解读
2633 篇 · 选题榜 / 深度解读 / 科普 / 综述 / 视频脚本（学术推广产出）
ASCT：在反事实树上做注意力搜索以分配 Agentic RL 的动作信用
字数目标：25004000 中文字，本篇约 3100。 事实层：所有数据点来自 arxiv abstract + paper_card TLDR（27 页 / 9 图 / 19 表）。未读 PDF 全文。 GitHub 验证：abstract 未给出代码仓库链接，原文未明确 GitHub URL（诚实标注 · 保 4 …
SANTA++：用代表性 Key 采样把 KV cache 读带宽砍掉 80%
字数目标：25004000 中文字，本篇约 3000。 事实层：所有数据点来自 arxiv abstract + paper_card TLDR（v1 540KB）。未读 PDF 全文。 GitHub 验证：abstract 明确给出 ——已记录但未实际 clone 验证（abstract 给出等价已 ok）。 ⚠️ …
我们能信任教师吗？面向自蒸馏的解耦信用方向-幅度（DCSD）
本文只解读公开论文事实，所有数字与结论均来自 arxiv 摘要、TLDR 与作者主页索引；不下载 PDF，不跑代码；不确定之处显式标注「原文未明确」。 针对 RLVR（结果级 RL）与 OPSD（教师 token 级稠密监督） 在「步骤级信用」上耦合失败这一根本性难题，论文提出 DCSD（Decoupled Credi…
选多样化的 SFT 轨迹可提升 RL 后的泛化能力
本文只解读公开论文事实，所有数字与结论均来自 arxiv 摘要、TLDR 与作者主页索引；不下载 PDF、不跑代码；不确定之处显式标注「原文未明确」。 针对「为何有些经验证的解题数据 SFT 完反而 RL 不涨」这一推理训练里的老问题，论文提出一个轻量级、CPU 即可跑的规则化路线指纹作为 SFT 数据筛选器，并在大规…
NVAlign：面向连续自回归流匹配 TTS 的非言语控制直接梯度优化
本文只解读公开论文事实，所有数字与公式均来自 arxiv 摘要、TLDR 与作者主页索引；不下载 PDF，不跑代码；不确定之处显式标注「原文未明确」。 NVAlign 是首个面向连续自回归 + 流匹配 TTS 架构的非言语发声（NonVerbal Vocalization, NVV）标签可控生成的后训练框架，核心思路是…
2609-32577
日期与轮次:20260930 · R2 中午棒 arXiv 链接: videokb 脚本原路径:/shared/videokb/scripts/tom/20260930_R2_gagargrpoqualityranking_shortvideoscript.md 标题:GRPO 别把测试通过当铁板(14 chars ·…
通往可信 AI 的开发之道：支持可验证主张的机制
一篇 42 人联署的 274 页 arXiv 长报告，系统梳理了 AI 开发过程中"声称可信"与"声称可验"之间的差距，提出十类机制（涵盖机构、软件、硬件三层）来让外部利益相关方真正能审查 AI 系统的安全性、公平性、隐私等主张。 2020 年前后，AI 模型发布越来越频繁，但产业界与学术界已形成的规范（论文评审、安全…
G^2PTQ：通过广义梯度补偿改进 LLM 训练后量化
把 GPTQ 类训练后量化（PTQ）的两类既有局限——"局部逐层目标缺全局监督"与"全局目标 Hessian 估计陈旧"——用一套广义梯度补偿机制统一掉，逐 Transformer block 重算 Hessian + 一阶梯度，并加 trustregion 缩放防止权重大爆炸。论文公开 GitHub 代码（G2PTQ…
DISCO：用接地-推理解耦的分布式长上下文扩展
把长上下文推理拆成"分布式接地 + 中心化推理"双层：Worker LLM 池并行负责在长文本里检索证据，Driver LLM 用 GRPO 强化学习训练来调度任务并综合证据。RULERQA 1M token 上 78.4% 准确率，LongBench v2 上比全上下文模型高 9.8 分，推理成本比前沿模型省 80%…
想让 LLM 落地？3 年前这篇综述给了你一张完整的「上手机械图纸」
你有没有这种感觉 🤖？ 你刚加入一家公司，团队要做 LLM 产品。你打开 Slack 看见满屏问题："我们该不该 finetune？RLHF 和 DPO 哪个好？RAG 怎么做？Agent 是不是又是炒作？幻觉怎么治？上生产要踩哪些坑？" 同事扔过来 100 篇论文让你"先看看"。你打开第一篇，看 5 分钟关掉——全是…
AI 模型在新场景"水土不服"——9 年前这篇综述给了它"水土适应"的全部药方
你有没有这种感觉 🤖？ 你花了几十万张图、几十个小时训出来的"识别产品瑕疵"的 AI 模型，搬到一条新产线，准确率直接掉到 50%。同一台相机、同样的灯光条件，为什么换个车间就不行了？ 这不是你的模型不行。是它没学会"适应新环境"这件事。 2017 年的一篇综述，做了一件奠基级的事——它第一次把"AI 怎么从一个场景迁…
JAM：带运行时 Agentic Research 的"准时制" Agent 记忆
JAM（JustInTime Agent Memory）把"记忆构建时机"从请求到达前的 AOT（aheadoftime）搬到请求到达后的运行时，由一个 Memorizer 保留全量原始历史、一个 Researcher 在每次请求时检索/检视/整合证据，配合 MemoryGym 合成数据 + verifiedtraje…
Stashbird：面向会话 Agent 的高效说话人索引记忆系统
Stashbird 是一个把"源 episode"和"派生记忆状态"用显式 provenance 链接起来的会话 Agent 记忆系统，靠 episode records / semantic relations / community summaries / 持久化图状态四层结构，把长期对话记忆的写入和检索都做出数量…
KV cache 复用技术的精度评估：方法学反思与 Boxoffice 基准
Positionindependent KV cache 复用（在 RAG 中跨 prompt 复用 chunk 级 KV cache 以降延迟）这件事看起来很美，但现有评测普遍高估了其收益：度量方法无法忠实捕捉复用带来的精度损失，现有数据集也不具备充分评估所需的"复用动态"。本文提出无歧义的精度损失评估方法学，并发布…
LastOPD：驯服潜在 On-Policy 蒸馏中的坍缩问题
LastOPD 发现潜在监督在 OnPolicy 蒸馏中存在「早期提升、晚期坍缩」和「对齐越好、行为越差」两个致命陷阱——其根源是跨层对齐中 teacher 与 student 的隐状态并非同类接口——并通过仅在最后一层施加潜在信号、逐步交棒给 token 级 OPD 的方案，在 MATH500 上用 4B/8B 教师…
BoundaryMORPH：通过主动集合选择实现预算化重排序的扩散检索
BoundaryMORPH 发现 RAG 中扩散查询（diffuse query）的核心矛盾是交叉编码器预算 B 小于 LLM 上下文窗口容量 k，导致标准重排序在结构上存在缺陷——它浪费算力验证明显靠前的候选文档，却忽略排名靠后但同样相关的文档——并用 Gaussian Process 将 CE 调用聚焦于「topk…
面向输出头量化的 Softmax 重参数化
大词表使输出头成为小型语言模型推理成本的重要组成部分，而量化输出头会显著扭曲 softmax 分布。Softmax 重参数化通过在量化前在输出头的加性等价类中搜索最优代表——对每个输出行减去词表行均值的标量倍数，以验证集 KL 为准则选取系数——在 W4 量化下实现 test KL 下降 73~93%，Phi 模型首批…
原生反思统一多模态模型：用交错强化学习让"反思文本"与"图像修订"同步进化
针对统一多模态模型（Unified Multimodal Model, UMM）"既能看图又能画图"的特性，本文提出 UMMReflection：把多轮"诊断→修订→再诊断→再修订"的整条轨迹作为一次强化学习（Reinforcement Learning, RL）序列，让反思文本与流式修订（flowbased revi…
InfiniHand：从第一视角视频流式估计世界空间手部动作
InfiniHand 是一个端到端（endtoend）的流式前馈框架，直接从未标定的第一视角视频（egocentric video）联合估计 MANO 手部参数、相机轨迹与世界空间手部位置；在 ARCTIC 数据集上 PAp（位置误差）较 ViDiHand 降低 21.4%，推理速度 11.19 FPS（是 HaWoR…
GeoVerse：在几何潜空间里做世界一致的新视角合成
针对稀疏输入下的新视角合成（Novel View Synthesis, NVS），本文提出 GeoVerse：把生成过程搬到预训练 3D 基础模型的几何潜空间（geometric latent space）里，再通过 ControlNet 风格的适配器注入 Wan2.2 VACE 视频生成器的外观先验（appearan…
主题综述 · Agent（2026-09-28 · v2 重写覆盖）
| 维度 | 实测 | 硬下限 | 通过 | ||||| | 字数 CJK | 主体 2,234 + 反方 976 + 元信息 403 = 3,613 | ≤3,900 | ✅ | | ⚠️ 标注密度 | 正文 18 处 + footer 三处一致 = 21 处 | ≥10 | ✅ | | 反方 v2 三段式按主线 ≥…
主题综述 · llm-infra(2026-09-29)
① 字数三层一致:CJK 实测 3,887(主体 3,328 + 反方 533 + 元信息 26)≤ 3,900 硬约束 ✅ | ② 私域五维 SUM=0 grep 0 命中 ✅ | ③ 反方 v2 三段式按主线分布 §3.1/§3.2/§3.3 三主线(机制/数据/截止日),各主线 CJK 153 / 150 / 2…
让 ChatGPT 做研究生数学题，它偷偷交白卷——2023 年这篇论文撕开 AI 数学能力的底裤
想象一下这个场景： 2023 年 1 月，全网都在刷「ChatGPT 通过谷歌 L3 工程师面试」「GPT4 通过美国医师执照」——一时间，「AI 数学家」似乎呼之欲出。 你大概率以为：数学是 LLM 的强项——毕竟它能写出 LaTeX，能解释定理。 但 NeurIPS 2023 Datasets and Benchm…
当年那个「不卷」的视觉 AI：5 亿张网页图 + 一句话目标，结果把同行全部甩开——SimVLM 凭「最笨」赢了 SOTA
想象一下这个场景： 2021 年，所有做「看图说话」AI 的团队都在拼同一件事——给视觉模型塞更多人工标注、叠更多任务目标、对齐到更精细的物体框。Faster RCNN 抽特征、object tag 喂标签、4 个 loss 同时优化——pipeline 像「俄罗斯套娃」，每个环节都要专门调参。 你大概率以为：这条路越…
神经图像水印的"残差可迁移性"：一种新的伪造脆弱性度量与 CoverLock 防御
本文（cs.CR / cs.CV）把神经图像水印被"残差迁移"伪造这一已知漏洞形式化为 Residual Transferability (RT) 度量，并通过对照实验与受控干预证明：架构设计而非训练侧变体是决定水印能否被"抠出来贴到别图"的关键；据此提出即插即用的 CoverLock 策略，能在不动架构的前提下压低 …
WideSWE：跨仓库协调改动才是 Coding Agent 真正的硬骨头
本文（ZJUACESISE，cs.SE）提出 WideSWE——第一个针对"跨仓库协调改动"的 coding agent 评测基准：从 103 个软件生态里挖出 120 个真实跨仓库任务（60 bug fixes + 60 features），七种 agent 配置下全任务成功率仅 10.83%~42.50%，最强组合…
当模型内部能"动手脚"时：Representation Engineering 在 LLM 安全里到底有多大用
本文（cs.AI / cs.CL / cs.LG）用 matchapair 评测 把行为对齐（DPO）和表征引导（representation steering）放在同一设置下做安全性、控制力、可部署性的对照，结论是清晰的分工：DPO 在大多数情况下仍是控制侧的"主力"，但表征引导在低数据场景有竞争力；监控侧，专用文本…
视频选题榜 2026-09-29
· VLAPrecision: Asymmetric CoBootstrapping for Efficient RealWorld Online RL of VisionLanguageAction Models · VLA 在线 RL 两堵墙（价值噪声 + 大 VLA 推理开销）= ACoB 算法两段自举 + AC…
主题综述 · multimodal（2026-09-29）
本棒 netnew = 4 主线（见 §一），强迫分辨真增量 vs 沿用承接 元信息：本稿遵循 W37 反思棒 #47 八件套 + W38 反思棒 #50/#51/#52/#53/#54/#55/#56 + W39 反思棒 #57 + 20260929 multimodale1prep 简报硬约束清单。§0 自检栏 9…
LightMIS：无逐级解码器的超轻量医学图像分割
LightMIS 砍掉了传统 UNet 风格的"逐级解码器"，用 ScaleAligned Projection + Adaptive Fusion Cascade 把五级编码器特征"对齐→一次聚合→渐进融合"，在全量版本上以 0.131 M 参数 / 0.575 GFLOPs 跑出 86.71% Dice / 78.…