Latest

物理学家拿 Foundation Model 重建粒子径迹，效果超过传统方法，还能迁移到别的任务，研究思路挺有意思。

用 27 种语言和超百万条评分实测发现：CoT 这类提示技巧换个评审模型可能就失效，做多语言评测的得看看。

人形机器人转身走动就忘了刚才看到的东西，这篇用 SAM3 加关键帧记忆把真机成功率从 36.7% 拉到 88.3%，做机器人方向值得看看具体做法。

教 AI 学校准仿真参数的新招，区间比 KOH 窄 80% 还能保证覆盖率，做流行病建模的可以看看。

如果你在做可穿戴传感器或活动识别，这篇把 LOSO 评估的水分挤得很实在：同样模型有人 88.7% 有人 61.9%，还给出了什么时候该用个性化校准、什么时候别碰 CTGAN 的实用结论。

用 6 个开源模型实测发现加工具后改个问法就能改变排名，做基准评测的人应该看看这套拆步骤的协议。

这篇论文把因果推理塞进了工厂维护流程，用预训练的因果基础模型省掉逐案例建模，搞工业AI的值得看看。

一篇论文提出 GM-GReFEL，用状态空间网络替代 ViT 做视频表情识别，算力线性增长，还用几何锚点纠错，MAFW 上跑赢所有对比方法。

把同一份证据在不同位置挪来挪去，测出 Transformer 有开头优势而 Mamba 没有，做长文本应用前值得看看这些曲线。

这篇论文做了个 FedGRC 框架，专治联邦学习里本地准确率高但稀有类翻车的问题，在 CIFAR-10/100 和 FedRS 上比 21 个基线都强。

一篇讲智能体安全审计盲区的论文：两个更新离线看起来一样，上线后果可能完全相反，作者还做了配套 benchmark 和监测工具。

论文提出往模型 N-gram 表里“只前向写入”新知识，不用反传，删掉补丁就能还原原模型，持久性比梯度写入强很多。

一篇把可解释性做进事件预测的论文：RULES 学出人能看懂的规则，RUNES 再叠残差网络补准确率，还能看到每条预测背后哪些规则在起作用。

不靠一帧画面，只用脑部扫描和运动轨迹就能还原房间的 3D 结构，还当插件白给七个解码器涨分，思路挺妙。

这篇理论论文挺有意思：CoT 推理不只是抄老师算法，训练后自己悟出了比梯度下降更快的 Heavy-Ball 方法，说明推理过程真能发现新算法。

德国团队把 3D 医学影像标注交给 Claude Code 这类 Agent 干，说一句“分割咀嚼肌”就能出结果，代码开源了，搞医学影像的可以上手试试。

删掉的知识图谱事实会在继续训练时悄悄回来，这篇论文解释了为什么，还给出 KAU 方法，泄漏最多降八成，做知识图谱的可以看看。

一篇世界模型论文，思路挺巧：不微调模型，只用一段探索交互编码成物理描述符，就能让预测贴合场景真实物理，规划成功率提升明显。

让 9 个模型互相出题、互相解题，结果最强的解题者反而不是最好的出题者，小模型出题更狠，挺有意思的视角。

arXiv 上这个 Quant-Arena 基准挺有意思：让 GPT-6 Astra 等 9 个模型做真实 A 股量化策略，结果没有一个跑赢等权市场，排行榜对外开放提交。

这篇论文把电脑操作智能体和机器人放在同一套 PAPAV 五能力框架里比较，还统计了 64 个基准里验证和预判环节几乎没人评，做具身方向的人可以对照看看自己的评估盲区。

一篇机器人方向的论文，把 RL 训练拆成原子子任务来做信用分配，在 LIBERO-LONG 和 CALVIN 上比 PPO 多涨了几个点，真机任务平均提升 21.3%。

这篇论文把多个 AI 智能体同时改代码互相打架的问题，用图染色理论给出了理论保证，还有代码修复和路网实验，做 Agent 系统的可以看看。

这篇论文挺有意思：给智能体配上画图能力还不够，它教智能体什么时候该画图看趋势、什么时候读文本更准，参数都不用动。

研究者让 GPT-6、Claude Opus 5.5 这些模型直接操控真实机器人跑 LIBERO-10，1,800 次测试排出了名次，最强也只有 44% 成功率，想了解大模型动手能力差在哪的可以看。

一群研究者做了个 SWE-DIVE 框架，用模拟用户跟编程智能体多轮对话来测真实能力，比 SWE-bench 那种单轮出题更贴近实际，代码开源可跑。

这篇论文教你怎么拆开测决策模型：用算术规则把迁移、可靠性和信息利用分开量化，方法可以直接搬到自己的评测里。

人形机器人研究的新论文，把任务意图和全身控制拆成稀疏位姿加运动先验两路，仿真和真机都跑通了，做机器人方向的可以看看.

教智能体学技能不用整条轨迹都学，只挑 10% 关键位置就够，成功率还能涨 6 个多点，做 Agent 训练的可以看看。

训练交换相关泛函的老难题：能量准了密度就歪。这篇用 Brillouin 残差做惩罚项，只用 6 个能量加 11 个密度就把 SCAN 比下去了。

扩散语言模型的训练成本问题有了新解法，UDLM 加上循环层结构后省了近三分之一算力，做生成模型研究的可以看看。

一篇文章讲怎么让模型自己给自己出长文本考题，不用外部数据就用 GRPO 练出更强长上下文推理，还公开了实验对比，做长文本方向值得看看。

一篇推荐系统的论文，思路挺巧：不是给用户历史里每个商品都算同样深度，而是让模型自己决定哪些商品多想几步、哪些早点出结果，代码也开源了。

一篇纯理论论文，把Bernstein不等式推广到再生过程，让泛化误差界不再依赖独立同分布假设，还给出了极小化最优性证明。

这篇论文用理论推导拆解了卷积网络两大核心假设：c=0 时权重共享只带来 P 倍加速，c>0 时局部连接反而可能更好，结论挺反直觉。

训练 Flow Matching 模型的话可以看看，这个 VAP 方法能把平均损失拆到每个时间点，找出哪些区域数据不够、哪些是本质模糊，实验里 Fréchet 距离降了 23.6%。

arXiv 上的新论文 ASTEROID，不用 RL 就能让智能体学会边探索边决策，交互量少 100 倍还能上真机器人，做 agent 的可以看看。

做生物影像的朋友可以关注，arXiv 上新出的 BatchBench 排行榜，用 JUMP-CP 数据集专门测模型换个实验批次还稳不稳。

做 RLHF 隐私保护方向的可以看：这篇给了稀疏奖励估计的首套 DP 理论和算法，误差界只跟稀疏度 s* 挂钩，不随整个模型维度膨胀。