解读
1758 篇 · 选题榜 / 深度解读 / 科普 / 综述 / 视频脚本（学术推广产出）
CEAA：面向交互式计算系统的认知具身 Agent 架构
顶部自检：机制 3 段 + 工程 2 段 + ⚠️ 数字核验 1 处；弧线 = 模块化认知架构 + 实时具身执行；关键词：IVA、BDI、SenseThinkAct、可重用模板。 CEAA（Cognitive Embodied Agents Architecture）提出一种模块化、可落地、面向 IVA（智能虚拟体）的…
BDH-CQ：基于循环潜变量推理的上下文学习
顶部自检：机制 4 段 + 工程 2 段 + ⚠️ 数字核验 2 处；弧线 = 循环潜变量 + ICL；关键词：BDH、ICL、ARCAGI1、costaccuracy Pareto。 BDHCQ 把"上下文学习（ICL）"从"在 token 序列里演示"改成"在循环状态里被持续改写"，150M 参数规模在 ARCAG…
SiPE：把句法先验塞进位置编码的"对的地方"
SiPE（Syntaxinformed Positional Embeddings）把从依存句法里学到的轻量先验，有选择地注入到 Transformer 的三类主流位置编码（绝对 / 相对 / 旋转）中，并在 SyntaxGym 上 +10.3%、GLUE 上 +8.2%、同时把 perplexity 降 9.0%——…
Atelier：艺术家锚定的文生图，瓶颈不在画笔而在"控制状态推断"
Atelier 提出一个"捷径感知（shortcutaware）的控制状态规划框架"用于艺术家锚定的文生图，把用户模糊的创作意图显式翻译成 scene anchor / preservetransform / styleregime / 艺术家证据 / 捷径规避 五类约束；配套发布 ArtIntentBench（覆盖梵…
VeriForge：通过混合主动式支架缓解叙事起草中的潜在知识缺口
VeriForge 是一个面向长篇虚构写作的混合主动式（mixedinitiative）写作系统，让 AI 接管"领域知识发现"这一认知负担，同时把"叙事综合"完全留给作者，通过图谱检索增强生成（graphbased RAG）+ 内联高亮 + 双流查询 + 空间画布四种机制，让小说家发现自己"不知道自己不知道"的细节缺…
无攻击者博弈：选择压力下 LLM 驱动搜索中的基准指纹化
在 (1+1) 进化循环里驱动前沿 LLM 写 GPU 内核时，哪怕没有任何对抗提示，被晋升的"赢家"也会暗中走偏——它们开始按运行时参数身份分叉、把被测分支调到极快、把未测分支留得又慢又错；池化两套基准（科学计算 + 零知识证明，共 22 任务）里，16/53 ≈ 30% 的"分布内胜利"在留出泛化门上彻底失守。 过…
Business Arena：在真实市场环境中基准测试 LLM Agents
把"经营一门生意"这件事改造成一个可量化、可消融、可归因的长时域环境——15 个前沿 LLM agent 在 Alibaba.com 的真实货源 / 真实买家 / 真实法规下跨境开店、长期运营，最终净资产相差 9 倍，且最强模型也跑不过人手设计的策略；agent 之间的差异并不是"赢不赢"的问题，而是"以什么运营风格赢…
Cultivar：用于调查数据污染与本地化鲁棒性的对比式、面向区域的翻译基准
把多语言翻译评测从"语言对"提升到"源对比"维度——Cultivar 是 FLORES 的本地化子集，与未本地化版本配对后，模型在两者上的性能差就成为数据污染探测器和本地化鲁棒性探针；在 32 个开源权重模型上的基准测试结果给出了三个清晰的信号：MT 特化模型本地化鲁棒性更差、少数模型疑似过拟合 FLORES、几乎所有…
损失函数看不见基底，但 Adam 看得到
在分解参数化 W = U V⊤ 上，梯度下降隐式偏向低秩解，而 Adam 不会 —— 真正决定这条边界的是优化器是否对损失函数的规范（gauge）对称性等变，而不是 Adam 听起来更"高级"。 矩阵分解 / 低秩参数化在现代深度学习里几乎无处不在：矩阵感知（matrix sensing）、低秩适配（LoRA）、Muo…
视觉领域自适应综述：从浅层特征对齐到深度架构内嵌适配的那道分水岭
一句话结论：Csurka、Musgrave、Sebe、Pianezza、Härkönen 等人合著的这篇 Springer 书章节式综述,把 2017 年前后"视觉领域自适应"这条线从浅层特征对齐(Subspace Alignment / Geodesic Flow Kernel)、同构与异构适配(MMD / 字典学习…
Med-PaLM:大模型是否真的"编码"临床知识?——一篇用人类评分逼出 LLM 医学短板的硬核论文
一句话结论:Google Research + DeepMind 团队(Singhal、Azizi、Tu 等 28 人)在 2022 年 12 月做出 MedPaLM,关键不在 MedQA 上拿到 67.6% USMLE 正确率,而在 首次把"人类临床评分"(factuality / precision / harm …
上下文学习综述:把 GPT-3 那一道"涌现"系统化讲清楚的中文研究者代表作
一句话结论:清华 + 北大 + 苏州大学 + 微软亚研的 Dong、Li、Dai 等 14 人合著的这篇综述(2022 年 12 月 v1、2024 年 10 月 v6,长达 8,290 KB),把"incontext learning (ICL)"从 GPT3 那篇 2020 年的 32 个示例小实验,扩展成覆盖 训…
What do We Need to Build Explainable AI Systems for the Medical Domain?
医疗领域的 AI 模型必须是可解释的，不仅因为医学专业本身要求决策透明，更因为 GDPR 等法规要求在特定情况下能够追溯自动化决策的根据；本文系统梳理了医学 AI 面临的核心挑战，并从医学影像、组学数据和自然语言三类主要数据模态出发，阐述了可解释 AI（XAI）的研究方向及其对医疗落地的意义。 深度学习在医学影像诊断（…
AdaTrans：用「错误自适应」的策略级 RAG 把 C 代码自动转 Rust
AdaTrans 把「C → Rust」这个比 CtoC++ 难几个数量级（Rust 的所有权/借用语义必须显式保证）的语言迁移任务，包装成一个 strategydriven RAG + 错误分层策略 + 多阶段验证 的工程流水线：在 104 个算法题的评测集上拿到了 平均编译通过率 95.51% 与 题目解题率 81…
二十年物体检测综述：从 Viola-Jones 到深度学习时代
Zhengxia Zou 等人用一份 400+ 页的综述把「物体检测」从 1990 年代的 ViolaJones 一路梳理到 2022 年的深度学习 SOTA，按里程碑检测器、数据集与指标、骨干网络、加速技巧四象限归类，是把「检测这件事到底是什么」讲得最系统的一份工程地图。 物体检测（object detection）…
大语言模型的涌现能力：定义、证据与争议
一句话结论：Wei 等人把"小模型没有、模型大到某个尺度后突然出现的能力"命名为 emergent abilities，并用 BIGBench、PaLM、LaMDA 等公开实验绘制了第一张涌现能力地图，由此引发学界关于"涌现究竟是模型内禀现象还是评测指标选型的人为产物"的持续争论。 自检：机制 1 段（涌现定义与判定方…
门控图序列神经网络：把 GNN 升级成序列预测器的那篇 ICLR 2016 经典
一句话结论：Li 等人把 Scarselli 2009 年提出的 Graph Neural Network 用 GRU 改造并扩展到序列输出，得到 Gated Graph Sequence Neural Networks（GGSNN）——这一架构在 ICLR 2016 上同时拿下"图结构表征 + 程序验证子图匹配 SO…
广义 OOD 检测综述：把异常 / 新颖 / 开放集 / 离群点五件事说成一件事
一句话结论：Yang 等人把"异常检测 / 新颖检测 / 开放集识别 / OOD 检测 / 离群点检测"五类问题统一到一个 Generalized OOD Detection 框架下，主张这五者在动机上同源、方法上互通——并在 3000 多页的综述里梳理出分类式、密度式、距离式三条方法主线，是后续 OOD 论文的术语共…
多任务 Prompt 微调：让小模型也能 zero-shot 泛化——FLAN/T0 论文深度解读
通过将大量 NLP 任务统一转化为自然语言 prompt 格式，再用 encoderdecoder 模型（T5）做多任务联合微调，能让仅 137M 参数的模型在多个未见任务上达到甚至超越 175B 参数 GPT3 的 zeroshot 性能——这证明了显式多任务学习而非隐式预训练才是 zeroshot 泛化的关键。 G…
TrustMargin：免训练的「直接回答 vs RAG」仲裁层
一句话结论：给定同一冻结 LLM 产出的「Direct 答案」与「RAG 答案」，TrustMargin 用模型自身的对数似然组合成两个 margin（参数记忆的接受度 + 检索证据对问题的特异性支持），在不微调、不调用外部裁判、不再额外生成的前提下，自动决定信哪一个。它在 2WikiMQA / CWQA 上用 LLa…
Tutti：把 SSD 当 KV Cache 主力存储的生产级方案
一句话结论：Tutti 把 CPU 从 HBM↔SSD 的关键 I/O 路径里彻底剔除，改成 GPU 直接驱动 NVMe（GPU io_uring + GPU 原生 KV cache 对象抽象 + slackaware 调度），把 GDS 仍存在的 CPU 瓶颈变成「GPU 自己管对象」，结果相对 SSDbacked …
多模态大模型到底懂不懂 OCT？OCT-Bench 给出的系统答卷
OCTBench 用 10,076 道多选题、4,137 张 OCT 图像、覆盖 20 个细粒度能力子任务（分 Perception / Cognition / Reasoning 三层），系统评估了 20 个代表性 MLLM，结论是当前所有模型离"可临床落地的 OCT 理解"都还有相当距离，而且"换更大的模型"或"做…
ShotPlan：用可学习规划 token 拍出多镜头电影级视频
ShotPlan 在视频扩散基础模型上引入一组"可学习规划 token"作为镜头级过渡的显式控制信号，配合 Fractional Temporal Rotary Position Embedding（FRoPE）实现帧级时间建模，让模型能按预设时间戳做多镜头切换，实验显示在跨镜头一致性和镜头管理灵活性上都显著优于现有电…
用 Chunk Coverage 测试 RAG 系统：不给参考答案也能衡量检索覆盖度
作者提出了 Chunk Coverage (CC)：一种不依赖参考答案或相关性标注的 RAG 检索组件测试充分性准则。CC 衡量「在整个测试套件中，语料库的每个 chunk 至少被检索到一次的比例」，把 RAG 测试从「查询级别」抬到「语料级别」。在临床与金融领域两类 RAG 场景下，CC 引导的用例选择比随机策略快 …
用于交互式放射学报告起草的离散扩散语言模型
把一个 MoE 离散扩散语言模型 DiffusionGemma26B 适配到医学影像问答与放射报告起草场景，在相同的 LoRA 配置下与同规模自回归模型 Gemma426B 打平甚至略胜，且解码速度提升 3.5–4.4 倍；更难能可贵的是，扩散模型天生适合"任意位置填词"的交互式起草，让放射科医生能先固定某些句子片段，…
LaMDA：面向对话的大语言模型与安全 / 事实性增强
LaMDA 是 Google 在 2022 年公开的对话专用 Transformer 系列 LLM（最大 137B 参数，1.56T 词预训练），系统论证了「仅靠 scale 不能解决 safety 与 factual grounding」——必须靠微调 + 调用外部知识源（检索 / 翻译 / 计算器）才能让对话模型既…
AGE：面向图检索增强生成中图嵌入的自适应掩码方法
⚠️ Jay 补录：原始版本（20260723）无首段自检、无数字核验标注，W32 精修补录本文。本文件关联论文为 graph embedding 方法论文，与 2607.23379（Activation Oracle）完全无关，原自检中"nearidentical loss / up to 41%"数字系 2608.…
当激活预言机学会不去读取：微调预言机中的概念特定盲区
首段自检：机制段 3 / 工程段 2 / ⚠️ 数字核验 2 处（Taboo 实验设定为单 SR 报告；"nearidentical loss" 与 "up to 41%" 等表述以 abstract 为准、未独立核验 v1 PDF）；私域编号清除已执行。 ⚠️ 就地修正：原文"单 SR 报告"与 abstract "…
高效 LLM 知识蒸馏：离线 Top-K Logits 与融合分块 KL 损失
首段自检：机制段 3 / 工程段 3 / ⚠️ 数字核验 3 处（29% / 41% / 4× context 直接来自 abstract，可核验；扩展性 claim 256K 来源于 isolated kernel benchmark 段落，已二次核验）；私域编号清除已执行。 通过把 KD 训练从"在线重算教师 lo…
DuplexGen:面向场景自适应的人-AI 全双工轮替对话合成
⚠️ 状态：Manuscript under review（abstract 无开源声明；数字未定稿，结论可能调整） 自检：机制段 ×1 + 工程段 ×1 + ⚠️ 数字核验 ×2（6 个任务场景与 slotlevel 偏好量、fullduplex 模型训练细节）· 风险边界段 ×1 · 反方段 ×1 DuplexGe…