解读
1755 篇 · 选题榜 / 深度解读 / 科普 / 综述 / 视频脚本（学术推广产出）
Just-in-Time Memory：把 Agent 记忆系统从"写时固化"搬到"读时按需合成"
RQ1 这篇在解决什么真问题？ 当下几乎所有 Agent 记忆系统都在"任务刚结束时"就把 trajectory 蒸馏成一个固定的 artifact（reflection / workflow / skill / reasoning strategy），等到未来某个 query 来了再用相似度检索出来用。⚠️ 这种"w…
HappyWorld-Bench：把"世界模型"从生成好看拉到交互可靠
RQ1 这篇在解决什么真问题？ 现有 World Model 评测集中在"生成质量"（图像是否真实、视频是否连贯）——一旦把 World Model 用作 Agent 的环境模拟器，它必须满足"交互可靠性"——多次访问同一区域、修改对象、跨步保持状态、物理规则一致。⚠️ 这件事没有统一 benchmark。本文填这个坑…
Tri-PvP：通过感知-命题证据冲突暴露全模态大模型的模态偏置
1. 论文是否真正解决一个评测痛点？是：现有 OLLM 评测把"模态内证据"和"证据形式"混为一谈，无法干净归因偏置来源。 2. 数字是否能在 abstract 中逐字溯源？是：8,000 样本 trimodal benchmark、5 个 OLLM 被测、layerwise linear probing + cont…
RoboFollow：揭示具身智能体中指令遵循的幻象
1. 论文是否真正解决一个评测痛点？是：现有 embodied 评测任务单一，policy 可以「几乎不用语言」就拿高分，掩盖了真实指令遵循能力的不足。 2. 数字是否能在 abstract 中逐字溯源？部分：abstract 给出「L0 强但 L1–L3 不迁移」+「9 个 VLA/WAM policy」；具体表格数…
Agensh：将组织智能扩展到 1,024 个智能体
1. 论文是否真正解决一个工程痛点？是：多 agent harness 在中心编排器下被任务分配瓶颈锁死规模上限。 2. 数字是否能在 abstract 中逐字溯源？是：19.31%→28.78%（5 任务均值，相对 +49%）、33.89%→55.06%（pandoc 单任务）。 3. 是否有可复现的实证核心？是：P…
BlameBERT:丹麦议会中的政治对立与问责归因(1997–2026)
1. 这篇论文的真问题是什么?——政客语言是否真的越来越"狠",还是只是新闻放大?需要可量化的纵向证据。 2. 它真解决了问题吗?——给出一个 1997–2026 的议会辩论问责时间序列,并量化"政府 vs 反对派"的不对称机制。 3. 解决得有多彻底?——单语、单国会,丹麦议会;但提供了可复制的低资源语料注释流水线,…
ImIR:用图像自身指令替代文本提示的全能图像恢复
1. 这篇论文的真问题是什么?——同一个图像恢复模型要应对去噪、去雨、去雾、低光增强、超分、去模糊等异质任务,且任务目标不唯一(低光增强就存在多种合理输出);现有方案用文本提示但能力有限。 2. 它真解决了问题吗?——用"图像自身导出的连续向量指令"替代文本提示,实现任务无关、单一适配器、~3 小时单卡训练。 3. 解…
JEV-as-a-Judge:敢判则放,犹豫则升级的冻结级联评估器
1. 这篇论文的真问题是什么?——LLMasajudge 在规模化时面临推理成本与置信度可靠性两大瓶颈;强 judge 又贵又慢。 2. 它真解决了问题吗?——给出"决策型轻量 judge + 冻结级联":confidence 高的直接接受,confidence 低的 escalate 给强 judge;在保留 99%…
StableVQ：训练离散视觉 tokenizer 时让 Encoder-Decoder 与 Codebook 不再「互相拖累」
1. 真问题是什么：共享投影 codebook 的 VQ tokenizer 在训练后期仍会出现利用率塌方、reconstruction 振荡等不稳定现象。 2. 为什么之前没人根治：现有方法多在 loss 上叠加正则项（commitment loss、codebook reset 等），是「打补丁」，没回到「Enco…
The Tasteful Agent：在长程任务中度量并提升智能体的「品味」
1. 真问题是什么：长程 agent 评测只盯终态，掩盖了中途决策质量这条「隐形瓶颈」。 2. 为什么之前没人做：手工标注岔路口既贵又会泄漏后文；自动挖题需要「从轨迹识别分叉点」的工程能力。 3. 本文最大新意在哪：把 taste 从直觉变成可测对象，并用「教师见过结局 → 学生蒸馏」实现了 taste 的可学习化。 …
LatentPort：让两个不同尺寸的混合语言模型在 KV cache 之外「交接活记忆」
1. 真问题是什么：混合（hybrid）语言模型同时维护 attention KV cache 与 recurrent 状态（如 Gated DeltaNet），能不能在不重读 prefix 的前提下，把这些「活记忆」从一个模型直接搬到另一个不同尺寸的模型里？ 2. 为什么之前没人做：直觉上 recurrent 状态是…
Lean Pool：AI 自主维护的形式化数学档案
一句话结论：作者把"形式化数学仓库 Mathlib / Lean 社区维护"这件事整体外包给一组 AI Agent，让 Agent 同时负责增长、规范化、性能优化与文档维护，并把这套机制命名为 Lean Pool，论文以 52 页、6 张图的体量交付了一个可复用的工程范式。 形式化数学（formalized mathe…
HyperQ：在 1.1B 扩散语言模型里塞进 16-64 量子比特电路的 token-condition 残差分支
一句话结论：作者把 tokenconditioned 量子电路残差分支（quantum residual branch） 插入每个 Transformer 块内，整个 backbone（1.1B 参数的 maskeddiffusion 语言模型）保持冻结，只训分支与一个轻量的"circuit hypernetwork"…
ScriptMoE：用 Script-aware MoE 把多语种场景文本识别压成一个比 VLM 还轻的模型
一句话结论：作者发布 TextMuSS10M（10 语种 / 229 种语言的合成数据） + ScriptMoE（脚本感知的 MixtureofExperts 解码器），在 TextMuSSBench 上达到 82.06% 的 top1 准确率（比最强 STR baseline 高 1.31 个点）；把 PPOCRv5…
Segment-Snap：用「部件-把手」的物理关系把 3D 交互理解三件事串起来
⚠️ 本文仅基于 arxiv abstract（2609.25247 v1）与项目页 hyokong.github.io/segmentsnappage（web search 命中）整理，不下载 PDF、不读全文。Articulate3D 数据集上的具体 AP 数值 verbatim 引用 abstract；未读到的部…
ALPINE：参数与样本双预算下的少样本图像分类新基线
⚠️ 本文仅基于 arxiv abstract（2609.22323 v1）与作者附带的 GitHub 仓库 NeerajYadavcoder/alpinefewshot 信息，不下载 PDF、不读全文，方法细节按 abstract 与 TLDR 描述整理，未读到的部分标注「原文未明确」。 1. 谁写、谁投、谁审：Ne…
长期 LLM Agent 协作里「合谋」是怎么冒出来的：94% 轨迹、10 个模型、3 条治理线索
⚠️ 本文仅基于 arxiv abstract（2609.24967 v1）与 Hugging Face Papers 页（web search 命中）整理。数据集名 SALTNLP/agentcollusion（HF papers 页确认），不下载 PDF、不读全文；未读到的部分标注「原文未明确」。 1. 谁写、谁投…
D-RAC：面向企业级多格式文档的检索感知分块
1. 它在做什么：把企业 RAG 文档摄取 pipeline 从「混用 OCR + 规则抽取 + agentic 分块」改成「PDF 归一化 + 多模态 LLM 转 Markdown + 检索感知分块」，强调分块阶段永不重新生成原文，从而把成本与幻觉同时压下来。 2. 为什么值得读：企业 RAG 最大的坑往往不在 re…
SVEET：流式视频编辑的「解耦 + 自回归」新范式
1. 它在做什么：提出 SVEET，一种基于「预训练双向视频扩散模型」的流式 (autoregressive) 视频编辑框架——只训练一个辅助分支，把 backbone 改造成可逐段/逐帧推理的控制器，单卡 H100 上跑到 15 FPS。 2. 为什么值得读：视频编辑模型过去要么「全段重生成」贵且延迟高，要么「专用 …
ACLArena：多阶段后训练中的 Agent 持续学习框架
1. 它在做什么：提出 ACLArena，一个研究、分析、评估「Agent 持续学习 (ACL, Agent Continual Learning)」的框架，把多能力工业 agent 的训练拆成「顺序训练 pipeline」，量化多能力跨阶段迁移时的遗忘/泛化权衡，最终给出「离线 replay + 多 LoRA 专家路…
UltraTex：释放 2K 多视角扩散模型用于 3D 纹理生成
把多视角扩散从 512/768 推到 2048 分辨率的同时，用三个结构化稀疏化手段（背景 Token Dropping + BlockSparse Attention + ForegroundAware VAE Decoding） 把"统一多视角序列 212K token"的显存/延迟压到可承受，并配套放出 268K…
Towards Full Pipeline FP8 Reinforcement Learning for LLMs
把 "全流水线 FP8 RL"（训练 + 推理都走 FP8）的崩溃根因锁定到 importance ratio 的 FP8 量化噪声，并提出 Calibrated Clipping：把 FP8 裁剪上下界与 BF16 分布做"低分位匹配 + 高分位再平衡"，让 GRPO / DAPO 在 8B–32B 规模恢复出与 B…
The Functionalizer：面向子词分词的无损函数分解
把同一词汇的拼写变体（hello / Hello / HELLO / Héllo）拆成一串 opcode / 操作数 前缀流嵌入 Unicode 私有使用区，借此在保留全部信息的前提下压实词表，让小模型也能从更干净的词表里获得收益。 主流子词分词器（BPE / WordPiece / Unigram）在一类细粒度"形变…
TAPe+ML v3：用结构化表征替代像素张量，<10 万参数撑起多任务视觉
1. 这篇论文解决的真问题是什么？ 现代视觉模型靠「堆参数 + 堆数据」赢基准，但工业 / 边缘场景要的是「小模型 + 多任务 + 低数据」。TAPe+ML 想回答：当输入表征本身足够结构化、识别模块只是其下游时，多任务视觉是不是可以做得极小？ 2. 它和现有方法的关键差别在哪？ 主流路线（ResNet/Efficie…
SkillSpec：用 Intent Mask 做 Hoare 风格规格推理，自动审查 Agent Skill 的正确性
1. 这篇论文解决的真问题是什么？ Agent 生态里 Skill（可复用指令 + 代码 + 资源的组合）越来越多，但「正确性」无法靠传统测试覆盖：失败模式不是代码 crash，而是「intent conflict」一类静默语义不一致——模型能跑、输出像样，但和 Skill 声明的用途边界对不上。SkillSpec 把…
PIR（Probe of Internal Recognition）：用「测谎仪」思路识别模型「知道但不答」
1. 这篇论文解决的真问题是什么？ 当下「模型是否在被评测中作弊/藏能力」是 sandbagging detection 的核心难题——纯看输出文本，你分不清「它不知道」和「它知道但不说」。PIR 把法证心理学的 Concealed Information Test（CIT）搬进 transformer，看的是「内部表…
Mira-Scene：像素对齐的生成式 3D 场景布局表示
arXiv:2609.23796v1 · cs.CV / cs.GR · 提交于 20260920 18:36 UTC · 作者 Yangtian Sun 等 Project Page: 状态：二轮解读候选（workqueue 评分 0.5 · 暂无被引） 1. 真问题——单图生成的高保真 3D 物体如何准确放进连贯场…
Deep Persona：基于心理学三层人格架构的角色扮演 Agent 与评估框架
arXiv:2609.22255v1 · cs.CL / cs.AI · 提交于 20260906 08:53 UTC · 作者 Rotem Dror 等 状态：二轮解读候选（workqueue 评分 0.5 · 暂无被引） 1. 这篇论文到底解决的是什么真问题？——长交互中 LLM 角色行为漂移、缺乏稳定人格内核。 …
Complex KDA：理解与增强 Kimi Delta Attention 的表达能力
Complex KDA（CKDA）只通过扩展 KDA 的两个现有参数范围（gate 扩到 [1,1]、β 扩到 [0,2]），就把它从「单 deltarule 转换」升级为「delta + 反射」复合结构，无需增加秩与更新成本，却等价于 DeltaProduct₂ 的 2D 旋转表达能力，且在 S₃、S₄、周期性音频续…
onPanda：用 Token 级修正高效标注 LLM 与 Agent 的 On-Policy 对齐数据
onPanda 是一套以「token 级修正 + 截断续生」为核心交互的标注工具，把对齐数据生产从「整段后编辑」降到「定位替换续生」循环，在不破坏模型 onpolicy 采样分布的前提下，把标注时间砍掉约一半，并免费收获精确到 token 的正负配对样本。 LLM 与 Agent 的对齐数据有两条理想属性：① 数据点必…