论文
这篇讲了怎么把智能体跑长任务的 token 开销砍一半，方法只有一条：压缩只删不改，还开源了能在 Claude Code 里直接用的实现。
一篇很实在的论文：作者发现长文档检索差的真正元凶是近处无关文字抢注意力，给出 LYRA 方法外加 ProxBench 基准，做了 RAG 的话值得看他们的实验数据。
量化到 2-bit 后模型做数学题会发疯循环？这篇论文用 on-policy 蒸馏把 MATH-500 保留率从 35% 拉到 70%，做端侧部署的可以看看。
标注预算不够又想评估策略？这篇 arXiv 论文告诉你怎么分配人工标注最省钱，RMSE 能降一半以上。
研究 grokking 为什么突然泛化的论文，理论算出 grokking 时间由学习率乘 weight decay 决定，还用上千个网络验证了，做可解释性的可以看看。
数据集成领域的新论文，LOKI 能自动从文本里发现不同表之间的行级关联，精度 0.982，比直接调 LLM 便宜 40 倍，做数据湖的可以看看。
一篇挺有意思的论文：同样的模型和提示，BF16 和 FP16 居然输出不一样，作者还给出了低于 4% 延迟开销的修复方法。
机器人移动操作总因底盘跑偏而失败？这篇论文让策略直接预测地图坐标系下的底盘目标位姿再用定位反馈去跟踪，6 个真实任务成功率全赢速度控制，做具身智能的可以看看。
华为团队把 44 万个 GitHub 仓库和 55 万篇 arXiv 论文连起来，发现星标等信号能提前判断哪篇论文会火，精度提升 12%，数据集免费下载。
一篇把 LLM 强化学习里 credit assignment 讲清楚的论文，PACT 训练后在数学推理上比 GRPO 高 8.8 个点，搞 RL 后训练的值得看看推导。
一篇新论文 CompKV，重新设计了稀疏注意力里的 token 选择逻辑，长上下文推理自注意力最高快 6.85 倍，做推理优化的可以看看。
一篇很实用的论文：不改模型、不改提示词，只在运行时注入失败 informed 的策略指令，GPT-5.6 跑 Terminal-Bench 的重复成功率就能涨近 10 个点，做 Agent 的可以看看。
一个做 3D 点云生成的新扩散架构 EMERGE，用图神经网络替代常规网格化管线，一次训练就能在任意分辨率零样本出结果，做 3D 生成的话可以看看这篇。
一篇体系结构论文，做了个跨主机的总线互连，64 卡系统上把 RoCE 的延迟砍一半，跑 DeepSeek R1 快 30%-80%，做 AI 集群的你看看。
拿 Gemma、Llama、DeepSeek 三个模型做了个挺狠的测试：简单题模型根本不看自己的推理，难题上错误会一路传到底，这对做 CoT 监控的人是个警告。
拿 2267 份真实英国基金申请，让 Gemma 3 27B 和 DeepSeek R1 等六个开源模型打分，跟人类审稿人比相关系数，结论是初筛能用、终审不行。
这篇论文挺反常识的：不用任何权重、靠 Mandelbrot 分形坐标做语言决策，延迟只有 7ms 还能跑在单片机上，可以看看它怎么绕开 LLM 的。
一篇教 RL 生成 SVG 的论文：把每条指令拆成 6 项评分细则当奖励，不需要标注数据，效果追平 DeepSeek-V3，做生成任务奖励设计的可以看看。
这篇论文造了个很较真的基准：不看智能体能不能把指标刷上去，只看它交付的模型到底行不行，连"训练了但没学到东西"这种静默失败都能抓住，四个前沿模型全被拉出来和人类工程师对比。