全部动态

这篇论文提出了IMNO，一个解决耗散PDEs的新方法，比传统神经网络操作符更稳定准确，特别适合对耗散系统的研究。

这篇论文提出了局部蒸馏方法，对于需要可解释性的AI模型来说是个重要进展，值得一读。

这项研究使用NODE多输出回归器，结合多模态传感器数据，为老年人康复提供更准确的临床评分预测，值得一看。

This paper presents a new approach for timely risk classification with a focus on balancing key operating characteristics. It's a must-read for those interested in improving decision-making in clinical settings.

MetaCaster能从少量数据中训练出高效的轻量级时间序列预测器，对于资源有限的环境来说是个不错的选择，特别是与现有的轻量级预测器相比。

想要了解如何利用规则增强技术进行关系异常检测的朋友，RAD模型值得一试，它在多个基准测试中表现优异，且易于使用。

ProxyFormer模型在处理超长上下文和高分辨率生成方面表现出色，相较于传统模型，其压缩比高达64，训练序列长度可扩展至0.7M，值得一看。

这篇论文评估了Greedy K-center在主动学习选择中的性能，对于对主动学习感兴趣的人来说是个不错的参考。

This paper presents a novel approach to data attribution and error proxying for machine learning models in space missions, offering a more efficient and accurate way to assess model performance. It's a must-read for those interested in explainable AI and its applications in scientific research.

这篇论文提出了一种无奖励持续学习框架，对于太空机器人适应硬件退化问题有重要意义，值得一读。

这篇论文提出了ChebBooster，一种基于切比雪夫多项式的训练免费外推框架，能显著提升扩散Transformer的推理效率，值得一看。

这篇论文利用Kepler望远镜和先进的神经网络技术，在长周期轨道上发现了四个新的行星候选者，为研究系外行星系统提供了新的线索。

这篇论文深入探讨了量化投资系统的基本原理，提出了关于潜在规律、信息预算和系统架构的见解，对于对量化交易感兴趣的读者来说，是一篇值得阅读的论文。

Next-Scale Transformer模型在人脸合成方面表现出色，与现有模型结合，生成更精确的3D人脸模型，值得关注。

想了解如何用 XGBoost 构建投资组合？KellyBoost 模型值得一试，它提供了精确的成长最优分配方法。

This research offers a significant advancement in privacy-enhancing instance encoding, providing stronger theoretical guarantees and broader applicability. It's a must-read for those interested in data privacy and encoding techniques.

这篇论文提出了一种针对大型语言模型训练中评论家不稳定性的解决方案，结合多种优化方法，效果显著，值得一看。

SWE Refactor Bench为开发可靠的编码智能体提供了一个严格的测试平台，展示了编码智能体在迁移全库时的能力。

EG-ARSA模型基于专家知识，有效解决低资源环境下的道路安全审计问题，是Gemini-2.5-Flash模型的升级版。

This study presents a novel BP monitoring method using deep learning and physics constraints, offering improved accuracy and robustness compared to traditional methods. It's a must-read for those interested in contactless BP monitoring and deep learning applications in healthcare.

Prime Agent 是一个强大的开源 harness，它通过递归语言模型和持续 harness 提高了长期评估和编码代理工作流程的效率，其性能在多个任务上超过了其他 harness，值得一试。

这项研究揭示了AI辅助对技能发展的潜在影响，对于理解AI在教育中的应用具有重要意义。

这篇论文揭示了多智能体交互的潜在问题，指出交互可能不是提高团队表现的万能钥匙，值得深入探讨。

这篇论文提出了一个针对恶意软件识别的持续学习方法，结合自监督学习和低秩自适应，效果显著，值得一读。

这篇论文揭示了世界模型在处理物理约束时的局限性，为改进模型提供了有价值的见解。

EarthVerse基准测试为评估科学智能体提供了全面的方法，揭示了当前智能体在跨证据和尺度上的不足，值得专业人士关注。

这篇论文深入探讨了AI在经济学测量中的应用，提供了关于如何进行可信推理的宝贵见解，对于对AI在测量领域应用感兴趣的人来说是个好资源。

MHER基准为历史NLP研究提供框架，了解证据使用和失败模式，对历史实体匹配有重要意义。

这篇论文提出了一个缓解LLM推理中安全问题的方法，SDP在保持推理性能的同时提高了安全性，值得一读。

SRPO框架使LLMs能够自我分析，提高长期推理能力，比传统方法更高效。

Semiintelligencn团队提出的多模态音乐推荐系统，结合了多种技术和模型，优化了推荐效果，值得一试。

INDI significantly enhances VLA models, outperforming GR00T-N1.7 by 20.4% on SimplerEnv-Bridge and 6.2% on RoboCasa Kitchen, making it a notable improvement over traditional behavior cloning approaches.

This paper offers a new perspective on the consistency of retrieval-augmented QA systems, highlighting the importance of the Snapshot Compatibility Audit method. It's a must-read for those interested in QA system reliability and the nuances of corpus-induced changes.

CatchBench基准测试为评估代理失败的可捕捉性提供了新的视角，涵盖了多个模型和配置，是了解代理失败捕捉的重要参考。

CacheRouter通过双路径设计优化了LLM系统中的工具使用，自动化工具注册和运行时更新，显著提高缓存命中率，降低输入成本，值得一试。

CONTRAMEM通过对比多模型轨迹学习自进化的程序记忆，显著提高了模型在计算机使用任务上的成功率，值得一看。

This research provides a new approach to improve the reliability of LLMs in decision-making by calibrating claim-level confidence, which is particularly useful for high-stakes domains where accurate uncertainty estimation is crucial.

SchemaGUI提供了一个新的基准，用于评估可控制GUI生成，特别是对于LLMs在几何空间控制和布局复杂性方面的表现进行了深入分析，对于想要了解GUI生成领域最新进展的人来说是个好资源。