全部动态

华为团队把 44 万个 GitHub 仓库和 55 万篇 arXiv 论文连起来，发现星标等信号能提前判断哪篇论文会火，精度提升 12%，数据集免费下载。

一篇把 LLM 强化学习里 credit assignment 讲清楚的论文，PACT 训练后在数学推理上比 GRPO 高 8.8 个点，搞 RL 后训练的值得看看推导。

法国生命科学方向的团队用纯机器翻译语料训出了领域 BERT，还把 36.4GB 语料和代码全开源了，做小语种 NLP 的可以看看。

一篇量化方法论文：把残差量化搬到双曲空间，前向反向都做了几何修正，适合做层级离散表示的人看看。

评估机器人世界模型有新工具了，TriWorldBench 用头加双腕三个摄像头同步验证预测是否一致，代码数据都开源。

一篇新论文 CompKV，重新设计了稀疏注意力里的 token 选择逻辑，长上下文推理自注意力最高快 6.85 倍，做推理优化的可以看看。

35 篇交通+LLM 的论文里只有一篇做过漏洞评估，想搞车联网 AI 的工程师可以看看这篇综述

一篇偏理论但很实用的论文：教智能体判断啥时候该信自己的世界模型，不确定就先验证，工具使用基准上确实更稳了。

一份新出的合规评测基准 EADC，用知识图谱加法律专家标注做出 4400 多条 QA，专测模型会不会踩法律红线，做合规的对口。

一篇很实用的论文：不改模型、不改提示词，只在运行时注入失败 informed 的策略指令，GPT-5.6 跑 Terminal-Bench 的重复成功率就能涨近 10 个点，做 Agent 的可以看看。

一个做 3D 点云生成的新扩散架构 EMERGE，用图神经网络替代常规网格化管线，一次训练就能在任意分辨率零样本出结果，做 3D 生成的话可以看看这篇。

一篇反向思路的研究：不是用因果模型生成解释，而是把人类解释当学习信号来发现因果结构，还证明了何时该拒绝错误解释。

ontology 工程师可以看看这个新基准，测了 9 个 LLM 从 competency questions 生成本体的能力，连失败模式都拆得很细。

给模型生成的声音事件描述做事实核查，不用再跑一遍音频编码，延迟只有 CED-Base 的十八分之一，音频方向的研究者可以看看。

这篇论文把图书馆档案馆的学科融合经验搬来改 AI 合作模式，提出五条实操原则，做交叉研究的值得看看。

拿 2267 份真实英国基金申请，让 Gemma 3 27B 和 DeepSeek R1 等六个开源模型打分，跟人类审稿人比相关系数，结论是初筛能用、终审不行。

这篇论文挺反常识的：不用任何权重、靠 Mandelbrot 分形坐标做语言决策，延迟只有 7ms 还能跑在单片机上，可以看看它怎么绕开 LLM 的。

Simon Willison 的命令行工具 llm 更新了，这次能直接调用 OpenAI 的 GPT-6 Sol 和 Luna，单轮模型也有专门的处理机制。