Latest AI News & Industry Updates

PapersMulti-source10:03

Chinese contentUrbanAgent：跨系统城市任务的工具增强智能体框架

想解决城市服务碎片化问题？这个框架把LLM和代码、API、MCP接起来，跑通跨系统任务，成功率比最强基线高10个点。

#UrbanAgent #Urban-Eval #智能体 #MCP/工具

Event

arXiv: DeepSeek@Jiayu Cao et al. (9)8 sourcesSource

Papers11:46

Chinese contentTCPO：回合级信用分配策略优化

TCPO把验证器分数拆成每一步的信用，让模型知道哪个回合真正有用，在数学、代码和Agent任务上都有效果。

#TCPO #强化学习 #多轮推理 #AppWorld

arXiv: DeepSeek@Sicong Liao et al. (3)Source

Papers09:21

Chinese contentMedUPS：面向罕见病例的大语言模型诊断辅助

MedUPS 用强化学习教模型在罕见病例中预测下一步决策，三个开源模型准确率都提升了，数据集和代码已开源。

#MedUPS #MedUPSQA #Qwen #GRPO

arXiv cs.AI@Ofir Ben Shoham et al. (4)Source

Papers12:53

Chinese content本地 Computer-Use Agent 的推理时扩展：失败模式与计算权衡

这篇论文实测了三个本地模型在 OSWorld 上的推理时扩展，发现多算不一定提升成功率，反而换着花样失败。做本地 CUA 部署的可以当避坑参考。

#Qwen3-VL #UI-TARS #OSWorld #推理时扩展

arXiv cs.AI@Woongkyu Lee, Jungwook ChoiSource

Papers12:36

Chinese contentReToken：一个Token改进视觉语言模型的视觉检索

ReToken用一个小token当检索目标，从KV缓存里挑关键视觉token，Qwen3VL-8B在Visual Haystacks涨13.4分，单卡H100就能跑。

#ReToken #Qwen3VL-8B #InternVL3.5 #Visual Haystacks

Event

arXiv cs.LG@Yao Xiao et al. (6)2 sourcesSource

Papers11:52

Chinese contentTheia：面向无数据蒸馏的Incidents1M大规模多模态描述与自动验证

想把纯图片的Incidents1M变成图文对？这篇用Qwen3.5做生成和验证，10万条描述加自动打分，干活靠谱。

#Theia #Incidents1M #Qwen3.5 #无数据蒸馏

arXiv cs.AI@Simone Giano et al. (4)Source

Papers09:53

Chinese contentMORFES：现代希腊语屈折能力基准

专门测希腊语变格的基准，500道题验证模型是不是真懂语法规则，Sophea-Genesis-1拿了头名，权重还开源了。

#MORFES #Sophea-Genesis-1 #现代希腊语 #基准

arXiv: DeepSeek@Ioakeim Perros et al. (4)Source

PapersMulti-source09:49

Chinese contentBlueprintRepair：用于Lean证明蓝图的类型化局部编辑

修Lean证明蓝图？这个接口用类型化编辑，比源码补丁省30%、比重写省一半，1万token内就顶到上限。

#BlueprintRepair #Lean #DeepSeek-V4-Flash #定理证明

Event

arXiv: DeepSeek@Ruslan Khrulev11 sourcesSource

PapersMulti-sourceSelected09:43

Chinese contentAgentS4D：LLM工作区智能体执行生命周期的运行时风险基准

AgentS4D 用 328 个风险案例测了 20 种智能体组合，发现 66% 的测试任务虽然完成但实际不安全，别光看结果。

#AgentS4D #智能体 #AI安全 #运行时安全

Event

arXiv: DeepSeek@Jiajun Zhou et al. (6)6 sourcesSource

Papers11:29

Chinese contentMindForge: 通过源码无关程序合成教小语言模型全生命周期软件工程

MindForge 教小模型从零写完整软件，不用源码只用可执行文件和文档就把 Qwen3.6-27B 在 ProgramBench 上提升了 11.53%，跟大模型差不多。

#MindForge #ProgramBench #GLM-5.2 #Qwen3.6-27B

arXiv cs.LG@Yihao Chen et al. (7)Source

PapersMulti-source09:19

Chinese content基于物理信息的化工PID整定框架：使用LLM智能体

这篇论文用LLM自动调PID参数，小模型Qwen3-0.6B调参成功率94%，比大模型还稳。

#Qwen3 #DeepSeek #PID整定 #化工过程

Event

arXiv: DeepSeek@Zhoupeng Shou et al. (6)6 sourcesSource

Papers12:01

Chinese contentRelay-OPD：通过轨迹接力改进同策略蒸馏

这篇论文提出了一个很聪明的改进：当学生模型推理跑偏时，让老师模型短暂接管一段，再交回学生继续训练。在Qwen3小模型上效果明显，数学推理准确率提升，训练还更快。

#Relay-OPD #Qwen3 #知识蒸馏 #数学推理

arXiv cs.AI@Haolei Xu et al. (8)Source

Papers11:54

Chinese contentQwen3模型家族实体匹配研究：架构、变体与规模的影响

想用LLM做实体匹配？这篇论文用Qwen3对比了bi-encoder、cross-encoder和生成式三种架构，告诉你不同场景选什么最靠谱，还公开了代码和实验数据。

#Qwen3 #bi-encoder #cross-encoder #generative matcher

arXiv cs.LG@Zeyu Zhang et al. (5)Source

Papers10:58

Chinese content全局计算、本地物化：稀疏事件KV存储的记忆契约

论文用Qwen3-8B做实验，发现KV缓存里的事件行能独立保存计算视图，主动构造回答无关事件能让恢复率从6%跳到51%，对搞Agent记忆的人很有参考价值。

#Qwen3-8B #KV缓存 #记忆机制 #语义具体化

arXiv cs.AI@Zefeng Cai, Zerui CaiSource

Papers10:26

Chinese content在线策略蒸馏中结果混淆的局部监督

论文用实验数据揭示了一个反直觉现象：学生在模仿老师时，67%的token在“同意但失败”，说明局部蒸馏有盲区。做模型蒸馏的朋友可以看看这个诊断方法。

#Qwen3 #Qwen2.5 #知识蒸馏 #推理模型

arXiv cs.LG@Guoqing MaSource

Papers11:32

Chinese content视觉对比自蒸馏VCSD：无需外部教师的新方法

这篇论文提出了VCSD，不需要外部老师就能让多模态模型自己教自己，在Qwen3-VL上几个规模都涨了4-5个点，而且不增加推理成本。

#VCSD #Qwen3-VL #Qwen3.5 #ViRL39K

Event

arXiv cs.AI@Yijun Liang et al. (7)2 sourcesSource

Papers09:22

Chinese content工作流局部机制学习：结构化Agent技能的归因修复与知识复用

这篇论文提出了WML方法，能精准定位Agent工作流失败节点并复用外部技能知识，在SpreadsheetBench和Compiler-Supported50上表现亮眼，比直接SkillAgent省不少token。

#DeepSeek #Qwen3.6-Flash #SpreadsheetBench #智能体

arXiv: DeepSeek@Zibin Lin et al. (6)Source

Papers11:23

Chinese content编排开源小语言模型在恶意软件分析中超越单个大语言模型

别总盯着大模型花钱了，用Qwen3-4B和Foundation-Sec-8B组队就能干翻GPT，这篇论文给了具体方法和数据。

#Qwen3-4B #Foundation-Sec-8B #CyberSecEval #恶意软件分析

arXiv cs.AI@Adel ElZemity et al. (3)Source

Papers09:56

Chinese content强化学习提升大语言模型选择性采纳污染检索证据

Qwen3.5用强化学习学会在污染检索中挑有用证据，成功率从22%提到26%，还不掉通用分。

#SelectBench #DAPO #Qwen3.5 #RAG

Event

arXiv: DeepSeek@Yanyu Chen et al. (5)2 sourcesSource

PapersMulti-source07:21

Chinese contentAI实验室是否刻意优化“骑自行车的鹈鹕”？系统测试未发现证据

别猜了，Dylan用48个提示跑了7个模型，结论是AI实验室没作弊，鹈鹕骑自行车并不比其他组合强。

#GPT-5.6 #Claude #GLM-5.2 #DeepSeek V4 Pro

Event

官方账号Simon Willison’s Weblog3 sourcesSource

Papers12:32

Chinese content压力下的逻辑判断：用学习软前缀诊断三段论稳定性

这篇论文用软前缀测试了三段论推理，发现模型答案很容易被带偏，Qwen和Gemma的稳定性差异很大，值得做推理研究的读一下。

#软前缀 #三段论推理 #Qwen #Gemma

arXiv cs.AI@Brian K ChenSource

PapersSelected09:47

Chinese contentThe Geometry of Semantic Space：Transformer架构的连续几何框架

用微分几何重新理解Transformer，给出了注意力机制是薛定谔桥、SGD是违反细致平衡的伊藤扩散等新视角，并有大模型实测验证。

#Transformer架构 #微分几何 #Qwen3 #LLaMA-3.1

arXiv cs.LG@Zhihua LiangSource

Papers09:31

Chinese contentAnthroDial：面向拟人对话的闭环生成、评估与偏好对齐框架

这篇论文把拟人对话的生成、评测和奖励对齐做成闭环，Qwen3.6-27B微调后严格准确率39%，比基线高一大截。

#AnthroDial #Qwen #GRPO #拟人对话

arXiv cs.AI@Wentao Liu et al. (7)Source

Papers09:18

Chinese content模型合并 vs 联合多任务强化学习：任务向量几何分析

这篇论文用Qwen3-8B做了AppWorld上的合并vs联合训练对比，发现合并效果不输联合训练，而且解释了为什么不同合并方法结果差不多。

#Qwen3-8B #AppWorld #TIES #RAM+

arXiv cs.AI@S. Aaron McClendonSource

Papers11:20

Chinese contentTRACE：通过信用估计实现长程智能体回合级奖励分配

想解决Agent长程任务奖励稀疏问题？看TRACE方法，无需额外批评器，用TD变化给每步打分，Qwen3在BrowseComp-Plus上从7分直接跳到35分。

#TRACE #Qwen3 #BrowseComp-Plus #信用分配

arXiv cs.LG@Leitian Tao et al. (8)Source

Papers10:48

Chinese contentPezego-HITL：面向加纳农业扩展的策略导向大语言模型架构

这篇论文搞了个P-EVAL框架来评估农业AI的安全性，Pezego-HITL架构在加纳测试，延迟降了55%，还挺靠谱的。

#Pezego-HITL #P-EVAL #Qwen3.5-9B-DeepSeek-V4-Flash #农业扩展

Event

arXiv: DeepSeek@Shunbao Li et al. (8)2 sourcesSource

PapersSelected09:46

Chinese contentEcoSpec：成本感知的MoE模型投机解码加速方法

这篇论文提出EcoSpec，在DeepSeek-V3.1等MoE模型上通过成本感知投机解码最高提速1.62倍，值得关注。

#EcoSpec #MoE #投机解码 #推理加速

arXiv: DeepSeek@Jincheng Xie et al. (7)Source

Papers09:22

Chinese contentJADR协议：通过J-Space比较不同模型与量化级别的危险识别

JADR协议能从模型内部直接测出危险识别能力，不用外部裁判，还能对比Qwen3和Gemma 2在不同量化下的安全表现，挺实用。

#Qwen3 #Gemma 2 #JADR #J-Space

arXiv cs.AI@Roman Prosvirnin et al. (4)Source

Papers09:59

Chinese contentSETA：为终端代理扩展训练环境

终端代理训练数据难找，SETA开源了4500+环境的RL数据集，Qwen3-8B训后Terminal-Bench拿到12%，顺带还让DeepSeek-V4涨了分，搞终端AI的别错过。

#SETA #Qwen3-8B #DeepSeek-V4-Flash #Terminal-Bench 2.0

arXiv cs.AI@Qijia Shen et al. (22)Source

Papers09:17

Chinese content测试时扩展对小视觉语言模型在多语言视觉选择题中的有效性研究

这篇论文告诉你，在小模型上用测试时扩展，关键是让模型把答案写出来，而不是复杂搜索。Qwen2.5-VL调参后性价比很高。

#Qwen2.5-VL-7B-Instruct #Qwen3.5-4B #EXAMS-V #测试时扩展

arXiv cs.LG@Spiros Baxevanakis, Peng-Jian YangSource

Papers09:57

Chinese contentProactive Memory Agent：长时任务的行为状态衰减干预方法

长时任务里AI老忘事？这篇提出主动记忆智能体，随跑随记关键信息，在Terminal-Bench上提升8.3pp，比被动记忆好用多了。

#Proactive Memory Agent #Terminal-Bench #τ²-Bench #Qwen3.5-27B

arXiv cs.AI@Yifan Wu et al. (8)Source

Papers09:46

Chinese content不同教师不同能力：用于结构化文本增强的亚10亿参数端侧蒸馏

这篇论文对比了蒸馏不同教师模型的效果，发现推理型教师擅长教写作质量，托管型管线擅长教标签多样性，对选哪种蒸馏方案做端侧部署很有参考价值。

#deepseek-r1 #Qwen3-0.6B #QLoRA #蒸馏

arXiv: DeepSeek@Vinay Kumar ChagantiSource

Papers10:12

Chinese contentAgon: 竞争性跨模型强化学习的隐式对手评分推理

Agon让两个模型互相打分比赛，推理能力直接翻倍，比GRPO强一倍，而且完全不需要人工标注过程标签。

#Agon #Qwen3 #Gemma 4 #推理模型

arXiv cs.LG@Vladislav BeliaevSource

PapersSelected09:54

Chinese contentAdaPrefix-GRPO：自适应前缀控制提升困难推理问题训练效果

这篇论文解决了GRPO训练时难问题学不到东西的痛点，用自适应前缀让模型在数学推理上准确率翻倍，而且模型越小效果越明显，值得做强化学习的人看看。

#AdaPrefix-GRPO #GRPO #Qwen3 #AIME

arXiv cs.LG@Vladislav BeliaevSource

Papers09:01

Chinese content自动CAD生成基础模型：LLMForge框架与97问题基准评估

这篇论文用97个机械设计问题系统测试了7个模型，LLMForge的两种批评机制各有优劣，VLM批评做到100%水密网格但旋转体仍有缺陷。

#LLMForge #IterTracer #Qwen2.5-VL-72B #CAD生成

arXiv: DeepSeek@J de Curtò et al. (3)Source

Papers11:41

Chinese content弱到强泛化通过Direct On-Policy Distillation

用弱模型训练强模型，Qwen3-1.7B在AIME 2024从48.3%飙到62.4%，只花4小时8卡A100。比直接RL还省，值得试试。

#Direct-OPD #Qwen3 #AIME 2024 #推理模型

arXiv cs.AI@Shiyuan Feng et al. (10)Source

Papers11:11

Chinese contentTREK: 蒸馏扩展探索，强化精炼优化

这篇论文给出了一个实用技巧：用蒸馏扩展支持域再强化学习，在数学和代理任务上都涨点明显，而且不需要改动模型结构。

#TREK #GRPO #蒸馏 #强化学习

arXiv cs.AI@Yuanda Xu et al. (13)Source

Papers12:35

Chinese content一层足矣？训练单层Transformer可媲美全参数RL训练

这篇论文发现RL训练只需调优一层Transformer就能接近全参数效果，还揭秘中间层才是关键，刷新认知。

#Qwen3 #GRPO #Transformer #RL训练

arXiv cs.LG@Zijian Zhang et al. (7)Source

PapersSelected10:07

Chinese contentLOCOS：用分散贡献评分检测非字面检索注意力头

这篇论文告诉你怎样用 LOCOS 找出模型里真正干活的注意力头，在长上下文检索任务上效果拔群，比旧方法准很多。

#LOCOS #Qwen3 #Gemma-3 #OLMo-3.1

arXiv cs.LG@Aryo Pradipta Gema et al. (3)Source

Papers10:08

Chinese content操作级视觉令牌跳过：高效多模态大模型推理方法

这篇论文告诉你如何在不牺牲性能的前提下大幅降低多模态大模型的计算量。他们在Qwen3-VL上砍了33.7%的算力，性能只掉了0.5%，方法很巧妙。

#MLLM #Qwen3-VL #推理加速 #VQA

arXiv cs.AI@Zhaoyang Luo et al. (7)Source