Chinese contentDACSI攻击：低成本间接提示注入突破RAG安全边界
RAG系统开发者需要警惕这种低成本、隐蔽的间接注入方式——它不依赖命令，而是冒充元数据，做AI安全的团队建议仔细看论文中的缓解方案。
Latest
Every published item, in order · 325 items
Jun 9
Jun 8
Chinese contentSETA：稀疏子空间专家共享解决LLM持续学习灾难性遗忘
SETA解决了LLM持续学习中任务知识冲突的核心痛点，做多任务模型训练或知识迁移的团队可以直接参考其专家分解思路，值得关注其稀疏子空间设计。
Papers09:40
Chinese contentEval-Skill：探索引导的评估技能合成，提升奖励模型判断力做奖励模型或 LLM 评估的团队终于有了一个轻量级替代方案——不用每次生成评分标准，而是合成可复用的评估技能，效果还比传统方法好很多，值得在 RewardBench 上跑一下自己的模型。
Jun 5
Chinese contentRBI-Eval：衡量记忆增强对话代理何时不该使用敏感记忆
该研究揭示了记忆增强AI代理在敏感信息使用上的关键盲区，做对话系统和个性化AI的开发者值得关注——它直接关系到用户隐私和信任。
Chinese content自我进化智能体：更优求解器比更大更新模型更关键
这篇论文戳破了“越大越好”的直觉，做智能体自我进化的团队会发现，把预算花在求解器上比花在进化器上更划算，值得重新审视你的架构设计。
Jun 4
Chinese content中科大开源智能体驱动长上下文训练范式：30B模型媲美Qwen3-235B
中科大用30B模型打平235B的长上下文能力，做长上下文训练的团队可以直接复用这套开源范式，省下大量算力和数据成本。
Jun 3
Chinese contentVaSE：面向推理模型的随机KV缓存淘汰方法
推理模型的长输出让内存和计算成本飙升，VaSE用随机淘汰策略在4倍压缩下保持高准确率，做推理模型优化的开发者可以直接参考论文实现。
Chinese contentAlignAtt4LLM：首个将 AlignAtt 用于纯解码器 LLM 的同传系统
做同声传译或实时翻译系统的团队，终于有了一个在纯解码器 LLM 上跑 AlignAtt 的可行方案，低延迟场景下效果显著，值得参考实现。
Jun 2
Chinese contentAdaCodec：为视频MLLM设计的预测式视觉编码，1/7预算超越全帧基线
做视频理解或多模态模型优化的团队，终于有了一个能大幅降低计算开销而不牺牲性能的方案——AdaCodec用预测式编码直击视频冗余痛点，建议做视频MLLM的开发者直接看论文复现。
Chinese contentQwen3 2-bit 推理失败模式与恢复：FP16 规划+循环救援提分至 87.2%
做推理模型量化和部署的团队终于有了针对 2-bit 失败模式的系统解法——不是简单降精度，而是用 FP16 规划和循环救援来修复生成过程，Qwen3 用户可以直接复现并提升准确率。
Jun 1
Chinese content自我改进智能体的关键建议：大模型并非最佳进化器
这篇研究戳破了“大模型=好进化器”的直觉误区，做智能体开发的团队可以重新分配预算——用便宜模型写更新，贵模型做执行，效果反而更好。
May 29
Papers13:06
Chinese contentConMoE：无需微调的MoE压缩框架，通过原型重分配保留专家池MoE模型部署内存瓶颈的团队终于有了无需微调的压缩方案——ConMoE通过原型重分配直接减少专家数量，做模型推理优化的开发者可以试试这个即插即用的方法。
May 28
Chinese contentMoE转稠密模型：首个系统框架将混合专家模型蒸馏为全稠密架构
这个框架解决了MoE模型在内存受限设备上部署的痛点，做模型压缩和边缘部署的团队可以直接参考其方法，比传统剪枝效果更好且训练更快。
Papers11:55
Chinese content医疗CoT蒸馏：答案准确率提升，推理步骤错误率反升做医疗AI或模型蒸馏的团队注意了：答案准不等于推理对，蒸馏后步骤错误率反而飙升，临床场景下这是致命隐患。建议点开看看审计方法，避免踩坑。
Chinese contentSkill-Conditioned Gated Self-Distillation 提升 LLM 推理能力
做 LLM 推理优化的研究者可以关注——SGSD 用技能库替代参考答案作为先验，降低了蒸馏对标注数据的依赖，数学推理场景效果显著，值得在自蒸馏框架中尝试。
May 27
Chinese contentBRANE：自然语言查询驱动的检索Agent配置优化
检索Agent的配置优化是成本与质量的永恒博弈，BRANE让每个查询都能自动找到最优解，做RAG或搜索系统的团队可以直接参考其方法，省下大量手动调参时间。
May 26
Chinese content激活预言机置信度校准研究：bootstrap模式频率最佳
做模型可解释性研究的团队终于有了可靠的置信度评估方法——bootstrap模式频率比传统log-prob校准误差低近5倍，建议做LLM内部机制分析的开发者直接参考论文代码。
Chinese contentVeriTrace：用认知图谱进化深度研究智能体的心智模型
做深度研究或复杂推理系统的开发者，VeriTrace 用显式反馈替代隐式推理，解决了信息污染和错误传播的痛点，值得在开源项目中尝试。
Chinese contentMobileGym：面向移动GUI Agent的高并行可验证仿真平台
做移动端GUI Agent或强化学习的团队终于有了一个可验证、高并发的仿真平台，不用再依赖私有后端或模糊匹配评估，建议直接看项目页和论文。
May 25
Chinese content无需训练的循环Transformer：冻结模型推理时循环提升性能
这项研究让使用冻结模型的团队无需重新训练就能提升推理性能，做模型部署或推理优化的开发者值得关注，可以直接在现有模型上尝试。
Chinese contentMoE模型浪费一半专家计算？ZEDA框架让Qwen3等模型跳过简单token
部署MoE模型的团队终于可以省下一半专家计算——ZEDA让Qwen3和GLM等模型自动跳过简单token，推理速度提升20%且几乎不掉精度，做模型推理优化的开发者可以直接参考论文方法。
May 22
Chinese contentPW-OPSD：位置加权自蒸馏提升推理模型性能
做推理模型蒸馏的团队终于有了一个简单有效的改进方向——不用改架构，只需调整token权重就能提升1分以上，值得在自家模型上复现。
May 21
Chinese contentDelTA：用判别性Token信用分配提升RLVR推理能力
做RLHF或推理模型训练的团队，终于有了一个能精准分配token级信用的方法——DelTA解决了高频格式token淹没关键信号的问题，数学和代码任务上效果显著，值得在自家模型上试试。
Chinese contentRELEX：仅需15%训练步数，通过秩-1轨迹外推提升LLM推理能力
RLVR训练成本高昂，RELEX用极低成本实现同等推理提升，做LLM推理优化的团队可以直接用代码复现，值得一试。
Chinese contentDODOCO 揭示 MoE 调度瓶颈：路由不均衡是模型固有，系统层无法修正
做 MoE 系统优化或互联设计的工程师，这篇论文用实测数据推翻了行业两个核心假设，直接告诉你路由不均衡是模型固有、模拟测试不可信，看完能避免在错误方向上投入精力。
May 20
Chinese contentGraft：剪枝+检索补偿，突破投机解码效率瓶颈
做推理加速的团队终于有了一个不牺牲接受率的剪枝方案——Graft用检索补偿剪枝损失，直接提升EAGLE-3 21.8%的加速比，搞LLM部署的值得试试。
Chinese contentGoLongRL：面向长上下文的强化学习训练方案，开源数据集与TMN-Reweight方法
长上下文 RL 训练的数据构建和奖励设计一直是个难题，GoLongRL 提供了开源数据集和优化方法，做长上下文模型训练的团队可以直接复用，省去大量数据构造工作。
May 19
Chinese contentEnvFactory：自动合成可执行环境与鲁棒RL，提升工具使用Agent性能
做Agentic RL的团队终于有了自动化环境构建方案——EnvFactory只用85个环境就碾压了此前5倍数据量的方法，想省掉手动造环境成本的开发者可以直接用。
Chinese content对称性兼容优化器设计原则：嵌入层、LM头、SwiGLU MLP与MoE路由器
这篇论文解决了深度学习优化器忽视架构对称性的根本问题，做大规模语言模型预训练的团队值得关注——它可能成为替代AdamW的新范式，实验显示能稳定提升损失和训练稳定性。
May 18
Chinese content层等价性测试方法不同，结果天差地别：Qwen3-8B和Llama-3.1-8B案例
做模型压缩或剪枝的团队，如果只用一种等价性测试就决定删层，可能会踩坑——这篇论文用Qwen3-8B和Llama-3.1-8B的对比告诉你，测试方法选错，安全剪枝的层数能差好几倍。建议在剪枝前先跑一下两种swap-KL诊断。
May 15
Chinese contentMultiEmo-Bench：多标签视觉情感分析基准，评估多模态大模型
做多模态情感分析或评估 MLLMs 情感能力的团队，终于有了一个更可靠的多标签基准——MultiEmo-Bench 解决了现有数据集低估模型的问题，值得直接用于模型评测。
Chinese contentDVMap：通过高共识人口-价值映射实现细粒度多元价值对齐
做 LLM 价值对齐的研究者终于有了从人口统计维度精细建模的方法——DVMap 用结构化 CoT 和 GRPO 实现了跨群体泛化，比国家标签更准，建议做 AI 伦理和可控生成的团队点开看看。
Chinese contentInsightReplay：通过洞察回放解决长链推理注意力衰减问题
长链推理的注意力衰减问题终于有了针对性解法，做推理模型优化或长上下文应用的团队值得关注——InsightReplay简单有效，可以直接在现有CoT框架上尝试。
Chinese contentXFP：面向LLM推理的自适应码本量化方法
XFP解决了LLM量化中手动调参和校准数据依赖的痛点，做模型部署和推理优化的团队可以直接用上自动化的高质量量化方案，省去大量调参时间。
Chinese content确定性智能体工作流实现HS关税分类：多维规则推理与可解释决策
做国际贸易合规或海关数据自动化的团队，终于有了一个可解释、可审计的AI分类方案，比黑箱模型更可靠，建议直接看论文的六阶段流水线设计。
May 14
Chinese content人格模型崩溃：微调导致大模型角色分化失控
做AI安全和对齐的研究者、模型微调工程师值得关注——这项研究用两个量化指标揭示了有害微调如何让模型角色扮演能力崩溃，比单纯看输出内容更早发现问题。建议点开看看指标计算方法。
Chinese contentNegation Neglect：微调让模型把假新闻当真，安全风险凸显
这个发现戳穿了微调中“加否定声明就能纠正模型”的幻觉，做安全对齐或数据清洗的团队必须警惕——你的训练数据里那些“假新闻”可能正在反向教坏模型。建议所有做微调的人点开看看，避免踩坑。
May 13
Chinese contentScaleSearch：搜索块浮点缩放因子，提升量化精度
做模型量化和推理加速的团队终于有了更优的缩放策略——ScaleSearch直接提升精度且兼容现有方法，建议做低精度部署的开发者试试。
Chinese contentFG-ExPO：自适应KL与高斯课程采样提升GRPO数学推理
做LLM数学推理RL训练的团队，GRPO的KL系数和采样策略可以照搬这个改进，AIME 2025上13个点的提升值得一试。