全部动态

arXiv 上一篇讲 KV 缓存的新论文，用本地历史替换当前 token 分支，126M 模型上困惑度降了约 1.4%，做推理优化的人可以看看。

小模型跑工具智能体老犯重复调用、提前写入这类错，这篇把失败经验做成异构图记忆来避免，τ-Bench 和 AppWorld 都验证有效，做本地部署的可以看看。

论文教你怎么用解码器雅可比给 ViT 特征空间算真正的任务几何，剪掉一半 token 还能让深度误差少涨 25%，做高效推理的可以看看。

训练医疗问诊模型一直只会看最终诊断对不对，这篇给每个问题单独打分，连没问出口的问题也能学，比 GRPO 少问三分之一轮就赢了。

这论文把 KV-cache 压缩变成了能签合同的事：给定风险目标，自动算出能砍多少缓存，砍不了就回退全 KV。做长文本推理部署的可以看看。

Wayve 这篇论文教你怎么用不到5%的语言标注训出能开车的VLA，Bench2Drive 上分数还超过全监督基线，做自动驾驶的值得看看方法细节。

一个开源的 PDE 神经求解器 MENO，显存不随分辨率涨，还能跨几何求解，跑论文实验只需一行命令。

把 Muon 里那套 Newton-Schulz 迭代搬到注意力输出上，不加参数，ViT 和 Swin 在 CIFAR 上 12 组对比全涨，代价是推理变慢一点。

病理标注太贵没数据？这篇把多个病理视觉语言模型的表征融合起来，54 组实验里 50 组小样本分类更强，做医学影像的可以看看。

这篇把表格模型上下文学习拆开讲了，RefineICL 比 TabPFN-3 高 31.4 Elo，还解释了为什么去掉 FFN 反而更好，做表格任务的建议看看。

做强化学习的可以看看：RACER 用自适应扰动和 critic 一致性正则，解决了对抗训练里对手太狠把智能体带偏的问题，连续控制实验效果确实比老基线稳。

这篇论文造了个诊断集，专门测长上下文模型“找到了但没用上”的问题，DeepSeek 两个模型都被测出检索满分但解读掉分，做长文本评测的可以看看。

这篇用分层贝叶斯方法量化了 DeepSeek-R1-Distill 系列的推理能力与 token 消耗，结论是加大模型只提升能力不提升效率，做选型或研究 scaling 的朋友可以看看。

做分布式训练又怕隐私噪声影响效果的话，这篇给出了用同批次梯度差分降噪的具体方案，还附了收敛性证明和实验对比。

有人把 Whisper 的编码器砍掉 6 层还不用改推理代码，只用无标注语音蒸馏就把 WER 拉回 20.1%，模型直接可以下载用。

追踪了 6774 个智能体 PR 的后续命运，发现 Codex、Claude Code 这些智能体合并代码后还得自己返工，几率比人类高 62%。

论文提出了 CASPER 框架来摘要审讯对话，还配套 6000 条标注的 MINDSum 数据集，做法是让警官、督察等多角色打分迭代，ROUGE 和 BERTScore 都超了基线。

论文提出 ARIA 框架，专门解决多个各自合规的 AI 智能体放一起可能产生集体性歧视的问题，还对照了 EU AI Act 的监管要求，做金融合规的值得看看。

想做 AI 出题自动质检的可以看看：论文实测了 LLM、BERT、传统 ML 在布鲁姆分类上的 OOD 表现，LLM 拿到 0.79 的 F1，还给了几个低成本补救手段。

机器人换个机位就翻车的问题有解了：InfiNoVA 用 3D Gaussian 造新视角训练数据，陌生视角成功率提升 5.4 倍，不用改模型架构。

一项把控制论和生成模型用于神经调控的论文，用 fMRI 快照就能预测改变效价的效果，数据量四万多条，做脑科学方向的可以看看

研究者把知识图谱问答拆开看：小模型答案对了，走的路径未必对。用 PED 指标测出了 Hits@1 看不见的差距。

三方博弈里演化理论说合作稳如泰山，但三种 Q-learning 有两种完全学不出来，数值对比很扎眼，做 MARL 的值得看看实验设置。

一篇来自 arXiv 的新方法，把记忆机制塞进文本生成，同样的算力下 LiveCodeBench 准确率从 59.9% 提到 66.2%，还能快 3 倍。

一篇交通预测论文，提出了 LoReST 网络，用局部加区域两级建模替代昂贵的全对交互，在 LargeST 四个数据集上误差明显下降。

给做金融 AI 的人看的论文：教你怎么把监管要求直接嵌进智能体执行层，审计员可以重放验证每一步，DACH 和欧盟都能落地。

一个把安全检查搬进文生图管线内部的框架，能中途叫停生成，还能把有风险的提示改写成安全图，论文里基准数据挺扎实。

医院里 AI 写放射报告容易漏病灶或编造发现，这篇论文用 Jev 做低成本裁判，成本不到 3 美分评 100 对报告，做医疗 AI 评估的可以看看。

做游戏内或实时状态类对话智能体的朋友看看，三个包装器把接地准确率从 60% 多拉到 96.7%，延迟还压在 1.5 秒。

这篇论文发现 ICL 微调会让模型更容易被假上下文带偏，实测最多降 14.95 个点，J-ICL 方法能两边兼顾，做 RAG 或智能体的朋友可以看看。

一篇讲特征擦除为什么失败的论文：线性投影擦不干净，遗忘的知识一个标量补丁就能恢复，还解释了 LLM unlearning 复现的机制。