论文

Sentinel-RL解决了LLM在安全运营中的两大瓶颈，能快速处理大规模网络拓扑，推荐更准确的 containment 行动。

Terminal-Universe能把代码执行轨迹变成可复用环境，让Qwen3.5-27B在终端任务上提升近12分。

TAHI方法让人机交互数据成为缩小专业差距的信号，适应后的模型不仅个人任务成功率提升，还能跨用户泛化。

Ecma International发布NLIP标准，让不同AI智能体框架能互相通信，支持多种传输协议。

Minima团队把Qwen3.8-27B全量化到4位，性能不变还更小更快，揭秘了混合模型递归部分为什么好量化。

OpenAI新方法把自然语言描述变成可复用的本地神经函数，比远程调用更快，还部署了实际应用案例。

OpenAI等公司的模型评估可能存在严重可靠性问题，同一模型在不同时间点表现差异巨大。

研究人员提出前瞻性编码方法，解决了深度循环网络中底层信号延迟和顶层误差衰减问题，在多个模型上提升了性能。

OpenAI等机构常用方法被挑战，论文证明先OPD后RL的两阶段训练效果更好，还给出了实用切换信号。

NVIDIA研究团队推出Direct-P方法，解决了Blackwell FP4张量核心在注意力计算中的瓶颈问题。

IBM发布DRACO，解决长周期智能体训练中信用分配问题，无需验证器就能提升15.9分。

PreferenceEKF 用子空间推理解决奖励模型不确定性问题，比传统贝叶斯方法更高效。

这篇论文揭示了单层注意力模型中布尔函数计算的头部需求边界，为理解Transformer架构的计算能力提供了理论基础。

FLY-EVAL++为飞行预测任务提供新评估标准，发现LLM在安全约束下存在显著差异，比单纯看准确率更重要。

零售供应链需求适应有新框架，用GPT/Qwen/DeepSeek提升成功率7%。

研究人员发布了KC-Bench基准，专门测试AI智能体如何处理知识冲突，九个主流模型测试结果都不理想。

DeepSeek-R1等模型推理轨迹中的'突破'可能只是难度信号，真正有价值的信息很少。

Jina团队发布了Jina-OCR-v1，能在低成本GPU上高效处理文档，速度翻倍且精度高。

OpenAI等模型在复合提示下表现差异大，JSON+专家角色+中等紧急程度组合导致GPT-4o-mini性能下降12.2个百分点。

TRACE框架让自主机器人决策过程完全可追溯，解决了深度学习模型不可解释的问题。

电信专家团队用LLM解决5G/6G网络故障诊断，通过结构化推理减少幻觉，比传统方法更准更可靠。

SafeEvolve通过策略协同进化提升AI智能体安全性，在降低有害响应的同时保持性能，比现有方法更有效。

清华团队提出多智能体LLM系统的博弈论框架，新算法在SWE-bench上超越基准2.2个百分点。

DisCo代理把GitHub仓库变成可重用技能，在多个AI研究基准上大幅提升性能，比无技能版本表现更好。

DKL解决了RAG检索失败时的问题，比RAFT和PA-RAG方法更高效，还能保持指令模型的指令跟随能力。

这篇论文教你如何检测黑盒大模型的幻觉，有4种方法可选，无需监督标签也能用。

Loom框架通过嵌入空间重加权技术，在保持高准确率的同时大幅提升推理速度，适合工业场景的根因分析任务。

GRADSOLVE解决了ODE集合在GPU上求解与反向微分速度不匹配的问题，大幅提升计算效率。

研究人员提出Cliff方法，通过识别首次错误来改进强化学习，性能提升显著且适用性广。