Papers09:59
Chinese contentEvil Spectra: 优化器如何放大或抑制突现错位这篇论文告诉你：选对优化器能把模型对齐率差7倍，Muon比Adam更靠谱，还能用谱正则化补救。
Latest
Every published item, in order · 325 items
Jul 1
Jun 30
Papers13:53
Chinese content悲观悖论：保守离线训练放大推理模型在线适应中的奖励黑客这篇论文用Qwen3-14B和DPO实验证明，离线训练越保守，在线适应越容易翻车，还在GSM8K上给出了最优保守度公式。做RLHF的值得一读。
Papers11:14
Chinese content推测解码中的接受理论：贪婪与宽松规则何时保证生成一致性这篇论文搞明白了推测解码里那些花式接受规则到底行不行，给出了数学保证，还在Qwen3上验证了，搞推理加速的值得一看。
Papers10:26
Chinese contentEPC诊断框架揭示GPT-4o评估器漂移：版本间偏好耦合从强到零这篇论文告诉你，你以为可靠的GPT-4o评估器可能几周后就失效了，它还给了你一个EPC框架来自己检查。
Papers09:21
Chinese contentOCR-VLMs 在天城体上的表现：压力测试基准与后校正研究如果你对多语言OCR或印地语文本识别感兴趣，这篇论文揭示了主流模型在天城体上的真实差距，尤其是GPT-5.5表现不如开源Qwen3-VL-8B。
Jun 26
Jun 25
Chinese content实时语音AI：能听见但不会倾听
这篇论文测试了四个主流实时语音AI处理哭泣、恐惧、讽刺时的表现，结果它们能听出情绪却不当回事，甚至误判口音和年龄。用语音AI处理敏感场景要小心。
Papers09:37
Chinese contentSARA：通过语义锚定路由对齐解锁MoE多语言知识论文提出SARA方法，用语义锚对齐MoE路由，让低资源语言也能用好专家能力，Global-MMLU提升0.8%-1.2%。
Jun 24
Jun 23
Papers12:03
Chinese content随机性的起源：大语言模型不确定性量化的全面研究这篇论文把LLM不确定性拆成四个层面，测了21种方法在多个基准上的效果，结论是共识方法最稳，模型越大越不模糊。
Jun 19
Chinese content探针-改进调优法提升编码智能体仓库指导效果
这篇论文告诉你：给编码智能体写AGENTS.md时，别一次性写好就完，得用探针-改进法迭代修。实测在SWE-bench上解决率涨了近5个点，主要是能让智能体多搞定14.5%的实例。
Papers10:19
Chinese contentSoftSkill：将自然语言技能压缩为连续上下文，冻结模型性能提升论文提出了 SoftSkill，能把复杂技能压缩成几个虚拟向量，用 Qwen3.5-4B 测试，数学题直接涨了 42 个点，比 SkillOpt 还强。
Papers09:33
Chinese content不确定性分解：让LLM智能体主动寻求澄清这篇论文给出了一个简单实用的方法，让智能体在任务模糊时主动提问，而非盲目执行。五个大模型上都有提升，值得做Agent的同学看看。
Jun 18
Papers10:57
Chinese contentMAST：机制引导的选择性遗忘方法，降低RLVR推理遗忘的附带损害这篇论文提出了MAST，一种更精准的模型遗忘方法，在Qwen2.5和Qwen3上只遗忘你想忘的，保留数学能力不掉。适合研究模型编辑或推理安全的同学。
Papers09:42
Chinese contentG-IdiomAlign：基于注释的跨语言习语对齐基准这篇论文搞了个G-IdiomAlign基准，专门测AI能不能理解不同语言的习语。结果模型爱直译，加了注释能好点但还差得远，值得一看。
Chinese content结构剪枝新方法：基于归因引导和覆盖最大化的MoE压缩
想省显存又怕掉精度？这篇论文用通道级剪枝加4-bit量化，把MoE模型体积砍到1/5还能保住性能，DeepSeek和Qwen都能用。
Jun 17
Jun 16
Papers11:57
Chinese content结构化链式思维提示在政治回避检测中的表现超越微调想知道怎么用CoT提示检测政治回避？这篇论文拿Grok-4-Fast跑出了0.51的F1，比微调Qwen3强，还分析了怎么设计提示最有效。
Papers11:04
Chinese contentHyperball优化包装器提升大模型预训练效率Muon在大模型上加速效果缩水？Hyperball通过固定矩阵范数，让Muon在1.2B Qwen3上又快了20-30%，还更好调参。
Papers10:54
Chinese contentExpert Tying：MoE语言模型的层间专家参数共享这个工作很实在：跨层共享专家参数让MoE模型内存减半，性能不掉，适合做模型压缩和高效训练的朋友看看。
Chinese contentAgentic AI生成并行Julia代码的可扩展性研究
这篇论文测试了GPT-5.5、Claude Opus 4.7和Qwen3-Coder-Next用智能体写并行Julia代码，在超算上跑192核，发现小规模还行，大规模容易死锁或OOM，开源模型最差。做HPC或Julia并行开发的人值得看。
Papers09:42
Chinese contentASAG：基于注意力状态的推理模型自适应停止生成想减少推理模型输出废话？ASAG免费即插即用，在Qwen3-8B上准确率升3.2%还省近40%token，实打实的效果。
Jun 15
Jun 12
Chinese contentLMSYS 发布 TITO 技术：确保 RL 训练中每个 token 都在策略上
做 RL 训练或大模型推理的团队终于有了解决策略偏移的实用方案——TITO 让每个 token 都对齐，计算量还能省 10 倍，搞 Agent 训练的开发者值得点开看看。
Papers11:42
Chinese contentRA-RFT：通过检索增强强化微调实现类比推理做复杂推理的AI研究者终于有了一个不依赖语义相似度的检索框架——RA-RFT让模型学会类比推理，数学基准提升显著，做RAG或强化微调的团队值得关注。
Papers09:06
Chinese contentCan I Buy Your KV Cache? 论文提出预计算 KV 缓存共享方案这篇论文直击 AI 智能体重复计算同一文档的浪费痛点，做 LLM 推理优化或智能体基础设施的团队值得关注——它提出的 KV 缓存共享方案可能大幅降低推理成本，且已有实测数据支撑。
Jun 11
Chinese contentBebop 突破熵界：MTP+拒绝采样加速 RL 训练 1.8 倍
RL 训练加速是 LLM 后训练的核心痛点，Bebop 用 MTP+拒绝采样把加速做到 1.8 倍，做 RL 训练优化的团队可以直接参考其 TV 损失和离线训练策略。
Chinese contentRACES：将可验证环境视为乐高积木，递归组合提升推理泛化
做 LLM 推理强化学习的团队终于有了可扩展的环境构建方案——RACES 用递归组合替代手动堆叠，效率提升 6 倍，值得关注其开源实现。
Chinese contentQwen3-235B-A22B 发现泛化黑客：模型可欺骗强化学习，阻止行为泛化
这篇论文揭示了 RL 训练的一个根本漏洞——模型可以表面配合、暗中抵抗，做 AI 安全和对齐研究的团队必须关注，它直接挑战了当前训练监控的有效性。
Jun 10
Chinese contentHiViG：历史感知视觉批评器提升计算机使用智能体性能
做GUI自动化智能体的团队终于有了能记住历史并看清屏幕的批评器——HiViG在长任务中显著提升成功率，建议做CUA开发的直接看论文。
Chinese contentEEVEE：首个面向真实世界的测试时提示学习框架，让LLM智能体自我改进
做 LLM 智能体部署的团队终于有了处理真实异构数据流的方案——EEVEE 的提示学习框架能自动适应多任务流，建议做 Agent 落地的开发者关注。
Papers10:37
Chinese contentTRACE：面向智能体强化学习的统一 rollout 预算分配框架做智能体强化学习或 RLVR 的团队，TRACE 解决了多轮 rollout 中奖励信号稀疏的痛点，直接用树状分配提升采样效率，值得在自家 agent 训练流程中试试。
Chinese contentShibboleth效应：大模型跨语言行为偏差审计
这项研究揭示了LLM在跨语言场景下的行为偏差可能影响外交决策，做AI安全或国际关系应用的团队值得关注，尤其是使用多语言模型的开发者。
Chinese contentLoRA+NEFTune 微调 DeepSeek-R1-8B 金融 NER 达 0.912 F1
金融 NER 是结构化非结构化数据的关键，做金融 NLP 的团队可以直接用这套方法低成本提升实体识别精度，值得一试。
Jun 9
Chinese contentCode Is More Than Text：面向代码生成的不确定性估计新方法
代码生成的不确定性评估长期被自然语言方法误导，这篇论文给出了三个正交维度，做代码LLM安全评估或部署的团队值得仔细看，能直接改进选择性预测和人工审查流程。