Chinese content结构感知内核实现精确相对位置注意力，长序列提速最高6.4倍
把相对位置注意力塞进 FlashAttention 式内核，8K 序列反向最快快 21 倍，还省了 128 倍内存，做音频或长序列 transformer 的可以看看。
Papers
AI papers from arXiv and journals, each with a summary and why it matters · 7705 papers
Nov 3
Chinese contentTRIAGE 论文：结合负载定价与语义证据判定的两级 LLM 请求升级机制
一篇很诚实的服务调度论文：升级成本随负载涨 21.9 倍，加了语义证据判定器后 AUROC 到 0.846，但他们也直接承认预注册假设被证伪、某些模型对不如随机路由。
Papers11:37
Chinese content轻量化 Tucker 低秩张量学习方法：内存最高降 900 倍以上张量计算的人看过来，这篇没改模型，纯工程优化就把 Tucker 学习内存砍了 900 倍，轨迹还能对到 10^-16 精度。
Chinese contentExact-One Hitting Set 问题获得亚指数时间精确计数算法
arXiv 上一篇理论论文，把 Karp 的老牌 NP 完全问题 Exact-One Hitting Set 做到了 2^{o(r)} 时间，算法理论圈可以看看。
Chinese contentLIVE-GEO 基准：GEO 优化策略在真实网页上的可见性测试
把 GEO 优化内容真的发上线上实测，发现 CORE 策略在 GPT-6、Gemini 3.6 上最管用，还揭了 ChatGPT 挑 URL 顺序的老底。
Chinese contentCompSkill：把执行经验编译进技能检索，提升智能体任务完成率
一个开源的技能检索方案，检索基准 NDCG@10 从 64.0 提到 70.9，ToolQA 上比 BM25 和 RankGPT 多完成不少任务，做智能体的可以看看它的 KeyOpt 思路。
Chinese contentDCR框架提出科研智能体决策基准 RD-Bench 与校准决策模型 DCRM
给做科研智能体的朋友：这篇把评估粒度拆到单次决策，0.6B 小模型靠状态信息打到 89.4%，比 DeepSeek-V4.1-Flash 还高不少，校准后的不确定性输出也能直接用。
Chinese content研究：历史案例的标签与事实对 LLM 判定方向相反
三个主流模型做审批时都会被历史案例带偏：结论标签拉高批准率，案例事实反而压低。做 RAG 或判例检索的值得看看这两部分怎么分开测。
Chinese contentMLR方法：将长链推理拆解为规划与执行两层，提升小模型推理稳定性
一篇把长推理拆成规划加执行两层的论文，小模型只用10%数据就跑赢DeepSeek-R1蒸馏基线，做推理优化的可以看看。
Papers10:49
Chinese contentTopoQuant：用拓扑数据分析量化大模型压缩后的行为变化一篇关于量化压缩的新论文：4 个 LLM 家族实验表明 4 bit 是分水岭，用拓扑特征就能提前预测退化，R2 达 0.85，不用再跑下游测试了。
Chinese contentLLM 智能体工作流自动发现腔-QED 实验的物理模型
用 LLM 智能体去啃腔-QED 实验数据，自动提 Hamiltonian 假设再算分，3 个真实数据集验证可行，搞量子的朋友可以看看这套流程怎么搭。
Chinese contentLM6-CastBench：面向 LM6 铝砂型铸件瞬态温度场预测的开源数据集
做工业仿真或代理模型的朋友可以看看，450 个铸造热场仿真案例开源，U-Net 在这类几何任务上明显比 MLP 强。
Chinese contentMetaFine 竞赛方案：可模仿的老师让 19M 小模型精细操作得分翻倍
CoRL 竞赛第二名团队公开方案：不微调 VLA，用 19M 小模型加改造过的示教数据就把分数做到 π₀ 的两倍多，做模仿学习的值得看看他们的踩坑细节。
Papers10:47
Chinese contentModRoute：按样本路由模态提升 VLM 遗忘效果一篇研究 VLM 遗忘的论文，发现用文本来表示要删掉的坏行为比用图像更管用，还给出按样本自动选模态的 ModRoute 方法，分数提升挺明显。
Chinese content研究显示对话式 Text-to-SQL 界面更受医生认可，SUS 分数升至 85.9
14 名医生实测了对话式 vs 单轮的病历查询界面，93% 更满意对话式，还发现基准测试完全低估了真实查询的模糊度，做医疗 AI 的都该看看。
Chinese content研究：多估计引导未能统一消除语言模型判断偏差
arXiv 上的预注册研究，用 gpt-6.1-sol 和 claude-sonnet-5.5 跑了锚定、后见之明等五类偏差任务，结论是让模型一次报五个估计并不能稳定去偏，做 LLM 评测的可以看看实验设计。
Models10:45
Chinese contentX-World 1.6 发布：用世界模型构建可控虚拟城市X-World 1.6 把世界模型做成了自动驾驶仿真器，能从一张图生成多摄像头视频，还能精细控制红绿灯和车道线，做闭环测试的可以看看。
Chinese contentReplay Contracts 与选择性保留改进激活重算内存效率
训练时省显存的激活重算常因状态不一致悄悄算错，这篇论文把状态变成显式契约，H100 上步时快了 18%，写训练框架的值得看。
Chinese contentGoogle 用模糊测试和智能体集群验证 XLA:TPU 编译器正确性
Google 公开了怎么给 XLA 编译器找 bug：模糊测试加智能体集群自动写测试、复现、修，已抓出 142 个 bug，做 TPU 训练的值得看。
Papers10:34
Chinese contentLDST：用 LLM 读求解器日志来调优混合整数规划参数一篇用 LLM 替代黑盒调参的论文：直接读 MIP 求解器日志找瓶颈再改配置，10 次提案就打得过 SMAC3 跑 50 次，做运筹优化的可以看看。
Papers10:33
Chinese contentECG2Gene：用心电图预测遗传性肿瘤易感基因风险一份用普通心电图就能估计 BRCA1/BRCA2 等基因携带风险的研究，外部验证还用了中国人群队列，挺有意思的方向。
Chinese contentRoz 评测揭示世界模型潜变量缺失物理属性
这篇论文给世界模型出了道物理题：看着像懂物理，其实连摩擦力都没记住。Roz 评测 1734 个场景一次跑完，做世界模型的同学可以拿来自测。
Chinese content研究：SAE 归因图结果取决于特征的边际距离
研究 SAE 可解释性的朋友可以看看，论文指出传统归因图在特征靠近激活阈值时预测会失效，边际图方法误差能从 0.247 降到 0.033。
Papers10:33
Chinese content正交约束对语言模型预训练帮助有限：系统性研究指向球面优化研究者在 200B tokens 规模上复检了正交约束的各种玩法，结论是真正起作用的只是球面优化，还顺手拆穿了 5 个先前方法的增益来源。
Chinese content带梯度共享边界的 Adam 优化器状态安全压缩方法
训练时优化器状态比权重还占显存，这篇论文给出一种带数学保证的压缩法，能把 payload 压到 FP32 的三成左右，恢复更新也不跑偏。
Chinese contentTVP：用期望接受长度优化投机解码草稿模型训练
研究投机解码的可以看看：把草稿模型训练目标换成 TVP，接受长度比 CE 高 9.8%，比 DFlash2 配方高最多 12.9%。
Chinese contentL2RR：用目标端反馈优化 GRPO rollout 采样分布
做 RLVR 训练的朋友可以看看：目标集提示不能外传时，用少量聚合反馈就能重加权 GRPO 的采样分布，数学基准上验证有效。
Chinese contentConic Certification of Transformer Attention：注意力认证的锥规划理论
理论向的硬核论文：讲清楚了为什么注意力认证这么难，还给出可计算的界，GPT-2 上验证有效。
Papers10:31
Chinese content论文：无标签预算下利用免费协变量加速风险监控模型上线后想及时发现风险升高，但标注很贵。这篇论文算出了理论极限，还展示利用输入数据免费触发能省 1/b 轮延迟。
Chinese contentTabAbax 技术报告：聚焦合成先验与编码器的表格基础模型
一家研究团队在 TabICLv2 基础上做了个表格基础模型 TabAbax，回归任务在 TabArena 上比原版高了 300 多 Elo，还用消融实验证明合成先验才是关键。
Nov 2
Chinese contentLatent Sparse Attention：让超长上下文注意力计算提速 72 倍
超长上下文跑不动？这篇论文用分层聚类做稀疏注意力，10M token 下比全注意力快 72 倍还不掉点，做长上下文的值得看看。
Chinese contentRoboArchitect 论文：不动模型权重，自动为机器人策略设计 agent harness
一篇机器人方向的论文：不微调模型，让编码模型自己改控制代码，成功率翻了四五倍，还能攒经验，思路挺有意思。