全部动态

这篇论文教你怎么用CAV和稀疏自编码器查口语评分模型有没有偏袒某类考生，结果发现模型架构影响很大，别光看概念能不能被提取出来。

想比较哪些大模型最会自己改提示词和工具编排？这个新基准用4个任务111次运行测了5个模型，结果挺反直觉。

论文提出 Resourced Authority，用计算预算让治理决定自动执行，比纯靠审批更硬核。

用可执行真值逐帧审计视频模型计数，发现Gemini 3.6 Flash处理瞬时事件几乎失效，加帧只虚涨分数，值得看。

TrajDebug能从长轨迹里精准揪出导致最终失败的那个错误，486条真实数据验证过，比现有方法都靠谱。

TYTAN这篇论文教系统自动看懂数据库结构，不用手写语义层，测试里百分之百跑通，挺实在。

这篇论文教你如何判断一个评测集靠不靠谱，用LLM当裁判自动挑毛病，省人工还靠谱。

FLAIR超分注意：小病灶主要被抹除而非幻觉。ADNI 29例上ECLARE最好，INR不如三次插值。

论文提出READ，在780页财务报告上准确率58.8%，比向量检索的15.7%高出一大截，每次检索还能当成审计轨迹回放。

这篇论文告诉你，训练到过拟合之前提前停一下，GD在带噪声的高斯混合分类上能拿到理论最优错误率，比插值器省指数级样本。

这个QuanTiMedAI挺有戏：605个参数就把心脏骤停死亡预测AUROC做到0.852，比原来最好的还高2.9%。

Arxiv上这篇综述把微调、RAG、对齐这些概念理清了，还给了六个维度的分类框架，做AI治理和模型管理的人可以拿来当参考。

TS-RAG把RAG用在时间序列预测上，用参考标记融合相似序列，多个基准拿SOTA，做预测的可以看看。

这篇论文教你如何不让合成临床数据看起来像模板：两个修订方法在保住效用下限的同时把真实感拉上来，适合做医疗AI基准的人参考。

这篇论文用强化学习让拓扑图动态演化，既能压缩复杂度又能保留关键结构，比静态分析多了一条时间维度。

OTLesMix用Wasserstein重心造形状位置更多样的病灶，脑分割Dice提升2.9-6.6，比现有mix方法都强。

如果你搞模型评估设计，这篇理论文章用严格上下界讲清楚了交互测试比固定测试省多少查询：最多二次方，不是指数级。

这个模型把反应物和产物揉进一张图，用对比学习预训练，多个产率预测任务上超过现有基线，做反应预测的值得看看。

做代谢组学或临床预测的可以看看，MetaboLLM把生化知识变成图谱，两个预测任务的AUC都挺能打。

GEM-3让你用一套权重随时切换1到24小时预报时间步，跑得稳还实用，比固定时间步的模型灵活多了。

Muon在矩阵优化里挺火，但上Stiefel流形一直靠近似。这篇论文给了精确闭式解，还做了个Skewon，收敛性有保障，做正交约束优化的值得看。

这篇论文把持续学习的新玩法梳理清楚了，不再只盯着参数调整，连测试时训练、外部记忆都算进去了。搞AI系统的可以看看。

编码智能体老学不会新技能？试试 GSE 这套框架，在测试生成和假阳性过滤上比现有方法准不少，还通过了工业级验证。

刚看到一篇论文，把同样本和独立样本随机外梯度的收敛性区别讲透了，还有反例。

MicroEvo用LLM引导芯片微架构设计搜索，比NSGA-II质量高36.2%，效率提升10倍多，代码已开源。

这篇论文给 RLCP 补上了有限样本保证，证明局部校准误差有界，还能帮你理解带宽怎么选。

这篇论文给PRTrees加了直接处理缺失值的能力，不用先插补。在缺数据多的场景下比CART更准，关键还保持树模型好解释。

这篇论文用依赖解析器代替人工标注做偏好优化，北欧三种低资源语言上效果提升明显，做多语言模型的人可以看看。

这篇论文提出一个后训练技巧，能在二值网络里提前跳过大量累加计算，VGG11在CIFAR-10上最多省86.6%运算，精度损失很小。

表格模型遇到数据偏移不用微调，SkillTFM靠技能库自动适配，AUC最多涨0.14，一篇很实用的论文。

这几个开源模型里Gemma 4最会写Coq证明，但100道题也只过12道，别指望它们太靠谱。

这篇论文用Claude Opus 3从NICE文档里自动提取结构化信息，F1超90%，速度比人工快30倍，做医疗评估的朋友可以看看。

这篇论文搞了个流行音乐专用的音频转乐谱数据集，用MuQ预训练模型，古典乐错误率从15.3%降到4.98%，还公开了代码，想做的可以直接上手。

iARCS 用强化学习让 3D 场景生成器听懂自然语言要求，走路、够东西这些约束都能满足，还能提升基础生成器。

这篇论文用消融实验戳穿了VLM做零样本控制的假象，多数模型其实没在看图像。还给出了一个能到0.973准确率的守护方案，想搞具身智能的值得看。

这篇论文让LLM当对话对手，跟人聊几轮就能把阴谋论信念聊下来，比干看事实清单管用，效果还能延续一两个月。