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）
Steerling-8B：把可解释性「焊进」训练目标，扩散语言模型也能做闭环路干预
⚠️ 状态：未注明开源情况（abstract 无权重 / 代码发布声明；论文体量 12,100 KB，附录可能含完整实验，review 阶段数字可能调整） 论文挑战「可解释性 = 能力税」这一普遍假设，把可解释性作为训练约束与语言建模目标一起优化，在三个数量级的算力跨度、两种 LLM 范式（自回归 + 扩散）上证明：可…
Factorized Hypothesis Search：用「分维度因子化假设」解开间接证据的检索难题
⚠️ 状态：Manuscript under review（abstract 无开源声明，权重 / 代码是否发布待正文核实） FHS 把「间接证据 → 分类法标签」的检索拆成沿若干语义维度的并行假设，再用结构化查询 + 维度级候选校验做排序，在金融分类标签和 CodiEsp 临床编码两个评测上都拿到非 oracle 方…
Evo-Bench：当 LLM 开始改自己的 Agent Harness，评测该怎么重新做
EvoBench 是第一个专门评测「LLM 自主优化自己 Agent harness（执行框架）」能力的基准，覆盖 Search / Office / General 三个 Agent 域，并提出「辅助任务演化 + 敏感度感知分层切分」的构建框架来排除 base model 强度与任务过拟合的混淆；在 9 个前沿与开源…
RynnValue:以「时间距离」作为跨具身奖励基础模型的监督锚点
针对通用机器人策略学习长期被"奖励模型"卡脖子的问题,RynnValue 用时间距离(temporal distance)取代人类偏好与归一化进度两类主流监督锚,在 7000+ 小时、约 300 万条指令条件片段上训练出开源价值基础模型,OOD 任务上 Kendall's τₐ 0.675 超过偏好监督 SOTA,且能…
What to Edit Next:面向对话式图像创作的"下一步编辑"推荐系统
针对对话式图像创作助手"下一步编辑推荐"长期缺乏多模态方案的问题,Qwen App 团队公开了一个三阶段框架(SFT → 多目标 RL → 视觉验证器微调),在百万级真实用户的 A/B 测试中把推荐视觉不一致率从 3.7% 降到 0.9%,推荐 CTR 提升 32.70%、图片带走率提升 16.32%、人均对话轮次提升…
OasisKV：用 Speculative Decoding 把 KV Cache 搬到 HBM 之外
OasisKV 是一个内存中心的 LLM 推理系统：在 decode 阶段把 KV cache 从 HBM 解耦出来，仅在 HBM 中保留"未来最相关 token"的 KV；通过 speculative decoding 草拟的 lookahead token 提前预测重要 KV 块，再从 host/remote me…
Ouroboros：自演化、可审核的代码 Agent Harness
Ouroboros 提出一种"自演化 Agent 框架"——Agent 的工具、prompt、上下文组装乃至核心代码，都通过可审核的 commit 演进，新版本直接成为下一轮工作的运行时，并在 TerminalBench 2.1、OSWorldVerified、CLBench 三个代码/桌面 Agent 基准上同时刷新…
Agent Memory Distillation：把大模型 Agent 的"三段记忆"蒸馏给小模型
AMD（Agent Memory Distillation）是一个免训练框架：让小语言模型（4B8B）通过"工作流—子任务—函数调用"三层结构化记忆，蒸馏大教师 Agent（GPT5mini 作为示例教师）的成功轨迹，在 AppWorld / BFCL V3 / ToolSandbox 三个工具调用基准上分别取得 +2…
HiSparse：分层 KV 缓存管理扩展稀疏注意力解码
首段自检：机制段 3 / 工程段 3 / ⚠️ 数字核验 4 处（4.7× peak throughput / H200/B200/GH200 三平台 / 三种 sparseattention 家族 / 已合入上游 SGLang 均来自 abstract，已二次核验 v1）；私域编号清除已执行。 HiSparse 把稀…
LitTraceQA：科学问答中的多阶段定位与验证基准（论文检索 → 证据定位 → 答案生成 三段评测）
首段自检：机制 3 段（三段输出契约：paper ID + evidence location + answer · 五类证据：表格 / 图形 / 文本段 / 公式或算法 / 引用上下文 · 三段评测：检索 / grounding / 答案准确率独立打分）+ 工程 2 段（公开 55 例 dev split 含 26 …
基于分类法的开源 AI 风险缓解工具分析（21 工具 × MIT AI Risk Taxonomy 32 子类映射）
首段自检：机制 3 段（LLM 辅助 RAG 抽取能力 · 21 工具 × 32 子类二值映射矩阵 · Fleiss Kappa 0.509 多人独立复核 + 多数投票 F1=75.5%）+ 工程 2 段（21 个开源工具枚举 · 映射协议可直接套用到任何工具集）+ ⚠️ 数字核验 3 处（"21 tools / 32…
Enfold：将世界模型的"想象计算"折叠进预测表征以实现超高效具身控制
首段自检：机制 3 段（生成器中间状态蒸馏 · 当前编码器与任务头梯度隔离 · 多层级 future supervision）+ 工程 2 段（LIBERO/RoboTwin2.0/真机三类任务 + FastWAM 3.7×/EnfoldFlash 10.1× 延迟实测）+ ⚠️ 数字核验 3 处（"3.7× / 10…
DCAS：解耦 CLI Agent 脚手架以实现跨脚手架的规划内化
首段自检：机制 3 段（DCAS 拦截层 · 显式规划 vs 隐式规划二分 · 计划源受控干预实验）+ 工程 2 段（backendsubstitution 拦截层 + 单脚手架采集的轨迹让模型跨脚手架泛化）+ ⚠️ 数字核验 3 处（"gains exceeding crossscaffold drops"为定性 ·…
多智能体取证推理实现可泛化的深度伪造视频检测（ARGUS / FaceVid-Forensics-100K）
首段自检：机制 3 段（多模型聚合冲突解决管线生成 100K 标注 · 4 专家 Agent 取证分视角 · Judge Agent 报告调和）+ 工程 2 段（100K / 33 种合成方法的 FaceVidForensics100K 数据集 · 全小开源 MLLM 击败 GPT/Gemini）+ ⚠️ 数字核验 3…
EAHR：去掉固定 Top-L，让 RAG 的混合检索第一次做到「精确 + 自适应」
EAHR（Exact Adaptive Hybrid Retrieval）把现代 RAG 系统里「dense + sparse 融合时取固定 TopL」这个隐性工程假设直接拆掉：把「完整列表加权 RRF 的有序 TopK」固定为检索目标，把通道深度当成请求级别的执行状态，通过 PVS（PerVector Scalar …
Referential Dangling:硬提示压缩中被忽视的范式级失效模式
自检：机制段 ×1 + 工程段 ×1 + ⚠️ 数字核验 ×5（0.30 压缩率、3454% dangling、6 compressors ≤60%、2934 pp 提升 / p<0.0001、88% gap 恢复、GPT5.5 8.8 pp、classifier 4.7 pp / 0.30→0.31）· 风险边界段 …
CLIP-CC-Bench：评估视频-语言模型的段落级视频描述能力
CLIPCCBench 是一个面向长篇视频描述的评测套件：基于 5 小时电影内容切成 90 秒片段，每段配专家撰写的段落式参考，采用 5 个 SOTA 嵌入模型集成 + 粗细两套语义匹配方法，对 17 个 SOTA 视频语言模型做了 Borda 排序，并量化了评估协议本身的内部一致性（interjudge agreem…
CoinRAG:用上下文信息要点 KV 缓存复用换长上下文 RAG 的 Pareto 前沿
自检：机制段 ×1 + 工程段 ×1 + ⚠️ 数字核验 ×2（5.3% 平均 F1 相对提升、新 Pareto 前沿、标准 fast prefill latency budget）· 风险边界段 ×1 · 反方段 ×1 CoinRAG 把 RAG 长上下文处理里的 chunk 级 KV 缓存复用再下推到「nugget…
用于量子动力学预测的互补矩阵门控 QKAN 快权重编程器
用一对互补的 sigmoid 矩阵门（retain 旧状态 + write 新提案）替代 QKAN 快权重编程器里的标量门，实现坐标级（coordinatewise）的记忆时间尺度控制，并在 JaynesCummings 与 transmonresonator 多步预测上把 MSE 维持在 ≤ 0.001，相比标量门版…
MatrAIx：用 83 亿 Persona Agent 模拟世界
MatrAIx 是一个面向 AI 系统与数字产品的大规模模拟用户评估基础设施，由 83 亿 persona 记录（1290 个类别维度）+ 4 个交互环境（Survey / Chatbot / Web / App）+ 1010 个应用任务组成；在 8 个代表性任务上跑了 18,189 次评估试验，对照 400trial…
Manifold Mixup：在隐藏状态空间做插值，让决策边界天然平滑
Manifold Mixup 把输入空间的 Mixup 扩展到神经网络的任意隐藏层：训练时在随机选中的某一层对两个样本的隐藏表征做线性插值，再让后续层在该插值点继续前向并计算损失，由此鼓励网络在多层语义流形上都学到「线性行为」；结果是在不显著增加算力的前提下，模型在监督学习鲁棒性、对单步对抗攻击的防御、以及测试集对数似…
decaNLP 与 MQAN：把十项 NLP 任务统一成问答的十年回看
decaNLP（Natural Language Decathlon）把问答、翻译、摘要、自然语言推理、情感分析、语义角色标注、零样本关系抽取、目标导向对话、语义解析和指代消解这十项 NLP 任务统一改写为「带上下文的问答」，并提出一个无需任何任务专属模块就能联合学习的 MQAN（Multitask Question …
Invariant Risk Minimization（IRM）：跨分布不变的因果式学习范式
IRM 提出「学习一个表示，让最优分类器在该表示之上对所有训练分布都同时最优」这条新原则，把 OOD 泛化从「经验风险最小化 + 数据扩充」的传统思路，拉到「不变因果机制」这一更高层级。 经典 ML 默认 i.i.d.：训练分布 = 测试分布。但现实里几乎所有生产数据都存在分布漂移——医院 A 训练的影像模型到医院 B…
基于正则化深度 LSTM 的骨架动作识别共现特征学习
在堆叠 LSTM 做 skeletonbased 动作识别时，通过强制"骨架关节共现特征"正则化与"门细胞输出三处同步 dropout"，让深层 LSTM 训练稳、收敛快，并在三个标准 benchmark 上同时刷新 SOTA。 2016 年前后，基于骨架（skeleton）的动作识别（action recogniti…
Diffusion-Convolutional Neural Networks：图结构数据上的扩散卷积
自检：机制 4 段（扩散过程定义 / 节点排序 / DCNN 前向 / 同构不变性证明）+ 工程 1 段（张量实现与 GPU 友好性）+ ⚠️ 数字核验 2 处（基准数据集规模与对照算法需对照 v6 PDF 表 2 校核）。 DCNN 把图上的随机游走（diffusion / Heat Kernel）卷积化，把每个节点…
CodeXGLUE：面向代码理解与生成的统一基准
自检：机制 3 段（任务定义 / 基线架构 / CodeBLEU 协议）+ 工程 2 段（代码 / 数据 / 复现路径）+ ⚠️ 数字核验 2 处（数据集规模与 baseline 数字需以 v2 PDF 校核）。 CodeXGLUE 把"代码 + 自然语言"这一支离破碎的研究领域，整合成 10 个任务、14 个数据集的…
深度片段嵌入用于双向图像-句子映射
把图像和句子分别拆成"对象级片段"和"句法依赖树片段"，在共享的多模态嵌入空间里同时做全局对齐与片段对齐，首次让双向 imagesentence retrieval 兼具端到端训练与可解释的 fragmentlevel attention。 2014 年前后，imagesentence retrieval（用一句话搜图…
基于 CNN 激活积分图 max-pooling 的特定物体检索
把 CNN 卷积层激活改造成可用"积分图"做 maxpooling 的紧凑描述子，使单次前向就能同时产出「整图检索向量」与「物体定位框」，首次让 CNNbased 检索在 Oxford5k / Paris6k 上与传统几何重排方法正面竞争。 2015 年前后，图像检索处于一个尴尬的分叉： 传统 bagofwords +…
Florence：跨越粗到细、静态到动态、RGB 到多模态的视觉基础模型
自检：机制 3 段（双塔 ViL + 9B imagetext 对齐 / 层次化迁移空间 / 数据迭代闭环）+ 工程 2 段（4 大模型族 + 44 benchmark 部署路径）+ ⚠️ 数字核验 2 处（83.74 top1 / 62.4 mAP / 80.36 VQA / 87.8 Kinetics600 等数字…
ReViV：从单目自我中心视频 4D 重建观察者与视角
ReViV 是首个仅凭单目 RGB 视频，在单一前向传播架构中同时完成人物全身姿态、手部动作、视线方向、相机轨迹和场景深度联合重建的统一框架，刷新了自我中心 4D 重建的精度与效率上限。 自我中心（Egocentric）视觉——即从穿戴设备（如智能眼镜、体戴摄像头、AR/VR 头显）拍摄的第一人称视角——是 Embod…