全部动态

我朋友刚分享了个新方法，能在概率空间给多变量数据画图，和之前方法比更通用，不管数据啥样都能用呢。

这学术研究提出新风险度量法，用最优传输球替代旧模式，应对环境变化更高效，和传统方法比能覆盖更多风险点。

OpenAI做了关于大模型后训练的研究，能分析训练策略问题，和以前方法比效果不一样。

老张他们团队发的新研究，用贝叶斯分类看扩散模型适应高维数据，比之前方法效果更好了。

Anthropic用了1250份访谈数据做研究，能帮你了解职场生成式AI互动里的不透明情况，和以前只关注产出的研究不一样。

Anthropic出的Claude Opus 5帮忙搞的那套六次学术笔记，讲经典量子混沌到全息理论，比一般资料详细，想学这方向的可以看看。

Flama这个开源框架，能帮你开发部署生产级API和LLM服务，和普通框架比更统一架构，还能自动处理多种模型格式。

这篇论文揭示了在线约会中代理使用的不对称现象，对设计更智能的匹配系统有重要启示。

研究人员提出HLSR框架，能智能重规划车辆路线，有效缓解城市交通拥堵，比传统方法更精准高效。

StagedWorkspace让AI智能体能追踪文件版本，在OfficeQA和APEX测试中大幅提升表现，比单一视图强很多。

FlightLLM用LLM解释飞行事故原因，比传统方法更直观，还能直接给出可操作的安全建议。

生物科学AI研究者提出了'可追溯信任'框架，帮你理清AI输出如何安全指导实验室行动。

研究人员提出Dual Co-Train框架，只需5张标记图像就能实现跨数据集超声波舌部分割，效果优于监督方法。

研究人员提出CAD方法，从进化程序中自动提取可重用原语，显著提升程序化内容生成质量。

研究发现小模型按评分标准批改试卷和大模型一样可靠，评分标准比模型智能更重要。

论文提出了一种即插即用的图结构难度估计器，能智能分配探索资源，让RLVR更高效。

金融时间序列变化点检测的新方法EvoTS-Agent，能自动优化模型选择和参数，无需专家干预。

这篇论文对比了不同LLM在信用风险解释中的表现，发现证据表示比模型选择更重要，对金融AI应用很有参考价值。

DeepMind团队提出NSPER方法，结合新颖性和惊喜信号，让强化学习更高效探索。

这篇论文提出了一种简单却有效的IER机制，能让强化学习智能体通过重复成功动作更快学习。

论文揭示SFT和RL如何让模型真正用低资源语言思考，而非表面准确率提升，还发布了五个实用检查点。

OpenAI最新研究测试了GPT-5.4在法律推理上的表现，结果发现AI法官还差得远呢。

这篇论文揭示了贝叶斯博弈中后悔分解的统一框架，将多种机器学习方法纳入同一理论体系。

这篇论文揭示了自我改进智能体的脆弱性，指出任务顺序和规范不足会影响其性能，对AI安全研究有重要启示。

TokEval帮你更科学地评估分词器，实验显示不同特性影响不同能力，比盲目预训练更高效

医学影像领域新突破：用原始表示学习重建动态对比增强MRI，无需大量训练数据。

OYS方法用贝叶斯优化调整扩散模型采样，5步就能达到50步的质量，速度提升10倍，还不需额外训练。

TabNSM提出了一种新颖的表格回归方法，通过稀疏交互和难度感知采样，解决了深度表格回归中的关键挑战。

研究显示小型语言模型通过嵌入几何分析，在发票分类上超越大模型，仅需少量样本就能达到高准确率。

这篇论文解释了GPT模型在音乐领域的局限性，提出了新的标记化理论框架，对AI音乐生成研究很有启发。

Anthropic这篇研究揭示了人类如何指导AI任务，工作导向与指定委托的关系，以及不同使用模式的差异。

这篇论文提出了LLM反馈的奖励塑造方法，即使在LLM评分不准确时也能保持最优策略，比传统方法更可靠。

这篇论文揭示了LLM API中继路径中的缓存隔离漏洞，测试了五个开源网关，提出了防御契约。

物理学家和AI研究者必看！这篇论文把物理方程巧妙融入流动匹配模型，解决了PDE场生成和检测难题。

TSN4PI框架能追踪社交媒体政治意识形态演变，用PIDN和PIPN两个模块解决数据噪音问题

研究人员提出Recirculation技术，让Gemma3模型困惑度降23%，准确率提21%，还不增加推理延迟。