解读

LBM 通过将零售客户的交易历史建模为持续性行为画像（Person）与动态产品上下文（Environment）的统一框架，并结合 RAG + 持续预训练 + SFT + RL 全链路训练，使语言模型能够学习并模拟真实消费者的购买决策，在零样本跨零售商迁移场景中持续超越通用大模型。 零售业 customer behavi…

TESSERA v2 完成了迄今最大规模的地球观测（EO）基础模型控制扩展研究（395 次训练，1,024 块 GH200 超算），核心发现是预训练损失几乎无法预测下游性能（|Pearson r| < 0.2），而编码器与数据应协同扩展、投影器保持固定的规则才是计算最优策略；基于此规则训练的 21M 参数蒸馏模型 TE…

ReflectWorldMM 把"持续看世界并基于累积经验推理"的多模态 Agent,拆成「感知前端 + 分层长期记忆 + 即插即用接口」三件套,以「实体」(entity) 而非「帧」为记忆单位组织记忆,从而在六个长视频/终身记忆基准上全部取得最佳准确率,优于强记忆 Agent 和前沿基座模型。 多模态 Agent 看…

RoboTALES 是一个单阶段（singlestage）框架，把「用预训练视频生成模型当世界模型」和「用推理信号去约束它的想象」这两件事在同一轮训练里同时做完：通过 LLM 分层规划器把复杂任务拆成子目标来引导视频模型的「想象」方向，再用一个 VLM 评判器给这些想象的未来打 reward、回过头约束生成器的内部表征…

把 Agent Architecture Search（AAS）从纯文本 Agent 领域迁移到具身 Agent：在自家研发的 AgentCanvas 类型化图运行时之上，由 KDLoop（提议—批评—实验—蒸馏 + 停滞触发的反思）这一代码 Agent 搜索过程，遍历四种具身执行器 × 三种 AAS 变体共 3×4 …

LLM 作为 Agent，无需参数训练，通过「自进化」循环自动构建、验证和淘汰查询改写规则，显著提升 BM25 在中文法律案例检索上的效果，揭示了 LLM 的「实验结果利用能力」和「规则消除内在知识」是自进化的两大核心驱动力。 法律案例检索长期面临两个挑战：一是法律语言高度复杂，专业术语多、长尾表述多，查询与案例之间的…

MedEasy 是一个面向临床问诊训练的多 Agent 系统，通过「患者对话→临床操作→决策提交→文档记录→反馈」的五阶段工作流，让医学生在虚拟环境中完成逼真的病例练习，其设计研究揭示了 AI 辅助职业训练系统的核心原则：用案例特定标准连接情境化实践。 临床问诊是医学教育的核心技能，但传统训练方式面临三重困境： 1. …

Trustworthy SelfComposable BDaaS 框架将传统 AutoML 的能力边界扩展至完整的数据工程→模型训练→部署→漂移监控全生命周期，通过 LLM 编排的专门化 MultiAgent 协作，在保持竞争力的预测性能同时，实现了工作流可完成性、制品可追溯性、部署就绪度、可复现性和漂移恢复能力的系统…

针对 LLM 医疗 Agent 的两类高危失效（过早诊断交接 / 静默临床幻觉），论文提出多 Agent 框架，把 "LLMasajudge" 路由换成确定性编排约束：NeuroSymbolic 状态闸强制 OLDCARTS 临床问诊协议的全部维度（Onset/Location/Duration/Character/A…

Paxos 与 Raft 在核心机制上几乎等价，唯一的真实差异在于 leader election 阶段是否允许 leader 在选举过程中补齐日志；Raft 的"易懂"更多来自论文表述的清晰度，而非算法本身不可化约的简洁性。 分布式共识是构建容错、强一致分布式系统的基础原语，自 Lamport 提出 Paxos 以来…

Matterport3D 是首个大规模建筑级别 RGBD 室内数据集，包含 90 个真实场景的 10,800 个全景视图和 194,400 张深度图，提供了精确全局对齐、语义分割标注和多种 2D/3D 任务基准，直接催生了室内场景理解这一计算机视觉重要子领域。 2017 年前，室内 RGBD 数据集的普遍局限： | 数…

这篇 2016 年的工作把深度 Q 网络（DQN）+ 经验回放搬进交通信号控制场景，提出一种新的离散交通状态编码（Discrete Traffic State Encoding, DTSE）作为卷积网络的输入，并在 SUMO 仿真器上把平均累计延误降低 82%、平均队列长度降低 66%、平均行程时间降低 20%。它是把…

RAG 将外部知识检索与 LLM 生成结合，已成为企业知识管理、医疗、金融、法律等隐私敏感领域的核心架构。然而，RAG 的引入同时也扩展了攻击面：检索索引、查询日志、上下文构建过程、联邦更新等多个环节都可能泄露敏感信息；对抗性知识库污染则可直接操纵生成结果。 RAG 将外部知识检索与 LLM 生成结合，已成为企业知识管…

RL 后训练本身就是过程级奖励信号的现成来源——通过推导 RL 策略与参考策略的对数概率比（Progress Advantage），无需人工标注、无需专门奖励模型训练，就能在 Agent 场景中实现 SOTA 级别的 steplevel 评分。 Process Reward Model（PRM） 能对 LLM Agen…

现有工具使用基准都假设工具稳定可信，但真实环境中工具随时可能故障、降级或返回错误数据；ToolBenchX 通过5类结构化可靠性 hazard 测试证明：能在可靠环境下工作的 Agent，遇到可恢复的可靠性危害时大量失败——诊断能力和恢复策略比调用量更重要。 工具调用（Tooluse）是 LLM Agent 完成真实世…

这篇论文主张：GraphRAG 那种繁重的图索引在多数实际问答场景里并不划算——用 LLM 把文档里的实体先解耦、再据此回收原文块，单凭 entity 这一中间表示就能把 VectorRAG 的端到端 QA 精度顶到接近 SOTA 图方法，但索引成本大幅压低。 RAG 系统有两个老毛病： 1. 块级检索把信息「混编」进…

LoopCoderv2 通过 GainCost 分析框架证明：Parallel Loop Transformer（PLT）在两次循环时达到最优平衡——第二轮循环带来表示精炼，但超过两轮后 CLP 位置错配成本将超过收益，导致性能回落。 Looped Transformer 通过反复堆叠同一组 Shared Blocks…

本文认为 Agentic AI 的近期价值不在于「替代人类」或「完全自主」，而在于为中小企业（SMC）的简单与中等复杂度业务流程提供「受控的部分自主」能力——以人为中心，责任与问责由人承担，AI 作为生产力杠杆。 Agentic AI 正在引发企业自动化的新一轮范式转变。与传统 RPA（ Robotic Process…

RicciFiltration 将 RAG 检索出的 Chunk 集合建模为加权图，利用归一化离散 Ricci Flow 的几何性质——正曲率区域收缩、负曲率区域扩张——在图上识别并过滤「噪声 Chunk」（相对于 Query 节点具有大权重与负 Ricci 曲率），再将过滤后的 Chunk 送入 Reranker，显…

把 WGAN 中用来强行施加 1Lipschitz 约束的权重裁剪（weight clipping）替换成对 critic 输入梯度的 L2 范数惩罚（gradient penalty），从而在几乎不调超参的情况下稳定训练包括 101 层 ResNet 与离散语言模型在内的多种 GAN 架构，并在 CIFAR10 / …

把"在网上能爬到的大量带弱字幕的音频"当成天然监督信号，用 encoderdecoder Transformer 在 68 万小时多语种多任务数据上做大规模弱监督训练，得到的 Whisper 在标准 ASR 基准（LibriSpeech、FLEURS、TEDLIUM 等）上无需任何任务专属微调即可达到与有监督 SOTA…

LMCache 是首个开源、生产级的 LLM KV Cache offloading 方案，把 KV Cache 从 GPU 显存中提取出来，跨 CPU / 存储 / 网络层级存储和共享，同时支持 prefix 复用与 prefilldecode（PD）disaggregation，在多轮 QA、文档分析等场景下，与 …

这是一篇偏定位 + 展望的综述论文，聚焦 LLM MultiAgent System（MAS）在 任务分配 / 协作推理 / 上下文管理 / 记忆机制 四个核心机制上的开放问题，并把多智能体范式推到 区块链与分布式系统 这一相对少见的应用场景，借此为 LLM MAS 在真实分布式环境中的落地提供思路。 LLM 单 ag…

引用：GLM5Team (Aohan Zeng, Xin Lv, Zhenyu Hou, Zhengxiao Du, Qinkai Zheng 等), "GLM5: From Vibe Coding to Agentic Engineering", arXiv:2602.15763v2, 20260217 v1, 20…

提出 HDR（Hierarchical Denoising for Visual Reasoning），把因果视频生成的潜变量组织成树状层级，先粗后细地做多步视觉推理；用稀疏层级注意力（SHAP）压低时序注意力成本，0.70 秒 / latent 的流式速度下，多步任务成功率从 34.22 提到 60.29，相对提升 …

现有安全 Agent 评估只问"能不能成功"，而这篇论文认为真正重要的是"花多少钱能成功"——提出成本成功率联合评估框架，对攻击（CTF）和防御（SOC 调查）两种场景分别发现截然不同的 scaling 规律：攻击任务靠加大推理预算就能显著提升，防御任务的成功率更多取决于工具使用的纪律性，而非砸更多算力。 当前安全 A…

本文提出一种「参考无关」的 LLM 评估新准则——统计自一致性（statistical selfconsistency）：用二叉树把总体递归切成越来越细的子群体，让模型分别估计每个子群体，再聚合回总体估计；只要结果对树的切分粒度敏感、且与人类基线有显著差距，就说明模型存在「宏观谬误（macro fallacy）」——子…

Miech、Zhukov、Alayrac 等人用 YouTube 上 1.22M 个「howto / instructional」视频的自动 ASR 字幕切割出 1.36 亿个 clipcap pairs，从此把「视频文本」对齐学习从昂贵的人工标注（30K–100K 级别）一举推到亿级训练数据规模；他们用 MILNCE…

Li、Selvareanu、Gotmare 等 Salesforce 研究者提出 ALign BEfore Fuse（ALBEF）：先用对比损失 (ITC) 在单模态编码器上把图像和文本编码到共享空间，再用跨模态 Transformer 融合；同时为应对网络爬来的图文对天然带噪声，引入 momentum distill…

OpenAI、OpenResearch 与宾夕法尼亚大学的研究团队合作，首次系统评估了 GPT 类大语言模型对美国劳动力市场的潜在影响：约 80% 的劳动者至少有 10% 的工作任务可被 LLM 影响，约 19% 的人面临至少 50% 的工作任务被颠覆；LLM 驱动的软件工具可将任务自动化比例从 15% 提升至 47–…