解读
1756 篇 · 选题榜 / 深度解读 / 科普 / 综述 / 视频脚本（学术推广产出）
NAPE:用「下一段嵌入预测」做极简自监督音频学习
NAPE(NextAudioPatchEmbedding prediction)把 LLM 时代「下一 token / 下一 embedding 预测」的因果范式搬到 logmel 频谱上:只用一个因果 Transformer + causal mask + stopgradient,无重建解码器、无声学 tokeni…
超越记忆：面向长寿 AI Agent 的事务性连续性内核
Continuity Kernel（CK）将 AI Agent 的长期状态管理从"存储保留"升级为"带权限验证的正式激活协议"，以分支头谱系代替版本号、以原子事务代替直接覆写，为跨越多年运行的 Agent 提供 Persistent Cognitive Identity（PCI）基础设施。 当一个 AI Agent 持…
基于 Skill-Harness 演化的自演化具身智能体
SHAPER 提出免训练（trainfree）的具身智能体自适应框架：冻结 VLA 模型的权重参数，通过目标环境 rollouts 演化可复用的文本 skill 与 contextcode harness，让同一个冻结模型既能做规划器（planner）又能做优化器（optimizer）。 将基础模型部署到具身智能体时，…
利用检索增强 LLM 构建用于复杂系统诊断的动态主逻辑知识图谱
KGDML 框架将 RAG 与 LLM 结合，实现从技术文档自动构建动态主逻辑（Dynamic Master Logic）知识图谱，使 LLM 能对核电站级复杂系统进行可追溯的诊断推理——包括故障传播方向推断、安全性评估和依赖追溯。 Complex engineered systems（核电站、飞机引擎、工业控制系统）…
量化 ASR 模型对公开基准的"过拟合"：从行为探针到因果干预
自检：机制 1 段 + 工程 2 段（行为探针 + 因果干预）+ ⚠️ 数字核验 3 处 + 反方 1 段 + 跨主线合流节点 1（v33 评测治理）。 公开 ASR（Automatic Speech Recognition，自动语音识别）基准（LibriSpeech / CommonVoice / GigaSpeec…
Chain-of-Experience:让 LLM 在推理时持续从经验中改进
ChainofExperience（CoE）把"LLM 在测试时通过多轮交互累积经验、形成超越 zeroshot 的持续改进回路"作为一类正式问题建模，并用 8 个主流 LLM（含 GPT5 / Gemini2.5 Pro / Claude4.5 Sonnet）在数学、编程、知识三类任务上验证：仅靠自反馈就能稳定超越无…
SWE-bench Science:科学软件工程是否仍是 Coding Agents 的硬骨头
SWEbench Science 用 119 个真实科学软件工程任务（来自 98 个 GitHub 仓库、跨 20 个科学领域）建立仓库级评测基准，结果显示最强编码 Agent（Claude Code + Opus5 max）pass@1 也低于 50%；同时通过配对消融证明：科学知识并不总是正面增益——对齐良好的领域…
Self-Improvements in Modern Agentic Systems: A Survey
这篇 97 页综述将现代具备自我改进能力的 Agent 建模为"基础模型 + 运行支撑层"（prompt / memory / tools / 控制逻辑）的耦合配置，把 selfimprovement 形式化为一个自我驱动的更新算子，可作用于模型权重或 scaffold 组件，为理解、设计和评测 Agent 自我改进系…
KeyFrame-Compass：迈向关键帧条件视频生成的综合评估
KeyFrameCompass 是首个面向"关键帧条件视频生成（keyframeconditioned video generation）"的综合评测基准与自动化打分框架，将关键帧执行拆成 6 个互补指标，并用证据驱动的 MLLM 判定整体视频质量，揭示了当前 9 个主流系统在"忠实执行关键帧"与"自然视频合成"之间存…
DeepLoop：循环 Transformer 的深度扩展
DeepLoop 给"循环 Transformer（Looped Transformer）"提供了一套与参数访问次数对齐的残差缩放规则（residual scaling rule），通过一个一阶扰动上界与"访问对齐系数 κ_R"推导得到：当循环次数 N 增加时，PostLN DeepNorm 的指数必须从 1/4 上升…
Function-Aware Fill-in-the-Middle：面向 Coding Agent 基础模型的中期训练
本文提出 FunctionAware FillintheMiddle（FIM） 作为 Coding Agent 基础模型的中期训练（midtraining） 自监督目标：通过程序依赖图分析与"复杂度可推断性"双重标准筛选可遮蔽函数，让 Qwen2.5CoderInstruct（7B/14B）与 Qwen38B 在 SW…
SCAR：面向高效上下文扩展的语义连续性感知检索
SCAR（Semantic ContinuityAware Retrieval）是一种自适应相邻分块扩展策略：它把"是否把邻居分块并入上下文"这一问题，转化为一个相对查询相关性的决策——只有当邻居与查询的相关性接近当前最相关分块时才扩展，从而在边界碎片化场景下用更少的分块恢复更高的召回率，并且同一条规则无需重训就能在不…
Islamic LLMs：从知识获取到可信、抗幻觉 AI
这是一篇针对 Islamic LLM 与可信 Islamic AI 的综述论文，核心论点是：阿拉伯语流利度 ≠ Islamic AI 能力——构建可靠的伊斯兰领域 LLM 需要权威语料、检索与验证模块、引用感知生成、madhhabaware 推理、专家评估和面向忠实度/源有效性的基准，并据此提出抗幻觉 Islamic …
SwiftCache：面向多轮对话的高效 LLM Serving（异构 KV Cache 共享）
SwiftCache 是一个协同推理系统：在同一台服务器内，让 KV cache 需求不同的异构 LLM 通过 NVLink 共享彼此闲置的 GPU 显存与带宽，高需求模型把前缀 KV cache 卸载到低需求模型"捐赠"的显存中，避免慢速 PCIe 传输；同时只把"当前活跃层"的 KV cache 留在本地显存，进一…
MuseCPEval：音乐编辑系统的"上下文保留"多面评估框架
首次系统提出"音乐上下文保留（MuseCP）"概念与 MuseCPEval 评估框架，把"编辑过程中哪些音乐面应保持不变"拆为四大类并配以细粒度指标，再通过客观验证 + 人为研究 + 案例研究三路证明其有效性，从而把音乐编辑系统的评估从"改得好不好"推进到"该留的有没有留住"。 音乐编辑系统近年能力飙升：音色迁移、乐器…
MissDiag：KGQA 与 KG-RAG 中不完整知识鲁棒性的诊断式评估
MissDiag 是一个面向 KGQA / KGRAG 的"诊断式"鲁棒性评估框架：它把"删证据后系统表现下降多少"这一聚合指标拆解为"缺失证据的类型 × 被评估系统的响应 × 答案匹配协议的敏感度"三个轴上的归因分析，用结构化缺损算子（typed missingness interventions）对同一 bench…
VA-Judger：从人类偏好反馈学习联合音视频生成的奖励模型
VAJudger 是首个面向联合音视频生成（Joint VideoAudio Generation）的"思维链 + 维度分解"奖励模型：通过 VAPref10K（9K 提示 / 10.3K 细粒度对比）和 VAJudgerBench 两套数据，配合三阶段训练（清晰偏好对 → 近质量对的拒采解释蒸馏 → 维度分解 RL）…
Bounded Agents：多 Agent 系统的委派安全架构
把 Agent 的每一次工具调用放进一条"代理主链（Agentic Principal Chain, APC）"中做六项授权检查，并用组合闭包阻止跨调用的危险组合，让提示注入风险从"模型问题"被重写为"授权架构问题"。 LLM Agent 在一次会话中通常被授予一组静态权限，每个请求被独立放行。然而真实攻击并非单次请求…
When More Cores Hurts: HPC环境中向量数据库扩展悖论
在 HPC 超算集群上对 Qdrant、Milvus、Weaviate 三种 SOTA 向量数据库的规模化评估揭示了一个反直觉的"扩展悖论"：增加核心反而可能降低查询吞吐，从 16 worker 扩展到 256 worker 仅获得 5.46 倍的性能提升，远低于理想的 16 倍线性扩展。 向量数据库（Vector D…
Stratum: Agent 生成流水线的 Rust 高性能运行时
Stratum 是一个统一系统基础设施，将 Agent 生成流水线的执行与规划和推理解耦，通过编译批量流水线为优化执行图并由新型 Rustbased runtime 高效执行，在大规模 MLE Agent 场景下实现最高 16.6 倍加速。 LLM 驱动的机器学习工程（MLE）Agent 已经能够自动生成、验证和优化完…
FROAV: RAG 观察与 Agent 验证的统一框架
FROAV（Framework for RAG Observation and Agent Verification）是一个开源研究平台，通过将可视化工作流编排、多阶段 RAG 流水线、"LLMasaJudge"评估体系与可扩展 Python 集成结合，降低 LLM Agent 研究的门槛——让研究者专注于假设验证和算…
Tangram：为多轮 LLM Serving 解锁非均匀 KV Cache 压缩
Tangram 是一套面向多轮对话场景的 LLM serving 框架，将原本在运行时动态处理的「非均匀 KV Cache 预算」全部提前到调度期静态解析，在不损失精度的前提下端到端吞吐量较全 KV 基线最高提升 2.6×，首次让非均匀 KV Cache 压缩在生产 vLLM 栈中真正可用。 多轮 LLM servin…
MatryoshkaLoRA：用单一训练产出可任意切分的层级化 LoRA 适配器
MatryoshkaLoRA 通过在已有 LoRA adapter 之间插入一个固定的对角矩阵 P 来按比例缩放子秩，让单一训练产出即可在任意子秩下保持精度，无需为每个候选 rank 重训或网格搜索，从根本上终结 LoRA 工程中「设多大 rank」的代价。 LoRA（LowRank Adaptation）已是 LLM…
Securing the Agent：用分层隔离架构终结多租户 RAG / Agent 的「相关性冒充授权」漏洞
《Securing the Agent》一文提出面向多租户企业 RAG / Agentic 系统的分层隔离架构，把策略感知 ingestion、retrievaltime gating、服务端 agentic 编排三类执行点协同起来，首次形式化指出「检索按相关性排序而非授权」是 RAG 在企业场景的根性漏洞，并以开源 …
LabVLA：让 Vision-Language-Action 模型真正进入科学实验室
LabVLA 把 VLA（VisionLanguageAction）模型从"家庭 / 桌面演示数据集"挪到了"科学实验室"这个全新场景：先用仿真数据引擎 RoboGenesis 从原子技能组合出可执行的实验室工作流并筛掉无效 rollout，再用两阶段训练——先 FAST 动作 token 预训练让 Qwen3VL4B…
Attention Residuals：用 softmax attention 替换固定残差，让深层 LLM 的信息聚合更聪明
Attention Residuals（AttnRes）把 Transformer 里"每层都用权重 1 累加上一层输出"的固定 PreNorm 残差，改成"用 softmax attention 在前面所有层的输出上做加权聚合"，从而让深层模型不再被"残差稀释"问题拖垮；它已经作为 dropin 替换集成进 Kimi…
DCD（Domain-Collection-Document）：面向异构语料的层级化 RAG 控制架构
DCD 提出"领域—集合—文档"三层级知识组织 + 多阶段路由：在不修改底层 LLM 的前提下，把异构语料切成可路由的层级结构，先路由到 Domain、再路由到 Collection、最后才落到 Document，让 RAG 的检索和生成范围在每一步都被显式约束，同时配合 smart chunking、hybrid r…
CTIFoundry：面向网络威胁情报的 Agent 原生语料架构
CTIFoundry 把"网络威胁情报（CTI）语料"从「RAG 友好的不透明 chunk 集合」升级为agent 原生语料架构——构建期把 CVE / CWE / CAPEC / ATT&CK 四个权威库的官方交叉引用物化成可遍历的本体图，并对威胁报告做去别名、跨厂商实体对齐；查询期通过 7 个 typed tool…
AsySplat：用「几何-外观非对称」双分支把长序列 3D 高斯泼溅的冗余计算砍到 1/800
AsySplat 把可泛化的 3D Gaussian Splatting（3DGS）长序列新视角合成（NVS）流水线拆成「重几何 / 轻外观」非对称双分支：粗粒度 token 在重参数几何分支里重建几何，少数参数的外观分支在细粒度 token 上抓细节，两者通过双向连接互相引导。结果是在 32view 960P 输入上…
MythraGen：检索 + LoRA 加权融合的「文生艺术图像」两阶段 RAG 框架
MythraGen 是一个面向「文生艺术图像」的检索增强生成（RAG）框架：先用 BLIP2 + FAISS 在 WikiArt 上按 prompt 检索最相似的画作，再用检索结果训练两路 LoRA（流派+风格、艺术家+风格），最后把两路 LoRA 加权融合后注入 Stable Diffusion 进行生成。在 Wik…