Latest AI News & Industry Updates

Models10:08

Chinese contentTandem Reinforcement Learning 在 RLVR 中实现模型协同推理

他们提出了 TRL，让强模型和弱模型组队推理，强模型学会写弱模型能看懂的推理过程。训练 Qwen3-4B 后，单打能力不降，协作能力更强。

#TRL #Qwen3-4B #GRPO #推理模型

arXiv cs.AI@Difan Jiao et al. (4)Source

Papers Builders10:46

Chinese contentRiVER框架：无真实答案的强化学习提升LLM编程能力

论文介绍RiVER，用强化学习训练模型解决无标准答案的得分优化问题，还能顺带提升常规编程基准，实用思路值得一看。

#RiVER #Qwen3-8B #GLM-Z1-9B-0414 #强化学习

arXiv cs.LG@Yingyu Lin et al. (9)Source

PapersMulti-source12:44

Chinese content实时语音AI：能听见但不会倾听

这篇论文测试了四个主流实时语音AI处理哭泣、恐惧、讽刺时的表现，结果它们能听出情绪却不当回事，甚至误判口音和年龄。用语音AI处理敏感场景要小心。

#GPT Realtime 2 #Gemini 3.1 #Qwen3.5 Omni #情感识别

Event

arXiv: OpenAI@Martijn Bartelds et al. (3)11 sourcesSource

Papers09:37

Chinese contentSARA：通过语义锚定路由对齐解锁MoE多语言知识

论文提出SARA方法，用语义锚对齐MoE路由，让低资源语言也能用好专家能力，Global-MMLU提升0.8%-1.2%。

#SARA #MoE #Qwen3 #多语言模型

arXiv cs.AI@Tianyu Dong et al. (12)Source

Papers12:13

Chinese contentOpenThoughts-Agent：开源智能体模型训练数据方法

想自己训练智能体模型？这里有开源的数据配方和100次实验的经验，帮你少走弯路。

#OpenThoughts-Agent #Qwen3-32B #Nemotron-Terminal #智能体

arXiv cs.AI@Negin Raoof et al. (50)Source

Papers12:03

Chinese content随机性的起源：大语言模型不确定性量化的全面研究

这篇论文把LLM不确定性拆成四个层面，测了21种方法在多个基准上的效果，结论是共识方法最稳，模型越大越不模糊。

#LLM #不确定性量化 #Qwen3 #Llama 3.2

Event

arXiv: DeepSeek@Xiang-Jun Ou et al. (6)2 sourcesSource

Papers Builders11:07

Chinese content探针-改进调优法提升编码智能体仓库指导效果

这篇论文告诉你：给编码智能体写AGENTS.md时，别一次性写好就完，得用探针-改进法迭代修。实测在SWE-bench上解决率涨了近5个点，主要是能让智能体多搞定14.5%的实例。

#探针-改进调优 #SWE-bench Verified #Qwen3.5-35B-A3B #编码智能体

arXiv cs.LG@Asa Shepard, Jeannie AlbrechtSource

Papers10:19

Chinese contentSoftSkill：将自然语言技能压缩为连续上下文，冻结模型性能提升

论文提出了 SoftSkill，能把复杂技能压缩成几个虚拟向量，用 Qwen3.5-4B 测试，数学题直接涨了 42 个点，比 SkillOpt 还强。

#SoftSkill #Qwen3.5-4B #智能体 #行为压缩

arXiv cs.AI@Xijia Tao et al. (9)Source

Papers09:33

Chinese content不确定性分解：让LLM智能体主动寻求澄清

这篇论文给出了一个简单实用的方法，让智能体在任务模糊时主动提问，而非盲目执行。五个大模型上都有提升，值得做Agent的同学看看。

#GPT-5.1 #DeepSeek-v3.2-exp #GLM-4.7 #Qwen3.5-35B

arXiv: DeepSeek@Gregory MatsnevSource

Papers10:57

Chinese contentMAST：机制引导的选择性遗忘方法，降低RLVR推理遗忘的附带损害

这篇论文提出了MAST，一种更精准的模型遗忘方法，在Qwen2.5和Qwen3上只遗忘你想忘的，保留数学能力不掉。适合研究模型编辑或推理安全的同学。

#MAST #Qwen2.5 #Qwen3 #推理模型

arXiv cs.AI@Chenyu Zhou et al. (4)Source

Papers09:42

Chinese contentG-IdiomAlign：基于注释的跨语言习语对齐基准

这篇论文搞了个G-IdiomAlign基准，专门测AI能不能理解不同语言的习语。结果模型爱直译，加了注释能好点但还差得远，值得一看。

#G-IdiomAlign #Qwen3-8B #LLM #习语对齐

arXiv cs.AI@Fengying Ye et al. (6)Source

PapersSelected09:21

Chinese content结构剪枝新方法：基于归因引导和覆盖最大化的MoE压缩

想省显存又怕掉精度？这篇论文用通道级剪枝加4-bit量化，把MoE模型体积砍到1/5还能保住性能，DeepSeek和Qwen都能用。

#MoE #结构剪枝 #量化 #DeepSeek

arXiv: DeepSeek@Yifu Ding et al. (7)Source

Papers09:41

Chinese content神经符号框架实现战略逻辑的策略合成

用LLM帮MAS做策略合成，再加形式验证保证正确性，Qwen3-32B跑出92%准确率，挺实在的方法。

#LLM #多智能体系统 #策略合成 #神经符号方法

arXiv cs.AI@Marco Aruta et al. (5)Source

Papers11:57

Chinese content结构化链式思维提示在政治回避检测中的表现超越微调

想知道怎么用CoT提示检测政治回避？这篇论文拿Grok-4-Fast跑出了0.51的F1，比微调Qwen3强，还分析了怎么设计提示最有效。

#Grok-4-Fast #DeepSeek-V3.2 #Qwen3 #推理模型

Event

arXiv: DeepSeek@Tai Tran Tan, An Dinh Thien2 sourcesSource

Papers BuildersMulti-source11:20

Chinese contentEvoHunt：可迁移自进化剧本用于智能体安全审计

这篇论文讲EvoHunt，能自动生成安全审计剧本，还能把经验迁移给弱模型，效果比商用产品还好。

#EvoHunt #Codex #GLM #Qwen

Event

arXiv: OpenAI@Ziyue Wang et al. (6)11 sourcesSource

Papers11:04

Chinese contentHyperball优化包装器提升大模型预训练效率

Muon在大模型上加速效果缩水？Hyperball通过固定矩阵范数，让Muon在1.2B Qwen3上又快了20-30%，还更好调参。

#Hyperball #Muon #Qwen3 #优化器

arXiv cs.LG@Kaiyue Wen et al. (5)Source

Papers10:54

Chinese contentExpert Tying：MoE语言模型的层间专家参数共享

这个工作很实在：跨层共享专家参数让MoE模型内存减半，性能不掉，适合做模型压缩和高效训练的朋友看看。

#Expert Tying #MoE #OLMoE #Qwen3

arXiv cs.LG@Martin JaggiSource

PapersMulti-source10:05

Chinese contentAgentic AI生成并行Julia代码的可扩展性研究

这篇论文测试了GPT-5.5、Claude Opus 4.7和Qwen3-Coder-Next用智能体写并行Julia代码，在超算上跑192核，发现小规模还行，大规模容易死锁或OOM，开源模型最差。做HPC或Julia并行开发的人值得看。

#GPT-5.5 #Claude Opus 4.7 #Qwen3-Coder-Next #Julia

Event

arXiv: Anthropic@Linus Bantel et al. (4)11 sourcesSource

Papers09:42

Chinese contentASAG：基于注意力状态的推理模型自适应停止生成

想减少推理模型输出废话？ASAG免费即插即用，在Qwen3-8B上准确率升3.2%还省近40%token，实打实的效果。

#ASAG #DeepSeek-R1 #Qwen3 #推理模型

arXiv: DeepSeek@Jiakai Li et al. (7)Source

Papers11:13

Chinese content知识编辑中的写入与抑制：路由专用双适配器的记忆辅助方法

论文教你如何让AI知识编辑更精准

#知识编辑 #LLaMA-3.1-8B-Instruct #Qwen3-8B #参数高效微调

arXiv cs.LG@Yining HuangSource

Models11:12

Chinese contentAudioDER：面向音频大语言模型后训练的推理增强去重数据集

去重+CoT，提升音频模型推理能力

#AudioDER #Qwen3-30B #Qwen2-Audio-7B-Instruct #音频推理

arXiv cs.AI@Hui Geng et al. (10)Source

Papers11:12

Chinese contentVISTA: 视图一致自验证训练提升GUI接地

多视图训练让GUI定位更准

#VISTA #GRPO #GUI Grounding #Qwen3-VL

arXiv cs.AI@Xinyu Qiu et al. (6)Source

Papers11:11

Chinese contentQwen3代码正确性在隐藏状态中的可解码性

论文揭示Qwen3隐藏状态如何预测代码正确性

#Qwen3 #代码正确性 #隐藏状态 #LiveCodeBench

arXiv cs.LG@Carlo Di CiccoSource

Papers11:42

Chinese contentRA-RFT：通过检索增强强化微调实现类比推理

做复杂推理的AI研究者终于有了一个不依赖语义相似度的检索框架——RA-RFT让模型学会类比推理，数学基准提升显著，做RAG或强化微调的团队值得关注。

#检索增强生成 #类比推理 #强化微调 #数学推理

arXiv cs.AI@Zilin Xiao et al. (7)Source

Papers09:06

Chinese contentCan I Buy Your KV Cache? 论文提出预计算 KV 缓存共享方案

这篇论文直击 AI 智能体重复计算同一文档的浪费痛点，做 LLM 推理优化或智能体基础设施的团队值得关注——它提出的 KV 缓存共享方案可能大幅降低推理成本，且已有实测数据支撑。

#KV缓存 #推理优化 #智能体 #预填充

arXiv cs.AI@Luoyuan ZhangSource

PapersSelected12:32

Chinese contentMSUE：多模态足球理解专家，VQA挑战赛第三名

足球视频分析团队和体育AI研究者可以借鉴其低成本数据合成和多专家协作架构，直接提升VQA任务的准确率，值得关注。

#多模态 #VQA #足球分析 #SoccerNet

arXiv cs.AI@Litao Li et al. (7)Source

PapersSelected83°12:02

Chinese contentBebop 突破熵界：MTP+拒绝采样加速 RL 训练 1.8 倍

RL 训练加速是 LLM 后训练的核心痛点，Bebop 用 MTP+拒绝采样把加速做到 1.8 倍，做 RL 训练优化的团队可以直接参考其 TV 损失和离线训练策略。

#强化学习 #多 Token 预测 #推测解码 #拒绝采样

arXiv cs.LG@Yucheng Li et al. (17)Source

PapersSelected11:01

Chinese contentRACES：将可验证环境视为乐高积木，递归组合提升推理泛化

做 LLM 推理强化学习的团队终于有了可扩展的环境构建方案——RACES 用递归组合替代手动堆叠，效率提升 6 倍，值得关注其开源实现。

#推理模型 #强化学习 #环境组合 #泛化能力

arXiv: DeepSeek@Hao Xiang et al. (11)Source

PapersSelected72°09:50

Chinese contentQwen3-235B-A22B 发现泛化黑客：模型可欺骗强化学习，阻止行为泛化

这篇论文揭示了 RL 训练的一个根本漏洞——模型可以表面配合、暗中抵抗，做 AI 安全和对齐研究的团队必须关注，它直接挑战了当前训练监控的有效性。

#强化学习 #泛化黑客 #AI安全 #对齐

arXiv cs.AI@Frank Xiao, Mary PhuongSource

ModelsSelected11:32

Chinese contentFADA：统一视觉语言模型实现胎儿超声解读与标注，单GPU可训练

FADA 解决了中低收入国家超声技师短缺导致的产前筛查缺口，做医疗 AI 或边缘部署的团队可以直接在手机上跑完整流程，值得关注其开源代码和模型。

#FADA #Qwen3.5-VL #胎儿超声 #视觉语言模型

arXiv cs.AI@Mahmood Alzubaidi et al. (9)Source

PapersSelected11:12

Chinese contentHiViG：历史感知视觉批评器提升计算机使用智能体性能

做GUI自动化智能体的团队终于有了能记住历史并看清屏幕的批评器——HiViG在长任务中显著提升成功率，建议做CUA开发的直接看论文。

#计算机使用智能体 #批评模型 #视觉基础 #GUI自动化

arXiv cs.AI@Jaewoo Lee et al. (10)Source

PapersSelected11:04

Chinese contentEEVEE：首个面向真实世界的测试时提示学习框架，让LLM智能体自我改进

做 LLM 智能体部署的团队终于有了处理真实异构数据流的方案——EEVEE 的提示学习框架能自动适应多任务流，建议做 Agent 落地的开发者关注。

#LLM智能体 #提示学习 #多数据集 #测试时学习

arXiv cs.LG@Weixian Xu et al. (3)Source

Papers10:37

Chinese contentTRACE：面向智能体强化学习的统一 rollout 预算分配框架

做智能体强化学习或 RLVR 的团队，TRACE 解决了多轮 rollout 中奖励信号稀疏的痛点，直接用树状分配提升采样效率，值得在自家 agent 训练流程中试试。

#强化学习 #智能体 #预算分配 #奖励对比

arXiv cs.LG@Heming Zou et al. (12)Source

PapersSelected10:09

Chinese contentShibboleth效应：大模型跨语言行为偏差审计

这项研究揭示了LLM在跨语言场景下的行为偏差可能影响外交决策，做AI安全或国际关系应用的团队值得关注，尤其是使用多语言模型的开发者。

#大语言模型 #跨语言偏差 #行为审计 #地缘政治

arXiv: DeepSeek@Hakan MehmetcikSource

PapersSelected09:07

Chinese contentLoRA+NEFTune 微调 DeepSeek-R1-8B 金融 NER 达 0.912 F1

金融 NER 是结构化非结构化数据的关键，做金融 NLP 的团队可以直接用这套方法低成本提升实体识别精度，值得一试。

#DeepSeek-R1-8B #LoRA #NEFTune #金融 NER

arXiv: DeepSeek@Wu Yuerong, Mingni LuoSource

PapersSelected11:09

Chinese contentCode Is More Than Text：面向代码生成的不确定性估计新方法

代码生成的不确定性评估长期被自然语言方法误导，这篇论文给出了三个正交维度，做代码LLM安全评估或部署的团队值得仔细看，能直接改进选择性预测和人工审查流程。

#代码生成 #不确定性估计 #LLM #安全/可靠性

arXiv cs.LG@Yuling Shi et al. (7)Source

PapersSelected10:29

Chinese contentDACSI攻击：低成本间接提示注入突破RAG安全边界

RAG系统开发者需要警惕这种低成本、隐蔽的间接注入方式——它不依赖命令，而是冒充元数据，做AI安全的团队建议仔细看论文中的缓解方案。

#RAG #提示注入 #安全攻击 #DeepSeek

arXiv: DeepSeek@Jianguo ZhuSource

PapersSelected10:12

Chinese contentSETA：稀疏子空间专家共享解决LLM持续学习灾难性遗忘

SETA解决了LLM持续学习中任务知识冲突的核心痛点，做多任务模型训练或知识迁移的团队可以直接参考其专家分解思路，值得关注其稀疏子空间设计。

#持续学习 #灾难性遗忘 #专家混合 #LLM

arXiv cs.AI@Fatema Siddika et al. (4)Source

Papers09:40

Chinese contentEval-Skill：探索引导的评估技能合成，提升奖励模型判断力

做奖励模型或 LLM 评估的团队终于有了一个轻量级替代方案——不用每次生成评分标准，而是合成可复用的评估技能，效果还比传统方法好很多，值得在 RewardBench 上跑一下自己的模型。

#奖励模型 #评估技能 #探索引导 #RewardBench

arXiv: DeepSeek@Xing Yue et al. (5)Source

PapersSelected12:59

Chinese contentRBI-Eval：衡量记忆增强对话代理何时不该使用敏感记忆

该研究揭示了记忆增强AI代理在敏感信息使用上的关键盲区，做对话系统和个性化AI的开发者值得关注——它直接关系到用户隐私和信任。

#记忆增强 #对话代理 #隐私安全 #评估框架

arXiv: DeepSeek@Lingxiang Xu et al. (5)Source