全部动态

数据同化方向的论文，用流匹配把经典集合滤波升级成非线性更新，实验上超过了四种经典滤波器，做预报或同化的朋友可以看看。

搞材料计算的朋友可以看看，1540 万个固液界面 DFT 结构直接可用，配 MACE 模型就能训练自己的机器学习势。

有人在 6GB 显存的笔记本上，用土耳其语 109 页报告实测了五款 7B-8B 开源模型，还顺手证明花哨检索方案打不过 TF-IDF，做 RAG 的可以看看。

arXiv 上一篇讲 KV 缓存的新论文，用本地历史替换当前 token 分支，126M 模型上困惑度降了约 1.4%，做推理优化的人可以看看。

小模型跑工具智能体老犯重复调用、提前写入这类错，这篇把失败经验做成异构图记忆来避免，τ-Bench 和 AppWorld 都验证有效，做本地部署的可以看看。

论文教你怎么用解码器雅可比给 ViT 特征空间算真正的任务几何，剪掉一半 token 还能让深度误差少涨 25%，做高效推理的可以看看。

训练医疗问诊模型一直只会看最终诊断对不对，这篇给每个问题单独打分，连没问出口的问题也能学，比 GRPO 少问三分之一轮就赢了。

这论文把 KV-cache 压缩变成了能签合同的事：给定风险目标，自动算出能砍多少缓存，砍不了就回退全 KV。做长文本推理部署的可以看看。

Wayve 这篇论文教你怎么用不到5%的语言标注训出能开车的VLA，Bench2Drive 上分数还超过全监督基线，做自动驾驶的值得看看方法细节。

一个开源的 PDE 神经求解器 MENO，显存不随分辨率涨，还能跨几何求解，跑论文实验只需一行命令。

OpenAI 新出的 GPT-6 Sol 和 Luna 便宜了一半，Sol 跑分还超过了 Claude Opus 5，做大批量任务可以认真看看这个定价。

把 Muon 里那套 Newton-Schulz 迭代搬到注意力输出上，不加参数，ViT 和 Swin 在 CIFAR 上 12 组对比全涨，代价是推理变慢一点。

病理标注太贵没数据？这篇把多个病理视觉语言模型的表征融合起来，54 组实验里 50 组小样本分类更强，做医学影像的可以看看。

这篇把表格模型上下文学习拆开讲了，RefineICL 比 TabPFN-3 高 31.4 Elo，还解释了为什么去掉 FFN 反而更好，做表格任务的建议看看。

做强化学习的可以看看：RACER 用自适应扰动和 critic 一致性正则，解决了对抗训练里对手太狠把智能体带偏的问题，连续控制实验效果确实比老基线稳。

这篇论文造了个诊断集，专门测长上下文模型“找到了但没用上”的问题，DeepSeek 两个模型都被测出检索满分但解读掉分，做长文本评测的可以看看。

爱奇艺龚宇讲了他们怎么用 AI 做影视，混制内容这几个月爆发增长，还强调不降质、不搞流水线生产，App 里已经能玩 AI 生成的小游戏。

这篇用分层贝叶斯方法量化了 DeepSeek-R1-Distill 系列的推理能力与 token 消耗，结论是加大模型只提升能力不提升效率，做选型或研究 scaling 的朋友可以看看。

做分布式训练又怕隐私噪声影响效果的话，这篇给出了用同批次梯度差分降噪的具体方案，还附了收敛性证明和实验对比。

有人把 Whisper 的编码器砍掉 6 层还不用改推理代码，只用无标注语音蒸馏就把 WER 拉回 20.1%，模型直接可以下载用。

追踪了 6774 个智能体 PR 的后续命运，发现 Codex、Claude Code 这些智能体合并代码后还得自己返工，几率比人类高 62%。

论文提出了 CASPER 框架来摘要审讯对话，还配套 6000 条标注的 MINDSum 数据集，做法是让警官、督察等多角色打分迭代，ROUGE 和 BERTScore 都超了基线。

论文提出 ARIA 框架，专门解决多个各自合规的 AI 智能体放一起可能产生集体性歧视的问题，还对照了 EU AI Act 的监管要求，做金融合规的值得看看。

想做 AI 出题自动质检的可以看看：论文实测了 LLM、BERT、传统 ML 在布鲁姆分类上的 OOD 表现，LLM 拿到 0.79 的 F1，还给了几个低成本补救手段。