全部动态

这篇论文教你怎么用弃权信号做推理精修，不用建知识图谱，医疗问答准确率直接涨9.6个点，GPT-5.5和DeepSeek-R1都试过。

这篇论文用数学证明了量子在状态追踪任务上的内存优势，不是跑分，是理论分离，适合想了解量子AI理论底层的朋友。

想快速了解NLP信任研究六年的演变脉络，看这篇综述就够了，它把144篇论文的规律都总结好了。

论文提出Workflow Cards，把工作流执行记录变成人和AI都能读的摘要，比直接查数据库答案质量高一倍，做AI文档的可以看看。

这篇论文提出了一种不用训练就能测模型不确定性的新方法，在接地问答上比现有基线更准，还能自己判断什么时候适用。

GUI智能体部署后不会自我进化的问题有解了，这个框架用反射引导自蒸馏，六个基准平均涨7.4个点，做智能体适配的可以看看。

搞多智能体配置管理头疼的可以看这篇，ACM 把 LangGraph、CrewAI 这些框架统一成一套治理模型，还能做依赖分析和审计。

这篇论文给AI安全提供了新思路，用交互式PCP验证概率预测的自洽性，数学严谨，值得做安全对齐的人看看。

想看真实农田里哪个检测模型靠谱？这篇用非洲实地数据测了六个模型，RT-DETR和YOLO系赢了，Faster R-CNN掉队，结论直接。

时间序列预测想同时要准均值和好分布？TORF用两阶段把这两件事拆开做，不用采样就能保住均值，短长期都跑赢了现有方法。

智能体技能越攒越乱？SkillZip 不用跑评估就能压缩，把重复规则提出来、动作序列抽成共享过程，还保住罕见规则。一次性或持续更新都行，省成本。

这篇论文给遥感图像分割的可解释性带来了新思路，用熵做核心，还配了新的评估方法，比现有方法效果更好。

这篇论文用3D图神经网络给绵羊做疼痛评估，不用深度相机，单摄像头就能算，比传统2D方法更准，做动物福利或AI应用可以看看。

想测金融表格推理？V-FiLLM 用计算树自动生成题目，不用人工标注，还能控制难度，微调后效果提升明显。

想搞懂链接预测公平性指标怎么选？这篇复现研究告诉你Δ_DP会漏掉排名里的偏见，NDKL和MORAL才是真能打的。

如果你做推理模型，这个框架能解决置信度评分在复杂任务上失效的问题，用时间不对称性挑出真正靠谱的答案。

这篇论文用世界杯数据证明控球率是骗人的，60%控球可能全是无效倒脚。它用视频分析区分了死球和创造空间的控球，对看球和战术分析都有启发。

想看看大模型能不能直接干金融预测和调仓？FinATOM用token生成搞定，夏普从1.428提到1.529，还开源了思路，值得一读。

这篇论文把气候预报和供应链风险结合，用哥伦比亚农业数据做了原型验证，适合关注气候风险建模和供应链管理的人看。

想低成本做金融情感分析？RA-FinBERT用LoRA加规则特征，只加千把个参数就把准确率拉高6个点，中性类召回翻倍，值得看看。

这个研究用腕带传感器加深度学习，检测拔毛、抠皮这类小动作，F1到0.985，比单模态准多了，对心理健康监测挺有参考价值。

想了解怎么让模型部署后还能继续学？Macaron-V1用LoRA组合和递归改进做到了，744B大模型加四个专家LoRA，还开源。

想提升LLM强化学习效果？3PO用参数采样替代温度调节，在OLMo和Qwen上比GRPO更稳更好，成本还一样。

做TTS评测的可以看看，这篇把自然度拆成10个维度，实测发现MOS和Audio-LLM都测不全，还公开了数据集和代码。

想搞懂多模态模型内部怎么运作？MMDiff能找出是哪些特征让模型变聪明，还能精准控制它们，安全性和效果都有数据支撑。

荷兰政府项目组做的评估框架，测了30多个模型，告诉你哪个模型在事实性、能耗、成本上表现如何，选型时直接参考。

电力系统工程师看过来：GENCO一个模型搞定潮流、最优潮流和状态估计，比传统求解器快几十倍，还开源了框架和数据集，想上手试试的别错过。

想测强化学习在硬核动作游戏里的极限？DSLE把黑暗之魂Boss战变成基准，PPO和DQN连教程Boss都打不过，看看专家系统怎么赢的。

想搞懂思考模式和非思考模式怎么配比训练？这篇论文用数学题做了系统实验，告诉你数据比例和调度怎么影响推理准确率，还开源了基准。

这个模型用循环潜在推理做上下文学习，150M 参数在 ARC-AGI-1 上花 0.0007 美元就拿到 29.5% 的 pass@2，性价比直接刷新纪录，值得看看它怎么做到的。

SHE把智能体安全从模型权重扩展到运行框架，分解成四个可独立进化的组件，实测攻击成功率降3.1倍，还能跨模型迁移，搞AI安全的值得看看。

这篇论文把物理规律直接塞进潜空间，导航成功率涨了 8 个点，碰撞率砍半，做具身智能的值得看看。

AI 自动设计芯片预取器，居然跑赢了 DPC4 冠军方案，单核低带宽下提速 4.6%，搞硬件架构的值得看看。

想知道视频生成模型在科学推理上有多靠谱？这个新基准测了 16 个模型，发现视觉好看不等于科学正确，专有和开源差距不小。

谷歌把医疗AI做到视频问诊了，AMIE视频版在100个临床场景里和真人医生打平甚至更好，患者还更喜欢它的解释方式，想看看AI看病到底行不行可以读这篇。

这篇论文给机器人规划加了个AI裁判，能拦下不安全或不合规的动作，对抗攻击遏制率97%，做机器人安全的值得看看。

这篇论文把自主研究比作模糊测试，点出反馈架构才是瓶颈，不是生成。想搞懂 AI 科研智能体该往哪走，值得一看。

这篇论文给做具身智能体的人一个现成的模块化架构模板，不用从零搭，直接套用就能在 3D 环境里跑认知智能体。