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）
DiSCO：在提示层面做分布引导的对比防御，保护文本到图像生成
DiSCO 是一种严格黑盒、零样本、即插即用的提示层防御方法，专门解决"语言上无害但因模型学到的数据分布仍生成有害图像"的良性对抗问题——在 I2P benchmark 上对未防御模型降低 ASR 37.7%，对已防御模型再降 25.13%，同时保住语义一致性与图像连贯性。 文本到图像（T2I）模型的安全防御，长期被两…
沿成功之流反推 Agent 失败：OAT 的无监督失效归因方法
论文提出 OAT（Oneclass Anomaly detection on Trajectories），把 LLM Agent 失败归因重新定义为「只学成功轨迹、用动力学偏离度判失败步」的单类异常检测问题：训练只需 100 条成功轨迹、推理比 prompt 基线快 200–5000×，indomain / OOD 上…
PTXBench：用架构特定 PTX 衡量并提升 LLM 的 GPU Kernel 优化能力
PTXBench 用一组在 H100 / B200 上跑得动的真实 GPU kernel 任务（含 GEMM 和 attention 正反向），搭出一个可审计、可度量、可训练的测试床，并诚实告诉业界：LLM 在"写出架构特定 PTX"这件事上，目前仍没有稳定 SOTA——这是该方向第一次系统的体检报告。 LLM 写 C…
LakeQuest：面向数据湖根植式问答的三领域基准
论文提出 LakeQuest——一个人工校验、跨 AI/ML 元数据 / 零售银行 / 多模态生物医药 三领域的 9,846 条根植式问答基准，每个问题都附带 modalityaware 的证据指针，专门用来评估「在真实数据湖上做端到端检索 + 综合」全流程；并通过基线实验证明：高质量检索并不保证正确推理，现代 RAG…
PalmClaw：手机端原生在设备运行的 Agent 框架
论文提出 PalmClaw——一个完全运行在手机端的开源 Agent 框架，把 session、memory、skill、tool 与 agent loop 都搬到本地：它把手机能力以「device tool」形式暴露给 LLM，每个动作都带显式参数与结构化结果、清晰执行边界；实验显示相对最强基线取得 +11.5% 相…
揭秘 Agent Skill：为什么它们有效——直到失效
Agent Skill 不是在"注入新知识"，而是在"把噪声轨迹压缩成稳定执行的过程性锚点"——它有效是结构性的，但这个结构的脆弱性同样决定了它何时会失效。 LLM agent 框架过去一年普遍引入"Skill"机制：把工具调用模式、错误恢复策略、工作流模板打包成结构化知识包，让模型在推理时按需加载，以期提升任务成功率…
LATO.2：基于顶点流与拓扑流分解的 3D 网格生成
LATO.2 把 3D 网格生成拆成两阶段：先学"顶点几何流（vertex flow）"，再学"以已实现顶点为条件的拓扑流（connectivity flow）"——两阶段都锚定同一个粗体素支架（coarse voxel scaffold），由两套专用 VAE 把离散拓扑也嵌入到连续潜空间。论文称在几何保真度与连通性质…
Evidence-Backed Video Question Answering：用像素级证据回答视频问题
论文提出 EVQA（EvidenceBacked Video QA） 这一新任务：模型必须同时输出"语义答案 + 像素级时空证据（时间片段 + 稠密、跟踪的物体 masklet）"；配套发布首个人工验证的双重 grounding benchmark STEvidence，以及 16 万规模、衔接高层推理与细粒度 gro…
EgoSteer：从第一人称视频出发的可控制灵巧操作系统
EgoSteer 是一个全栈（fullstack）系统：用 EgoSmith 数据管线把野外第一人称（egocentric）人类视频清洗成 9600 小时高质量预训练数据，配套一套遥操 + 人在回路纠错的统一机器人栈，再训练一个带世界模型增强的 VLA（VisionLanguageAction）——EgoSteer。它…
MET：理论支撑且文化感知的多语言道德推理
论文给出三件套：MCLASH 多语言道德决策 benchmark（覆盖文化情境化的道德直觉与社会规范）、MET（Multilingual Ethics with Theorygrounded reasoning）两步提示法（先按情境/文化选"理论依据"，再用用户母语推理）、METD 自蒸馏训练（无需外部监督即可加强第二…
Boogu-Image-0.1: Boosting Open-Source Unified Multimodal Understanding and Generation
BooguImage0.1 是一个完全开源的统一多模态图文模型家族（Base / Turbo / Edit / EditTurbo 四款变体），在约 40 万美元的受限算力预算下，通过系统性提升模型理解能力、数据质量与训练流程，并引入 Agent 化的推理时缩放（agentic inferencetime scalin…
下一代云原生内存键值存储：从 Redis 到 Valkey 的全景评测
⚠️ 重要前置事实：本文 v1 由第一作者撤回（arXiv:2510.19805v2 已 withdrawn），原作者声明"未被告知也未同意发表，且报告的数值结果存在多处重大错误，相关结论不被基准数据支持"。本文解读基于公开 v1 摘要与 TLDR，作为「该问题域的存在性证明」与「评测方法学参考」使用，不应直接引用其具…
CATS：内存受限设备上的自投机级联验证推理加速
论文全名：Cascaded Adaptive Tree Speculation for MemoryLimited LLM Inference Acceleration（arXiv:2605.11186v1，20260511，作者 Yuning Han 等）。本研究面向边缘设备上 LLM 自回归解码加速。 提出 CAT…
ByteHouse：字节跳动的云原生实时多模态数据仓库
论文全名：ByteDance's CloudNative Data Warehouse for RealTime Multimodal Data Analytics（arXiv:2602.08226v2，20260209 第一版，作者 Yuxing Han 等字节跳动 ByteHouse 团队）。本文是字节跳动内部数据…
Experience as a Compass: Multi-agent RAG with Evolving Orchestration and Agent Prompts
HERA 是一个分层演化框架，通过全局编排拓扑优化与局部角色感知 Prompt 进化双层协同，让多 Agent RAG 系统在多跳知识推理任务上平均提升 38.69%，同时实现 emergent selforganization——稀疏探索自发收敛为紧凑高效的 Agent 网络。 多 Agent RAG（Multiag…
Motion4Motion: Motion Transfer Across Subjects at Inference
Motion4Motion（M4M）是一个免训练（trainingfree）的跨主体运动迁移框架，彻底抛弃了传统的基于预定义人体骨骼结构的运动迁移范式，改为直接对视频中角色的 motion flow（运动流）进行建模，从而在推理阶段实现从人类到动物、从真人到卡通、从一种形态到任意物种的高质量运动迁移，无需任何骨架标注或…
VideoRAE：用冻结视频基础模型做生成式表征自编码器
VideoRAE 提出 Representation AutoEncoder 范式：把冻结的视频基础模型（VFM，如 VJEPA 2、VideoMAEv2）当成「教师特征源」，用 1D selfattention projector 压缩多尺度层级特征得到紧凑 latent，再以 localglobal 表征对齐替代传…
RAGU：把 7B 模型训成 GraphRAG 引擎核心，单卡可跑的开源多步管线
RAGU 是一个开源、模块化、pip install 可装的 GraphRAG 引擎，通过把"抽取"与"融合"解耦的两阶段管线 + 用 7B 的 MenoLite0.1 替代传统 32B+ 抽取器，在 GraphRAGBench (Medical) 上把 evidence recall 拉到 0.84（SOTA 对照 …
How AI Agents Are Restructuring the Software Paradigm
本文从软件工程学科视角，论证 AI Agent 的出现是对"软件"本身的根本性重构——从"代码是决策逻辑的载体"到"Agent 本身就是软件，决策逻辑在运行时生成"，并提出 Agentic Engineering 作为扩展软件工程学科的新范式。 过去半个世纪，软件工程建立在同一套基础假设上：人类工程师分解问题 → 将决…
AgenticRAG: Agentic Retrieval for Enterprise Knowledge Bases
AgenticRAG 在现有企业搜索基础设施之上叠加一层轻量级 Agent harness，为推理型 LLM 配备 search / find / open / summarize 工具，实现迭代式检索、跨文档导航与证据自主分析，在 FinanceBench 上达到 92% 正确率——比传统 RAG 高出 3.8 倍，…
MathForm：用知识检索与验证驱动迭代，把数学自动形式化从「翻译」拉到「可用」
MathForm 把「自动形式化（autoformalization）」从一个靠模型死记 Mathlib 的「翻译活」重做成一条「检索 + 编译器反馈 + 语义一致性反馈」驱动的数据训练流水线，并在 6 个 Lean 4 基准上用 8B 模型打平乃至超过多个专用 32B 形式化器。 数学自动形式化长期有两个隐性失败模式…
Personalized Auto-Research：面向真正的 AI 协作科学家的个性化研究框架
当前 SOTA AI coscientist 系统以"研究者无关"的方式优化 novelty、validity 或 reviewer score，忽略了科研工作的本质：什么算创新、价值或可行，取决于具体研究者。Personalized AutoResearch 首次提出将研究者个体建模为研究过程的核心条件，通过"图锚定…
Agent Lightning v1.0：把 Agent Harness 拉进 RL，把训练和部署解耦
Agent Lightning v1.0 提出并实现「harnessed agentic RL」——把任意已经部署的 Agent Harness 当成「环境」，让 RL 训练器只观察 LLM 请求响应对，由此把训练和部署彻底解耦；并以约 3,500 行代码实现完整框架，在 6K 样本上把 Qwen3.59B 在 SWE…
Embodied-Navigator（TAMP-Nav）：把 VLM 拉回 2D 视觉舒适区，用稀疏推理 + 两层对齐做高效具身导航
TAMPNav（EmbodiedNavigator）把具身导航拆成四个动作——Point（2D 像素 → 3D 坐标）、Think（按需触发 ChainofThought）、Memorize（关键节点保留 + 其余压缩为时空指示）、Align（GRPO 上叠加过程奖励做两层对齐），让 VLM 在自己的 2D 视觉先验里…
大语言模型是否在玩「六度分隔」？长上下文流形的拓扑压缩测量
这篇论文把 transformer 隐状态的相似度矩阵稀疏化成无向图，发现深层推理层在 long context 上天然构成 SmallWorld 网络——任意两个语义锚点之间最多 6 跳可达，并把这个拓扑度量当作 RAG 幻觉的零样本检测器：事实正确的生成与源上下文保持 ≈3 跳的结构连通，幻觉则表现为严重的拓扑塌缩…
Registers 对像素空间 Diffusion Transformer 至关重要
在像素空间（pixelspace）训练的 Diffusion Transformer（DiT）虽然不像 ViT 那样出现 patchtoken 高范数异常值，但额外引入 register tokens 仍能显著改善生成质量，并且在像素空间 DiT 中的收益明显大于潜空间 DiT，由此本文还提出一种新推理技巧——Regi…
从受控环境到真实世界：面向实际场景的渗透测试 Agent 评估
针对 AI 渗透测试 Agent 现有基准过度依赖 CTF/RCE 等"任务完成"指标、难以反映真实目标的复杂性这一问题，本文提出 ethiBench 评估协议——把评估重心从"是否完成子任务"转到"是否真正发现并验证漏洞"，并配套结构化真值 + LLM 语义匹配、连续真值维护、累积评估、效率指标与精简子集等机制，目标…
When Bots Join the Team：Bot 采纳与开源软件项目的制度性结构
通过对 2,991 个 GitHub 项目在引入第一个 bot 前后两年的事件级数据进行因果识别风格的差分分析，本文发现 bot 采纳与"重复协作增加、特定 bot 在讨论中被点名增多、冲突级联减少、产出更具区分度"四种社区级变化在时间上精准共变，并据此论证：可预测、规则驱动的 bot 完全可以成为开源社区"制度性基础…
代理探索与可复用引导：一种通过代理引导更新信号实现的模块化 LLM 后训练范式
PUST 通过引入轻量级代理模型将「探索高奖励行为」与「策略对齐」解耦，让更新信号可以异步生成、缓存并跨模型复用，把 LLM 后训练从昂贵的在线优化变成模块化的离线工程。 Posttraining（后训练）是 LLM 落地绕不开的环节——无论是数学推理、代码生成还是领域适配，都需要对基础模型做微调。但现有方法存在根本性…
AdvancedMathBench：面向高等数学证明生成与验证的基准套件
本文提出 AdvancedMathBench，一个聚焦"高等数学"（本科高年级到博士资格考难度）的双轨基准：一轨 ProverBench 测"证得出"，另一轨 VerifierBench 测"判得对"，并配套一个与人类专家高一致性的自动验证 pipeline。实验显示前沿模型 GPT5.5xhigh 在证明生成上 UG…