解读

合成 OCR 数据能否迁移到真实泰语文档，取决于字形多样性、二维版面结构与真实手写字形这三件事是否同时被覆盖，而与"是否使用真实文档上下文背景"几乎无关；据此用 45,723 张合成页面在 0.9B 的 PaddleOCRVL1.6 上做监督适配，得到 WayuPaxaOCRZero，在 5 套评测集上均超过 7B 的…

把大型语音克隆模型当成"可编程数据源"，用 15 秒参考音频生成大量合成语音，再训练一个 82M 参数的固定音色学生 TTS，可以同时获得边缘部署的低推理成本与接近 Gemini 3.1 的音质——WayuPaxaTTSEdge 在 ChallengeSet Keyword Accuracy 上达到 Gemini 3.…

§0 元层五问 + v2 模板硬约束版 Q1 一句话:在单图 partaware 3D 生成流程里加入物理仿真反馈,自动修复零件间的穿透、恢复接触关系、并加上参数化连接器,使生成结果真的能稳定装配。 Q2 真问题:现有 partaware 3D 生成(PartGen / 3DPipeline / 分层 diffusio…

§0 元层五问 + v2 模板硬约束版 Q1 一句话：把稀疏注意力的 TopK 选择器从「蒸馏 dense attention」改成「用语言模型损失端到端训练排序」,让每一份注意力预算都花在「对最终预测最有用」的 context unit 上。 Q2 真问题：现有 posttraining attention spar…

§0 元层五问 + v2 模板硬约束版 Q1 一句话:把分散在 arXiv / GitHub / HuggingFace / leaderboard / model card 里的 AI benchmark 信息聚合为「可检索、可审计、可追溯」的活数据库 + 搜索引擎,供研究者做评测相关决策。 Q2 真问题:AI 评测…

LIT（Latent Interface Training）通过两阶段训练策略——先让动作专家在无图像条件下学习空间目标导向动作，再通过姿态监督的隐式接口约束视觉信息流——在 4 种 VLA/WAM 架构上显著提升了分布外泛化能力，在真实机器人实验中取得 13–17 pp 的 OOD 提升。 Robot Foundat…

COBRASkills 将 Agent 技能优化建模为「带预算约束的序列优化」，用上下文老虎机（Contextual Bandit）引导评估资源向高价值候选技能倾斜，在 6 个异构 benchmark 和 3 个目标模型上均取得最高平均性能，同时将优化成本降低 55–58%。 LLM Agent 在执行任务时可以从可复…

PLCDPO 通过「clean / flip / tie」三路路由机制，让 DPO 在噪声偏好数据下仍能可靠训练，在 57 个实验单元中以 60.5% 平均胜率超越所有对比方法（次优为 55.5%）。 DPO（Direct Preference Optimization）将 LLM 对齐建模为配对分类问题，取代了传统 …

在 ROS 2 + DDS 的 RELIABLE 主题上，单个网络受限订阅者会拖垮所有共享同一 publisher 的订阅者（包括安全关键节点）；Adaptive Bridge 通过一个 proxy 把 RELIABLE / BEST_EFFORT 路径拆分并按健康度动态限流，把关键订阅者的 p95 延迟从最高 15 …

把 Agent 对用户的建模从「bagoffacts」检索式记忆，改为「活的 Python 软件项目」——类型化对象承载状态、普通函数编码规则、appendonly 日志定期 checkpoint 进代码——在标准 longterm conversation 基准（LOCOMO）召回上追平 SOTA（78.8%），并在…

在 KBVQA（基于知识库增强的视觉问答）的真实部署设置下，已知文本领域的「lostinthemiddle」U 形曲线翻转为「首因偏差（primacy）」：当 gold passage 出现在 prompt 第 0 槽时，三款开源 7B/8B VLM reader 的准确率比 gold 在末尾时高出 16–26 个百分…

把 Z3 等数学求解器的等价性 oracle 蒸馏进 LLM 的原生词表空间，得到无需参考译文、连续可微、零样本跨翻译器泛化的「参考等价性分数」GenV，在 VPU 漏洞上做到 0.961 AUROC，并把 agentic testtime compute 的下游准确率提高 11.3 个点。 神经符号（neurosym…

围绕「图像 tokenizer 怎么选 / 怎么评」这一被孤立指标和单任务评测长期遮蔽的问题，本文搭建了一个纯自回归统一多模态测试台，按文本、图像、文生图（T2I）、图生文（I2T）四类任务追踪验证损失，得到四条关键发现：损失必须按任务分析（不同任务排序 tokenizer 的结果不一样）、重建质量好不等于下游任务好、…

针对「LLM 投稿前自我审稿能不能给出可执行的修改建议」这一缺口，ActReview 把同行评审拆成「诊断性主张」与「修改建议」两个子任务，从 OpenReview 的真实 reviewrebuttal 线程中挖出 4 万条「弱点反驳修改」对齐数据，用多任务 SFT + GRPO（带 candidateaware、we…

IdeaAMBIG 把「论文方法描述能不能被忠实实现」变成可量化评测：构造 660 条基于证据的方法规范缺口实例，揭示当前主流 LLM 在没有缺陷标注的情况下只能定位 9.6% 的真实缺陷，瓶颈在「定位」而非「修复」。 研究论文的方法章节常常存在「新颖且自洽，但实施细节不足」的问题。一个称职的实现者或编码 Agent …

用「知识图谱结构指标」重新定义稀有实体，让 SOTA 多模态实体链接在稀有切片上暴露出 15.4–39.9% 的准确率下降；再用「推理 + 检索」互补框架，在 MERLIN 多语基准上整体提升 6.9%、稀有切片上最高提升 23.3%（EMNLP 2026 接收）。 多模态实体链接（MEL）要把文本或图像中的实体提及关…

要让 3.35B 小模型在 60 种语言的 6 类推理任务上以 ≥93% 概率用「提示语种」本身作答，无需在每种语言都做推理监督——只需三件事：覆盖更广的多语料、易得的多语非推理数据、一个够强的英语推理主干。 推理语言模型在数学、常识、指令跟随等任务上大幅进步，但绝大多数模型即便被提示用中文、阿拉伯语或越南语提问，仍会…

Q1 这是一篇什么性质的论文? 方法(method)+ 实证(empirical)——为 LLM 复杂推理自改进提出新训练范式 NSD,并在多基准上对比 OPSD / 标签无关自举 RL 基线。 Q2 解决了哪个真实痛点? OPSD(策略内自蒸馏)在复杂推理任务上会让模型性能退化——强制学生模仿带特权信息的高置信度推理…

Q1 这是一篇什么性质的论文? 方法(method)+ 系统(system)+ 实证(empirical)——为长视野机器人操作提出 MaPWAM 框架,含双阶段架构(记忆锚定规划 + 规划条件执行)+ 真实机器人实验。 Q2 解决了哪个真实痛点? 现实中的复杂操作任务(把散乱零件装配 / 多步烹饪 / 长链路折叠)本…

Q1 这是一篇什么性质的论文? 方法(method)+ 实证(empirical)——为协同空战 MARL 提出 DRGMAPPO 框架,集图关系建模 + 动态角色分配 + 目标优先级辅助任务。 Q2 解决了哪个真实痛点? 主流 MARL 在空战上仍难做到精细战术协同——根因两条:① 缺乏结构化关系建模,agent 抓…

UniH^3 是一个一体化医学图像恢复（AllinOne MedIR）框架，核心思路是把「任务间异质性」和「任务内同质性」拆成两个独立模块分别处理——Hierarchical Homogeneity Memory (H2M) 蒸馏并检索同质先验、Hierarchical Heterogeneity Balancer (…

MetroLLMBench 是一个把语言模型当地铁售票机策略层来打分的 955 用例基准，覆盖 6 个真实地铁系统、11 类任务（含对抗输入），用 14 项确定性 + 8 项语义质量双层评分；评测 26 个模型后，最反直觉的结论是：一个 4B 的 Qwen 3.5 学生模型在 Tier 1 上反超 GPT5.6 两个档…

TempCloze 是一个不依赖语言捷径的视觉时序推理基准：给一段视频的开头片段和结尾片段，模型必须从四个候选中间片段中选出真正接得上的那一段；通过对 10 个闭源 + 21 个开源 VideoLLM 的系统评测，论文发现当前 VideoLLM 的核心瓶颈是时序对齐（Alignment）而非语义理解。 VideoLLM…

在 100 个配备记忆的 LLM Agent 构成的封闭货币经济体中，货币流通在 26 周内完全停滞：货币政策失效，财富分配近冻结——而这一切的根本驱动力不是记忆，而是底层 LLM 本身。 多 Agent 经济模拟（AgentSociety Studies）是研究 LLM 社会化行为的重要范式，但此前研究普遍存在两个局…

1. 谁写给谁看：面向多模态 / LVLM 研究员、空间智能评测 benchmark 建设者、机器人 / 具身智能团队，假设读者熟悉 3D 几何投影、viewpoint transformation。 2. 为什么值得读：把「LVLM 空间智能」从「需要密集人工几何标注的真实场景 QA」范式，升级为「用合成可控的 3D…

本文提出 EBLCore——一个面向"AI 智能体候选动作被实际执行"这一瞬间的合规画像（conformance profile），用 Execution Release Contract（ERC）把意图对象、根/操作策略、证据义务、上下文、时间与可验证的决策推导串起来，并通过一次单独的 Redemption 时刻校验…

1. 谁写给谁看：面向做 LLM Agent 安全 / 红队 / 评测的研究员与平台架构师，假设读者熟悉 prompt injection、CaMeL、DecodingTrustAgent。 2. 为什么值得读：把「安全护栏（safety harness）」从「专家写死一次、套所有模型 + 领域」范式，升级为「对单个 …

AgentZip 是首个面向 AI 智能体沙箱设计的内存压缩系统，通过挖掘同一模板衍生出的多个并发沙箱之间的「模板相对冗余」与「跨沙箱冗余」，把 LLM 训练/推理工作负载下的沙箱内存峰值最高削减 8.7 倍（Linux 同行仅 2.1 倍），并把激进压缩带来的执行减速从 3.1 倍压到 1.40 倍。 智能体（Age…

1. 谁写给谁看：面向语音 LLM / 多模态端到端 ASR / SpeechLLM 部署工程师与研究员，假设读者熟悉 Whisper / QwenASR 类端到端语音架构、LoRA、distillation。 2. 为什么值得读：把「speech LLM 推理加速」从「直接砍 audio encoder 层」升级为「…

Lateinteraction 检索是视觉文档搜索的 SOTA 方案，但存储代价极高；本文发现其向量具有低内在维度流形几何特性，由此提出 GLIE——用少量可学习向量同时作为轻量索引和生成完整向量的生成基，在极度激进的存储压缩下仍保留近 80% 的原始 nDCG@5。 Lateinteraction 检索（如 ColB…