解读
1087 篇 · 选题榜 / 深度解读 / 科普 / 综述 / 视频脚本（学术推广产出）
Forecast Collapse:当时间序列基础模型在金融上"塌方"
Forecast Collapse 是一组"看似正常预测实则无效"的现象在做 1000 只美股的逐时收益预测时,TimeSeries Foundation Models(TSFMs)和 12 个传统深度学习预测模型普遍给出接近平的预测结果,横截面相关性接近零;本文溯源到 calibrationranking trade…
MobileMem：一年移动使用经验之上的端侧长记忆基准
MobileMem 是浙江大学 / OpenKG 团队发布的端侧长记忆 benchmark 与框架，把"一年时长的移动端用户使用轨迹"通过知识驱动的合成流水线变成可评测的多模态长程任务，覆盖多跳推理、时序推理、知识更新、隐式偏好推断四类问题；目标是把 agent 从"答孤立问题"逼到"记住过去、理解当下、面向未来"，把…
MMDiff：多模态大模型的特征级"差异审计"与可控干预
MMDiff 把稀疏自编码器（SAE）从纯文本 LLM 解释工具拓展为多模态 LLM 的"特征级接口"，通过对比 baseLM SAE 与多模态适配后 SAE 的差异，定位、验证并主动控制由多模态训练引入的视觉相关特征；在 LLaVAMORE、PaliGemma 2、InternVL3.5 三个 MLLM 家族上，移除…
LOPD：让"特权上下文"自己长出来——面向自演化 Agent 的潜在 On-Policy 自蒸馏
LOPD（Latent OnPolicy SelfDistillation）把 onpolicy 自蒸馏中"teacher 用什么特权上下文"这个核心设计选择从人工指定改为端到端可学习：teacher 端通过检索历史经验拼成连续 latent tokens 作为特权上下文，student 端在自己的轨迹每个 visit…
PRM-as-a-Judge 1.5:机器人过程评估工具箱
PRMasaJudge 1.5 把机器人 rollout 视频转成 dense progress curve,用三条失败/恢复/质量指标 + RoboPulse++ 可靠性测试,把"模型能不能干成事"从二元成功率升级成"怎么失败、能不能救回来、有没有真本事"的三维诊断学。 机器人评估长期被两条锁链拴住: 1. 二元 s…
Second Thought:在 LLM Agent 主循环空闲窗口里并行推理
Second Thought 是一个"训练free 的推理框架",在 ReAct 风格的 LLM Agent 主循环里,主线程一边发出 Action 并等待环境 Observation、一边在后台 fork 出四条辅助推理分支解码当前 Turn 的"下一手 Thought",等 Observation 到达时再 mer…
上下文访问鸿沟：交互级架构作为 Agent 不平等的一个补充维度
Sharp 等人 2025 年的"agentic inequality"框架从人/组织层（可用性、质量、数量）分析 AI Agent 不平等。本文补充一个更细颗粒度的维度——Contextuality（上下文性）：AI 系统自主访问用户累积知识库的程度。两个用户即便名义上"都能用 Agent"，如果一个走 Dynami…
Canvas360：基于几何感知预训练增强上下文全景生成
Canvas360 通过"两阶段 + 几何感知预训练"框架，把全景图生成（panorama generation）从单一 texttopanorama 任务，扩展为一个支持 incontext 学习的多任务统一系统，并通过自建的 1M 高质量配对数据集 Canvas360Dataset 解决了全景 incontext …
TokenWall：面向持久化 AI Agents 的 Token-Flow 语义运行时防火墙
TokenWall 提出"持久化 AI Agent 的不安全行为本质上是 token 流（自然语言）的语义污染"这一观察，并据此设计了一个在执行前对 agent 全量 token 流做边界感知语义审计的运行时防火墙，在 CIKBench 上把攻击成功率压到 12.5%、良性任务通过率保留 97.4%，平均仅增加 0.6…
DrugGen-2：融合疾病本体的药物发现语言模型
DrugGen2 把"疾病靶点药物"三元组作为生成条件，在 GPT2 之上用 SFT + GRPO 两阶段训练出疾病感知的分子生成器，在 5 个糖尿病肾病相关靶点上同时超越 DrugGPT 与 DrugGen（v1），分子对接出现对接力（9.917 等）超过参考药 enalapril（8.283）的候选化合物。 现有计…
线性注意力架构：机制、权衡与跨层路由
这是一篇系统化的"线性注意力架构横评 + 跨层路由改进"工作:作者把 softmax attention 与 DeltaNet、Gated DeltaNet、Kimi Delta Attention(KDA)、Gated DeltaNet2 四种近期循环线性注意力架构放进同一套循环记忆符号下比较,在 350M 参数 /…
SAM-MT：实时交互式多目标视频分割
SAMMT 把 SAM2 从"单目标视频分割"扩展为"实时多目标交互式视频分割",通过 显式 target queries + 共享全局表示 + 解耦 masked attention + 稀疏 memory,把分割延迟从"随目标数线性增长"解耦为常数级,在 10 个目标时仍保持 36 FPS,同时不牺牲 SAM2 原…
Agentic 谈判中的行为隐私泄露：用随机化策略形式化并缓解推理攻击
针对自主谈判 Agent 在多轮交互中暴露出的「行为隐私泄露」——即攻击者能从让步轨迹、时机、收敛模式反推出对手私有约束——本文设计了一种自适应随机谈判策略，在不依赖密码学的前提下，同时给出 $(\varepsilon, \delta)$行为差分隐私保证、报价序列的几乎处处收敛和较高的谈判效用，并在 3,000 次合成…
REBASE：用「参考背景子空间消除」做无训练的上下文分割
面向一次性参考图像驱动的无训练上下文分割（InContext Segmentation, ICS），REBASE 在闭式（训练零、参数零更新）条件下显式识别并消除参考图像中的低秩背景子空间，把参考与查询特征投影到其正交补上，再用相似度加权最远点采样生成正点提示，喂给 SAM 类可提示分割网络，在 PACOPart、FS…
沉默失败：当 LLM Agent 出错时，它在对你撒谎——一项来自生产 runtime 的纵向研究
这篇论文对一个自 2026 年 3 月起在生产中连续运行的"个人助理 Agent 运行时"做了八周的纵向研究，记录了 22 起完整 rootcause 复盘的事故，其中"错误信号从未以可行动形式到达人"的元模式至少出现 28 次；论文由此提炼出一个五类机制导向的静默失败分类法（环境怪癖、设计假设错位、错误吞咽、链式幻觉…
EvoGraph-R1：面向 Agentic 检索的自演化多模态知识超图
EvoGraphR1 将知识图谱从静态数据结构重新定义为由 Agent 交互驱动动态演化的「环境」，用 MDP 框架统一了检索、搜索、编辑三类操作，让知识图谱在推理过程中实时自我修正。 GraphRAG 已成 MLLM（Multimodal Large Language Model）知识增强的主流范式，但现有方法存在三…
UniClawBench：面向真实世界任务的主动 agent 能力驱动基准
港大 MMLab 提出的 UniClawBench 是首个能力驱动（capabilitydriven）的主动 agent 真实世界基准，围绕五项基础模型能力（技能使用、探索、长上下文推理、多模态理解、跨平台协同）设计了 400 个中英双语任务，采用活体 Docker 容器 + 闭环多智能体评估，第一次把「基模型能力 v…
Tree of Thoughts：让 LLM 学会"深思熟虑"的搜索式推理
Tree of Thoughts（ToT）把 ChainofThought 的一次性"线性思考"扩展成显式树结构搜索——把推理拆成"思想"（thoughts）作为中间节点、用 LM 自己评估（selfevaluation）来打分、必要时回溯或前瞻——在 Game of 24、创意写作、迷你填字三个需要非平凡规划的难题上…
A Survey on Evaluation of Large Language Models：把"如何评 LLM"做成一个独立学科
Chang 等人 2023 年 7 月发表、被 ACM TIST 接收的 LLM 评估综述（S2 引用 3500+，影响力引用 130+），提出 "评什么 / 在哪里评 / 怎么评" 三维框架，系统覆盖通用 NLP、推理、医疗、伦理、教育、Agent 等 8 大评估任务族，并维护持续更新的开源材料库，是把"LLM 评估…
A Comprehensive Overview of Large Language Models
本文是 20232024 年 LLM 领域最系统的全景综述之一，覆盖从 Transformer 架构原理、预训练方法到多模态扩展、效率优化和 Benchmark 评估的完整知识图谱，帮助研究者和工程师在 LLM 知识过载的时代快速建立全局视野。 LLM 领域在 20232024 年呈现爆发式增长：每周都有数十篇新论文面…
历史监狱压迫记录的对话式检索与即时知识建模
本文提出一种面向历史数字图书馆的文档分析系统,把 RAG 的检索对象从「单文档」扩展为「文档 + 即时构建的知识图谱」,让档案专家在对话中持续往图谱里沉淀事实,使 LLM 在跨文档的复杂查询上能够调用专家知识与文档证据两个来源。 历史档案数字化有两个固有难题: 1. 跨文档关联:一份监狱压迫记录可能援引同一个人在不同时…
LongE2V：基于视频扩散模型的长时间跨度事件驱动视频重建、预测与帧插值
LongE2V 通过微调预训练视频扩散模型，用 Autoregressive Unrolling、Adaptive Context Switching、Reencoding Alignment 和 Event Voxel Density Augmentation 四项技术创新，在事件相机（Event Camera）视频…
Remember When It Matters：面向长视野 Agent 的主动记忆 Agent
REMEMBER WHEN IT MATTERS 将 Agent 的记忆问题重新定义为"主动干预控制"而非"被动检索"，通过一个独立运行的 Memory Agent 并行于 Action Agent，根据结构化记忆库决定何时主动向主 Agent 注入提醒、何时保持沉默，在 TerminalBench 2.0 和 τ²B…
SVR-R1：在强化学习中通过自验证自举多模态推理
SVRR1 让 VLM 在 GRPO 训练过程中自己判断答案对错——"No"就再想一次，"Yes"或达到轮次上限才定稿——由此将自我验证本身变成学习信号，在无需外部监督的情况下自举多模态推理能力。 多模态推理（看图说话、图表问答等）长期落后于纯语言推理，核心瓶颈在于：如何让视觉语言模型（VLM）具备自我纠错能力，而无需…
像机器人一样看：面向 VLA 的机器人中心点图方法
面对大规模机器人演示数据中视角多样性不断增长的挑战，机器人中心点图（RobotCentric Pointmaps）将每个像素的 3D 坐标以机器人坐标系为基准编码为稠密图像，使 VLA 可以在不改变架构的前提下获得一致的 3D 几何感知，在仿真和真机实验中均显著优于纯 RGB 策略，且未见视角下的优势最为明显。 视场框…
用知识蒸馏把 LLM 变成高效的 RAG 重排序 Cross-Encoder
针对 RAG（RetrievalAugmented Generation）流水线中的重排序（reranker）环节，作者用两阶段流水线把 LLaMA 3 8B 改造成 dropin reranker：先用 Unsloth + LoRA 监督微调、相关任务上做知识蒸馏，再用 4bit 量化压轻推理。接进「BM25 + 稠…
VideoChat3：4B 参数打平更大视频 MLLM 的完全开源新基线
本文推出 VideoChat3——一个"完全开源、以视频为中心、4B 参数级别"的多模态大模型。它通过 I3DViT（Inflated 3D Vision Transformer）+ Adaptive Frame Resolution for Streaming Video Perception 解决效率问题，通过 V…
Digital Pantheon：用 LLM 智能体模拟与审计政治联盟形成
提出 Digital Pantheon，一个把 SFT + DPO + RAG 三件套组合起来的多智能体框架，让 LLM 党派代理在事实性与意识形态之间保持平衡；并配套 MILT（多层信息谱系拓扑）+ CIS（联盟影响分数）做可解释审计，结果在 2019 年佛兰德大选中复现出 NVA 胜出、稳定排名，且"宣言锚定的谱系…
On-Policy Delta Distillation：用「差量」而非「分布」蒸馏推理能力
OPD²（OnPolicy Delta Distillation）把 onpolicy distillation 的监督信号从「模仿 teacher 的输出分布」换成「teacher 与 base 之间的 delta 分布」，让 token 级监督直接对应「推理能力增量」，在数学、科学、代码推理 benchmark 上…
稀疏截断态向量模拟器：面向 Peaked Circuits 的高效量子电路经典模拟
本文针对"peaked circuits"这一类特殊量子电路，提出了用稀疏表示存储仅非零振幅的截断态向量（truncated state vector）实现高效经典模拟，放弃了传统量子模拟器使用的密集表示，并用向量化操作和硬件加速最大化计算效率，在开源实现中验证了该方法的实用可行性。 经典计算机模拟量子电路面临指数级内…