全部动态

DynaCrys把空间群和元素组成一起做扩散，两个评测引擎下都是最好成绩，生成还快，搞材料的人可以看看。

这篇论文用逆向优化从陶氏的历史生产计划里反推出专家真正在意的目标，比手工调权重靠谱。

FedDOSE用联邦学习处理多中心脑影像数据，在ABIDE和ADHD-200上自闭症、多动症识别都超过现有方法，做医疗AI的可以看看。

这篇论文发了个叫 OmniDecVAEs 的框架，能把几十个传感器数据揉在一起，分类和生成都行，参数才 4.1M，比 Transformer 还准。

这个框架直接用开源LLM做语音筛查，不用联网传数据，保护隐私，在ADReSS20和ADReSSo2021上还比现有方法最高涨5个点，适合做早期阿尔茨海默病筛查研究的人看。

这个新框架TRIAL能让智能体强化学习更高效，在多个任务上超过GRPO，成功率提升近19个百分点，搞RL的可以看看。

这篇论文搞了个空间概念测试，专门考大模型的方向、距离和组合推理，结果发现它们比想象中笨。

这篇论文用残差代数替代特征拼接，在A股数据上收益从13.5%提升到19.1%，Sharpe从1.42涨到2.09，比所有对照方法都强。

Aftab架构在Atari-57上拿到IQM 6.479，比标准PQN基线强不少，代码和训练配置都开源了，搞RL的可以看看。

把Lévy-Montague反射做到WKL₀上的论文，给了保守性证明，还用了Fable 5辅助推证。

各家大模型选电影时都更认影评口碑，不认票房。测试了20万次对比，模型越大越看重口碑，挺有意思的。

想测LLM的地理常识？这个新基准GeoBenchLLM用12个数据集考了主流模型，结论是模型越大、推理越强，GitHub上可跑。

航天图像分割常缺标注，这论文用 SAM 3 自动生成伪标签，还解决了伪标签几何错误。TinyUNet 又小又快，边界指标提升明显。

FinRank是个新出的金融问答基准，专门考你从SEC文件里找证据的能力。实测连7B模型都只有44.8%的召回率，难度很够。

这篇论文查了6个模型的视觉工具调用：多数只是白花钱，只有少数轨迹真有用。别被表面准确率骗了。

孟加拉手语识别新研究：轻量模型参数少到能装进手机，准确率还够用，数据和代码都开源了。

这篇论文提出了DASH，能让推理模型在自蒸馏时按发散情况动态调整权重，三个数学基准上全面超过原版OPSD，还不用额外算力。

PRISM这篇不用GAN也能做图像翻译，用一个门控控制改哪些部分，五个基准上赢了四个，挺实用的。

看这篇，用深度信息做视频数人数，拥挤遮挡也不虚，MAE 降了 62%，代码和数据集都开源了。

这篇arxiv论文把数字孪生从被动镜像变成主动智能体，用网络协同做物理AI推理，搞机器人或边缘智能的可以看看思路。

EnvACE 让模型自己脑补环境的反馈，省去搭建外部模拟器，四个基准上还赢了。想低成本练智能体的可以看看。

这篇论文用690个技能做测试，发现简单混合排序比知识图谱更靠谱，还提醒大家别用自编查询骗自己。

论文提出了 Surv-IPTB，用注意力机制做个体治疗获益估计，比传统 T-learner、S-learner 在复杂非线性数据上更稳，代码已开源。

这篇论文把OpenAI找非sofic群的招数推广到了花环积，直接给出一类新的非sofic群，搞群论的朋友可以看看。

这篇论文用真实数据告诉你，同一个模型换种方式调用，成绩能差8个百分点，跑三次还不一样，评估AI安全时别只看一个数字。

想知道购物App背地里怎么用AI、又不告诉你？这篇论文拆了尼日利亚的安卓应用，证据很清楚，看完你会重新审视手机里的购物软件。

OG-SPR把两种预测目标结合起来，28个控制任务上超过现有方法，难任务提升明显。搞视觉RL的可以看看。

这篇论文把VARMA从低维度限制里解放出来了，迭代成本不再随序列长度增长，在d=40时还能稳定预测，做时间序列的可以看看。

这篇论文把单调对抗者模型的误差速率定性了：d=1是Θ(1/n)，d≥2多一个log因子，证明很直接。

这篇论文把“信不信上下文”当成独立问题来训练，用MIST测出模型容易被一条错误信息带偏，SCOPE能减少这种翻车还不影响正常表现。

心衰数据特征工程又慢又容易出错，nMAS自动管线把HFrEF的AUROC拉到0.963，还能审计特征来源。

比智能体强弱怕烧钱？AV-AIVAT在证据够了就立刻停，牌局评估能便宜74倍，还保留可审计证据。

想给智能体造训练任务？CalibForge 让多个求解器互相挑毛病来调任务难度，比人工标靠谱，Terminal-Bench 上能涨二十多个点。

这篇论文提出 RRC，能把生成式奖励模型的排序结果转成强化学习能用的信号，在对话和推理任务上比现有方法更稳定地提升训练效果。

不需要标注和外部反馈，U-OPSD靠投票让Qwen3数学成绩再涨一截，追平甚至超过OPSD和GRPO。

XAI评估怎么做才靠谱？这篇论文用DetoxAI和概念漂移案例讲清了不足和应对思路，适合搞模型解释的人读。