Latest

搞理论的朋友可以看看这篇：作者把 OpenAI 和 Anthropic 新的 3-SAT 算法接过来，推出了 NTIME 能被确定性机器以 2^{O(t/√log t)} 模拟，这可是 P vs NP 附近的核心问题。论文的关键新工具是 Cook–Levin 归约的推广，做复杂度和 SAT 求解器研究的人值得一读。

这条值得看两个点：一是 Aaronson-Ambainis 猜想本身被证明了，量子算法在多数输入上能被经典模拟；二是证明者用的是 PSI 的研究系统加非公开 Anthropic 模型，AI 参与数学研究的又一实例。做量子计算或复杂度理论的人应该读解读部分，四个步骤的讲法很清楚。

有人用 Codex 和 Claude 在 Lean 4 里证完了一个悬而未决的几何问题，48 个证书全部通过内核检验，一个浮点数都没用。想看 AI 做形式化数学做到什么程度的，这篇是很好的样本。

做智能体记忆或评估的朋友该看看：论文用逐字节相同的可见上下文构造出答案不确定的案例，发现 Qwen3-32B 和 DeepSeek-V4-Flash 在 203 个证据不足实例里几乎不弃答、直接给参考答案。这暴露了现有记忆评测把"答对"当"答得合理"的漏洞，设计评估流程的团队尤其需要警惕。

Telefónica 这套方案专门啃老年人口语识别这块硬骨头，用 CTC 对齐打分来安排 LoRA 微调顺序，再剪枝防过拟合，7 个系统融合后归一化 WER 做到 22.17%。做低资源语音或适老产品的工程师可以直接抄作业。

让 LLM 别再直接写 CAD 代码，只负责在封装操作上做决策，编译器兜底正确性。无需训练还能换模型。做机械设计或 CAD 自动化的工程师值得关注这个流水线思路和 MHCAD 基准。

做嵌入式开发的朋友可以看看，这个基准专门测 LLM 写应用层嵌入代码的真实水平。结论挺实用：代码补全记得带上局部上下文，Harmony 转 RT-Thread 别指望模型一次到位，按方向选模型能少踩坑。

如果你在做医疗多模态应用，这篇论文把现有 MLLM 在手术场景的短板摸得很清楚：感知任务靠工具调用能补上，但流程评估和细粒度定位还差很远。两套评测框架可以直接拿来当自家模型的压力测试。

越南团队用 NVIDIA Auto Ontology 流程把法律问答语料做成了可溯源的知识图谱。最有意思的是数据审计结果：36% 的引用指向已失效法律。做法律 RAG、知识图谱的人应该看看这套构建和验证方法。

做域适应的人可以看看这篇：把 L2 换成 L1 Banach 范数正则，靠 Scheffe 定理直接收紧 TV 距离，在 Office+Caltech10 的 12 个迁移上比 DMDA 平均高 3.68%。论文还把三种几何摆在一起对比，理论味比较足。

用 TabPFN 和 Mitra 做因果效应估计的系统性测试，复杂场景下准确率和置信区间覆盖率都超过了 Super Learner 集成。做因果推断或统计建模的工程师值得看实验设计，尤其是 cross-fitting 对小样本的必要性结论。

把 LLM 的意图理解和强化学习决策拼在了一起：运营商用自然语言说需求，NWDAF 告警触发动态调整，5G UPF 选择比固定策略好 16.89%。做电信网络自动化或 DRL 落地的开发者可以看看实验设计。

投机解码在高并发下常被草稿树拖慢，这篇论文给出一个只学 2H+2 个参数的小头来判断哪些节点值得验证，64 路并发还能比自回归快 1.3-1.8 倍。做推理服务、部署块扩散模型的人应该看看，72 个负载设置里 70 个拿了最快。

做企业流程自动化的人可以看这篇：它把SOP文档和隐含知识分开管理，让智能体在SOP更新后不用每次重新人工调试。8个Indeed工作流上等效率从12%拉到58%，对比明显，写agent框架的值得借鉴这个思路。

搞 Agent 框架的人该看看这篇：它用 9B 冻结模型和教师写笔记，量化了失败轨迹到底值多少——只有 4 个百分点，而且 60% 的提升靠普通搜索就能拿到。跟一堆宣称“Agent 自我进化”的工作比，这篇泼了盆冷水，还顺手指出测试集过半有缺陷。

云安全告警最后总要找到能修的人，这篇论文用智能体从代码历史、工单这些痕迹里自动推断资源归属，实测比通用智能体召回高出一大截还更省钱。做云安全运营或者平台工程的人值得看看这套架构。

这篇论文回答了一个架构设计里常被忽略的问题：门控该看输入还是看状态。结论很实用——做上下文检索类任务（induction head）时状态门控有理论优势，做 selective copying 时输入门控更强，两者结合最好。调 Mamba 类模型架构的人值得把实验部分仔细看看。

做自动驾驶或3D视觉语言方向的研究者可以看看这个新基准：85万多条不是，是14万多条带运动描述的语言标注，配合SLIDE模块能利用时间信息定位运动物体，比只处理静态室内场景的老数据集更贴近真实驾驶场景。

搞在线学习或多臂老虎机的值得看这篇：延迟反馈但不知道奖励来自哪一轮的场景很常见，论文提出的 BHO 算法不依赖最优臂报告也能控住遗憾，还给了配套下界，理论上把可行边界画清楚了，做算法研究或推荐系统延迟归因的可以拿来对照自己的设定。

医院再入院预测的偏差会随出院决策自我强化，这篇论文给出一个聪明的解法：用容量感知的出院策略让数据更丰富，不需要额外加公平性约束就能把误差降 24%-25%、成本差距缩 38%-63%。做医疗 AI 或运筹优化的人都该看看。

野外录的鸟叫蛙叫总混着风声车声？这套开源的 CallCleaner 只有 19M 参数，笔记本 CPU 就能跑，降噪效果比 Biodenoising 多出 11 dB。做生物声学研究或环境监测的朋友可以直接下载权重本地用。

做逆向或安全分析的朋友可以看看这篇：MicroSim 用 IDA 微码建图加孪生 GNN，在 84 万函数的 TREX 基准上 ROC-AUC 到了 0.9972，比 SAFE 和 jTrans 重训后的成绩都高。论文还对比了 InfoNCE 和余弦损失在不同任务上的差异，选损失函数时用得上。

做医疗数据分析或联邦学习的开发者可以看看这篇。它把分层聚类的递归计算改成客户端到服务器的一次性原型传输，隐私风险和算力开销都降下来了，还靠服务器端的多粒度竞争学习补回信息损失。如果你的机构间数据没法直接共享，这套思路很值得参考。

联邦学习最常见的死法是被恶意客户端投毒，这篇论文用零知识证明把验证者准入做成了可审计的，攻击下 FedAvg 掉到 2% 它还有 94%。做去中心化训练或隐私敏感场景的工程师应该看看这套共识加审计的设计。

做语音安全或反深伪的工程团队值得看这篇。它用 WavLM 加 Mahalanobis 距离，不碰攻击样本就能拿到 8.45% EER，和监督基线 7.86% 很接近。更关键是它诚实展示了跨域 22.12% EER 和阈值自适应失效的失败模式，对部署选型很有参考价值。

一位参赛者完整拆解了他在 CoRL 2026 RoboEval 上拿到 0.990 分的做法，π0.5 策略自当价值函数，AWR 加 RECAP 直接在官方评分上训练，再补上生成的满分演示和失败恢复片段。做机器人 RL 或智能体训练的人能直接借鉴这套循环设计。

不用配对数据也不用标签，就能把两个模型学到的表示对齐，靠的是数据本身的几何距离而不是随手选的欧氏距离。做表示分析、模型拼接或者单细胞研究的都值得看看这套 Gromov-Wasserstein 的新用法，代码思路也讲得清楚。

做差分隐私训练的朋友看看这篇。作者发现只改动量这一项，隐私噪声机制的排名就会反转，以前只看曲率和学习率的评估方法可能不够。如果你在做私有逻辑回归或者 DP 微调，选噪声机制前最好把动量也算进去。

做长视频生成或智能体视频合成的开发者可以看看这篇。它不用重训练，靠规划器的语义约束决定缓存留什么，60 秒生成时内存砍到三分之一，画质反而比不压缩还高一点。四个骨干、三个基准都有数据，方法可直接套在现有 rollout 流程里。

做 LLM 训练系统的工程师应该看这篇：它量化了 OPD 在多大失配下不掉质量，FP8 加异步 rollout 能比同步 BF16 快 1.62 倍达到同样效果，还附了能直接复用的校准脚本和代码。

用自注意力模型替掉 Choco 里手工写的传播器优先级，698 个难例上多解出 20 个，中位求解时间降了 27.93%。做约束规划或组合优化的人可以看看这套从运行时间学偏好的训练思路。

做代码模型预训练的同学都懂，想从几 TB 语料里挑干净子集有多痛苦。SWHForest 只存 AST 结构摘要不存源码，先用 SQL 筛再下载，实测砍掉 46-72% 下载量，把小时级检索压到秒级。训练数据团队和语料库维护方都该看看。

做无线通信和信道建模的人可以看看这个数据集。10万个室外射频场景、29TB 数据，覆盖 3.5 和 7 GHz 两个频段，专门为训练无线基础模型设计。论文还验证了场景多样性对泛化的作用，想做跨部署环境泛化的团队用得上。

用预训练扩散模型做零样本压缩，不用专门训练就能按下游任务调整重建方向。跟 Diff-ICMH 比，解码更快，还能和训练过的任务导向编解码器打平。做图像传输和机器视觉落地的工程师可以看看。

离线强化学习理论的一篇硬核新论文：作者设计了每层只需一次凸回归的算法，在所有策略都线性可实现时样本量 O(ε^{-2})、计算量只随 log(B) 增长，还证明精度指数 2 已是下界。做 offline RL 理论或想了解覆盖假设能否放宽的研究者值得精读。

给做遥感或可解释性研究的人看的：作者把 AlphaEarth、Tessera 这类地球观测嵌入拆成了可读的稀疏特征，还配了一套专门评估协议。发现对齐概念数从维度中位数 12 个降到接近 1 个，细尺度方差占比提升到 23%–32%。想给卫星模型做可解释性分析的话，这篇给出了方法起点。

做 GAN、对抗训练这类 minimax 优化的人应该看看这篇。它用正交化更新加自适应步长，解决了 SGDA 系方法对步长调参极敏感的问题，且 AdaSGDA-VR 的 O(T^-1/3) 收敛率比常见基线更快。

这篇论文拿10,359个孟加拉语习语当探针，测试6个编码器里跨语言语义共享的真实程度。结论挺反直觉：英文训练的读出器能迁移到Bangla，但LEACE擦除器却几乎擦不动，读取和擦除是两回事。做多语言模型对齐或概念擦除研究的人建议看看。