Latest Global & ASEAN AI Business News, Tools & Industry Updates

The practical value lies in the unification: one statistical principle explains Adam, Shampoo and Muon, so practitioners can tune or combine these optimizers with a clearer theoretical map instead of treating them as folklore. Engineers training GPT-scale models get concrete alternatives, since MND beats Distributed Shampoo and KL-Shampoo on stability and runtime, and MND-Muon wins 21 of 24 paired runs against Muon. Researchers in optimizer design can extend the covariance-approximation framework to new preconditioners.

#Muon #Adam #Shampoo #optimizers

arXiv cs.LG@Tetiana Parshakova et al. (3)Source

Papers Builders09:50

Chinese contentRTRBM 用于生物力学运动序列的无监督编码研究

有人把 RTRBM 搬来编码生物力学数据，接进了 SIT-FUSE 管线，结论挺诚实：嵌入赢了 PCA 和自编码器，但干不过简单统计量。

#RTRBM #SIT-FUSE #无监督学习 #生物力学

arXiv cs.LG@Wafi Sharif, Nicholas LaHayeSource

Papers Builders09:50

Chinese contentRFD：用共享算子分块生成长时程预测，参数仅0.08–0.46M

arXiv上新出的时序预测论文，用参数共享算子分块滚动预测，0.46M参数就赢了24组里的23组，不过上下文比基线长，要仔细看对比设置。

#RFD #时序预测 #长时程预测 #参数共享

arXiv cs.LG@Zeyan Li et al. (6)Source

Papers BuildersMulti-source09:50

Chinese content研究显示小模型的多语言效率常被英文基准掩盖：印度语系分词器覆盖不足

这篇论文用数据戳破一个常见假设：小模型“多语言省内存”的说法对印度语系根本不成立。卡纳达语用户只有英文用户 6% 的上下文，数字很扎心，做本地化的开发者应该看看。

#TinyLlama #MuRIL #分词器 #多模态

Event

arXiv cs.LG@Anna PramodSource

Papers09:49

Chinese contentTilted Mondrian：改进保形预测中的细粒度公平性

如果你用保形预测做过分组校准，这篇指出了 Mondrian 方法在细分层里覆盖率的坑，Tilted Mondrian 不用重训模型就能缓解，值得看方法部分。

#保形预测 #Mondrian校准 #算法公平性 #统计覆盖保证

arXiv cs.LG@Ziang Gao et al. (6)Source

Papers Policy09:48

Chinese content扩散语言模型采样器会放大性别偏见，Fork-First Sampling 提出修复

LLaDA 这类扩散语言模型自带的采样规则会让文本更偏向男性职业，这篇论文讲清了原因，还给了个一次前向传播就能修的采样方法。

#LLaDA #Dream #扩散语言模型 #AI安全

arXiv cs.LG@Xujun Che et al. (5)Source

Papers Builders09:32

Chinese contentSpriteStage：渐进式场景编程生成长篇动画

一篇讲怎么用场景编程把视频生成拉到十几分钟动画的论文，把每幕拆成可检查的场景程序再交给引擎执行，思路挺少见。

#SpriteStage #视频生成 #场景编程 #动画生成

arXiv cs.AI@Zhaoqi Wang et al. (3)Source

Papers Builders09:32

Chinese content研究发现 93.8% 的 LLM 生成重构候选在仓库层面属高契约/依赖风险

写代码用 LLM 重构的朋友看看：1500 次实验里 93.8% 的重构在仓库层面有高风险，单提示和多智能体还没差别。

#LLM #代码重构 #LangGraph #智能体

arXiv cs.AI@Muhammad Waseem et al. (3)Source

Papers Builders09:31

Chinese contentRAFT：面向时序图神经网络训练的冗余输入过滤框架

训练 TGNN 太慢的可以看这篇：靠跟踪节点记忆变化提前过滤冗余事件，输入少砍九成七，时间省一半，精度基本不掉。

#TGNN #图神经网络 #时序图 #训练优化

arXiv cs.AI@Yue Dai et al. (3)Source

Papers Builders09:30

Chinese content一句话即可误导智能体推理：论文提出 one-relation attack

18 个模型里一句真话就能让智能体改错答案，开源模型中招率 80%，做 Agent 安全的必看这篇。

#LLM #智能体 #AI安全 #one-relation attack

arXiv cs.AI@Jinwei Hu et al. (4)Source

Papers BuildersMulti-source09:30

Chinese contentBellman Language Models：把 LLM Agent 决策当 MDP 一次性求解

把 Agent 反复遇到的决策当成 MDP 求解一次然后复用，Qwen3.8-27B 在 τ²-bench 上从 29% 冲到 96%，成本降 98%，思路挺新的。

#Bellman Language Models #τ²-bench #Claude Opus 5.5 #Qwen3.8-27B

Event

arXiv cs.AI@Adarsh Vatsa, William EiersSource

Papers Builders09:30

Chinese contentPatternBench 基准：评估 LLM 能否做出编译器做不到的代码优化

arXiv 上的新论文 PatternBench，专测 LLM 能否做出编译器做不到的代码优化，还用 AST 验证模型是不是真做了优化，做代码生成方向的研究者可以看看。

#PatternBench #LLM #代码优化 #编译器

arXiv cs.AI@Wesley Lu et al. (4)Source

Papers Builders09:30

Chinese contentUVA 方法让代码智能体求助云端模型时不泄露私有代码

本地编码 agent 想请教云端强模型，又怕把私有代码发出去，这篇 arXiv 论文给的 UVA 训练法把泄露降了 3.7 倍，修复率还从 25.3% 提到 37.6%。

#编码智能体 #UVA #隐私保护 #代码修复

arXiv cs.AI@Wenjia Jiang et al. (12)Source

Papers Policy09:29

Chinese contentPair-Aware Optimization 提出 ZO-FO 混合框架，破解 LLM Agent

一篇研究怎么攻击 LLM Agent 的论文，把梯度方法和无梯度方法按顺序组合起来，比单用一种效果好，做安全评测的可以看看。

#越狱攻击 #LLM Agent #AI安全 #优化算法

arXiv cs.AI@Juanyang Xu et al. (5)Source

Papers Builders09:29

Chinese content在手机 NPU 上跑 LoRA 微调：不传数据也能个性化训练

这篇论文教你把 LoRA 训练塞进手机 NPU，私人数据不出设备就能微调 Qwen 和 Llama 模型，还支持断点续训和散热节流，后台跑也没问题。

#LoRA #NPU #Snapdragon #微调

arXiv cs.AI@Xu Zheng et al. (7)Source

Papers Builders09:29

Chinese content医疗微调不降风险只重塑风险：六模型评测框架发布

医患问答光看幻觉率不够，这篇用六类风险语言给六个 7-9B 模型打分，发现医疗微调只是换了个风险方向，评测代码也开源了。

#BioMistral #Med42 #Llama-3.1-8B #医疗AI安全

arXiv cs.AI@Savan DoshiSource

Papers09:29

Chinese contentReciprocal Q-Augmentation：不共享奖励也能在博弈中学合作

一群各自只看自己奖励的智能体，怎么学会不互相坑？这篇论文给了个 Q 函数增强的解法，在四个经典博弈环境里跑赢了共享奖励的做法。

#多智能体 #强化学习 #博弈论 #Q-learning

arXiv cs.AI@Francesco Morri et al. (4)Source

Papers09:29

Chinese contentIndustrialCAD-1400：面向工业装配体的 text-to-CAD 评测基准发布

有 1400 道工业装配题的 text-to-CAD 新基准，专门考部件、接口和尺寸是否做对，比普通 CAD 数据集严得多。

#IndustrialCAD-1400 #text-to-CAD #Blender #评测基准

arXiv cs.AI@Hebao Zhu et al. (7)Source

Papers Builders09:28

Chinese content论文提出针对 LLM 长度木马攻击的防御方法

有人给 LLM 植入木马专门拉长回复多扣你的 token 费，这篇论文讲清了攻击原理和防御方法。

#LLM #数据投毒 #AI安全 #提示词工程

arXiv cs.AI@Zhengxing Li et al. (5)Source

Papers Builders09:28

Chinese content集体模型智能新论文：用 Model Eval、Mio、Mos 协调多模型协作

这篇论文做了个多模型调度系统，按任务自动选模型还能省钱，成本比单用最强模型低七成多，做路由和推理优化的可以看看。

#Mio #Model Serving OS #模型路由 #推理成本

arXiv cs.AI@SinapisAI Team et al. (30)Source

Papers Policy09:28

Chinese contentAI 权利与强制关机开关如何兼容：一项法律视角研究

AI 有了权利还能拔电源吗？这篇法学论文说：永久删除不行，但可逆关机几乎总能过关，论证挺细的。

#AI安全 #AI权利 #正当程序 #kill-switch

arXiv cs.AI@Heather Alexander, Jonathan SimonSource

Papers09:28

Chinese contentREP-HO：用 LLM 替代启发式规则规划异构优化的评估分配

这篇论文把 LLM 塞进优化器里当决策规划器，替代人工设计的启发式规则，用 DeepSeek 做的版本在 5 种场景里都进前二，思路挺有意思。

#REP-HO #DeepSeek #LLM #优化算法

arXiv: DeepSeek@Nian Ran et al. (5)Source

Papers Builders09:28

Chinese contentDesign Anything：用意图-执行图让 Agent 长流程设计不跑偏

做 Agent 长任务的朋友看看这篇：把设计意图存图里、用确定性控制器核对交付物，19 个领域、228 个任务的基准测下来，同一模型约束满足率高出基线 14-25%。

#Design Anything #DeepSeek #GPT #智能体

arXiv: DeepSeek@Xuchao Ren et al. (11)Source

Papers Builders09:27

Chinese contentMetaSkill：用 DAG 让 Agent Skills 的组合编排可执行

Skills 之间怎么传递输出一直靠模型自己猜，这篇把依赖关系做成 DAG 直接可执行，做 Agent 编排的可以看看实现思路。

#MetaSkill #Agent #DAG #GLM-5.2

arXiv: DeepSeek@Meng Shu et al. (6)Source

Papers Builders09:27

Chinese contentIF-MAP：用影响函数思路给多智能体系统排序优化优先级

多智能体系统预算有限时，这篇论文教你怎么算出该先优化哪个 agent，六个工作流实测收益翻倍。

#IF-MAP #多智能体 #Qwen3-8B #DeepSeek-V3.2

arXiv: DeepSeek@Jie Mao et al. (9)Source

Papers09:27

Chinese contentEvidence Field：用于医学影像的可复算空间程序架构

这篇论文做医学影像分类时不只给分数，还能输出可独立复算的空间证据链，做医学AI可解释性的朋友可以看看。

#Evidence Field #医学影像 #可解释性 #计算机视觉

arXiv cs.AI@Isarar Siddique et al. (5)Source

Papers Builders09:27

Chinese contentDialogMem 基准：评测对话与视觉结合的具身记忆

这个新基准挺有意思，142 个 episode 测试智能体怎么把人说的话和看到的东西绑定起来，实验发现对话对问答有用、对导航基本没用，问题出在物体级关联上。

#DialogMem #具身智能 #基准评测 #物体导航

arXiv cs.AI@SeongJun Jeong et al. (4)Source

Papers Builders09:27

Chinese contentCorrFlow 提出自校正流匹配框架，用轻量修正器降低生成误差

一篇很巧的生成模型论文：给流匹配加个轻量修正器，每步多算一次就能纠错，图像和视频生成质量都有提升。

#CorrFlow #流匹配 #视频生成 #图像生成

arXiv cs.AI@Hangwei Zhang et al. (3)Source

Papers Builders09:27

Chinese contentReTRACE：用 LLM 智能体做逆合成路线规划

一篇把 Claude Opus 4.8 变成合成化学助手的论文，逆合成路线三成基准过审率超 87%，还做了湿实验验证。

#ReTRACE #Claude Opus 4.8 #逆合成 #LLM 智能体

arXiv cs.AI@Jinxiang Xie et al. (5)Source

Papers Builders09:26

Chinese contentPAA-Bench 提出重新评估 VLM 视觉 token 剪枝：准确率和 token 数都不是好指标

论文发现现行的 VLM 剪枝评测方式有漏洞，模型可能靠文本捷径蒙混过关。作者做了个 PAA-Bench 框架和 PCS 指标，8 种方法实测后发现压缩更多 token 未必更快，想给剪枝方法做评测的可以看看。

#VLM #PAA-Bench #视觉token剪枝 #推理优化

arXiv cs.AI@Geng Li et al. (4)Source

Papers Builders12:19

Chinese content像素扩散新参数化 MFlow 与卷积精修模块 ConvRefiner

arXiv 上的新论文，像素扩散模型不再二选一，MFlow 让模型自己学该用哪种预测方式，ConvRefiner 还能低成本补上高频细节，做生成方向的可以看看。

#MFlow #扩散模型 #DiT #文生图

arXiv cs.AI@Soumik Mukhopadhyay et al. (4)Source

Papers Builders12:18

Chinese content研究提出 SEER-Repro 基准，用 LLM 智能体复现医学论文结论

研究者做的实验挺有意思：让 AI 智能体去复现 20 篇癌症研究论文，77.4% 的论断能复现出来，还能自动检查结论稳不稳。

#SEER-Repro #LLM 智能体 #智能体 #AI安全

arXiv cs.AI@Shicheng Liu et al. (9)Source

Papers Builders12:18

Chinese contentSelf-Building Labs 提出 SBL：实验室可自行搭建并运行实验

这篇论文挺有意思，实验室能自己搭自己：给个科研目标，它连布局、数字孪生和机器人技能都自己搞定，还跑了真实的量子点合成实验。

#self-driving laboratory #SBL #机器人 #科学自动化

arXiv cs.AI@Jiaru Bai et al. (7)Source

Papers Builders12:18

Chinese contentConSDL 提出用稀疏编码替代 SAE 线性编码器，提升跨种子一致性

做可解释性研究的同学可以看看，SAE 跨种子结果不稳定的老问题，这篇用逐样本稀疏编码给出了解法，一致性提升挺明显。

#SAE #ConSDL #稀疏编码 #可解释性

arXiv cs.AI@Jinho Choi et al. (4)Source

Papers BuildersMulti-sourceSelected12:18

FuTransformer: FP8 prefill and INT4 decode kernels for Hopper GPUs

The paper shows the quality-price of aggressive quantization is now measured, not guessed: INT4 weights plus a Hadamard-rotated INT4 cache cost under one perplexity point while roughly tripling decode speed on H100. Engineers serving Llama-3.1-class models on Hopper GPUs can use its fragment-layout dequantization and KV-cache placement techniques to cut latency without falling back to padded prefill. Compared with PyTorch's INT4 kernel, which loses to BF16 at batch 32, this design stays fast up to batch 32.

#FuTransformer #Llama-3.1-8B #FP8 #INT4

Event

arXiv cs.AI@Wei WangSource

Papers12:17

Chinese contentTUPLE-Bench 揭示类型化决策模型的隐私泄露问题，并提出 WCPQ 缓解方法

一篇关于决策模型隐私泄露的论文：测了九个模型，发现置信度分数会泄露不该给的信息，还给了 WCPQ 方法来降泄露。做 API 输出设计的人可以看看。

#TUPLE-Bench #隐私 #WCPQ #基准测试

arXiv cs.AI@Yiqu Yang et al. (5)Source

Models Builders12:17

Chinese contentDrugHarness 发布：可进化的药物发现智能体框架

这个智能体框架专门给药物研发用，会自己从实验轨迹里学新技能，拿 Qwen 跑出来的准确率能提近 19 个百分点，还能和真实湿实验对上。

#DrugHarness #MolBench #Qwen #智能体