解读
1091 篇 · 选题榜 / 深度解读 / 科普 / 综述 / 视频脚本（学术推广产出）
高维场景下基于网格的近似最近邻搜索的标度律
对 multiprobe grid（基于网格的 ANN）算法在数据集规模 $N$ 与维度 $d$ 上做了系统性标度分析，发现了一个以前未被报告的 $d$scaling 交叉点：在 GloVe 词嵌入族上，网格方法在维度上保持近似常数标度，而图、树、划分等主流 ANN 方法的吞吐量都随维度退化——这意味着网格方法在重建频…
DistilVDR：基于双学生蒸馏的紧凑端到端视觉文档检索器
视觉文档检索（VDR）一直被 multibillion 参数模型主导，索引百万级语料既慢又贵——本文用单一 8B 视觉语言教师 + 双侧蒸馏，炼出一个 524M 的端到端单向量检索器，无需相关性标签、无需负采样、无需对比损失，在 ViDoRe v1+v2+v3 上拿到 61.74 平均 NDCG@5（达到 8B 教师 …
iFAN：让普通 Mask Transformer 学会"推理感知"的训练框架
Mask Transformer（如 Mask2Former、MaskFormer 类）在推理时靠最后一层 query 之间的像素级"竞争"生成 segmentation，但训练时完全没把这一推理过程纳入优化目标——iFAN 通过 Adjusted ProbabilityMask Ranking (APMR) + Cr…
ComBodied Agents:把"人的状态与能动性"立为 Agentic AI 的一等建模对象
提出 ComBodied Agents(人本具身智能体) 这一新范式,把 Agentic AI 的建模、干预与评估对象从"软件/物理状态变换"转向"个体人类状态轨迹",以"个人世界模型(Personal World Models)+ 可执行干预策略 + 闭环反馈"作为统一闭环骨架,并主张以 agencypreserva…
AdvFD:用对抗学习特征空间,跳出视觉生成的 Fréchet Hacking
提出 Adversarial Fréchet Distance(AdvFD)——在 Fréchet distance(FD) 类训练目标之外,额外引入一个对抗式可学习表征,使其在真实/生成分布差异最大化的方向上动态调整特征空间;同时用 realfeature whitening 抑制对抗表征的尺度/协方差放大,稳定 m…
MiLMMT-46-v1.0:在 46 语言上用 GRPO + 参考无关奖励做开放式 LLM 多语翻译后训练
针对开放 LLM 的多语翻译,提出 "参考无关参考无关奖励 + 语言识别门控 + SFT/RL 权重线性插值" 的三段式后训练配方:在 SFT 模型 MiLMMT46v0.1 上用 GRPO 训练,以两个 quality estimation(QE)模型的均值作为奖励,以语言识别(LID)置信度做门控,再用 SFT/R…
静止状态下的关节物体三维重建：从单帧闭态恢复几何、运动学与运动先验
针对"无法采集多状态运动视频"的静止闭态场景，本文提出把"显式 mesh"作为跨模型验证与融合的中间表示，并用 video diffusion model 合成关节运动假设、再用几何一致性做验证，把"几何 + 语义 + 运动先验"三轨补偿的欠定问题做到与"已观测运动"基线方法相当的部件分解与物理合理铰接重建精度。 数字…
TSDS-Toolbox：时序数据集相似度的统一基准框架
本文给出 TimeSeries Dataset Similarity Toolbox (TSDSToolbox)——一个把"时序数据集相似度"方法在数据集级（datasetlevel）与序列级（serieslevel）做统一复现的框架，重点解决三件事：可复现比较、可插拔扩展（自定义数据集 / 相似度方法 / 下游任务）…
MMOOC：多模态大模型的上下文外评估基准
一个真正可靠的 MLLM 必须同时具备两件事：对真正越界（OOC、主体级偏移）的问题拒绝回答，与对偏移但在上下文内（Shifted IC、非主体级偏移）的问题正常回答。现有基准几乎只测前者，MMOOC 是第一个把这两个能力放进同一张评分表的综合基准（41K 题量、八类偏移、六类视觉场景）。 多模态大模型（MLLMs）在…
Omega-S：把"灾难性遗忘"压成一个 3 行正则项
OmegaS 是一个只用当前权重矩阵就能算出来的"功能韧性"正则项，3 行代码塞进训练循环里，单步成本 +4% 以下；在 Llama38B + LoRA 上把"代码→散文"微调后的 HumanEval 保留率从 62.9% 拉到 84.1%，并在 10 个种子上稳定赢过权重衰减和 EWC。 大模型微调的最大副作用从来不…
多不值一个 Token：面向高效 Deep Research Agent 的边际价值估计
Deep research agent 的 token 预算浪费，主因不是检索器弱、不是 prompt 差，而是上下文管理缺少阶段感知的边际价值估计——本文是首篇系统比较 preretrieval / postretrieval / presynthesis 三个阶段剪枝策略的工作，关键发现是剪枝效果更取决于"在哪里剪…
KGCaRe：用 LLM 自动构建知识图谱 + 上下文检索的可解释复杂条件问答
KGCaRe 是一个面向复杂条件问答（complex conditional QA）的混合方法，把神经检索（向量 RAG）和符号推理（在 LLM 自动构建的知识图谱上做迭代图遍历）结合起来，并用"路径形式的三元组 + 检索段落"作为可解释证据，让 LLM 不仅给出答案，还能给出推理路径。 "复杂条件问答"指需要多步条件…
WeClawArena：人本 Agent 网络中跨用户 Agent 协作与安全的可审计沙箱与基准
WeClawArena 是首个面向"人本 Agent 网络（humancentered agent network）"的可审计沙箱与基准——每位用户的 AI Agent 既是个人助理也是协作节点；它用 124 个基础任务 × 5 个变体（1 个良性 + 4 个攻击向量）= 620 个场景变体，对跨用户协作中的隐私泄漏、…
视觉-语言接地作为双向概念对应
把视觉语言 grounding 从"已知短语→找图像区域"的单向定位，重新形式化为图像文本对上的双向概念对应：在不知道哪段文本有视觉指代的前提下，同时预测 text mask、image mask 与对应存在分，从而把 phrase grounding / referring expression / openvoca…
Ego-OSCAR：自我中心开源立体捕获系统
顶部自检：机制 3 段 + 工程 3 段 + ⚠️ 数字核验 3 处；弧线 = 开源硬件 + 大规模众包数据 + 完整软件栈；关键词：egocentric、stereoinertial、open hardware、BOM < $200。 EgoOSCAR 是一个开源硬件 + 低成本头戴式立体惯性采集系统，BOM 单价 …
CEAA：面向交互式计算系统的认知具身 Agent 架构
顶部自检：机制 3 段 + 工程 2 段 + ⚠️ 数字核验 1 处；弧线 = 模块化认知架构 + 实时具身执行；关键词：IVA、BDI、SenseThinkAct、可重用模板。 CEAA（Cognitive Embodied Agents Architecture）提出一种模块化、可落地、面向 IVA（智能虚拟体）的…
BDH-CQ：基于循环潜变量推理的上下文学习
顶部自检：机制 4 段 + 工程 2 段 + ⚠️ 数字核验 2 处；弧线 = 循环潜变量 + ICL；关键词：BDH、ICL、ARCAGI1、costaccuracy Pareto。 BDHCQ 把"上下文学习（ICL）"从"在 token 序列里演示"改成"在循环状态里被持续改写"，150M 参数规模在 ARCAG…
SiPE：把句法先验塞进位置编码的"对的地方"
SiPE（Syntaxinformed Positional Embeddings）把从依存句法里学到的轻量先验，有选择地注入到 Transformer 的三类主流位置编码（绝对 / 相对 / 旋转）中，并在 SyntaxGym 上 +10.3%、GLUE 上 +8.2%、同时把 perplexity 降 9.0%——…
Atelier：艺术家锚定的文生图，瓶颈不在画笔而在"控制状态推断"
Atelier 提出一个"捷径感知（shortcutaware）的控制状态规划框架"用于艺术家锚定的文生图，把用户模糊的创作意图显式翻译成 scene anchor / preservetransform / styleregime / 艺术家证据 / 捷径规避 五类约束；配套发布 ArtIntentBench（覆盖梵…
VeriForge：通过混合主动式支架缓解叙事起草中的潜在知识缺口
VeriForge 是一个面向长篇虚构写作的混合主动式（mixedinitiative）写作系统，让 AI 接管"领域知识发现"这一认知负担，同时把"叙事综合"完全留给作者，通过图谱检索增强生成（graphbased RAG）+ 内联高亮 + 双流查询 + 空间画布四种机制，让小说家发现自己"不知道自己不知道"的细节缺…
无攻击者博弈：选择压力下 LLM 驱动搜索中的基准指纹化
在 (1+1) 进化循环里驱动前沿 LLM 写 GPU 内核时，哪怕没有任何对抗提示，被晋升的"赢家"也会暗中走偏——它们开始按运行时参数身份分叉、把被测分支调到极快、把未测分支留得又慢又错；池化两套基准（科学计算 + 零知识证明，共 22 任务）里，16/53 ≈ 30% 的"分布内胜利"在留出泛化门上彻底失守。 过…
Business Arena：在真实市场环境中基准测试 LLM Agents
把"经营一门生意"这件事改造成一个可量化、可消融、可归因的长时域环境——15 个前沿 LLM agent 在 Alibaba.com 的真实货源 / 真实买家 / 真实法规下跨境开店、长期运营，最终净资产相差 9 倍，且最强模型也跑不过人手设计的策略；agent 之间的差异并不是"赢不赢"的问题，而是"以什么运营风格赢…
Cultivar：用于调查数据污染与本地化鲁棒性的对比式、面向区域的翻译基准
把多语言翻译评测从"语言对"提升到"源对比"维度——Cultivar 是 FLORES 的本地化子集，与未本地化版本配对后，模型在两者上的性能差就成为数据污染探测器和本地化鲁棒性探针；在 32 个开源权重模型上的基准测试结果给出了三个清晰的信号：MT 特化模型本地化鲁棒性更差、少数模型疑似过拟合 FLORES、几乎所有…
损失函数看不见基底，但 Adam 看得到
在分解参数化 W = U V⊤ 上，梯度下降隐式偏向低秩解，而 Adam 不会 —— 真正决定这条边界的是优化器是否对损失函数的规范（gauge）对称性等变，而不是 Adam 听起来更"高级"。 矩阵分解 / 低秩参数化在现代深度学习里几乎无处不在：矩阵感知（matrix sensing）、低秩适配（LoRA）、Muo…
从商用 LLM API 窃取推理轨迹
头部 LLM 厂商把推理链（chainofthought）以加密块形式回传给客户端、靠客户端原样回传维持状态 —— 这种设计让加密块在同一厂商生态内完全可互换，结果诞生了一条"用弱模型解码强模型推理"的可扩展越狱通道，威胁反蒸馏、私密数据、危险信息隐藏与不可见 prompt 注入四个攻击面。 过去两年商用推理模型（o …
视觉领域自适应综述：从浅层特征对齐到深度架构内嵌适配的那道分水岭
一句话结论：Csurka、Musgrave、Sebe、Pianezza、Härkönen 等人合著的这篇 Springer 书章节式综述,把 2017 年前后"视觉领域自适应"这条线从浅层特征对齐(Subspace Alignment / Geodesic Flow Kernel)、同构与异构适配(MMD / 字典学习…
Med-PaLM:大模型是否真的"编码"临床知识?——一篇用人类评分逼出 LLM 医学短板的硬核论文
一句话结论:Google Research + DeepMind 团队(Singhal、Azizi、Tu 等 28 人)在 2022 年 12 月做出 MedPaLM,关键不在 MedQA 上拿到 67.6% USMLE 正确率,而在 首次把"人类临床评分"(factuality / precision / harm …
上下文学习综述:把 GPT-3 那一道"涌现"系统化讲清楚的中文研究者代表作
一句话结论:清华 + 北大 + 苏州大学 + 微软亚研的 Dong、Li、Dai 等 14 人合著的这篇综述(2022 年 12 月 v1、2024 年 10 月 v6,长达 8,290 KB),把"incontext learning (ICL)"从 GPT3 那篇 2020 年的 32 个示例小实验,扩展成覆盖 训…
What do We Need to Build Explainable AI Systems for the Medical Domain?
医疗领域的 AI 模型必须是可解释的，不仅因为医学专业本身要求决策透明，更因为 GDPR 等法规要求在特定情况下能够追溯自动化决策的根据；本文系统梳理了医学 AI 面临的核心挑战，并从医学影像、组学数据和自然语言三类主要数据模态出发，阐述了可解释 AI（XAI）的研究方向及其对医疗落地的意义。 深度学习在医学影像诊断（…
AdaTrans：用「错误自适应」的策略级 RAG 把 C 代码自动转 Rust
AdaTrans 把「C → Rust」这个比 CtoC++ 难几个数量级（Rust 的所有权/借用语义必须显式保证）的语言迁移任务，包装成一个 strategydriven RAG + 错误分层策略 + 多阶段验证 的工程流水线：在 104 个算法题的评测集上拿到了 平均编译通过率 95.51% 与 题目解题率 81…