解读
1098 篇 · 选题榜 / 深度解读 / 科普 / 综述 / 视频脚本（学术推广产出）
Metis：把记忆能力原生焊进 Foundation Model
Metis 提出「Memory Foundation Model」：把 agent 的「持久、可演化的记忆状态」从外挂向量库搬进 backbone 内部，并配套一套无梯度的「原生记忆程序」，让 LLM 在推理时通过标准前向计算自主读写记忆——是 agent 记忆能力「从外挂走向内置」的一次系统化尝试。 过去几年，fou…
Memory for Large Language Models（大语言模型的记忆机制综述）
这篇综述把 LLM 中"记忆"这一概念从隐式的计算副产品，重新定位为一类可显式、可控制的架构维度，并提出一套以"表示—更新—持久性"三轴为基础的统一分类法，把碎片化的瞬态注意力、循环状态、参数高效适配与可扩展查找等机制梳理进同一张地图；作者随后在四机制（writing / routing / state transit…
KAMR：基于知识对齐多跳检索的接地生成
KAMR 提出一种两阶段（先锚点全局检索、再沿图局部展开）的图基多跳检索器，通过区分"被查询强约束的锚点三元组"与"弱对齐但结构上相连的桥接三元组"，并以部分对齐数据集 + 双层对比学习解决多跳 QA 训练中查询—三元组对齐监督缺失的问题，在 4 个基准、3 个 LLM backbone、14 个基线上一致提升多跳检索…
面向对话式 AI Agent 的图原生双时态记忆存储
作者 Alp Niksarli 提出一种Agent 本地（agentlocal）的 Neo4j 属性图记忆存储，配备 HNSW 向量索引与完整双时态（bitemporal）数据模型——每条记忆以"不可变 identity 节点 + 版本化 content 节点（携带 valid time 与 transaction t…
MindForge：用 Source-Free 程序合成教小模型走通软件工程全生命周期
MindForge 提出了一套「把开源 CLI 程序改造成只暴露可执行档与文档的 sourcefree 训练环境」的自动流水线，并用 GLM5.2 作为教师 agent 采样 fromscratch 程序合成轨迹，蒸馏到 Qwen3.627B 后在 ProgramBench 上把平均测试通过率从 37.98% 提升到 …
Voice Memory：把「领域知识」从 ASR 模型里抽到一个可审计的 memory.md 里
Voice Memory 把 agentic ASR 的「learned skill」从模型权重里剥离到一个 perdomain 的 memory.md 文件中：流式阶段由一个冻结 corrector 读 memory 决定是否改写 1best，异步阶段由一个 scoregated optimizer 在严格不降分的前…
πR²：让大骨干 Flow Policy 同时做到反应式 + 实时
πR² 在 actionchunking flow policy 之上引入「快 / 慢双通道条件 + 延迟自适应的 latent inpainting 调度」，把 inflight action 当作 inpainting 条件、单步去噪即可发射，让 GR00TN1.7 在 xArm6+XHand 真实平台上以约 25…
SpecFirst：将行为规约获取作为基于 Agent 从零程序合成中的一等步骤
SpecFirst 把从零做程序（"白板合成"）拆成两个 Agent 阶段——先用"规约 Agent"反复探测黑盒二进制，结合文档产生一份结构化行为规约，再交给"代码 Agent"按规约实现；在 ProgramBench 200 个实例、四个模型（两族、横跨一个数量级能力）上，把测试通过率提升 6.9%–21.3%，二…
CADENCE：通过 Coverage-Adaptive On-Policy 蒸馏弥合推理差距
CADENCE 提出一套覆盖 coldstart、coverage、reward 三类失败模式的 onpolicy 蒸馏框架，用 DRIFT 机制在 pertoken 层面做 forwardKL 与 reverseKL 的凸混合，并叠加 COVA / FTB / CCD / LAP / EMR / BSD 六项修正，使…
Beyond Semantic Organization：MAGE——将记忆重构为执行状态管理
MAGE 将 Agent 的记忆从「语义相似度检索」转变为「分层执行状态树管理」，通过 Grow/Compress/Maintain/Revise 四个耦合操作，在保留完整轨迹的同时将上下文增长速率从线性压到对数级，最终在 MemoryArena 上将任务成功率提升 7.8–20.4 个百分点，Token 消耗降低 5…
MRAgent：记忆是被重构而非被检索的——面向 LLM Agent 的图记忆框架
MRAgent（ICML 2026 录用）提出将 Agent 记忆从「静态检索然后推理」范式转变为「联想图 + 主动重构」机制：记忆被组织为 CueTagContent 异构图，Agent 在推理过程中动态探索和剪枝记忆路径，实现按需重构而非按相似度拉取，在 LoCoMo 和 LongMemEval 上相对最强基线提升…
π-Bench：长周期工作流中的主动式个人助手 Agent 评测
πBench 是首个针对个人助手 Agent「主动性」（Proactivity）的系统性评测基准，包含 100 个跨 5 个领域画像的多轮任务、524 个隐藏意图和 187 个工具；实验揭示当前最强模型（GPT5.4、Claude 4.6 Opus 等）在任务完成度（COMP）与主动性（PROC）上严重解耦——两者几乎…
再看 Speculative Decoding 中的有损验证：机制、权衡与失败模式
Speculative Decoding（SD）里那批花式「有损验证」方法看似百花齐放，本质上只分两族——截断式（truncation）与协作式（collaborative）；其中截断式长期被拿错误基线衡量因而虚高，协作式的关键则在控制 draft 概率对 target 概率的「过冲」（overshoot），一旦过冲失…
Generative Adversarial Networks
GAN 通过让生成器（Generator）和判别器（Discriminator）以对抗方式相互博弈，首次实现了完全依赖神经网络和无监督学习的生成式建模，成为图像、视频、语音等领域生成式 AI 的技术基石。 在 GAN 出现之前，生成式模型主要依赖显式概率密度估计：要么用近似变分推断（VAE），要么用马尔可夫链采样（MC…
使用向量量化压缩深度卷积网络
通过向量量化（Vector Quantization，VQ）——包括 KMeans 聚类和乘积量化（Product Quantization，PQ）——对 CNN 权重进行压缩，在 ImageNet 1000 类分类任务上实现了 1624 倍压缩率，精度损失仅约 1%。 深度 CNN 虽然精度高，但模型体积巨大。201…
Flamingo：面向少样本学习的视觉语言模型
Flamingo 通过创新性的 Gated CrossAttention 机制，将冻结的预训练视觉编码器与冻结的语言模型连接起来，使单个模型在无需任何任务微调的情况下，仅凭少量示例就能在多种图文任务上达到 SOTA 水平。 在 Flamingo 之前，多模态视觉语言模型（VLM）普遍存在两个痛点： 1. 任务专属性：大…
LLaMA：开放、高效的基础语言模型
Meta AI 开源了参数规模从 7B 到 65B 的 LLaMA 系列模型，核心结论是：在高达 1.4 万亿 token 的公开数据集上训练之后，130 亿参数的 LLaMA13B 可以在大多数 benchmark 上超越拥有 1750 亿参数的 GPT3（0shot 设置），而 650 亿参数的 LLaMA65B …
Self-Consistency：自洽性解码策略提升语言模型的思维链推理
SelfConsistency 是一种基于"多数投票"的后处理解码策略：让 LLM 生成多条不同的推理路径，再选择出现频率最高的答案作为最终输出。在不改变模型本身、不需要任何额外训练的情况下，该方法将思维链提示（ChainofThought Prompting）的效果提升了 17.9%（GSM8K）到 3.9%（ARC…
See2Think：多模态模型真的使用了中间视觉状态吗？
多模态大模型在推理中生成草图、标注、中间图像——但它们真的依赖这些视觉状态吗？See2Think 实验答案是：高度依赖，但「faithful rendering」是最大瓶颈；且有了高反馈利用率也不一定转化为精度提升。 多模态 LLM（如 GPT4V、Gemini、QwenVL 等）在推理时越来越多地使用中间视觉状态（i…
基于文件系统的 LLM 智能体记忆：组织、演进与可持续性
当前 LLM 智能体普遍用「把 markdown 文件塞进文件夹」作为长期记忆，但实验证明：这种默认方式在记忆不断增长时组织会退化、没有最强管理 Agent 就无法维持收益——而且换一套工具集对记忆结构的影响几乎和换模型一样大。 现实部署的 LLM 智能体越来越依赖文件系统记忆（filesystembased memo…
Deep Research 可靠吗？误导性知识会诱发错误结论
只需在 Deep Research 检索结果中插入一篇「看起来很专业但事实错误」的文档，主流 Deep Research 系统就有超过 50% 的概率把错误结论写进最终报告——而它们自己有能力判断这是误导信息。 Deep Research 智能体（如 DeerFlow、WebThinker、Gemini Deep Re…
ShadowDancer：从视频与"阴影"中学习统一动力学表示，教视频世界模型任意动作
本文提出 ShadowDancer，用"影子配对（shadow pairs）"——一段动力学在两种外观独立重采样下的视频对——训练模型"从一个影子预测另一个影子"，从而学到剥离外观、只保留动作的统一动力学表示；任何一段演示视频都能变成可复用的动作资产，在新场景里无动作标签、无运动估计器、无需微调即可做帧级控制；在多种动…
Fairness Pruning：通过差异激活定位 GLU-MLP 层中的人口统计偏差
Fairness Pruning 提出一种"在推理阶段采集激活、用最小对比 prompt 对筛选差异响应神经元、再通过定向置零改变模型对人口统计属性响应"的轻量级结构性干预方法，在 ≤3B 模型上验证了偏差处理电路与通用能力电路可解耦（dissociable），并指出当前 BiasScore 缺乏符号信息会带来双向偏差…
Σ-Mem：基于 LLM 的多智能体系统的在线可靠性记忆
本文提出 ΣMem（SigmaMem），一种面向多智能体系统的在线可靠性记忆：它不存储"交互内容"，而是用两个实对称矩阵（每个对等方的历史能力证据 + 对等方两两之间的关系证据）显式建模"哪个 peer 在什么条件下可信"，并用 Weyl 不等式给出每一步更新的谱变化上界，保证在线更新稳定、可叠加；同一个记忆可通过统一…
DualG-MRAG：面向多模态 RAG 的宏观推理与微观匹配解耦
DualGMRAG 提出双层图解耦架构，将多跳多模态 RAG 中的全局拓扑路由（Macro Graph）与细粒度证据匹配（Micro Graph）分开，并通过 GNN Retriever 驱动的查询传导消息传递实现动态关联传播，在证据召回率和复杂问答准确率上均超越基线。 MMRAG（Multimodal Retriev…
CoMem：利用 Transformer 深度分工实现无界上下文记忆
CoMem（Comprehension Memory）发现 Transformer 深度并非均匀使用——中低层负责语义理解，上层专化为预测——并将此分工规律转化为一种无界上下文记忆机制：对每个上下文 chunk 仅通过中间层写入，检索固定数量的缓存残差状态，然后在压缩包上重算上层，达成与存储长度无关的固定读取计算和内存…
LEDGERMIND：基于结构化证据账本的可溯源约束多模态 Agent 推理
LEDGERMIND 将多模态 Agent 轨迹重新建模为可溯源约束的状态机，通过 Structured Evidence Ledger（结构化证据账本）将工具输出归一化，使下游推理声明必须引用账本中的有效条目，从而在实体和数值层面强制溯源，并在四种常见失败模式上取得显著改善。 当前多模态 Agent（VQA 场景）日…
OmniScope：面向全模态大语言模型的模态解耦 Token 压缩
OmniScope 是一个免训练的全模态 LLM token 压缩框架，用「查询共享 + 显著性解耦」替代「单模态单向引导」，在激进压缩（25% token 保留率）下最多实现 3.53× prefill 加速、15% GPU 显存下降，平均准确率仅掉 0.35 个百分点。 全模态大语言模型（OmniLLM，如 Qwe…
GLM-RAG：图语言模型驱动的知识图谱检索增强生成
GLMRAG 引入 Graph Language Model（GLM）作为知识图谱 RAG 的 Retriever，在跨域迁移能力和多跳推理效果上超越传统 GNNbased 和向量检索方法，在两个多跳 Benchmark 上达到 SOTA，且随参数规模和子图覆盖增加展现出良好的 scaling 特性。 知识图谱 RAG…
ConMem：用贡献感知记忆重构长程工业巡检日志 RAG
ConMem 针对钢铁设备长程巡检场景，提出了基于 Shapley 值的贡献感知记忆框架，将历史日志中每个证据单元的诊断价值量化，在受限记忆预算下优先保留高价值弱信号，在真实数据集上实现 76.0% QA 准确率，并将 LLM 输入 token 数减少 88.2%、响应时间降低 86.6%。 工业巡检（尤其是钢铁设备）…