Latest

Chinese contentPyRUA-DataFarm：用 LLM 智能体替代遥操作生成可直接部署的机器人训练数据

用编码智能体在仿真里批量造机器人训练数据，成绩反超遥操作真数据，一小时成本 107 美元，比中美两地人工都便宜，做具身智能的可以细看。

#PyRUA-DataFarm #机器人学习 #仿真数据 #智能体

arXiv cs.AI@Kewei Zhang et al. (14)Source

Chinese contentHARP：无需训练的双侧画像智能体通信框架提升 LLM 推荐效果

给做 LLM 推荐的朋友：HARP 不训练就能在四个基准上把 Hit@1 拉高 6.9%-24%，物品画像和检索侧门控的思路可以直接借鉴，代码开源了。

#HARP #LLM推荐 #智能体 #Hit@1

arXiv cs.AI@Zhen Tao et al. (5)Source

Chinese content研究称无需长上下文：频繁压缩几乎不损失任务精度

这篇论文说生成靠后的 token 贵最多 7 倍，靠频繁压缩短上下文几乎不掉精度，做 Agent 的值得看看省成本。

#长上下文 #SSSMs #开源模型 #LLM成本

arXiv cs.AI@Peter Belcak et al. (12)Source

#合成数据 #person-in-context #identity economics #LLM评估

Chinese content论文：固定人设无法复现真实群体行为，合成人群模拟存在结构性缺陷

有人在 arXiv 论证固定人设模拟人群天生有缺陷，还给出了改进设计和实测结果，做用户模拟或评估的可以看看。

arXiv cs.AI@Tamunotonye Harry, Yuanyuan FengSource

Chinese content研究：LLM 在恶劣天气提醒场景中的错误安抚问题与可复现评测

用真实 NWS 警报测 Claude 天气管道，发现盲测下近四成回答会错误安抚用户，还放出了数据集和代码可以自己复现。

#Claude #LLM #AI安全 #NWS

arXiv cs.AI@Kadharmoideen FadurudeenSource

Chinese content研究：语言子空间干预对多语言推理的准确率与语言保真度难以兼得

Qwen2.5-7B 上的实验挺扎心：想让模型用目标语言答对题，最好的干预也只提升 1.60 点，做多语言的可以看看。

#Qwen2.5-7B #MGSM #多模态 #开源模型

arXiv cs.AI@Shaanil Punglia et al. (5)Source

Chinese contentarXiv 新论文：用激活碎片化几何检测 LLM 被压制的知识

有人用匿名改写前后的隐状态几何差异，判断模型是真不知道还是憋着不说，代码也开源了，做遗忘评测的可以看看。

#unlearning #LLM #激活分析 #AI安全

arXiv cs.AI@Adar Peleg et al. (4)Source

#JHiMA-WebRL #WebArena #GRPO #GUI Agent

Chinese contentJHiMA-WebRL：分层多智能体强化学习框架提升长程网页任务表现

用两个 7B 模型分工干翻 32B 单体：一个负责拆任务，一个负责执行，在 WebArena-Lite-v2 上成功率 37.2% 对 24%，做 GUI Agent 的可以看看训练细节。

arXiv cs.AI@Shanka Subhra Mondal, Jiayun WangSource

#agnostic learning #multiaccuracy #no-regret learning #计算学习理论

Chinese contentDeepMem：一种在字节级语言模型上压缩语义并保留字节细节的多尺度架构

字节级模型不用分词器但太贵，这篇来自 arXiv 的 DeepMem 用多尺度压缩把计算量砍了约 7600 倍，效果还反超同规模 Transformer，做底层架构的可以看看。

#DeepMem #字节级模型 #语言模型 #多模态

Event

arXiv cs.AI@Afshin KhadangiSource

Papers14:01

Chinese contentarXiv 论文：基于 AUC 的临床预测模型公平性指标如何正确使用

做医疗预测模型公平性评估的可以看看，作者逐个分析了八种 AUC 公平性指标，哪些能用、哪些有坑都讲清楚了，还给了 EuroSCORE II 的模拟例子。

#AUC #公平性评估 #临床预测模型 #EuroSCORE II

arXiv cs.AI@João Matos et al. (5)Source

Papers Builders13:12

Chinese contentDNO 方法让 Llama 3.1 8B 在 AlpacaEval 2.0 上胜率升至 45.3%

一篇对齐方法的复现研究：用纳什均衡思路微调，8B 模型干过了 70B，还验证了不用 GPT-4o 标注也行，做对齐的可以看看。

#DNO #DPO #Llama 3.1 #Mistral

arXiv cs.LG@Austin Tsai et al. (5)Source

Papers Policy13:12

Chinese contentPolicyIK：用强化学习实现机械臂高精度逆运动学

机械臂逆运动学一直靠手工调控制器，这篇论文用强化学习把误差压到 1mm 以内，还能直接给 π₀.₅ 这类 VLA 策略当下游执行器，做机器人方向的可以看看。

#PolicyIK #强化学习 #逆运动学 #机器人

arXiv cs.LG@Yuhan Liu et al. (5)Source

Papers Builders13:12

Chinese contentGUILD：用视觉语言模型引导机器人模仿学习的数据采集

UT Austin 的机器人团队做了个 GUILD 框架，一边让 VLM 挑任务一边评估数据价值，采数据比老手工程师还高效。

#GUILD #模仿学习 #VLM #机器人学习

arXiv cs.LG@Shivin Dass et al. (5)Source

Papers Builders13:11

Chinese contentPEARL 方法抑制语言模型不良行为，训练后不易复发

研究者把模型“越训越坏”的问题做成了可测量的框架，还给出 PEARL 这个 GRPO 改进版，做对齐或安全微调的可以看看怎么压制不良行为不反弹。

#PEARL #GRPO #Qwen3 #GPT-OSS

arXiv cs.LG@Luxi He et al. (5)Source

Papers Builders13:11

Chinese contentBorn 测量 Transformer：让语言模型给出可精确验证的词级证据

有人把 transformer 改成量子测量模型，解释不再是猜的，词的贡献能精确加和，还在 IBM 量子计算机上跑通了。

#Born Transformer #可解释性 #量子计算 #e-SNLI

arXiv cs.LG@Teerawat Tongloy et al. (3)Source

Papers13:11

Chinese contentarXiv 新论文证明多精度与不可知学习在复杂度上等价

一篇理论论文，把判别式学习和生成式不可区分这两个看起来不同的任务证明成复杂度等价，做学习理论的朋友可以看看证明思路。

arXiv cs.LG@Sílvia Casacuberta et al. (6)Source

Papers13:11

Chinese contentarXiv 论文揭示语言模型上下文学习的内部电路机制

这篇论文把 ICL 的每一步都拆开了，用 patching 证明哪层头在存演示、哪层头在查标签，机制可解释性方向的可以细看。

#ICL #可解释性 #transformer #arXiv

arXiv cs.LG@Andrew Gao, William GaoSource

Papers Builders13:11

Chinese contentCATF：基于 Manager-Worker 架构的上下文感知时间序列预测框架

论文提出 CATF 框架，Manager 硬路由把任务分给专职 Worker，200 组对比里 162 组赢过单模型，还胜过 Time-MoE 15/20。

#CATF #时间序列预测 #Time-MoE #Mixture-of-Experts

arXiv cs.LG@Yueqiao Chen, Dongyu LiuSource

Papers US vs China13:10

Chinese content$Φ$asmaNet：用约73万参数的神经网络快速预测引力波信噪比

天体物理里的引力波信噪比计算向来很费算力，这篇用一个小模型把百万次评估压缩到几秒，做引力波种群研究的人可以直接拿来用。

#引力波 #$Φ$asmaNet #LIGO #神经网络

arXiv cs.LG@Ioannis Tsioulis et al. (3)Source

Chinese contentLoopVQ：面向 Looped Transformer 的亚 1-bit KV Cache 量化方法

.looped 模型参数省但 KV cache 爆炸，这篇提出 0.5bit 量化方案，SGLang 实测吞吐最高涨 6.1 倍，做部署的可以看看。

#LoopVQ #KV Cache #量化 #Looped Transformer

arXiv cs.LG@Minsoo Cheong, Sungjoo YooSource

Chinese content从掩码信道出发统一刻画学习难度的新理论框架

一页理论论文，把 1995 年的 hardcore lemma 推广到任意凸损失和多类分类，还和 omnipredictors 对上了，做学习理论的朋友可以看看。

#hardcore lemma #学习理论 #凸对偶 #伪熵

arXiv cs.LG@Parikshit Gopalan et al. (3)Source

Papers13:10

Chinese contentGSBR：面向在线强化学习的几何支持行为正则化方法

机器人 RL 训练的新正则化方法，19 个任务上把成功率从 33% 拉到 95%，代码已开源，做机器人策略优化可以看看。

#GSBR #强化学习 #扩散模型 #机器人学习

arXiv cs.LG@Charles Xu et al. (4)Source

Chinese content研究显示：用模型自认为错误的数据微调会诱发广泛失配

训练数据本身无害但模型不信，也会让它整体变歪，数学任务失配从4%涨到60%。做模型更新的人都该看看。

#LLM #微调 #AI安全 #知识编辑

arXiv cs.LG@Ariana M. Villegas-Suarez et al. (4)Source