Latest

50 多名专家做了个 600 级的智能体考试，前沿模型最高也只过 47.7%，想知道智能体长期能力差在哪的可以看看。

如果你的 Agent 管线老被 Pydantic 校验卡住，这篇拿 9 个模型、近 4000 次调用跑出来的失败分析值得看看。

arXiv 上的新工作 SceneBloom，用扩散模型生成可仿真训练的 3D 室内场景，做具身智能的朋友可以看看，代码已开源。

一篇解决医疗 VLM 量尺问题的论文：离散 token 测不准毫米级数值，HAD-VLM 用扩散头预测坐标和长度，误差比 Vicuna 基线降了最高 37.6%。

这论文回答了个实际问题：ChatGPT 们以后怎么靠广告赚钱、免费和付费档怎么设计，算力降价了广告收入反而可能更多，结论挺反直觉。

一个开源的波斯语检索模型，0.6B 大小打平 4B 的 Qwen3 原版，做小语种 RAG 的可以看看它的蒸馏配方。

想让 AI 帮你优化代码前先看这篇：11 个模型实测下来，42/44 的“优化”代码反而更耗电，MoE 架构是最省能的选择。

把 CLIP 的嵌入从球面挪到单纯形，模态间隙直接砍掉 97% 以上，检索还不掉点，想法挺巧。

RL 训练里 rollout 生成最耗时，这篇论文把它提速到原来的近 2 倍，还不用额外模型，做训练的可以看看实现思路。

想在单卡跑大模型又怕掉点的话，这篇给出更聪明的 SVD 压缩方案，比现有方法准确率高不少，代码也放出来了。

三个小模型做意见模拟时，问题换成否定形式概率就对不上了，这篇论文把偏差量化得挺细，做 agent 仿真的值得看看

一篇理论向论文，用五层架构拆解 LLM 上下文为何无法承载话语根基，引用了 Shchedrovitskiy 等人的系统方法论，喜欢思辨的可以啃啃。

这篇论文搞了个因果效应估计的基础模型 PICLE-PFN，一次前向传播就能出结果，不用每个数据集单独拟合模型，跑得还快。

一篇工程味很浓的 RAG 论文：7 个智能体逆向工程 241 个仓库，再靠 artifact 级元数据让检索不再靠相似度猜，做了 100+ 缺陷修复验证。

一篇优化器调度的架构对比实验：乘法耦合的调度能泛化到大 15 个种子验证的分布外实例，加法版不行，做学习式优化的人可以看看。

医疗软件采购信息散落各处，这篇论文让智能体去爬并要求每条关系都附原文引用，61 家厂商测出 0.94 精确率，做知识抽取的可以看看这套防幻觉设计。

做强化学习的可以看看，17 种鲁棒 RL 算法统一到一个库里，还带 273 种扰动配置的基准测试，省得自己一个个复现。

一组研究者做了个手持设备 DexPort，不用机器人也能采灵巧手演示数据，野外数据把成功率从 36% 拉到 78%，做机器人操控的可以看看。

一篇少样本工业质检的论文：只用几张正常图，单步流匹配就能在 MVTec-AD 上拿到 97.8% AUROC，代码也开源了，搞缺陷检测的可以看看。

有人拿自己 739 封真实邮件做实验，发现简单逻辑回归分类比 LLM 准，但放到实际动作里反而更常漏掉要回的邮件，结论很反直觉。

做 RL 训练的朋友看看这篇：不用重写训练框架，只在 RoPE 那条路保留 FP32 中间量就能防崩溃，四个 Qwen 模型都验证过了。

推荐系统方向的朋友可以看看这篇：两个蒸馏目标函数让并行语义 ID 推荐超过 SOTA，IDM 提 Recall@10 超 15%，思路挺巧。

机器人 VLA 卡住不用重训，一个 0.48-0.88% 参数的小头就能让 π0-FAST 它们在 LIBERO-Long 上失败率降近一半，思路很巧。

一群理论研究者把学 ReLU 线性组合的时间复杂度压到了多项式级别，之前没人做到。做学习理论或理解网络可学性的人可以看看这篇的 boosting 和 Hermite 张量技巧。

一篇把非线性滤波问题用 PDE 和算子学习来解的论文，ZENO 在 Lorenz、Van Der Pol 等系统上验证过，还跑通了线虫全脑数据，做科研的可以看看思路。

一篇改分词的论文：AdaBPE 能让 LaTeX 这类跨空格的结构化内容不被切碎，五个数据集上验证了效果。做 tokenizer 或训练模型的可以看看。

自动形式化里老方法判定等价太宽松，强证明器反而容易作弊。这篇给出更严格的判定规则，精确率能到100%，做形式化数学的可以看看。

Texas A&M 把物理约束硬塞进神经网络的开源框架，推理快还能严格满足约束，搞工程建模和优化控制的可以看看。

这篇论文把 RL 里的估计问题换了个推荐视角，还证明了均匀采样就能达到遗憾下界，做 MCTS 或 bandit 的可以看看。

arXiv 上这篇讲地理位置编码怎么接入 Sentinel-1/2 双模态的论文，17 个任务里赢了 68.8%，做地理空间模型的可以看看。

一篇立场论文，讲联邦学习共享机器人纠正数据时可能踩的安全坑，还给了可证伪的评估清单，做机器人学习的人可以看看。

理论上讲清了多步预测为啥能帮强化学习省样本，还给出 BF-BOLA 算法和匹配的复杂度界，做 RL 理论的可以看看。

测了11个模型发现：静态分析说“检查过了”，模型就真信，漏洞检出率掉19个点，论文还给了个修复方法。

用 TopKLoRA 微调出的回路比普通 LoRA 小十倍，还能精准切除后门而不伤指令能力，做模型安全和可解释性研究的值得看代码。

一篇军用方向的论文：作者用机器学习取代传统的静态 WEZ 距离分区，预测超视距空战中导弹的杀伤概率，连目标随机机动都算进去了。

算了一笔很实在的账：Chronos-2 什么时候比传统模型划算、剪掉 7.9% 参数还能省 9% 碳排放，做时序预测部署的可以看看。

一篇关于省 token 的论文：HarnessMM 把 Agent 已经决定过的动作存起来直接复用，DeepSeek harness 的 token 用量直接降到原来的 12%。

给模型解释的可信度做了套量化测试，GPT-4o-mini 表现最稳，DeepSeek 反而翻车，做可解释性研究的值得看看具体指标设计。

这篇论文找到了干预思维链的最佳时机：开头两三个 token。在 DeepSeek-R1-Distill-8B 上把安全输出率从 29% 拉到 82%，权重还不用动。

这篇论文把贝叶斯优化的采集函数求解提速了，精度不输 GP 版本，做超参优化或实验设计的可以看看。