全部动态

POLIS首篇论文，用5280集实验证明规则只是制度一部分，权威状态和阻断路径同样关键。做多智能体安全必读。

想提升数学推理模型？SKALD 把技能蒸馏进权重，比 GRPO 最高涨 12 分，还不用改推理时的输入。

医学图像分割和语言模型终于打通了，MedPixel一个模型搞定定位加问答，还自带44万样本的数据集，搞医学AI的值得看看。

KGCaRe把知识图谱和RAG结合，复杂条件问答比普通RAG更准，多个模型上都赢了，代码也开源了。

想测翻译模型有没有背答案？Cultivar 用本地化对照来抓数据污染，32 个开源模型跑下来，发现 MT 专用模型反而更脆，美国内容翻译得最好。

想知道AI能不能当靠谱的社交裁判？这篇用34个模型和198个人类实测对比，结论挺有意思。

想用最少实验搞清楚因果机制？MDA 把 LLM 和贝叶斯结合，自动设计实验、发现模型，物理化学生物三领域都刷新了纪录。

OpenAI的GPT-5.6 Sol Pro帮人解决了一个2022年的数学难题，想知道AI怎么证明图论下界？看这篇。

空气质量预测的新方法，AirFlow 用双流结构分别处理不同污染物的变化节奏，36项指标赢34项，参数还不到5万，轻量又准。

胸片多标签分类老问题，C²A用共现先验加注意力，CheXpert上0.895 AUROC，比GCG强，开销还小，值得搞医学影像的看看。

想减少模型自信犯错？ReliableNet 直接约束这种错误率，比校准和选择性预测更稳，测试里表现最好。

MoNo解决了神经算子中token分配不均的痛点，用最优传输做多尺度，PDE求解又快又准，代码也开源了。

这篇论文用稀疏MoE做视网膜多病分类，专家分配能对应具体病灶，宏AUC到0.912，搞医学影像的可以看看。

这篇论文给去中心化下了个清晰定义，还搞了两个新指标，能自动算系统去中心化程度。搞联邦学习或区块链的可以看看，比之前那些模糊说法靠谱。

联邦学习调LoRA的朋友看这篇，它告诉你A和B该共享哪个，还给了个训练前就能算的指标，省得瞎试。

想用影像预测基因突变？这篇论文告诉你多标签学习不是万能药，KRAS和TP53联合预测能提AUC，但EGFR组合就没用，得看突变配对。

这篇论文给做优化的人提了个新思路：用 ICNN 当代理模型，比传统 ReLU 网络算得快，还更稳。

不用额外验证器，靠候选池内部共识就能挑出好CAD模型，几何指标还更准，省事又有效。

这篇论文戳破了时序模型评估的常见坑，用具体数字说明评估协议能颠倒结论，搞时序生成的人都该看看。

想给RNN换个思路？这篇论文提出用多个顺序投影挖掘结构依赖，实验显示在复杂数据上更稳，简单数据也不掉链子。

卫星联邦学习老被轨道数据不均衡坑，FedOrbit 用分层聚合和自适应分解，在遥感基准上最高提了 16 个点，做边缘 AI 的可以看看。

这篇论文用LSTM和CNN补热带气旋数据里的Rmax缺失值，发现时序模型少用10倍数据效果还更好，做沿海灾害评估的值得看看。

这篇论文告诉你，光靠问模型“这代码安全吗”不够，读它的内部激活反而能发现漏洞，对做代码审查的人很有用。

这篇论文用32个模型实测告诉你，LoRA不是万能药，人脸防伪跨数据集还是得看预训练底子和数据。

卫星避碰现在靠人工和规则，越来越难。这篇用PPO强化学习，在模拟里成功率97.5%，比传统方法高出一大截，代码还开源了。

想找能处理噪声数据、还能告诉你不确定性有多大的回归方法？ERRLESS用强化学习从后验里采样表达式，Feynman基准上表现不错，表达式还短。

科研团队想用AI又不放心商业闭源？AquiLLM开源、用开放权重模型，还能本地跑嵌入和重排序，专为捕获隐性知识设计，值得看看。

想看看AI能不能识破谎言？这篇论文用4个模型做了近4万次测试，结论是准确率跟人差不多，但不同理论引导下AI的倾向差异很大。

这篇论文讲怎么用LLM自动造认知决策场景，还验证了复杂度靠谱，做AI评估或心理学实验的可以看看。

想知道开源模型在金融领域到底行不行？这份基准测试用数据说话，Kimi K2.6和GLM 5的表现可能会让你意外。

想用冻结模型提升agent性能？HSI让模型自己改写执行脚手架，在BabyAI等任务上涨了39个点，代码已开源，值得一看。

想搞懂大模型“思考”和“直接答”到底差在哪？这篇用稀疏自编码器拆解了DeepSeek-R1的推理机制，结论挺反直觉。

做长期记忆的智能体开发者可以看看，SodaMem用图结构加证据链，在LongMemEval-S上准确率92.8%，成本还低，比普通RAG日记靠谱。