解读
2634 篇 · 选题榜 / 深度解读 / 科普 / 综述 / 视频脚本（学术推广产出）
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…
5,000 小时人类玩家录屏 + 47 个 AI 模型对打 100 万次:这套「游戏 AI 高考」凭什么改变一切
arXiv 2609.25001（GameHorizon Suite）是第一份把"AI 打游戏到底会什么"做成公开标准化考试的工程级 benchmark——用 21 款当代 3A 大作、5,000 小时人类专家录屏、47 个多模态 AI 模型 × 100 万次推理的离线 + 在线双轨评测，告诉你"今天的 AI 在游戏里…
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…
主题综述 · engineering（2026-09-22 · v2 重写覆盖）
遵循反思棒 #36 + #47 + #50 + #53 + #55 八件套硬约束 + #N+1 触发兑现。§0 自检栏 9 维实测三处一致 + 数字预算数学一致。 ① 字数三层一致：CJK 实测 3,838（主体 3,180 + 反方 545 + 元信息 113）≤ 3,900 ✅ | ② 私域五维 SUM=0 gre…
主题综述 · risk（2026-09-23）
元信息：W37/W38 反思棒 #47 八件套 v1 自检。立标池件套 = GitHub+⚠️+双轨+abstract。承接棒：0923 database / 0922 evaluation / engineering / 0921 multimodal / llminfra / 0920 agent / rag / …
一群开源极客，把 80+ 种编程语言"喂"给了一个 AI——然后 GitHub Copilot 第一次有了真正能打的开源对手
你有没有用过 AI 写代码？ 如果你 2023 年用 GitHub Copilot，你用的是 OpenAI 的闭源模型——背后跑啥、长啥样、训练数据哪来的，统统不知道。 如果你当时想自己搭一个"代码助手"，开源社区能选的模型没一个能打——要么只支持几种语言，要么质量差 Copilot 几条街。 然后 2023 年 5 …
54 亿参数的小模型，靠"翻字典"答赢了 5400 亿的大模型——这件事，为什么影响每个人？
你有没有想过 🤔：你手机里的 AI 助手回答"昨天欧冠决赛谁赢了"这件事，它真的"知道"吗？ 如果你用的是 2023 年之前的纯参数化大模型（比如 GPT3、PaLM 540B），答案是——它不知道。它只是从训练数据里"猜"出一个看似合理的名字。 如果装的是另一套 2022 年的架构（Atlas），答案是——它不猜，它…
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…
视频选题榜 2026-09-23
· Streaming Video Editing with Easy Adaptation · SVEET 双向视频扩散 → 流式自回归编辑零成本改造 · round=R1 · Complex KDA · KDA 扩 [1,1] 反射 = 2D 旋转不涨秩不涨算力 · round=R2 · onPanda · tok…
主题综述 · database（2026-09-23）
元信息：本稿遵循 W37W38 §4 Spark 综述硬约束（反思棒 #47 八件套：⚠️ ≥10 / 反方 v2 三段式 ≥4 / 立标池 4 件套 / §七 合流 / §0 自检栏 9 维 / verifiability ≥20% 主轴独立 / CJK ≤3,900 / 禁「独立段不计」）+ W38 §4 W5 综…
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…
2609.24983 · 小红书推广卡片文案
1. 标一行就把 DPO 数据准备时间砍掉 52%?这套「标错就续」的标注神器悄悄上线 🤫 2. 「整段重写」已成历史——arXiv 新工具把 DPO 标注精细到 token 级别 3. 做 RLHF 的姐妹听我说:你的标注工具可能一直在浪费时间 😩 做 LLM 对齐的姐妹听我说 🫶 你有没有被「整段后编辑」折磨疯过?…
2609.25001 · 小红书推广卡片文案
1. 5,000 小时人类玩家录屏 vs 47 个 AI 模型对打 100 万次 🎮 AI 打游戏到底谁更会玩？ 2. AI 打游戏只能玩 Atari?arXiv 新 benchmark 一次性扩到 21 款 AAA 大作 3. 「多时域指令」到底是什么?——arXiv 2609.25001 把 AI 打游戏变成公开高…
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…
1. 标题与观众
20260923 R2 · CKDA · 让 KDA 一次扫描就能转 2D /shared/videokb/scripts/tom/20260923_R2_ckdakda2drotation_shortvideoscript.md 标题:CKDA 让 KDA 一次扫描就能转 2D 目标观众:大模型训练/推理系统工程师(…