Latest

一篇关于 Theory of Mind 的论文，提出的 MMEA 在 DynToM 上拿到 96.48%，比主流 LLM 高出不少，做心理建模方向的可以看看。

arXiv 新论文，用射线覆盖扩张这个几何视角解释网络为什么能泛化，还能覆盖对抗样本和误标注数据，做理论研究的可以看看。

一篇讲电商商品怎么在生成式搜索里排名更好的论文，核心是把成功优化经验存成可复用的行为手册，比单纯调 prompt 稳。

把多个 LLM 智能体当利益相关方给医疗排班打分这招能用，但论文用实验证明讨论会抹平分歧、选项顺序会带偏结果，想真拿来做决策前得先跑这套审计方法。

质谱解分子结构向来慢，GEMS 把它变成图上的搜索问题，几分钟跑完过去一天多的活，做代谢组学的可以看看。

做视觉控制或世界模型方向的朋友可以看看，HIJP 把规划里的在线搜索换成一个逆向模型，成功率 86.8%，速度还能快 1.9 到 16.5 倍。

德国团队做了个对话评测新框架，8 个模型跑 1292 轮情境对话，总分看不出的问题逐轮都暴露出来了，做 Agent 评测的可以看看。

一篇讲怎么让智能体自己进化技能的论文，把技能拆成四个组件分别管理，36 个测试全拿了第一，搞 Agent 的可以看看。

记忆检索总被时间对不上的相似内容干扰？这篇提出 TIDER，用 1.7B 小模型+RL 定位时间窗口再检索，LifeBench 和 LoCoMo 两个基准都刷新了纪录。

这篇论文做的是让智能体能从历史交互里持续学习，Darwin-Claw 把错误归因蒸馏成可复用的经验，在 WildClawBench 上验证有效，做智能体开发的可以看看。

这篇论文挺有意思：模型只要在文档里同时读过两种行为，微调一个就会带出另一个，还能跨文档传递链式触发，做对齐的人该看看。

搞量子机器学习的可以看看，这篇讲清楚怎么根据任务的频谱结构来设计电路的归纳偏置，还有SAR雷达分类的实验验证。

蒸馏推理模型时，与其给标准答案的思路，不如从学生自己的错误草稿修出一条它能学会的路径，这篇论文就是这么做的。

量子网络怎么做路由调度？这篇论文给了套选计算、模拟还是学习模型的方法论，还讲了各自的适用边界。

证据 Z 一直很难算，这篇论文用流匹配参考把它变成可摊销的快速估计，还超过了流基线，做 SBI 的科研读者可以看看。

一篇让球面物理数据训练省模拟预算的方法：直接把 SO(3) 对称性写进网络结构，宇宙学透镜推断里同预算下 posterior 最紧。

把RNA设计拆成多个智能体分工协作，用强化学习一起训练，在Rfam上成功率和速度都超过现有方法，做计算生物学可以看看。

只给你 8 个标注异常样本也能做表格异常检测，方法是把预训练表格基础模型的通用知识和自己数据集的特征融合，实验跑赢了现有方法。

一篇讲智能体记忆管理的论文，提出 Warm-Start UCB，能按用户学习该记住哪些事实，还带遗憾上界证明。

用 1204 条混凝土实验数据训练模型，XGBoost 预测高温后强度误差不到 4 MPa，还配了个 Python 小工具，材料方向的可以看看。

训练带约束的强化学习智能体总不稳定？这篇论文找到了根源：两处约束估计不一致引发的参数共振，还给出了抑制办法。

物理学家把 transformer 改造成统计力学采样器，96×96 格点的 XY 模型都能跑，还验证了不漏构型，做计算物理的可以看看。

一篇理论论文，讲宽神经网络学习怎么从集体变量过渡到单个特征被发现，搞理论的朋友可以看看。

用一阶逻辑约束扩散模型，推理时就能减少无效图，做图生成的朋友可以看看

一篇把机器学习和动力系统理论结合的论文，用扩张域训练追踪守恒律在哪里失效，还能判断系统离 Liouville 可积有多近，做可积性研究的朋友可以看看。

有人用 k-NN 分类器给神经网络算出了很紧的泛化证书，CIFAR-10 上只差 8 个点，ImageNet 上也能算出具体数字，做理论的可以看看。

几个计算复杂度的公开问题被 Claude Opus 5.5 找到了归约证明，人只负责验证和修改，这篇论文本身就成了人机协作做数学的案例。

OpenAI 用 AI 证明了数学界悬了几十年的 Brennan 猜想，有人还把证明砍短了，数学圈和 AI 圈都该看看。

一篇讲怎么监控推理模型思维链的论文，一个监控器管多任务，还在 OpenAI 的基准上拿了第一。

四个主流模型谁更懂“你现在的状态”？这篇论文用五臂对照实测了，结果比想象中微妙，做对话产品的可以看看评测方法。

用世界模型当奖励模型训练 AI 自己改进模型，Qwen3.8-27B 训完居然超过 GPT-6-sol，成本还降了 33%。

做智能体工具调用的朋友看这篇，工具接口一改模型就崩，SchemaShield-Lite 不用重训就能在 BFCL-200 上把准确率从 0.58 拉到 0.805。

一篇 arXiv 论文，讲怎么把企业里散落的数据库和文档整理成本体，让 LLM 智能体做数据分析更靠谱，还能吸收反馈，有真实落地案例。

解决智能体长期记忆检索结果零散难用的老问题，把散落的记忆片段编译成能直接作答的上下文，LoCoMo 跑出 80.52%，做 Agent 记忆的可以看看。

arXiv 上一篇新论文，提出 SRCoT 闭环架构，让本地跑的小模型输出每句话都能溯源到证据，代码思路值得借鉴。

手机上的 AI 智能体会被藏在其他 App 里的恶意内容带偏，这篇论文用 108 个实例测了一圈，还给了诊断框架，做移动智能体的可以看看怎么防。

一种新的蒸馏方法，不看 token 概率也不硬对齐隐藏状态，靠响应相似度传递教师知识，跨架构蒸馏也能涨点，做模型压缩的可以看看。

研究者在真实企业里测试了 LLM 数据助手怎么应对用户写得乱的提示词，用知识图谱做中介比单纯靠 schema 效果好，做企业数据工具的可以参考。

开源的文献综述智能体，能把一个问题拆成子问题树，自动去 arXiv、PubMed 等六个数据源检索并滚雪球扩展，3 分半读了 28 篇文献，每条引用都能溯源。

一篇很实用的图像编辑论文：跑一次扩散模型，之后改焦点只要半秒，比 GenRefocus 快 462 倍，还附带了自建的 3 相机测试集。