论文

研究人员提出LRT方法，让冻结大模型在连续表示空间中进行推理，仅需少量计算就能超越传统方法。

TFMat用文本控制晶体生成，在MP-20基准达到92.04%匹配率，比CrystalFlow更高效。

卫星用太阳能供电运行生成AI，研究如何在有限能量下平衡图像质量和传输可靠性。

OpenAI新框架ARISE-RL用评分协同进化解决开放智能体训练难题，ECR-Bench基准测试验证效果。

MIT发现AI模型内部表征可读性先于因果性，这一滞后现象在12B参数规模下依然存在，挑战了传统模型理解。

俄语安全护栏新模型，在俄语提示注入检测上表现优异，延迟最低，开源权重已发布。

这篇论文提出CRS采样方法，通过持久上下文提升扩散模型性能，在相同NFE下获得更低GenPPL。

ViTAMINS用合成难例提升视觉Transformer性能，资源效率还更高，ViT-B就能打败V-JEPA的ViT-L。

欧盟AI法案下，这个CEG框架帮你证明AI决策不是靠偏见，而是靠真实因果关系。

斯坦福团队发布临床推理基准，测试八种历史表示策略，发现压缩导致关系损失，小模型 Haiku 在全上下文下超越大模型 Sonnet。

研究人员微调了多个大模型来自动匹配PR和问题，准确率提升显著，还能解释模型决策依据。

PARSER方法解决了MoE模型压缩中误差累积问题，在相同内存减少下提升模型精度。

MIT研究团队推出AgentProv，通过工具调用分布检测API是否偷偷更换底层模型，准确率远超现有方法。

ECGQuest为心电图领域语言模型提供了首个专业评测基准，微调让小模型接近大模型表现。

DeepSeek 175B在普通笔记本上完成20万蛋白质筛选，比A100集群快100倍，误差仅0.88，让小团队也能做药物发现。

新方法让模型在嵌入空间连续推理，不生成离散token，性能还提升了。

这个280参数的变换器能完美处理任意长度布尔表达式，比普通模型更擅长深度泛化。

OPSA方法比OPD提升16.77分，在AIME24上相对增益263%，无需教师监督。

医学AI新模型TSPFN来了，专门处理生理时间序列，比TabPFN和专用模型表现更好。

这个四阶段协议帮你验证匿名AI模型的真实身份，避免数据风险和性能不符预期。

Qwen团队研究了13个模型规模对本体学习的影响，发现参数量并非越大越好，架构和模型血统比参数数量更重要。

BLOOM-WILT让大模型安全审计更高效，在Qwen3.5-4B测试中行为诱导率翻倍，还推翻了原有模型安全排名。