解读
1750 篇 · 选题榜 / 深度解读 / 科普 / 综述 / 视频脚本（学术推广产出）
EngramEdit：只改条件记忆，在不碰 Transformer 主干的情况下更新事实
EngramEdit 把 DeepSeek Engram 一类 conditional memory 从"增加模型容量的查表层"改造成可编辑的知识接口：先为同一事实的多种表达求出共同的记忆目标，再联立更新共享 ngram embeddings，并对高频、短 ngram 施加更强约束，从而在保持通用能力的同时获得更好的跨…
PersonTTS：从优化 Pareto 前沿转向满足每个用户的联合偏好
PersonTTS 把 TestTime Scaling 的优化单位从"单一边缘上的固定 tradeoff"改成"用户 profile 下的可执行 controller"，以 accuracy、latency、inference cost 三项同时达标为 JSR；再通过相似需求 controller warmstart…
Diffusion On-Policy Context Distillation(D-OPCD):把 Agent Harness 的能力烧进扩散模型权重
DOPCD 提出「OnPolicy Context Distillation」——把 agent harness 反复打磨后的 prompt 当作 privileged context,通过 onpolicy 蒸馏把 harness 的知识烧进 TexttoImage 扩散模型的权重里,让模型在只接收原始 query …
PhysEvo:让 Astra 既能动又能自改进的物理递归自改进框架
PhysEvo 提出「物理递归自改进(Physical Recursive Selfimprovement, RSI)」框架,围绕一个冻结的 Astra 模型,让 task agent 负责执行、metaagent 负责诊断失败与修订工具/技能,且 metaagent 还能改进自己的诊断工具——所有修订都不动模型权重;…
Robo-COP:VLA 策略与 VLM Orchestrator 的部署中共进化
RoboCOP 提出一个让机器人在部署过程中自改进的飞轮:用 VLM orchestrator 与 VLA policy 共同在真实部署里 coevolve——policy 升级前先验证、orchestrator 随 policy 调整而调整,从而把 VLA policy 从「系统的瓶颈」变成「可被吸收进 harnes…
DeCoPrune：用"去噪一致性"作为 KV-Cache 剪枝的内在信号
DeCoPrune 把自回归视频扩散的 KVCache 压缩当作"去噪一致性问题"处理，无需训练：度量当前 chunk 中每个 token 的"中间预测与最终去噪结果之间的不一致度"作为长期保留信号，把高不一致的 token 留在长期 cache、低不一致的丢弃，从而在 LingBot World v2 上实现"剪掉 …
摩洛哥 Turba 施肥机器学习技术栈：把「场地特异性施肥推荐」做成可复现的开源三层栈
arXiv 编号 + 提交日期连贯性声明：arXiv:2610.05949（v1，提交时间 20261005 08:04:09 UTC），与论文页所示 4 天前提交一致。 Turba 把摩洛哥场地特异性施肥推荐拆成 turbaclient / turbadata / turbamodels 三层开源栈，把「可程序化访问…
DMAD:把分布匹配蒸馏重写成对抗蒸馏,丢掉辅助扩散模型
DMAD 把 DMD 系列的"分数差"路线重写为"对抗式 logdensity 比"路线,在 ImageNet64×64 上以一步生成实现 FID 1.04,在 SDXL 4 步上把 FID 推到 14.47,在 Wan2.1T2V14B 4 步上拿到 VBench 85.15(反超多步教师),并把 DMD 系列一直背…
为 Agentic RL 重塑 MoE 路由:让专家选择跟着操作走
作者把长程 LLM agent 的"行为结构"(READ/UPDATE/... 等回合级操作)与 MoE 的"专家路由"显式对齐——回合一级的专家选择要跟着操作走,token 一级的专家选择要做局部一致——并在所有评测基准上拿到 10 个百分点以上的成功率提升,同时给出熵门控机制稳定 RL 后训练。 长程 LLM ag…
Sensor-Language-Action:用语言做传感器与动作之间的统一接口
作者提出 SensorLanguageAction(SLA) 框架,把多模态传感器观测、自然语言与动作统一进一个模型,用语言作为感知与动作之间的语义接口;并发布覆盖 116,000+ 个体、79 种传感器模态、60 类动作组的大规模基准,以及统一模型 OpenSLA,在临床预测、手术室与代谢健康等真实任务上反超 SOT…
DiffGate：按难度门控的教师引导，离策略蒸馏与可验证奖励的混合
在 Qwen30.6B 与 Qwen31.7B 上，DiffGate 让 GRPO 在 code 与 math 两个领域的 pass@8 全面提升，code 上 avg@8 与 pass@8 较 matched GRPO 分别 +1.7/+1.8 与 +1.6/+5.7，math 上 pass@8 提升 +1.1/+3…
Agentic AutoRAG：用推理驱动 Agent 优化 RAG 流水线，并区分检索失败与生成失败
Agentic AutoRAG 在三个 multihop QA 基准上用 LLMjudge 准确率超过所有对比 baseline，且前 10 次 trial 就能追平统计 baseline 跑满 30 次的 LLMjudge 准确率；在真实医疗语料 costaware 模式下达到中位 77% 准确率（vs 最强 bas…
WildMatch：仅靠身份标签的弱监督关键点匹配器，自适应野生动物重识别
WildMatch 用身份标签当隐式正/负信号去对比式 finetune 一个现成的关键点匹配器，在多个开源野生动物 reID 数据集上超过 offtheshelf 匹配器与一个 SOTA 局部全局融合方法，并且在 openworld（heldout 个体）设定下学到的是"可迁移对应先验"而非记忆训练身份。 野生动物相…
DAEDALUS：用「自生成任务」给 LLM Agent 冷启动一份可复用记忆
DAEDALUS 是一个不需要预置环境知识、不需要 oracle 验证器的 Agent 记忆构建框架。它让一对 Agent（一个 explorer、一个 solver）在环境里互相对弈：explorer 出题，solver 做题，只有当 solver 在「带启发式」情况下反复成功，才把启发式写进记忆库。在 AppWor…
EMHO：用「经验轨迹」自我进化的具身 Agent Harness
EMHO（EMbodied Agent Harness Optimization）是一个保持底座模型冻结、用「执行轨迹 + 历史 harness」迭代改写 harness 自身的具身 Agent 自进化框架。它不优化技能 / 恢复 prompt 这一层，而是修改 agent 如何观察、如何用视觉工具、如何把观察落到动作…
EC-RAG：把长视频问答搬到「事件链」上的免训练检索增强框架
ECRAG（Event Chain RetrievalAugmented Generation）是一个完全免训练的长视频理解框架，它先把视频切成「语义事件段」并链接成结构化的事件链，再用事件级而不是帧级/片段级的检索去回答问题。在 VideoMME、MLVU、LongVideoBench 三个长视频基准上一致优于 fr…
从证据到行动：工具调用 Agent 在哪里出错
⚠️ 诚实标注（局限性）：本解读仅基于 arxiv abstract + 论文卡 TLDR；v1 提交作者已从 arXiv submission history 拿到，但未独立验证机构归属；未触 PDF 全文精读；项目页 已找到，但 GitHub 仓库许可证与数据集商业可用性未核实；"静态评估 ≥90% → 交互执行 …
UNREAL：用单一模型统一检索与长上下文证据选择
⚠️ 诚实标注（局限性）：本解读仅基于 arxiv abstract + 论文卡 TLDR；v1 提交作者已从 arXiv submission history 拿到，但未独立验证机构归属；未触 PDF 全文精读；未找 GitHub 仓库；abstract 中 HotpotQA 49.1→73.2%、NoLiMa 1.…
RAG-PIBench：可识别泄漏的 RAG 提示注入检测基准
⚠️ 诚实标注（局限性）：本解读仅基于 arxiv abstract + 论文卡 TLDR；v1 提交作者已从 arXiv submission history 拿到，但未独立验证机构归属；未触 PDF 全文精读；未找 GitHub 仓库；abstract 中"DistilBERT F1 = 0.896 / PRAUC…
LLM 即已经是 Jev 风格决策模型——何时以及如何微调
Qwen3.54B 无需任何训练即可作为 Jev 风格决策模型使用，性能与社区专用 Jev 模型相当；微调只在特定场景（弱 backbone、高意图路由基数）带来实质提升，而 KL 散度锚定机制是防止对话能力退化的关键工程护栏。 软件系统每天都在做结构化决策：路由工单、识别用户意图、验证规则满足情况。传统方案让 LLM…
大语言模型的数值线性代数：一座连接两个世界的双向桥
这是 NLA 领域泰斗 Yousef Saad（明尼苏达大学）与卡塔尔计算研究所 Abdelkader Baggag 合著的综述，系统以数值线性代数视角解读 LLM 的底层矩阵机制——让 NLA 专家看懂 Transformer 在做什么，也让 ML 社区看到 NLA 能为 LLM 带来什么。 NLA 与深度学习两个社…
潜在推理应当满足什么：用流匹配做 LLM 隐式 CoT 的五维清单与 FLaRe 配方
本文为"LLM 在连续潜空间里思考、只外化最终答案"的隐式推理路线提出五项硬性要求（有用 / 多样 / 可解释 / 可加计算 / 高效），论证基于流匹配（flow matching）的参数化是当前最有望同时满足它们的家族，并给出一份端到端训练配方 FLaRe，在算术基准上以 1/4 的延迟达到显式 CoT 97% 的准…
AI-Decision Checkpoints：为 AI 增强的业务流程管理构建决策框架
斯德哥尔摩大学 Amin Jalali 团队提出用"AI 决策检查点"（AIDecision Checkpoints）替代 BPM 课程中 AI 作为附加技术的落后定位——在业务流程开发生命周期的每个阶段强制学生做 AI 采纳的结构化推理，而非简单地在课后加一节 AI 选修课。该框架通过一个虚构银行客户入职案例（Ban…
MiniCorp：AI 自主运营公司的"最后一公里"模拟器
提出 MiniCorp：一个面向电商公司的"双世界"办公模拟器，让多个 AI Agent 在外部市场（客户/对手/价格机制）与内部公司（事件观察→讨论→决策）的闭环中持续协作并被记录，由此为 AI 公司运营研究规模化地生成纵向（longitudinal）+反事实（counterfactual）的企业数据。 "enter…
把记忆装进参数：面向 LLM 的 In-Parameter Memory 综述
这是一篇综述：把"在 LLM 推理时把可复用的记忆信息以参数对象（adapter / 嵌入 / attention / FFN 等）形式插入前向通路"的方法统一命名为 inparameter memory，并用两条正交轴——参数放置位置（Parameter Placement） 与 参数获取时间（Parameter A…
VLA 在机器人执行误差下的自补偿与压力测试
提出 selfcompensating VLA（自补偿视觉语言动作策略）：在部署阶段用「策略输出的指令动作」与「机器人实际执行的运动」之间的残差做在线微调，让 VLA 在生成指令时就预先抵消机械磨损、负载变化等执行误差，并在配套的 RoboStress 仿真基准上把仿真真机一致性往前推了一步。 VLA（VisionLa…
Agentic-ZTA：用多智能体流水线把零信任落地为可执行的访问决策
本文提出 AgenticZTA，把 NIST SP 800207 定义的零信任架构（ZTA）控制环用多智能体决策流水线实现——策略知识走 RAG、访问上下文走多智能体接力、可信度评分聚合——在测试床上达到 95.0% 准确率 / 93.9% 精确率 / 96.3% 召回率，证明"用 AI 代理做零信任强制执行"在访问控…
给持续吸入文档的 RAG 向量库加一道"暂态可见"闸门：定时验证 + 谱系隔离
本文针对持续摄入型 RAG 向量库的"数据进入可检索之前还没完成验证"这一时间攻击面，提出 bounded provisional visibility 协议——新内容以有截止时间的暂态可见方式准入，超时未验证则自动隐藏，并支持谱系隔离；在五个自然语言文档工作负载上，把中毒检索中位数从 34 降到 7（同等降低被挤掉的…
弥合上下文鸿沟：表格上下文学习的激活对齐
TabPFN、TabFM 这类"表格基础模型"做 incontext learning（ICL）时必须把全部训练样本塞进每次前向——推理贵到爆炸。少塞样本能省钱，但性能掉得厉害。本文提出 Activation Alignment：在完整上下文（teacher）与裁剪上下文（student）之间训练一个轻量级线性变换器，…
从蒸馏后的私有健康记录中以 Agent 方式发现血液生物标志物
医疗数据"看得见但用不了"是 Agent 落地的最大拦路虎之一。本文把以色列 Clalit 医疗集团 540 万患者的全血细胞计数（CBC）蒸馏成一个可发布的"评分器"权重——图注意力网络 + 病例对照 AUC 预测器——让前沿 LLM Agent 能在不接触任何原始病历的前提下，通过"提出—评分—迭代"循环挖掘 13…