Latest

直播画质调参这活儿有 AI 干了，这篇论文造了个能看图、找问题、直接告诉你怎么调摄像头参数的模型，IQA 方向的研究者可以看看。

这篇论文解决长程智能体训练中 rollout 太少、优势估不准的老问题，思路是把不同任务的经验汇到全局记忆里共享，ALFWorld 和 WebShop 上都跑出了效果，做智能体 RL 的可以看看。

BFCL 有个盲区：模型调用函数前先确认会被扣分。这篇给 BFCL 加了效果感知评分，还发现函数文档加副作用提示对 8 个模型都没用。

OpenAI 证了 Erdős 相似性猜想，这篇解读只用基础测度论就能看懂证明思路，数学爱好者别错过。

这篇论文发现 AI 智能体很难复现量子论文的结果，然后靠记录修复经验把成功率从 68% 拉到 85%，成本只要 Claude Code 的三分之一，做科研自动化的可以看看思路。

有人在 OLMo-2-1B 的 13 个训练检查点上做了逐层解剖，用探针数据证明 RLVR 只是让模型挑出本来会的解法，没教会它新东西，数据和结论都挺扎实。

搞楼宇控制的朋友可以看，这篇综述把 PID 和强化学习怎么结合分了四类讲得很清楚，比零散看论文省时间。

研究者把流匹配用到电池退化预测上，DiT 骨干加早期循环数据做条件，5 个数据集误差都压到 2.5% 以下，还能输出预测区间，做电池建模的可以看看。

这篇论文把 pass@k 训练的机制讲透了，还给出一个只用单次采样就能达到多采样效果的省钱方法，做 RL 训练的值得看看推导部分。

想在推荐系统里用 LLM 的朋友看这篇：同一份 MovieLens-1M 数据，光换标题格式 HR@10 就差了近 2 个点，性别平衡还有副作用，细节都在这了。

一篇把 Mamba 1 到 3 统一进同一数学框架的理论论文，还附带更快的 GPU 核和新的 MIMO 检索扩展，适合研究序列模型的读者。

一条 arXiv 实验论文：用 BM25 加语义检索喂证据，Qwen3 8B 做 SciFact 论断验证拿了 0.79 的 Macro-F1，而且发现 NLI 加 LLM 融合反而掉分，做 RAG 事实核查的可以看看。

一篇通信方向的论文：用图神经网络做通感一体化波束成形，单个模型能同时扛住信道误差和杂波，速率保住各专用基线的约97%。

单像素成像每次只能选一种照明图案，怎么选最省测量？作者把贝叶斯实验设计写成 RL 问题，让策略直接输出下一个图案，还测了噪声下的表现，做计算成像的可以看看。

一篇有意思的论文：不改提示词，直接在模型推理链的怀疑点上编辑激活解释，就能让 GSM8K 少生成近一半 token，准确率几乎不掉。

快手把推荐系统的打分逻辑直接嵌进生成式解码里，线上看完播和长观看这类信号，观看时长涨了0.206%，做推荐的可以看看思路。

一篇搞联邦多模态融合的论文，数据缺模态、各站点分布还不一样时怎么训练，给出了理论保证加基准结果，做医疗或跨机构数据合作的可以看看。

arXiv 上这篇论文挺有意思：两个分类器怎么分工传消息，联合设计比各自设计高 18 到 22 个百分点，还给了什么时候该加搭档的判据。

这篇论文把 NF4、INT 这类固定量化网格换成了带两个参数的 SHq，4 比特下误差全面更低，还比 NVFP4 降了四到六成 KL 散度，做量化部署的值得看。

一张照片就能让人物视频模型保住脸和衣服，不用录视频做微调，代码和权重都开源了，做视频生成的可以试试。

Zep 把智能体的成功操作记录编成可复用的技能包，弱模型直接拿来用通过率最多涨 18.8 点，还不用训练，做 Agent 的可以看看这套流程。

OpenAI 的数学证明有了后续：研究者把其中隐式的重建步骤用双覆盖和填补穿孔显式化，适合关心形式化证明和 Grothendieck–Teichmüller 理论的人。

几个研究者把 2025-2026 年 30 家 AI 厂商的宕机记录做成了数据集，还拿来和以太坊 MEV 链上数据对上了，发现 OpenAI 宕机那天新交易机器人部署明显变少。做量化或链上开发的话挺有参考价值。

把 OpenAI 的证明和 Hu-Liu-Wan 解决 LeBrun-Salamon 猜想的工作串成一条 Fano 接触流形分类脉络，还做了简化，研究几何的人可以看。

用GPT、DeepSeek等四个模型自动写外骨骼控制代码，靠真人反馈迭代，肌肉激活降了三成左右，思路挺新鲜。

手搓 Dify 工作流太费劲的话看看这篇，ChatDify 用三个智能体把需求描述直接转成可用工作流，Qwen-3.7 后端成功率能到 0.96。

写 AI 小说全是一个名字的可以看看，不用重训模型，改一下采样流程就能把角色名重复砍掉 95%，还给了 20 个模型的实测数据。

做知识图谱的朋友可以看看这篇：OntoDoc 用四个智能体给本体术语自动写描述，完整性比模板方法最高多 2.8 分。

给 Codex 智能体加一份边界契约，40 个维护任务里可接受补丁从 9 个涨到 18 个，做法很简单，做智能体的可以看看思路。

卫星上跑神经网络怎么省电？这篇论文把 DNN 切一半放地面算，实测推理量多 20%、能耗还降 8.8%，做边缘推理的可以看看切分思路。

机器人领域的新论文，JADE 让 VLM 直接参与每一步动作去噪，四个真实双臂任务比 π0.5 高 20.8 个百分点，做 VLA 的可以看看。

arXiv 上的新论文，一个提示词小改动就能把生成内容的多样性从 13% 拉到 47%，做创意生成或探索类任务的可以试试这套思路。

563 个瑞士人做了个实验，发现立场偏保守的人在用 ChatGPT 查移民话题时会自己把问题问得更偏向，挺有意思的传播学发现。

这篇论文用 24 组配置实测告诉你：GPU 预算有限时，先想好买什么型号的卡，路由只是 secondary。做临床或垂直场景部署的可以看。

一篇挺有意思的论文：用 400 个真实城市数据任务测 AI 智能体，重点查结论有没有出处、证据不够时会不会老实拒答，还配了个记忆框架 TSM。

这篇 arXiv 论文提出 RAVEL 方法，用 world 模型低成本给 RL 策略排序，淘汰阶段再用少量真实审计兜底，还量化了模型排序可靠到什么程度、什么时候会失灵。

做推荐系统的朋友可以看看这篇：SIDRec 把语义 ID 构建和推荐目标一起训练，AUC/GAUC 最高提升 5.15%。

研究测了四种提示词优化器在 gpt-6 上的实际收益，结论是强推理模型上基本白折腾，只有格式类错误能靠优化救回来，还拆解了 GEPA 那点提升里多少是真本事。