布局复杂性方面的表现进行了深入分析，对于想要了解GUI生成领域最新进展的人来说是个好资源。

#SchemaGUI #GUI生成 #LLMs #Qwen3.5

arXiv: DeepSeek@Jiarui Dong et al. (10)Source

Papers10:39

Chinese content不对称容量分配在自优化管道中

这篇论文研究了自优化管道中模型大小分配的影响，发现不同阶段对模型大小的需求不同，为设计更高效的LLM系统提供了新的视角。

#自优化管道 #模型大小分配 #LLM系统 #Qwen3

Event

arXiv cs.LG@Zhuoyi Yang et al. (10)2 sourcesSource

Papers10:44

Chinese contentMidTool：工具使用中训练数据合成研究

MidTool为模型如何识别工具可用性、从上下文中定位论点、组成工具调用工作流程和从不完整信息中恢复提供了新方法，与基线相比，在中训练后性能显著提升，值得一试。

#MidTool #中训练数据合成 #工具使用 #Qwen3-4B-Base

arXiv cs.AI@Fengqing Jiang et al. (8)Source

Papers10:18

Chinese content长语境推理蒸馏的组校准方法研究

SolereZhang团队推出的GC-OPD方法，用于优化Qwen系列大模型完成长语境任务，比传统方法效果更好，值得尝试一下。

#Qwen3-4B #Qwen3-8B #Long-Context #Strategy Distillation

arXiv cs.AI@Zhu Zhang et al. (9)Source

Papers15:25

Chinese contentPIHF：将后训练强化学习引入上下文学习的新方法

PIHF把强化学习的迭代改进搬到了上下文学习里，用语言模型当执行器，专家审阅改进，罕见病诊断上Recall@1提升明显，值得一看。

#PIHF #上下文学习 #强化学习 #罕见病诊断

arXiv cs.AI@Minh-Ha Nguyen, Cathy ShyrSource

Papers Builders10:19

Chinese contentClawGym II：探索Agent Harness上的黑盒强化学习

这篇论文把黑盒RL搬到agent harness上，用Qwen3-30A3B在OpenClaw和Claude Code上跑，ClawGym-Bench直接涨了10到15个点，还支持多个harness一起训练。

#ClawGym #Qwen3-30A3B #OpenClaw #Claude Code

arXiv cs.LG@Huatong Song et al. (20)Source

Papers10:21

Chinese contentPACE-Bench：动态环境下基于代码演进的物理适应基准

想看看AI在规则变了之后能不能自己改代码？PACE-Bench 专门测这个，目前最强的 GPT-5.5 也只解决了 Statics 子集的三分之二，离满分还远得很。

#PACE-Bench #GPT-5.5 #Qwen3-14B #物理适应

arXiv cs.AI@Yuhao Zhan et al. (4)Source

Papers12:29

Chinese contentTEMPO：跨内存/计算受限场景的专家并行负载均衡

如果你在做MoE推理，TEMPO这个调度器在内存/算力瓶颈混合时能比常规方案快15.5%；不过DeepSeek-V3那种通信瓶颈场景它不灵。

#TEMPO #MoE #专家并行 #负载均衡

arXiv: DeepSeek@Jie Li et al. (8)Source

Papers10:39

Chinese contentTraVEL：轨迹引导的视频嵌入学习用于驾驶视频检索

想搞自动驾驶数据检索的可以看看这个TraVEL，用行车轨迹当训练信号，让模型更懂左转右转、加速减速，比普通微调强不少。

#TraVEL #Qwen3-VL-Embedding #nuReasoning #视频检索

arXiv cs.LG@Yi-Chung Chen et al. (9)Source

PapersMulti-source18:38

Chinese content中国前沿大模型并非铁板一块：实验室间合作均衡差异显著

想知道中国大模型是不是都一个样？这篇论文用囚徒困境测了DeepSeek、Qwen、Kimi和GLM，发现它们合作倾向差别挺大，别再把它们当铁板一块了。

#DeepSeek V4 Pro #Qwen3-Max #Kimi K2.5 #GLM-5.1

Event

arXiv: DeepSeek@Francisco León Zúñiga Bolívar5 sourcesSource

Papers18:21

Chinese contentMISA-T：混合RL rollout调度新策略，吞吐提升53.3%

做LLM后训练的朋友可以看看，MISA-T把混合rollout调度做得更精细，吞吐提升明显，而且不牺牲任务效果。

#MISA-T #RLHF #KV缓存 #rollout调度

arXiv cs.LG@Zetao Hong et al. (7)Source

PapersSelected11:39

Chinese contentTIDE：解决LLM在线蒸馏中师生不匹配问题

这篇论文讲了个反直觉的事：蒸馏时师生token一致反而可能有害。TIDE方法在数学推理上把准确率从6.9%拉到20.3%，还让回答短了3.6倍，值得做LLM后训练的人看看。

#TIDE #在线蒸馏 #Qwen3 #数学推理

arXiv cs.AI@Zichao Yu et al. (7)Source

Papers11:37

Chinese contentSKALD：将技能蒸馏进权重而非提示词，提升数学推理

想提升数学推理模型？SKALD 把技能蒸馏进权重，比 GRPO 最高涨 12 分，还不用改推理时的输入。

#SKALD #Qwen3 #GRPO #蒸馏

arXiv cs.AI@Yubo Jiang et al. (4)Source

Papers10:45

Chinese content开源模型能否媲美闭源模型？金融文本理解基准更新

想知道开源模型在金融领域到底行不行？这份基准测试用数据说话，Kimi K2.6和GLM 5的表现可能会让你意外。

#Financial Touchstone #Kimi K2.6 #GLM 5 #DeepSeek V3.2

arXiv: DeepSeek@Jan SpörerSource

PapersSelected11:25

Chinese contentTransformer难用涌现世界模型：河内塔任务新研究

这篇论文说推理模型其实能建出世界模型，但解题中途就弄丢了。它用小模型和可解释性方法把问题定位得很清楚，还给出了补救办法。

#Qwen3.6-27B #DeepSeek-R1-Distill-Qwen-32B #世界模型 #推理模型

arXiv: DeepSeek@Devin Pereira, Willem ZuidemaSource

Papers10:43

Chinese contentTRIAL：智能体强化学习的轨迹相对事后蒸馏框架

这个新框架TRIAL能让智能体强化学习更高效，在多个任务上超过GRPO，成功率提升近19个百分点，搞RL的可以看看。

#TRIAL #GRPO #Qwen3 #强化学习

arXiv cs.LG@Haoyu Zheng et al. (4)Source

Papers Builders76°07:52

Chinese contentMeta新研究：EvoHarness-RL让智能体学习协调策略

Meta 新论文让智能体学会管理外部记忆，Qwen3-8B 在 ALFWorld 到 96.9%，长任务不用堆工具。

#EvoHarness-RL #Meta #Qwen3-8B #ALFWorld

elvis@omarsar0Source

Papers12:28

Chinese content无监督自蒸馏：U-OPSD仅靠模型自身生成提升推理能力

不需要标注和外部反馈，U-OPSD靠投票让Qwen3数学成绩再涨一截，追平甚至超过OPSD和GRPO。

#U-OPSD #Qwen3 #OPSD #自蒸馏

arXiv cs.LG@Yijiang Li et al. (6)Source

Papers12:14

Chinese contentABSeeker：用答案回溯信用分配训练长程搜索智能体

它用答案倒推给搜索智能体每一步打分，4B模型在BrowseComp上拼到55.3%，能对标30B模型，值得看方法。

#ABSeeker #Qwen3.5 #BrowseComp #ABC

arXiv cs.AI@Yijun Lu et al. (7)Source

Papers11:34

Chinese contentSkill Entropy：长程推理的技能切换评测与训练

Skill Entropy能测出模型切换推理技能的短板，还能当训练信号：Qwen3小模型得分从34%飙到68%，也能用在OpenR1-Math数据上。

#Skill Entropy #Skill^2-Bench #Qwen3 #长程推理

arXiv cs.LG@Yinghui He et al. (9)Source

Papers09:33

Chinese contentA-SR：分层协调的自演化智能体LLM符号回归框架

符号回归老被单一大模型提示词卡住，这个A-SR让不同智能体分工盯不同失败信号，准确率从25%拉到48%，还开源蒸馏路子，值得看一眼。

#A-SR #符号回归 #智能体 #LLM-SRBench

arXiv cs.AI@Wenxiao Zhao et al. (12)Source

Papers11:58

Chinese contentSWD：稀疏权重分解让电路提取更高效

SWD用不到1%数据就能达到Transcoder的保真，GPT-2、Qwen2.5都能跑。

#SWD #Transcoder #GPT-2 #Qwen3.5-27B

arXiv cs.LG@Chuanhao Yan et al. (7)Source

Papers11:56

Chinese content跨模型KV缓存迁移：线性映射实现预填充复用

同系列模型切换总得重新预填充？这篇用线性映射传KV缓存，能省2.7到25倍时间，四对组合还保住九成以上准确率。

#Qwen3 #KV缓存 #跨模型迁移 #HellaSwag

arXiv cs.LG@Taekyung Heo et al. (9)Source

Papers11:41

Chinese contentCARE-X：统一辅助监督与奖励对齐的胸片视觉语言模型

医学影像领域的小伙伴可以看看这篇，CARE-X 把胸片分类、定位、报告生成整合到一个模型里，还靠工具调用做解剖测量，临床实用性比纯生成模型强不少。

#CARE-X #Qwen3-VL #胸片 #视觉语言模型

arXiv cs.AI@Mercy Prasanna Ranjit et al. (11)Source

Papers11:38

Chinese contentTACT：面向教学自适应英语辅导的分类对齐后训练

这篇论文把教学策略拆成13种，用260段真实对话和3.2万条标注训练出TACTutor，在78个测试场景比基座涨了20%，盲测还赢过商业模型。

#TACT #Qwen3.5-4B #TACTutor #微调

arXiv cs.AI@Dongjie Yang et al. (6)Source

Papers11:25

Chinese content对比激活加和干预实现Qwen3时间偏好双向操控

这篇论文在Qwen3-32B上找到了时间偏好的内部方向，用对比激活加和就能双向改变模型选短期还是长期，还能顺带提升规划能力，挺有意思。

#Qwen3-32B #Contrastive Activation Addition #时间偏好 #可解释性

arXiv cs.AI@Michal Mráz, Justin ShenkSource

PapersMulti-source10:06

Chinese content近似投机解码ASD：免训练加速自回归生成

这篇论文搞了个叫ASD的投机解码改进，不用重新训练就能提速，实测吞吐最高涨15%，代码也开源了，跑推理的可以看看。

#ASD #投机解码 #Qwen3-14B #DeepSeek-V4-Flash

Event

arXiv: DeepSeek@Yuannuo Feng et al. (8)8 sourcesSource