Latest

研究团队发现 GaLore 这类低秩优化器做 2 bit 量化训练会掉点，于是提出 ResQAdam，优化器显存省七成多，速度几乎不掉。

做时间序列因果推断的朋友可以看看，DTCD 把拓扑、噪声、缺失这些都拆成可配置模块，反事实评测也直接给到，代码开源。

用Mamba加Fourier做PDE求解，比attention基线误差更低、参数还更少，搞科学计算的同学可以看看架构设计。

训练 PINN 时总有一项损失压不住？这篇把 Adam 里各任务的贡献演化讲透了，还给出 GMAdam 这个即插即用的改法，实验里比 AdaTask 更准。

MCMC 采样遇到各向异性目标就拉胯？这篇把 Fisher 信息从预条件子升级成排斥侧最优矩阵，各向异性场景 ESS 直接翻倍，理论保证也给全了。

这篇 arXiv 论文做了个 PHANTOM-Bench，发现 9 个模型在多智能体讨论时会被模糊的同伴信号带偏，准确率最多掉 47.8 个点，做 Agent 系统的该看看。

一份开源的生理信号基础模型，EEG 在 9 项指标里 8 项超过 LaBraM 和 EEGPT，延迟还降了最多 7 倍，做脑电或肌电的可以直接看代码。

三个智能体分工修 CUDA、OpenMP、SYCL 代码翻译，正确率全面超基线还省了一半多的 token，做 HPC 的可以看看思路。

团队给智能体自我改进做了个正经基准，executor 和 improver 分工迭代改自己的 harness，用固定预算对比闭源和开源模型，结论挺有料。

一篇 RL 论文，作者给 PPO 的固定裁剪换了玩法：每个 minibatch 里排序挑出极端比率，单独给自适应半径，MuJoCo 和 Atari 上跑赢了基线。

一个新的设计类 Agent 基准，Astra 全跑完但违规多，Claude 少做几个却更稳，论文本身还很克制地说明评测局限。

Stanford 把稀疏自编码器用在临床影像和检验数据上，挖出了397个可解释的疾病相关概念，代码开源了，做医学AI的可以看看。

想给公司写季度报告或学术综述的可以看看，这论文把“照着旧版格式填新内容”做成了 120 道题的基准，还测出了开源模型和 GPT 这类闭源模型的差距在哪。

家庭机器人光聪明还不够，这个新基准专测它会不会瞎操作——六款 VLM 最高才 61.9 分，做机器人研究的可以关注。

这篇论文把自我博弈这个热门方向拆成三个研究路线来讲，关心 LLM 训练方法的人可以看看它列的问题清单。

几百个小智能体在潜在空间里群聊协作，几分钟跑出别人一小时的搜索结果，还用 Qwen3 8B 改进了 AlphaEvolve 的解，省钱又快。

搞 ML 复现的可以看看：一个 agent 工作流把论文代码整理成标准复现包，四个模型成功率都冲上 90%，API 花费还省了近两成。

一篇解决医疗助手记忆混乱的论文：把患者事实建成带时间的图，在 MedMemoryBench 上比五个基线高出约 10 分，做医疗对话的可以看看。

一篇聊怎么把聊天界面开放给 AI 的论文，还做了 Meta Chat 原型，对做 AI 界面和 MCP 工具的人很有参考。

研究者给机器人 VLA 模型做了个潜层探针 VLA-Tug，能提前发现失败、还能预测失败原因，附带 3,180 条标注数据集。

这篇论文把 Terminal-Bench 2.0 翻出来查了一遍，三成任务有问题，修完之后各模型排名都会动。做评测的人应该看看他们的持续验证流程。

有人把ICU患者的电子病历训练成世界模型，一次建模就能模拟床位、调度、转院多种政策，比传统Markov模型多捕捉恢复速度差异。

给联邦学习开发者看的新玩法：Claude Opus 5.5 每 10 轮看一次客户端权重，自己写聚合代码，168 次实验显示比 FedAvg 高 1.26 个点，一次才花 0.79 美元。

机器人研究必看：用 3D Gaussian Splatting 把示教视频重渲染成新视角，成功率翻倍还省采集成本。

一个专测鼻咽癌诊疗全流程的医学基准，30 个模型里最强的严格成功率也只有 23%，能看出模型和真实医生差距在哪。

做机器人感知仿真的可以看看这个 VisionSIM，它把 LiDAR、iToF、事件相机这些传感器的真实失效模式都模拟出来了，还开源了数据集。

搞对抗训练的人可以看看这篇理论分析，它证明了用大步长训练也照样成立，不用非得用慢吞吞的小步长。

推荐系统工程师可以看看这篇：用 SAE 把黑盒用户嵌入拆成可命名的行为模式，还能零样本圈选受众，不用改上游模型。

把 1000 篇论文做成 AI 科学家能跑的实验环境，还测出它在 74% 场景下跑赢人类作者，训练数据也开源了，做科研智能体的别错过。

把 PyTorch 仓库自动改成 JAX 版的智能体测评，Claude Opus 5 通过 75%，其他模型差距挺大，做工程自动化的可以看看。

一群研究者做了个叫 MAEM 的元模型，能把 Qwen3.6-27B 里任意残差流方向翻译成人能读懂的文本，还比语料搜索和 NLA 更准，解释能用一次前向传播验证，可解释性方向值得看。

做意图路由或分类的朋友可以看看：同一模型换个标签写法，准确率能差这么多，论文还给了四个评测坑点。

一篇偏数学的方法论文：不用推导符号方程，直接从微分方程数据里挖出连续对称性生成元，在 11 维基准上全部恢复，做科学机器学习的人可以看看。

搞微调和 RLHF 的朋友可以看看，论文讲清了 LoRA 在 SFT 和 RL 里动态为啥不一样，还给出了分阶段调法，实验在数学推理上验证有效。

研究不确定性量化的朋友可以看看：这篇证明了保形预测在时变偏微分方程上为什么会失效，还给了加权修正方案。

arXiv 上这篇把 Unitree G1 训练成能和人互相配合的伙伴，还能预判被挡住的同伴动作，260 小时交互数据开源了。

给采样太多条思维链太烧钱的场景：这篇 arXiv 论文只定位并重写出错的那一步，token 省四成还不掉准确率。

一篇挺实在的方法论论文：不堆新模型，而是给合成多组学数据定了套可复用的评估流程，做医疗数据生成的可以拿来当参照。