全部动态

Proteus给长上下文模型加了个记忆开关，逐步解锁容量，让SWLA、Titans这些模型在长文本上表现更好，越长的上下文提升越明显。

这篇论文用扩散模型搞出了能生成可解推箱子的办法，不用求解器，成功率77.4%，失败的大多拆一面墙就能救回来，而且开源可用。

腾讯用 A.I.G 把 DeepSeek Harness 翻来覆去测了 1.4 万多次，隐藏 Unicode 攻击成功率能到 25.5%。想自查提示注入的可以看看这个框架。

这篇论文用GPT-5.5和DeepSeek实测发现，压缩上下文会让智能体反复重新查工具，任务成功率却没变。想知道为什么只看完成率会骗人，可以读读。

这篇论文拿五个主流AI模型去考大学OOP期末题，结果都比学生平均分高，但抽象类和图形题还是会翻车，想看AI编程能力真实段位的可以读读。

做 Text-to-SQL 的可以看看这份排行榜聚合方法，它把不同模型和推理方式按自主度归类，还给出了在 Spider、BIRD 上的实测对比，省得自己瞎比较。

这篇论文用388万条1Hz实船数据证明，随机划分评估会让油耗模型成绩虚高，时间感知验证才靠谱。

CaliBench 新基准专测视频模型的物理随机效果靠不靠谱，六个模型里 Veo 3.1 在骰子上翻车。想对比可以参考。

研究者发布了GEO检测工具，能在真实Google搜索中识别GEO优化页面，F1从0.862提到0.944，比现有方法更可靠。

Weigert lab 发了新方法，不用标注就能做细胞分割和分类，效果跟监督方法差不多，代码已经开源了。

这篇论文把黑盒RL搬到agent harness上，用Qwen3-30A3B在OpenClaw和Claude Code上跑，ClawGym-Bench直接涨了10到15个点，还支持多个harness一起训练。

ALE以前只支持L2空间，这篇把它扩展到球面、高斯这些新结构，还在图像分类上实测了。

这篇论文搞了个CHIVE自动找模型意外行为，结果发现现有可解释性技术对预测反事实行为没啥用，但用来训练数据倒挺能泛化，值得做可解释性的人看看。

这论文提了两个新招PVF和TETHER，给LLM强化学习用的，比标准价值函数强，和GRPO差不多甚至更好，搞RL的可以看看。

这篇论文把电车难题做成了奖励函数，用200个碰撞场景让AI学真实偏好，结果还挺反直觉。

欺诈检测要控制误报和漏报，这篇论文的ProtoCP把共形预测用在了时序图上，四个基准上都比现有方法预测集更小，做风控的可以看看。

不用微调，加一个显式情境状态就能让多轮智能体少做无效动作、记得关键事实，三个基准上八种模型都有效果提升。

这篇论文还原了AI宣传的生成流程，从50个网站翻出提示词指令，还发现背后用了Llama 3和Mistral模型。

论文用5,760张地图测了21个模型，发现配色顺序和对比度比色调更影响AI读图。做地图可视化或调模型时值得看一眼。

这篇论文用VGG16和ResNet50跑MS-COCO，实测CRP和CRAFT两种解释方法，发现概念混淆和数据集偏见的具体规律，做可解释性研究值得看看。

不用跑完整扩散过程，第一次预测噪声就能判断异常，速度快还更准，时序异常检测可以看看这个方法。

论文提出了两个从电子病历里自动判断骨关节炎疼痛等级的工具，SPaDe和PLeDO，不用额外检查就能分级。

给3D视觉和LLM交叉领域的研究者看，新数据集加新模型，还做了两个实际应用基准，能补上多物体关系推理这块短板。

长任务乱？HyMem分层隔离上下文，用DeepSeek-V4在GAIA上比最强基线高6.1个百分点。

搞 VLM 后训练的人可以看看：Rollplex 把前缀计算塞进解码窗口，32 张 H800 上最高提速 2.24 倍。

Muon 优化器跟 LoRA 本来不搭，这篇论文用数学近似硬凑出了个 sMuon，微调性能有提升，实现还只用矩阵乘法。

这篇论文把主动推理的EFE用到火星车探路上，一套准则同时搞定画地图和找目标，比纯信息论方法更省路。

YOPO 让冻结的 Qwen2.5 单次前向传播就完成作答和弃权判断，alphaNLI 达 0.798，超过两遍推理，值得看。

CLIP这类模型认画风还是认画家？这篇论文用“艺术家分离”测试发现，超现实主义识别会掉20个点。搞艺术分类的值得看。

这篇论文用深度学习给远古手印判性别，在当代数据上准确率超88%，还能告诉你哪些样本拿得准、哪些拿不准。

这篇论文把跨会话交接讲透了，给出最小充分交接的比特需求和高斯线性回归的精确结果。做长会话AI应用的值得看看。

这篇研究用809人和3个场景，实锤了AI道德投票不中立，开发者的三处选择就能改变结果，做AI治理的别错过。

这篇论文提出L2T框架，用Transformer做MIMO检测的转移策略，硬输出和软输出都覆盖，挺有新意。

论文提出了RecipeNet，专门处理材料合成、制药配方这类结构化步骤数据，比通用表格模型更能捕捉层级和顺序信息。