解读
2626 篇 · 选题榜 / 深度解读 / 科普 / 综述 / 视频脚本（学术推广产出）
后训练 LLM 别再"瞎卷"——2026 这篇论文教 RL 工程师用 verifier 当"教练"，让小模型也能"刷难题"
如果你们团队正在做 LLM 后训练（posttraining / RLHF / RLAIF / 蒸馏 / GRPO 变体）——让 Qwen30.6B、Qwen31.7B 这种小模型去刷 code / math 任务——你大概率会遇到一个让人抓狂的现象：模型在前几次训练时 pass@k 涨得很好，但到了训练中后期就开始左…
调 RAG 别再盲搜 · Agentic AutoRAG · 2610-08452 · 短视频脚本镜像
(开场 04 秒)调 RAG 是组合优化。今天拆一个把它从盲搜换成对话式调优的论文。 (第一段 416 秒)Agentic AutoRAG,论文全名 RAG Pipeline Optimization through ReasoningDriven Agents。作者 Lasse B. Strand,10 月 6 日 …
视频选题榜 2026-10-08
· Bootstrapping Agent Memory from SelfGenerated Tasks · Agent 靠自博弈生成任务并自验证规则，冷启动记忆不必从人写指南开始 · round=R1 · Agentic AutoRAG: RAG Pipeline Optimization through Reas…
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…
2609.30216 · 小红书推广卡片文案
1. 数字钩子版：7 天 43,750 stars、2,170 个项目 —— arXiv 2609.30216 第一次给「决策模型爆款」做可量化切片 2. 类比版：相当于 AI 模型界的「用户调研报告」 —— arXiv 2609.30216 用 GPT6 双盲标注揭穿 43,750 stars 的真相 3. 反直觉版…
2510.16558 · 小红书推广卡片文案
1. 数字钩子版：扫了 67,057 个 AI 工具插件 —— arXiv 2510.16558 发现 833 个有代码漏洞、18 个「描述本身就带毒」 2. 类比版：相当于 AI 工具界的「USBC 接口」被安插了间谍 —— arXiv 2510.16558 第一次给 MCP 生态做横切面体检 3. 反直觉版：LLM…
一款 AI 模型发布 7 天后,GitHub 上发生了什么?——一篇 2026 论文用 2,170 个项目告诉你答案
2026 年 9 月 15 日,一家叫 TypeSafe AI 的公司发布了一个叫 Jev 的快速决策模型(走"零样本能力 + 一次前向决策"路线,定位介于传统监督分类器和 LLM 之间)。7 天后,GitHub 上多了 1,865 个新仓库、305 个已有项目集成、43,750 stars。听起来是个"爆款叙事"对吧…
你公司刚装上的「AI 工具插件」,可能是别人安插的「间谍」——一篇 DSN 2026 论文,第一次把这件事的全貌摆到桌面上
MCP(全称 Model Context Protocol,你可以把它想成"AI 世界的 USBC 接口")这两年被吹成"Agent 时代的统一标准",Claude Desktop、Cursor、Cline、OpenAI 工具链全都接进来了。但 2026 年 DSN 顶会这篇论文(arXiv 2510.16558)做了…
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…
你以为 AI 数学竞赛拿了金牌就是"真懂数学"——2026 这篇论文告诉你：它可能只是"算得准"而已
如果你是做 AI 数学 / AI 推理 / AI 教育的产品经理，你大概率在朋友圈看过这种标题： "DeepSeekMath 拿下 AIME 84.3%！国产数学 AI 又一次吊打 GPT4！" 你点开模型 demo，看到模型一步一步写出漂亮的解题路径，最后得出正确答案。你截图发到团队群里，老板转给你一句："咱们能不能…
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…
主题综述 · llm-infra（2026-10-05 · v3 重写覆盖 v2）
v1 → v2 → v3 重写说明： v1（1005 21:09 CST）5 项严重违规：verifiability 沿用 102 v1 / 立标池 6 件 ★★~★★★★★ 误立 / 4 件商业事件进立标池 / §四 凑数 / §1 事件堆叠。v1 已备份为 20261005llminfra.md.v1bak2026…
主题综述 · evaluation（2026-10-07）
本棒 netnew = 4 件（AgencyBench 1Mtoken 真实世界 Agent 评测 + JIL Attack 调度安全形式化 + Selection vs Extraction 预注册负面 + LMBuild 邻接预备 · 主分类 NETnew = 1、邻接/副 NETnew = 3 · 沿用 R96 …
AI 自主运营一家公司，靠"刷题数据"是不够的——2026 这篇论文给"enterprise AGI 训练数据"装了个新发动机
如果未来真的会出现「一家能自我运营的公司（a company that runs itself）」——由多个 AI Agent 当 CEO、当运营、当营销、当财务——这些 Agent 是怎么被训练出来的？ 2026 年 10 月这篇论文（arXiv 2610.05912，MiniCorp）正面回答了一个被工程圈长期回避…
把 AI 塞进业务流程，不是给它"加一节选修课"——2026 斯德哥尔摩大学这篇论文，给所有公司上了一节反常识课
如果你们公司想让 AI 进业务流程——比如让 AI 处理银行的客户入职、医疗的病历摘要、电商的售后分流——大多数团队的做法是"在现有流程末尾加一节 AI 选修课"或者"在流程图里零散插入几个 AI 节点"。斯德哥尔摩大学 Amin Jalali 团队 2026 年 10 月这篇论文（arXiv 2610.06207）直…
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…
视频选题榜 2026-10-07
· UndoBench · Agent 完成率 ≠ 上线资格 · CRSR 46.72% 拆穿 83.54% 完成率假象 · round=R1 · JIL · 长度预测调度器被后缀劫持 · 让请求完成快 1.53 倍 · round=R2 · Towards InParameter Memory Augmentatio…
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…
主题综述 · Agent（2026-10-07）
1. 字数 CJK：实际 3,995 ≤ 4,000 任务上限（反思棒硬上限 3,900 标注不达标 ⚠）✅ 2. ⚠️ 密度：13 + 4 = 17 处 ≥ 10 ✅ 3. 反方 v2 三段式：§3.1–§3.4 = 4/4 ✅ 4. 立标池 4 件套：4/4 ✅ 5. §五 合流密度：7/7 ✅ 6. §3.4 法…