Chinese contentD3D：异步投机解码框架，Qwen3-8B 上实现 5 倍加速
复旦团队新出的 D3D，让扩散草稿不用等目标模型的隐藏状态，解码比 DFlash 快一截，GSM8K 上能到 7.48 倍，做推理加速的可以看看。
Papers
AI papers from arXiv and journals, each with a summary and why it matters · 7704 papers
Nov 5
Chinese contentGIST：面向离线 RLVR 的分层训练数据选择方法
一篇教你离线 RLVR 该挑哪些回答、哪些 token 来训的论文，在 Qwen3-0.6B 的 GSM8K 上比七个基线都强，还省了三分之二的监督 token。
Papers11:08
Chinese contentCaRT+水文模型以35个参数逼近LSTM精度，覆盖三大洲1195个流域物理模型真的能打过LSTM了：CaRT+每流域才35个参数，在澳大利亚505个流域上反超两个LSTM，做水文的同学可以看看.
Priors Beat Policies in LLM Test-Time Compute Allocation
The practical shift is that budget allocation is an information problem: gains come from knowing which inputs are solvable, not from a smarter scheduling rule. Teams running batched evaluation or inference can redirect effort from fancy policies toward building verifier plus prior pipelines. The stated requirement — prior rank correlation above roughly 0.3 to 0.55 and rare false acceptances — gives a concrete feasibility check before deploying such methods.
Chinese contentEEGDash 发布 77 个公开 EEG 数据集训练语料，规模 14,075 小时
做 EEG 基础模型的同学可以看看：77 个数据集、1.4 万小时数据统一格式打包好，许可证标清楚，重训结果也贴近原模型。
Papers11:06
Chinese content重新评估神经时序点过程：灵活强度函数让 Hawkes 过程追平神经模型这篇论文发现加上灵活强度函数后，老牌 Hawkes 过程就能追平神经 TPP，还开源了 TorchPP 框架，做事件序列建模的建议看看。
Chinese contentBAM：用不对称二维高斯让可解释表格预测真正可审计
EBM 这类可解释模型的形状函数经常复杂到没法看，BAM 把它们换成二维高斯，精度不差还真能拿去对着领域知识核验，做表格建模的可以看看。
Chinese contentSplit-KV：面向 Diffusion Drafter 训练的高效上下文并行方法
训练 diffusion drafter 的人可以看看，Split-KV 在 CP 64 下最高加速 3.67 倍，负载均衡还快三个数量级，代码已开源在 GitHub。
Chinese contentMoE 路由成为控制推理行为的接口，无需训练即可缓解过度思考
用 MoE 路由器直接关掉'过度思考'，token 省三成还不掉准确率，做推理成本优化的可以看看这篇论文的做法。
Chinese content论文提出 Salesforce 并购数据整合的自主 ETL 流水线框架
并购后两套 Salesforce 数据怎么合并？这篇论文给了完整框架和模拟结果，匹配 F1 最高 0.963，做数据整合的可以看看。
Chinese content自主智能体用于电力系统规划的研究框架
一篇把 LLM 智能体用在电网规划上的论文，智能体能自己提方案、跑优化、看结果再改，40 条轨迹全部通过碳预算检验，搞能源系统的可以看看思路。
Papers10:52
Chinese content7,207项注册试验检验：临床试验模拟器的干预有效性几何测了一下那些号称能模拟临床试验的世界模型，结果发现传统模型其实没学会药物干预本身，反而是大语言模型真能分清药效，数据都开源了。
Chinese contentCHARM+：跨硬件注意力机制，比 Ring-Attention 最快提速 2.9 倍
训练长序列的朋友可以看看这篇：CHARM+ 把跨节点通信和计算重叠起来，双节点 NVLink 上比 Ring-Attention 快近 3 倍。
Chinese contentEchoKV：用迭代查询反馈自我修正 KV 缓存淘汰
arXiv 上一篇论文，讲 KV 缓存淘汰怎么用迭代反馈自我纠错，在 LongBench 上比 LAQ 强，做长上下文推理优化可以看看。
Chinese contentCellCanon 发布：可解释、可更新的智能体细胞世界模型
一家团队把单细胞预测、解释和证据更新做进一个智能体框架，SciPlex3 上 AUPRC 高出基线 63.3%，token 还省了 99%，做生物信息的朋友可以看看。
Chinese content研究提出人机分类决策模型：相关性忽视与信任如何影响AI辅助效果
这篇论文解释了为什么更聪明的 AI 有时反而帮倒忙：人会重复计算重叠证据。还用 ChatBench 数据拆出了两种损失各占多少，量化很扎实。
Chinese contentarXiv 论文提出可审计机器遗忘：为 LLM 数据删除提供证据
删除数据后怎么证明真的删干净了？这篇论文给 LLM 遗忘加了第四个评估维度，还给出了能套在任何方法上的两阶段方案。
Papers10:51
Chinese contentDualControlNet：用文本提示生成土地利用地图与卫星图像城市规划也能用生成式模型了，输入一句话就能画出高密度开发方案的土地利用图，还带卫星图对照，做城市场景实验的可以看看。
Chinese content风险控制只保证错误率不保证幅度：选择性胎儿生物测量审计
研究发现医疗AI的风险证书防得住错误频率防不住极端大错，胎儿头围测量里一张图就翻车，改用解剖学范围约束花0.4个覆盖点就能把最坏误差压到11毫米级。
Chinese contentPEARL 算法：按预测误差选择性遗忘，应对用户偏好漂移
一篇处理偏好漂移的 bandit 新算法，核心是只遗忘出错的方向，比滑动窗口这类一刀切方法高 3 到 10 分，还能直接套在任何 API 模型上。
Chinese content观点论文：分布式后训练与去中心化对齐为何应成为一等范式
一篇 arXiv 观点论文，指出 RLHF 和 DPO 默认要集中数据的设计在医疗、法律等场景根本走不通，还给出了分布式对齐的技术路线。
Chinese contentRACE：无需真实试跑的机器人策略检查点评估方法
训练机器人策略想挑最好的 checkpoint 又不想真机一遍遍试，这篇 arXiv 论文给出的 RACE 指标用成功轨迹就能校准打分，实测排名和部署成功率对得上。
Chinese content六款大模型模仿个人写作风格评测：Gemini 3 Pro 最强但靠复制
测了六个主流模型谁能模仿你的文风，结果 Gemini 3 Pro 分数最高，其实是靠大段抄原文，得辨别真假模仿。
Nov 4
Chinese contentDreamX：将视频扩散模型改造成通用潜在动作学习器
一篇有意思的论文：把视频扩散模型拿来学潜在动作，每帧压到 4 个 token，人类和机器人的动作能互相迁移，在 LARY-Bench 上拿了最优。
Chinese content提出认知共生体范式：从自主智能体转向 AI 增强人类智能
一篇文章把研究方向从'让机器更聪明'转向'让人的能力被放大'，提出了认知共生体的完整设计框架，做 AI 产品方向的人可以看看。
Adversarial Speculative Reasoning Boosts Long-Horizon Agent Accuracy
Speculative decoding is usually tuned for speed, so the finding that acceptance choices can silently shift reasoning accuracy across long agent runs is a practical surprise. Developers building multi-step agents can adopt this training trick to improve reliability without touching the target model's weights or outputs. The parameter cost — under 0.3% — makes it feasible even for teams serving open-weight models.
Chinese contentClaude Opus 5.5 盲审小型放疗网络权重，18 个缺陷网络认出 16 个
让 Claude Opus 5.5 直接读神经网络权重、盲找放疗筛查网络的 bug，16/18 找中，还只改 3 个参数就修好，挺新鲜的做法。
Chinese contentMedPhysBench 基准发布：评估大模型医学物理计算与错误检查能力
医学物理计算出新基准了，1200 道题里 Claude 系列算得准但查错翻车，做医疗 AI 的可以看看自己模型的真实水平。
Chinese contentPyRUA-DataFarm：用 LLM 智能体替代遥操作生成可直接部署的机器人训练数据
用编码智能体在仿真里批量造机器人训练数据，成绩反超遥操作真数据，一小时成本 107 美元，比中美两地人工都便宜，做具身智能的可以细看。
Chinese contentHARP：无需训练的双侧画像智能体通信框架提升 LLM 推荐效果
给做 LLM 推荐的朋友：HARP 不训练就能在四个基准上把 Hit@1 拉高 6.9%-24%，物品画像和检索侧门控的思路可以直接借鉴，代码开源了。
Chinese content论文：固定人设无法复现真实群体行为，合成人群模拟存在结构性缺陷
有人在 arXiv 论证固定人设模拟人群天生有缺陷，还给出了改进设计和实测结果，做用户模拟或评估的可以看看。
Chinese content研究：LLM 在恶劣天气提醒场景中的错误安抚问题与可复现评测
用真实 NWS 警报测 Claude 天气管道，发现盲测下近四成回答会错误安抚用户，还放出了数据集和代码可以自己复现。
Chinese content研究：语言子空间干预对多语言推理的准确率与语言保真度难以兼得
Qwen2.5-7B 上的实验挺扎心：想让模型用目标语言答对题，最好的干预也只提升 1.60 点，做多语言的可以看看。