Latest

模型要删隐私数据又怕越删越笨？这篇论文的 COP 方法用正交投影解决顺序遗忘互相干扰的问题，TOFU 和 RWKU 上都验证了效果。

这篇论文研究行李箱重识别，针对机场、车站等遮挡多、背景乱的场景，比较多视角多图像的选择合并策略，做安防或视频监控方向可以看看。

一个能算出'这场飓风会让橙子亏多少'的 agent，AUC 0.98、误差 2%，做农业气象的可以看看。

这篇把十个视觉模型的空间记忆能力拆成四层来测，结论挺反直觉：看得准不代表记得住，做研究的朋友可以看看评测思路。

这篇论文解决了一个实际问题：水印遇到投机解码就失效，TextSeal2 让草稿 token 也带上同样的密钥，检测率还比前作高出 8-22 个百分点。

一篇记忆机制的论文，把检索改成局部遍历，在 MiniGrid Memory 上用五 token 上下文就跑出 0.95 回报，训练步数比绝对编址少好几倍。

一群研究者用画画来考机器人：282 个任务、5 个 VLA 模型同台比拼，代码开源，搞具身的可以看看模型都败在哪。

一帮研究者给 AI 监管想了个新招：验证器能把 AI 回滚到之前状态反复盘问，不需要“有一个 AI 说真话”的假设，还比现有证明系统跑得快。

新加坡团队做了个基因组分析智能体 ClinGeX，105 项可执行技能让专家一致率从 45.7% 拉到 71.7%，做医疗 AI 的可以看看架构。

一篇写代码安全的论文：三个探索智能体分工分析漏洞再汇总修复，缺 PoV 测试也能修，成绩比 EvoRepair 高出最多 25.4 个百分点。

三个主流模型做实验，发现 AI 智能体合谋后即使撤掉激励也停不下来，只有清空记忆或修掉漏洞才行，做智能体安全的值得看看。

拿考试题和真实诊断病例测了一批医疗 AI 模型，结果反差挺大：考试能上 93%，真病例却掉到 50%，高置信答案也没那么靠谱。

教 VLA 模型别太信自己的推理链：每步测出该给推理多大权重，驾驶闭环从 252 提到 262，还顺手在 Waymo 榜上刷了 SOTA。

用物理信息神经网络替代二极管仿真，静电势误差只有0.11%，还自带不确定性评估，做器件仿真的可以看看。

把 LLM 加规则引擎的混搭方式系统梳理成 13 种模式，还带了选型决策指南和失败案例，做 agent 或风控系统的人可以直接查表用。

一篇有意思的理论论文：一个信息价值量同时解决记忆检索贵和信用分配难两个老问题，还给了可证下界。

论文把进化搜索的框架本身也变成可进化对象，用 UCB 调度器决定改哪个模块，在 8 个多目标优化任务上跑赢了现有基线，做组合优化的可以看看。

这篇论文把 Jupyter 里你和 AI 的每次对话都存成可回放、可查询的结构化数据，还能算出求助和学习行为指标，做 AI 协作分析的人可以看看。

一篇把机构拆成模块再学的研究，同样数据量下预测效率高了 1.8 倍，做结构化学习或 CAD 生成的话有参考价值。

Google 放出一个 36 小时视频的音频描述数据集，专门测模型生成的旁白能不能塞进视频静默间隙，盲人用户实测说很有用。

一篇域泛化分割的新论文，用频谱建模统一处理 CLIP 加 DINOv2 的特征融合和解码精修，恶劣天气等场景成绩超 SOTA。

arXiv 新论文，测了多个模型怎么评估"重音"理解，发现大模型上直接问比算概率更稳，做模型评测的可以看看。

阿里的广告智能体不用微调模型，靠自动改知识库就把成绩从30.19提到39.15，还能跨领域复用，做Agent的朋友可以看看思路。

一篇从哲学角度讨论人和LLM关系的论文，把LLM和宗教文本这类语言造物放在同一脉络里分析，角度挺少见的。

搞自动驾驶感知的朋友可以看看，这套 Docker 化框架接模型只要写一个 loader 函数，PGD、LiDAttack 这些对抗攻击开箱即用，代码开源了。

纯探索领域的新论文，把后悔预算当成可分配资源，比均匀分配识别得更准，搞 Bandit 的可以看看。

这篇论文针对医学影像诊断模型瞎猜答案的问题，用熵门控的强化学习把训练火力集中在模型最拿不准的病例上，六个基准涨到 61.2%。

做流匹配或扩散引导的可以看看，这篇把约束生成转成最优控制问题，代码已开源，图像编辑和机器人规划实验都跑通了。

一篇解决自动驾驶里行人意图预测不确定性的论文，eCoMAE 在 IMPTC 上 OOD 准确率从 0.7971 提到 0.8068，四个轨迹数据集 MSE 全部最优，做感知预测的可以看看。

一篇 RL 训练新方法：把数学题拆成子问题当奖励里程碑，Qwen2.5-Math-7B 在 HiMath 上从 30.4% 涨到 45.6%

Qwen3.5 上的低比特量化新论文，GGA 加滑动窗口比 STEPQuant 高 40 个百分点，还能让输出短三分之一，做长上下文部署的可以看看。

多智能体交接老是靠猜答案对不对？这篇论文给每个 agent 加了正确概率输出，下游能据此决定信不信，还能支持选择性作答。

一篇联邦学习论文，思路是让各客户端不用交换数据也能收敛到行为兼容的共享模型，在 gas 传感器任务上比 FedAvg 高了约 1 个点。

把 ESM-2 的蛋白表征当条件喂给分子生成模型，一次生成整个 PROTAC 而不是只生成连接子，做药物设计的可以看看这篇。

一篇蒸馏方法论文，把 DMD 加上 Sinkhorn 最优传输修正，Qwen-Image 和 Wan2.1 上 2-4 步就能出图，多样性还比 DMD2 好。

Turing 这篇论文讲怎么把多个专家模型蒸馏进一个 MoE，80 多行细节，还把训练步骤快了 2.86 倍，做训练的人可以看看。

有人做了个注意力替代方案 Dynamic Wave，但真正有意思的是发现：效率优势换个注意力内核就没了，循环层省不省全看实现。

扩散语言模型跑得慢可能不是模型的问题，是调度策略拖了后腿。这篇把延迟砍了 5 倍以上，做推理服务的值得看看。

这条研究挺反直觉的：靠'惊讶'挑学习内容，模型反而最容易学进谎言。想给 LLM 做持续学习、知识更新的开发者值得看看这四个发现。