AI Research Papers & Highlights

The non-obvious takeaway is that caching bugs produce no errors at all — teams simply pay more per token while assuming caching works. Platform and backend engineers running agent workloads on OpenAI, Anthropic or other provider APIs can run CACHELINT on their own repos before costs accumulate. As an academic tool study with no pricing or regional availability angle, its closest comparison is other static-analysis approaches like CodeQL-based linting, which CACHELINT extends with provider-aware precondition checks.

#prompt caching #Cachelint #LLM agents #CodeQL

Event

arXiv: Anthropic@Ying Zhang et al. (7)11 sourcesSource

Papers Builders10:35

Chinese content论文提出教师-图灵测试范式：以"被误认为教师"作为强化学习奖励

让小模型靠"骗过"大模型来学本领，不用标准答案，Qwen2.5-1.5B 在四个基准上都有提升，训练思路挺新颖。

#Qwen2.5 #DeepSeek #强化学习 #GSM8K

Event

arXiv: DeepSeek@Emanuele Rimoldi et al. (4)2 sourcesSource

Papers Builders10:32

Chinese content研究：用 DeepSeek-V3.2 模拟 ICLR 2024 审稿评分，提示词设计对齐程度差异显著

想让 LLM 帮忙审论文或做评分的人该看看：同一批 ICLR 投稿上，提示词怎么写能让 DeepSeek-V3.2 的分差从 1.46 降到 0.2，数据很扎实。

#DeepSeek-V3.2 #ICLR #LLM评分 #同行评审

arXiv: DeepSeek@Wenqiang Qin et al. (4)Source

Papers BuildersMulti-source10:32

Chinese contentNumTrace 基准：审计金融分析师智能体的数字来源

论文测了三个主流模型在 SEC 文件上算数字的表现，发现数字本身往往算对，但挂错了公司或科目，这个问题之前没人单独量化过。

#NumTrace #Claude Opus 5.5 #GPT-6 Astra #DeepSeek-V4.1-Flash

Event

arXiv: DeepSeek@Tianlei Zhu et al. (4)11 sourcesSource

Papers Builders10:31

Chinese contentAgentProofBench 发布：面向 Web Agent 可复用验证器的基准

arXiv 上新出的 AgentProofBench，专门测 Web Agent 的验证器好不好用，用 DeepSeek 跑了近百个任务，做 Agent 评测的可以看看。

#AgentProofBench #DeepSeek #Web Agent #智能体

arXiv: DeepSeek@Jingjie Ning et al. (4)Source

Papers Builders10:31

Chinese contentLong-Short Contrastive Pruning 让剪枝后的推理模型更省思考 token

剪枝和 CoT 压缩一起用会互相打架，这篇论文给 DeepSeek-R1-Distill-Qwen-7B 剪 20% 权重还能省 8–22% 思考 token，掉分不到 0.5，做模型部署的可以看看。

#DeepSeek #CoT压缩 #模型剪枝 #推理模型

arXiv: DeepSeek@Tao Jing et al. (5)Source

Papers10:31

Chinese content综述：生成式AI在湍流研究中的基础、应用与验证基准

一篇给 AI 和流体力学两个圈子的桥梁综述，讲清 diffusion 模型做湍流模拟到底行不行、该怎么验证，做科学计算的朋友可以看看。

#diffusion模型 #湍流 #科学计算 #score-based

arXiv cs.LG@Luca Biferale, Michele BuzzicottiSource

Papers10:30

Chinese contentUTA 学习率衰减方法发布，适配 Adam 型优化器

训练模型调学习率衰减的可以看看，UTA 比固定衰减曲线更聪明，能跟着训练状态走，LLaMA 和 ResNet 上都验证了，直接即插即用。

#UTA #LLaMA #学习率调度 #微调

arXiv cs.LG@Anda Tang et al. (5)Source

Papers10:30

Chinese content研究证实权重矩阵秩压缩是 Grokking 的结果而非原因

一篇很扎实的 grokking 机理研究，实验设计干净：先记住、后泛化的时间线被精确量化，还证明了压缩秩反而会阻碍 grokking。

#Grokking #transformer #秩压缩 #泛化

arXiv cs.LG@Shlok Mehendale, Paras ChopraSource

Papers10:28

Chinese content用 Counter-Strike 2 遥测数据建模 60-120ms 快速人类反应

研究者拿 Counter-Strike 2 的毫秒级对局数据训练模型预测玩家 60-120ms 内的本能反应，EMBER 准确率 73.5%，还比 LLM 基线快好几个量级，思路挺有意思。

#Counter-Strike 2 #telemetry #transformer #行为建模

arXiv cs.LG@Emanuel Dopater et al. (10)Source

Papers Builders10:28

Chinese contentFlowGenesis：基于表征变化自动增删神经元的自适应架构框架

arXiv 上这篇论文挺有意思：网络自己决定加神经元还是砍神经元，不用预先定架构，持续学习场景还能省参数，做 NAS 的可以看看。

#FlowGenesis #神经架构搜索 #持续学习 # Representation Flux

arXiv cs.LG@Maksim A KazanskiiSource

Papers Builders10:28

Chinese content论文提出 Spherical Brownian Diffusion 语言建模扩散方法

一篇讲扩散语言模型设计的论文，结论挺反直觉：怎么加噪声几乎不影响效果，怎么采样才关键，预算 180 次调用时差了 25 个点。

#扩散模型 #Brownian Diffusion #vMF #GSM8K

Event

arXiv cs.LG@Andrea Miele, Ilija Bogunovic2 sourcesSource

Papers10:28

Chinese content基于不确定性评估的 SOTIF 分析：LiDAR 目标检测性能阈值跨工况适用性测试

KITTI、nuScenes 上的 PointPillars 实验，讲清楚一个阈值换个工况就不可靠的问题，做自动驾驶感知安全的可以看看这套检验流程。

#PointPillars #KITTI #nuScenes #LiDAR目标检测

arXiv cs.LG@Milin Patel, Rolf JungSource

Papers10:28

Chinese content基于 JiT 的去噪防御方法提升无线电信号调制分类对抗鲁棒性

搞无线电信号分类的可以看看：用 JiT 扩散模型做去噪防御，不用预知攻击类型，PGD 下鲁棒性比对抗训练高 20% 多。

#对抗攻击 #JiT #flow matching #RML2018.01A

arXiv cs.LG@Shiwei Liu et al. (5)Source

Papers Builders10:27

Chinese content不改模型只改推理程序：科学图表问答准确率从16.6%升至41.3%

冻结的 VLM 不重训，光进化推理代码就能把图表问答从 16.6% 拉到 41.3%，还快 3.8 倍，AlphaEvolve 那套玩法很实用。

#VLM #AlphaEvolve #自主进化 #推理优化

arXiv cs.LG@Abhinav Sudhakar Dubey et al. (5)Source

Papers Builders10:27

Chinese contentarXiv 论文：为多部件动漫 3D 模型生成 ARKit/MediaPipe 表情 Blendshape

做 VRM/VTuber 模型的朋友可以看看，这篇讲怎么给多部件的动漫脸自动生成 ARKit 表情，省去手动 K 帧的活。

#Blendshape #ARKit #MediaPipe #3D建模

arXiv cs.LG@Pramook KhungurnSource

Papers BuildersMulti-source10:27

Chinese content用目标冲突样本微调，提升模型指令层级遵循能力

OpenAI 和 NVIDIA 的指令层级训练集都漏了目标-目标冲突这一类，这篇论文补上了，微调 Qwen3.5-9B 和 Gemma4-12B-it 就能明显提升效果，做对齐训练的可以看看。

#指令层级 #Qwen3.5-9B #Gemma4-12B-it #微调

Event

arXiv: OpenAI@Sizhe Chen et al. (7)11 sourcesSource

Papers10:26

Chinese contentGraphormer 动态调节车道方向与限速，仿真中每日延误降低 90%

把车道换向和限速交给一个 transformer 统一调度，仿真里高峰延误砍了九成，交通方向的做法挺有意思。

#Graphormer #强化学习 #PPO #智能交通

arXiv cs.LG@Hamed Araab et al. (3)Source

Papers Builders10:26

Chinese content连续时间带约束随机线性二次控制的强化学习研究

控制论方向的同学可以看看，这篇把带非负控制约束的 LQ 问题做了完整的 RL 求解方案，理论推导和数值实验都齐了。

#强化学习 #线性二次控制 #actor-critic #Riccati方程

arXiv cs.LG@Weiping Wu et al. (4)Source

Papers Builders10:26

Chinese contentAMIE：无需重训的智能体记忆索引自适应插件

给做长期运行 Agent 的人：AMIE 这个插件能只用检索记录就优化记忆召回，15 组对比全提分，还不用重训记忆系统。

#AMIE #智能体 #RAG #记忆系统

arXiv cs.LG@Yuntong Hu et al. (6)Source

Papers Builders10:26

Chinese contentRLEC：让单个LLM按指定置信度目标回答或弃答

训练后的模型能按你指定的准确率目标自动决定答还是不答，不用再调阈值，做可靠性应用的很值得看。

#RLEC #强化学习 #置信度校准 #弃答

arXiv cs.LG@Zefeng He et al. (5)Source

Papers Policy10:26

Chinese content机器遗忘应以输出风险控制为核心目标

一篇立场论文，说机器遗忘领域追错了方向：别纠结参数像不像重训模型，该直接保证输出里没毒没泄漏，说得挺有道理。

#机器遗忘 #Machine Unlearning #AI安全 #输出控制

arXiv cs.LG@Yahya Alkhatib et al. (3)Source

Papers10:25

Chinese content研究解析 Grokking 现象：哪些任务能从记忆走向泛化

arXiv 上这篇论文用拉丁方染色把 Grokking 讲透了，想搞懂模型为啥突然泛化的可以看看

#Grokking #泛化 #理论 #拉丁方

arXiv cs.LG@Zihan Gu et al. (7)Source

Papers10:25

Chinese contentMacro Mondrian Conformal Risk Control：分组风险控制新方法

做分割或不确定度估计的可以看看，CRC 在稀有类别上会失控，这篇用分组重加权来解决，还给了两个数据集的实验。

#Conformal Prediction #语义分割 #风险控制

arXiv cs.LG@Julien Combes et al. (3)Source

Papers10:25

Chinese contentAutoPRL：通过可学习视图生成实现自动化路径表示学习

一篇做路径表示学习的论文，用 VAE 自动生成视图，替代费算力的启发式对比学习，做出行时间估算的可以看看。

#AutoPRL #路径表示学习 #自监督学习 #对比学习

arXiv cs.LG@Sean Bin Yang et al. (8)Source

Papers Builders10:25

Chinese contentBellowsKV：跨层共享 KV 缓存，压缩 13 倍仍保留 97% 精度

免训练的 KV 缓存压缩方案，压 13 倍几乎不掉点，比现有跨层方法强不少，自己部署 LLM 的可以看看代码。

#KV缓存 #Llama-3.1-8B #Qwen2.5-7B #Mistral-7B

arXiv cs.LG@Jiamu Zhang, Hanjie ChenSource

Papers Builders10:25

Chinese content新研究解释 KV-cache 压缩为何有效：注意力空间复杂度的新下界

做 KV-cache 压缩的人可以看看，这篇用理论证明了为什么连均匀采样这种简单方法在真实模型上就好用。

#KV-cache #Transformer #注意力机制 #空间复杂度

arXiv cs.LG@Justin Y. Chen et al. (6)Source

Papers BuildersSelected10:24

Speculative Decoding for MoE Models: Deduplication and Draft Length

Deduplicating expert reads sounds appealing for MoE inference, but the measured bandwidth numbers show it rarely helps at practical draft lengths, which saves practitioners from engineering it blindly. Inference engineers and MoE serving teams can reuse the fitted-bandwidth method, which takes under an hour per model, to predict whether deduplication wins on their own hardware. The tested stacks — llama.cpp CUDA and Metal plus MLX-LM — cover the common Mac and NVIDIA deployment paths.

#speculative decoding #Mixture-of-Experts #DeepSeek-V2-Lite #llama.cpp

arXiv: DeepSeek@Yuzheng LanSource

Papers Builders10:24

Chinese contentTCR-Former：用因果拓扑注意力让 8.6B 模型时序因果推理超越 GPT-5.4

一篇时序因果推理的论文，8.6B 参数的 TCR-Former 在 TempoCausal 上赢了 GPT-5.4 和 DeepSeek-V3.2，思路是把因果图塞进注意力机制里。

#TCR-Former #TempoCausal #GPT-5.4 #DeepSeek-V3.2

arXiv: DeepSeek@Zhifeng Yang et al. (4)Source

Papers Builders09:39

Chinese content研究：LLM对已判定不可信信息仍会执行有害工具调用

测了5个模型，发现自己标了不可信的信息照样有最高99%的情况真去执行，这数据太吓人了，做agent安全的人该看看。

#LLM #AI安全 #智能体 #论文

arXiv cs.AI@Emran Kanaan et al. (5)Source