Chinese content博弈论模型分析 AI 时代学术招聘中的努力选择困境
搞学术的朋友看看这篇：AI 让发论文变便宜了，论文还能不能证明实力？作者用博弈论把求职和招聘两边的选择全推了一遍，还做了模拟。
Papers
AI papers from arXiv and journals, each with a summary and why it matters · 7705 papers
Oct 27
Chinese contentDECE：基于十款 Eurogame 的 LLM 智能体统一竞技场
一群研究者把十款桌游打包成评测场，跑了 1032 场对局，发现同一个模型换个执行框架成绩就不一样，还附成本账。
Chinese content研究指出推荐系统中的物品相似度可能只是用户活跃度造成的幻象
推荐系统里“看了A的人也看B”可能根本不是共同喜好，只是用户消费量不同而已，这篇论文把这件事数学化了，做推荐算法的可以看看。
Papers12:35
Chinese contentEEGaze：结合 EEG 信号预测视觉搜索中的注意力分配脑机接口方向可以看看：36 人、140 个场景的 EEG 加眼动公开数据集，还附带了首个用脑电信号修正显著性预测的模型。
Papers12:34
Chinese contentCLOSURE：用跨通道一致性改进多元时间序列异常检测一篇时间序列异常检测的新论文，把重构误差之外加了一层通道间一致性判断，传感器漂移这类传统残差方法漏掉的情况能被抓住，做工业监控的可以看看。
Chinese content针对全生命周期用户的 AI 安全评估框架：六个年龄段的风险矩阵
这篇论文把儿童语音助手、青少年AI陪伴、老年人护理拒批这些案例串成一个问题：我们默认用户都是成年人。安全从业者可以看看那个风险矩阵和三层评估框架。
Chinese content研究：GRPO 训练中用有限强验证器预算审计 reward hacking
训练 RL 模型被 reward hacking 折腾的话看看这篇：给出具体审计策略 LB，只用 28% 标注就接近全量审计效果。
Chinese contentAuto-Research Arena：评测语言建模自动化研究系统的多目标基准
一个专门给自动化科研系统打分的新基准，9 个预训练目标、7 个 harness 横向对比，结果挺意外：简单基线跑赢了不少复杂方法，代码也开源了。
Chinese contentWork Agents：系统级框架解析智能体如何可靠完成数字工作
一篇给 Agent 开发者的系统化梳理，把工作智能体拆成模型加 harness 两层，还给了五种工作形态和五大能力族的分析框架，读个大纲就能对照自己项目查漏补缺。
Chinese contentZAP：纯仿真训练的机器人策略，零真实数据达到 96.7% 真实任务成功率
不用一条真实机器人数据，27B 视觉语言模型仿真里练出来就能 96.7% 完成真实任务，还比 GPT-6 Astra 便宜 17 倍，机器人方向值得看看这篇。
Papers12:32
Chinese content研究发现 VGGT 冻结特征可预测自身 3D 位姿失败有团队发现 VGGT 的冻结特征里藏着它自己位姿对不对的信号，线性探针就能以 93.5% 的 AUC 挑出失败案例，还能直接迁移到 π³ 等模型上。
Chinese contentdSpark：用调度蒸馏加速扩散语言模型生成
VILA-Lab 的 dSpark 让 LLaDA-8B 和 Dream-7B 这类扩散语言模型在 GSM8K 上最多快 10 倍，方法论文和代码都放出来了。
Chinese contentFOCUS：用主动 critic 学习解决长程智能体信用分配问题
一个叫 FOCUS 的 RL 方法，专治长程智能体训练里早期动作拿不到奖励的老问题，实测比 GRPO 和 VinePPO 高好几个点。
Chinese contentSelective Tie Learning：用平局样本减少偏好优化中的伪相关
训练偏好模型总学到不该学的关联？这篇论文用平局样本解决了，还告诉你怎么挑最有用的那些，实验覆盖到大语言模型。
Chinese contentarXiv 论文提出 Pairwise Bellman Validation 简化离线策略评估中的模型选择
做强化学习离线评估的人可以看看，PBV 不用额外训练验证模型就能在候选里挑出最好的 Q 函数，论文里 Hopper 和 Deep OPE 都有实验。
Papers12:31
Chinese contentLUCID：基于条件密度估计的局部变量重要性新方法做模型可解释性的人看看这篇：LUCID 用条件密度估计来做局部变量重要性，比普通扰动法更尊重特征依赖，还有收敛保证。
Chinese contentMIRL：用多目标结构引导多智能体协作的新方法
一篇多智能体强化学习论文，提出 MIRL 方法让智能体自己学着权衡多个目标，Pareto 前沿质量超过了基线，做 MARL 的可以看看。
Chinese contentRouted Ensembles 与轨迹归因：多目标强化学习新算法
训练模型同时兼顾多个目标时总顾此失彼？这篇论文给了可量化的冲突度量加两个能落地的算法，Meta-World 上实测涨了 4.3%。
Chinese contentTRACE：无回放的时序类增量学习框架，内存占用降低约98%
arXiv 上这篇论文提出 TRACE，不用存旧样本就能记住旧类别，内存比 TS-ACL 少约 98%，做时序持续学习的朋友可以看看。
Chinese contentJEV 与 Qwen Flash 对比：临床试验入组筛选评估测试
researchers 拿 JEV 和 Qwen Flash 跑临床试验筛选，MIMIC-III 上 F1 高了 0.234，成本还便宜一半以上，做医疗 NLP 的可以看看。
Chinese contentHTC² 框架用 Hamiltonian 结构改进物理环境探索
一篇物理控制的探索方法论文，HTC² 用 Hamiltonian 相空间结构加多步时序对比学习算内在奖励，在 DeepMind Control Suite 六个任务上和 ICM、Plan2Explore 这些老方法比了个遍，做 RL 探索的可以看看。
Chinese content微软发布 SEMA-Auto：自动多轮越狱攻击框架
微软这篇论文做了个自动越狱攻击器，对 GPT-5.4、Claude-Haiku-4.5 这些模型的攻击成功率近六成，做 AI 安全的得看看对手手段。
Chinese contentDeepSeek V4.1 Flash-1017 独立安全评估：34 项基准对照 GPT-6 等闭源模型
有人在 DeepSeek V4.1 Flash-1017 发布后独立测了它的失控和操纵风险，还和 GPT-6、Gemini 3.8 摆在一起对比，结论有具体建议，做安全评估的可以看看。
Chinese content研究：线性探针可在蒸馏与指令微调后的模型上直接复用
训练好的安全探针换模型不用重训了，Qwen 和 Llama 系列实测迁移后 AUC 几乎不掉，不过误报率有点高，做安全审计的可以看看细节。
Chinese content微调让 7B 代码模型在安全审查中准确率从 4.8% 升至 96.6%
想让本地小模型做代码安全审查的可以看看，Qwen2.5-Coder-7B 微调后准确率从 4.8% 干到 96.6%，还开源了带 1993 个样本的数据集。
Chinese contentRepoTrace：用需求-代码对应改善多轮代码智能体表现
代码智能体改着改着就跑偏？这篇论文用需求-代码对应关系把它拉回来，GLM-5.2 上 MPR 涨了 19.99，还开源了。
Chinese contentMechAlign：用 LLM 审查 Lean 数学形式化的项目级语义对齐
有人给 Lean 形式化做了个语义对齐检查器，用依赖图让 LLM 找形式化定理和论文原文的出入，还放了个 501 条的基准。
Chinese contentORION：用结构化 Oracle 在 PR 阶段检测代码回归
这篇论文做了个叫 ORION 的工具，能在 PR 合并前自动找出代码回归，F1 超过 Codex 和 Claude Code，还能接进 CI/CD，做开发的朋友可以看看。
Chinese contentCoSA 攻击：向 Agent 技能池加 5% 技能，违规率从 35% 升至 58%
只往技能池塞 5% 新技能，违规率就从 35% 飙到 58%，做 agent 技能生态的都得看看，论文还附带了能降到 6.67% 的防护方案。
Chinese content免训练晶圆图缺陷分类：规则排序提示词让多模态模型达到93.8%准确率
晶圆缺陷检测不用再标注数据重新训练了，论文用提示词排序技巧让冻结多模态模型在WM811K上跑到81.3%，做工业质检的可以看看。
Chinese contentGNN 负荷预测诊断协议：拆分参数共享与邻居访问的贡献
用 GNN 做负荷预测的可以先看看，论文给了三个参照模型加重连测试，帮你判断图结构到底有没有用，还是只是参数共享在起作用。
Chinese contentCA-HNM：用结构化领域模型做约束感知的困难负样本挖掘
一篇检索论文：训练双编码器时，用领域规则挑负样本，比单纯靠相似度排序挑效果更好，MOOCCubeX 上 8 个配置赢了 6 个。
Chinese contentPatentAgentBench：用专业专利任务评测 LLM 智能体
这篇把专利检索、撰写、答复审查意见拆成 510 个真实任务来考 7 个大模型，想看 agent 到底能不能干专业活的可以看看差距在哪。
Papers10:44
Chinese content符号回归管线用于 NV 色心系综光谱校准物理和机器学习交叉的好工作，符号回归把单颗 NV 色心的光谱推到系综级别，误差降了一半多，还保留了可解释的哈密顿量。