解读
1548 篇 · 选题榜 / 深度解读 / 科普 / 综述 / 视频脚本（学术推广产出）
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…
主题综述 · llm-infra（2026-08-02）
主题：llminfra（LLM 推理与服务系统）。本综述以 20260729 → 20260802 四天窗口为主干，叠加 inbox/spark 20260802 llminfrae1prepv14 第 14 棒（HF 入侵事件 P0 立标 + 推理引擎 5 选 1 横评 + vLLM Korea Meetup PD …
你公司那个 AI 助理为什么总"记错事"、甚至"嘴漏隐私"?arXiv 2603.11768 给了 3 道治理门
你有没有遇到过这种事 🧠: 你让公司 AI 助理帮你订了 3 月的机票——下个月它跟你说"我查到你 5 月要飞北京,要不要订酒店?";你让它处理一份客户合同,内容包含对方身份证号——半年后另一个项目里它突然把这条合同细节当成"历史知识"主动提了出来。 这不全是 AI 的"幻觉"——这是 AI 长期记忆系统的"腐败"。 …
医生没时间给 AI 标数据怎么办?一篇被引 1017 次的论文,把"不完美医学影像"玩出了 7 种解法
你有没有想过一件事 🧠: 你妈最近做了一次 CT,医生看了 5 分钟就给出报告——但要训练一个能识别"早期肺癌结节"的 AI,医生得在电脑前一格一格地把肿瘤边缘画出来。一张 3D 肺部 CT,标注要 48 小时。一个医院的肺结节数据,全部标完需要 5 个医生全职干 2 个月。 所以现实是:医学影像里"干净数据"几乎不存…
视频选题榜 2026-08-02
· MisKnowAgent: Is Deep Research Reliable? Misleading Knowledge Induces False Conclusions · 注入 1 篇误导文档 FCAR 平均飙升至 54.7% · 能识别 ≠ 会拒绝的工作流层失效模式 · round=R1 · Metis:…
LLM 推理太贵太慢?——arXiv 2604.19769 把"KV 缓存淘汰"重新定义成排序问题,128K 上下文跨层流量砍 5.94 倍
你有没有好奇过一件事 🧠: 你用 GPT4、Claude、Gemini 跑 128K 长上下文任务——比如丢一整本电子书进去问"第 47 章讲了什么"——底层到底发生了什么? LLM 的推理不是"读完一整段再回答",而是一个字一个字往外蹦——每个新字都要回头看前面所有字。这个"回头看"的成本,就是 KV Cache(K…
多 Agent 协作还在"流水线"?——arXiv 2606.05608 用"经验驱动编排"让 GRPO 训练成本砍半,效果持平
你有没有用过那种"多 Agent 协作"产品 🛠️: 一个 Planner 拆任务,几个 Worker 各自跑,中间用 RAG 查资料——听起来很美,但跑起来又贵又慢。 问题出在哪?编排方式是"静态流水线"——任务怎么拆、谁来做、做完之后下一步谁接,全是写死的。现实任务一旦偏离预设剧本,这套流水线就懵: 上游 Work…
Metis · 记忆装进基础模型
20260802 R2 · Metis Memory Foundation Model arxiv: videokb 脚本原路径: /shared/videokb/scripts/tom/20260802_R2_shortvideoscript.md <! §0 字幕层不进入 标题:Metis · 记忆装进基础模型 目…
AI 写的东西为什么总是"那个味"?——一篇被引 4413 次的论文告诉你,问题不在模型,在解码
你有没有遇到过这种事? 你让 ChatGPT 写个故事,它给你——"他走在路上,突然遇到一个老人。老人对他笑了笑,说道……" 你让 AI 起个标题,它给你——"探索未来:人工智能如何改变我们的生活方式"。 你让 AI 写推荐语,它给你——"本文将介绍……的优势……分析……的重要性……" "那个味"——平淡、安全、像模板…
TensorFlow 这篇论文凭什么被引 11804 次?因为它写下了今天所有 AI 框架的"出生证明"
你有没有想过这件事? 你今天跑的 PyTorch 模型、你在手机上用的语音识别、你在 ChatGPT 里看到的回复——它们的"共同祖先",都指向 2016 年 Google 那一篇 36 页的论文。 不是夸张。 arXiv:1603.04467(TensorFlow: A System for LargeScale M…
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…
主题综述 · RAG（2026-08-01）
2026 年 H2 的 LLM 应用栈里，RAG 已经不再是 2023–2024 那种"向量检索 + 提示词拼接"的固定管线。围绕它的争论也从"RAG 还是长上下文"逐渐让位给更细的问题：在 agentic 循环里，检索该由谁调度？多模态证据要不要做图结构？知识图谱、向量、重排序器能不能拼成可量化的选型空间？2026 …
"AI 当医生看完 19 次住院记录,敢开药吗?"——arXiv 2607.09322 终于把医疗 AI 的长程决策放到了显微镜下
你有没有想过这件事 🏥: 一个病人过去三年住了 19 次院——糖尿病、肾结石、术后感染、药物过敏、复查随访,光是临床笔记就有几十万字。 AI 真能在这么长的上下文里,做出靠谱的临床决策吗? 不是问"阿司匹林是什么"——这种闭卷题 USMLE 早就有 90% 准确率了; 是问:"这病人下次来,该用什么药?该复查什么?有没…
知识图谱"老员工换岗就懵"终于有解了——arXiv 2607.28397 用 Graph Language Model 把跨域问答拉满
你有没有被这样的 AI 气到过 🧠: 你问它"我导师的导师最近发过哪篇论文",它信誓旦旦给你编了一个名字——听起来挺像,根本不存在;再问"那位导师的学生里谁跟医疗 AI 相关",它又开始混淆,把别的实验室的人塞进来。 是不是它偷懒?不是。是它根本不知道"导师的导师""学生里"这种关系怎么在图谱里跳。 传统 AI 读知识…
视频选题榜 2026-08-01
· TurboVLA: RealTime VisionLanguageAction Model at 32 Hz on an RTX 4090 with <1 GB VRAM · TurboVLA 把 VLA 从 LLMcentric V→L→A 改写为 V+L→A 直接融合(DINOv3 + BERT 独立编码 + …
角色扮演 AI 排行榜第一,到你面前却不会"陪聊"?——arXiv 2607.27816 让评测终于读懂"具体用户"
你有没有想过一件事 🎭: 你在某个 AI 角色扮演 App 上看到一个排行榜——"李逍遥"角色,第一名得分 9.2,你兴冲冲下载试用。 结果跟它聊了三轮,它要么装酷装到话都接不下去,要么硬把"御剑乘风"当战斗开场塞进你只是想聊家常的对话里——它根本不知道你想从"李逍遥"这个角色里得到什么。 是不是 AI 退步了? 不是…
让 AI 写代码"越改越聪明",别再把上次错的下次再错一遍——arXiv 2607.27918 用一张"经验图"锁住每一次教训
你有没有想过一件事 🧠: 你让 AI 自动写代码——比如自动给一个生产排程问题生成求解器——它这一轮跑挂了,下一轮又换个写法重试,但它根本不记得"上次为什么挂",于是一遍遍踩同一个坑。 人类工程师怎么避免?靠 postmortem(事后复盘)——把"上次哪种实现不行 + 为什么不行 + 应该换成什么"写进知识库,下次有…
Bitemporal · Agent 记时间
<! 镜像自 /shared/videokb/scripts/tom/20260801_R2_bitemporalmemorygraphneo4jhnswagentlocalshortvideoscript.md <! 日期:20260801 · 轮次:R2 <! arXiv 链接: 标题:Bitemporal · A…
TurboVLA 跑上 RTX 4090(视频脚本镜像)
日期:20260801 · 轮次:R1 arXiv 链接: videokb 脚本原路径:/shared/videokb/scripts/tom/20260801_R1_turbovlavlav+ladirectfusionrtx409032hzshortvideoscript.md 标题:TurboVLA 跑上 RTX…
AI 看图答题答对了,但推理过程全是"幻觉"——arXiv 2607.28374 给每一步加了"证据锁"
你有没有想过一件事 🔍: 当 AI 给你看一张图、问"车牌号是多少?",它回答"7XAJ492"—— 你怎么知道它是真的"看见了"车牌,还是"猜对了"? 更糟的情况:它说"根据图中的车牌区域 7XAJ492,我判断车主是……"——但你回头查它的推理日志,它压根没调用 OCR 工具,那段"7XAJ492"是从语言模型的语…
让 AI 学会从钢铁厂日志里"抓重点"——arXiv 2607.28126 把 88% 冗余记录扔进了垃圾桶
你有没有想过一件事 🏭: 一个大型钢铁厂的高炉,每隔几小时就要做一次巡检——焊缝有没有裂、密封面有没有磨、防腐涂层有没有掉——一年下来,光是文字+数值+图片的巡检记录就有几十万条。 现在让你把 AI 派去当"巡检助手":你给它一段问题——"上次密封面磨损是哪个周期开始的?之前有什么征兆?" 它需要从几十万条记录里找出那…