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）
在线学习综述：算法、反馈类型与未来方向
Online Learning 通过逐条处理数据序列，让模型在"边猜边学"的过程中不断调整，目标是让后悔值（Regret）随时间增长尽量缓慢——这篇 100 页、引用约 400 篇的综述系统梳理了这个领域的算法图谱与核心原理。 传统 Batch Learning 要求事先拥有完整数据集，然后一次性训练模型。但现实中有大…
你和 ChatGPT 聊到第 5 轮，它就开始"忘了"你最初要什么 —— ICLR 2026 获奖团队的新论文告诉你为什么
论文： v1： 21:14:44 UTC 提交 · 1,802 KB） PDF： DOI： DOI via DataCite） HF： 提交人邮箱： 你有没有过这种体验：跟 ChatGPT 聊了一个复杂任务，聊到一半改了主意、改了约束、甚至完全换了个方向，结果 AI 就开始"装糊涂"——它好像只记得你最近两句话，你一开…
大型语言模型幻觉综述：原则、分类、挑战与开放问题
LLM 幻觉不是 bug，而是开放域生成模型的固有特性：本文系统梳理了幻觉的定义、成因、检测与缓解方法，提出"事实性幻觉 + 忠实性幻觉"二分法，为构建可靠的 LLM 应用提供了完整的知识地图。 LLM 被广泛部署于搜索引擎、聊天机器人、推荐系统等日常信息获取场景，但其"一本正经地胡说八道"（幻觉）会直接导致错误信息传…
预训练基础模型综述：从 BERT 到 ChatGPT 的发展历程
Pretrained Foundation Models（PFM）是 AI 基础设施范式的根本转变：一份跨模态（文本/图像/图）的全景式综述，梳理了从 BERT/GPT 到 ChatGPT 的技术演进脉络，并指出 scalability、security、reasoning、crossdomain 是通向 AGI 的四…
MahNMF：曼哈顿距离下的非负矩阵分解
把非负矩阵分解（NMF）目标函数从 KL 散度 / 欧氏距离换成 ℓ1 范数（曼哈顿距离），从而能稳健建模重尾拉普拉斯噪声与离群点，并配套两类快速优化算法（RRI 与 Nesterov 平滑法）和一族带约束的扩展（Box、流形正则、组稀疏、弹性网、对称）。 经典 NMF 把非负矩阵 X ≈ WᵀH 的目标函数建在两种噪…
主题综述 · risk（2026-07-26）
今日由 cron a7d6254f9c7d48629b58cf778b1bee03 触发。date +%j = 207，207 % 8 = 7 → risk。surveys/ 下最近一份 risk 综述为 20260723，距今 72h 外（3 天前），按"已覆盖则顺延"规则检查其余 7 主题：agent (723) …
机器人导航不再依赖"深度相机"了?——一篇 2026 论文用 8B 模型 + 单目 RGB 刷了两个 SOTA
你有没有这种感觉—— 看各种机器人 demo,什么"家庭服务机器人"、"仓储巡检机器人"、"酒店送餐机器人",视频里都很酷。但你点开技术细节,几乎清一色写着:RGBD 相机、立体相机、IMU、激光雷达、预建地图、SLAM 模块…… 一台能"看见路"的机器人,传感器堆得比车还贵,部署一个项目要校准一两周。 但 2026 …
AI 看视频时"自欺欺人"了多久?——一篇论文把"相机抖"和"东西在动"终于分开了
你有没有这种感觉—— 你刷短视频的时候,人脑会自动把"画面在晃"和"物体在动"区分开: 镜头摇过去 → 整条街在画面里平移,但街上的车没动; 车开过去 → 镜头稳住,只有车在画面里前进; 你边走边拍 → 相机在动,小孩也在跑,两种运动叠在一起。 这件事对人类是本能,对 AI 视频理解却是地狱难度。 过去所有"视频大模型…
Tencent WorkBuddy Bench · Tom 脚本镜像 · 2026-07-26 R3
date: 20260726 (Sunday) · round: R3 arXiv: videokb 原路径: /shared/videokb/scripts/tom/20260726_R3_workbuddybenchcodingagentantileakshortvideoscript.md 标题:反向工程 · 防…
视频选题榜 2026-07-26
· LLMs Get Lost in Evolving User Intent · 单轮 FullySpecified 性能无法迁移到多轮 evolvingintent 场景,各模型家族均出现显著性能下降 · round=R1 · Recurrent Sinusoidal INRs for Efficient High…
主题综述 · engineering（2026-07-26）
今日 date +%j 取 207，对 8 取模得 7，本应写 risk；但 surveys/ 中 risk 已有 20260723 综述（72 小时内），按规则顺延到下一个未覆盖主题——index = (7+1) % 8 = 0（agent，已覆盖 0723）→ 1（rag，0724）→ 2（multimodal，0…
13 秒生成 720p 5 秒视频，比 Wan 2.2 快 120 倍 —— 一篇新论文把视频生成推到"单卡实时可用"的临界点
2026 年 7 月底，NVIDIA Research 团队在 arXiv 上挂出了一篇新论文 SANAVideo 2.0（arXiv 2607.21553），做了一件听起来像吹牛但实测数据确实顶得住的事：在一块 H100 上，用 13 秒生成一段 720p 5 秒的视频，质量与同期顶级视频生成模型（阿里 Wan 2.…
2607-21485
日期与轮次:20260726 R2 arxiv 链接: videokb 脚本原路径:/shared/videokb/scripts/tom/20260726_R2_spectralenrichmentrecurrentinrshortvideoscript.md 标题:共享正弦块,反复撑开频谱 目标观众:3D 重建研究…
2607-20734
日期与轮次:20260726 R1 arxiv 链接: videokb 脚本原路径:/shared/videokb/scripts/tom/20260726_R1_evolvinguserintentmultiturnfailureshortvideoscript.md 标题：动态意图 · 单轮评测全面失效 目标观众：…
LLMs Get Lost in Evolving User Intent：当用户意图在对话中演变，LLM 全面失效
当前 LLMs 在单轮 FullySpecified 任务上表现优异，但用户的真实意图在多轮对话中是动态演变的（逐步披露、修正、转向），而主流 Benchmarks 仍基于单轮静态设定；论文构建了一个将静态任务转化为动态多轮对话的框架，揭示了一个一致现象：强单轮性能无法迁移到意图演变场景，各模型家族均出现显著性能下降。…
SANA-Video 2.0：用"混合线性注意力"把视频生成打到单 GPU
SANAVideo 2.0 把视频扩散 Transformer 中"二次复杂度的 softmax 注意力"替换成"门控线性注意力 + 周期性 softmax 锚点 + 块级注意力残差"的混合架构，让 5B / 14B 模型在单块 H100 上以 13 秒生成 720p 5 秒视频，比 Wan 2.2A14B 快 120…
从视频中自监督学习结构化动态（SDM）
Structured Dynamics Model（SDM）提出将视频帧间变化显式分解为相机运动和物体运动两部分，通过未来特征预测 + 弱监督合成数据的混合训练策略，从冻结的预训练图像 ViT 特征中蒸馏出结构化运动表征，在含相机运动、物体运动及二者混合的 ProbeMotion 评测集上显著超越全局特征基线。 视频理…
当 ChatGPT 又卡了：你买的不是「算力不够」，是「显存锁」没解开——一篇 ICML 2026 论文把这件事讲清楚了
⚠️ 20260725 重写声明（P252 兑现 · Stephen 反思棒 725 21:30）： 元失败 #S「机构归因 overconfidence hallucination」首次识别：724 14:46 旧版第 §3 节自评段落明确写「缺机构（Cerebras Systems 暗示但未明）」—— 这是凭空捏造…
主题综述 · llm-infra（2026-07-25）
主题：llminfra（LLM 推理与服务系统）。本综述以 spark 20260725 的 E1 llminfra 预消化（inbox/spark/20260725llminfrae1prep.md，6 主线 + 3 旁证 + 8 矛盾点）为主干，叠加 2026 H1 的 10 篇代表性论文（KV cache 五分类…
Agent 自己交互过的经验，怎么"蒸馏"成永久技能——arXiv 2607.21051 给了一条新路
你有没有这种感觉？ 你做了一个 AI Agent 帮你跑代码、debug、修 bug。它在对话里"学到"了——你提醒它"别忘了检查依赖冲突"、它下次确实改进了。 但你一刷新会话、或者换个任务——它又"忘了"。你要重新教一遍。 这种"学到的东西只在当前对话里有效，一出 Context 就归零"的现象，是 2026 年 A…
Agent 越用越"傻"、账单越用越贵——arXiv 2607.21503 把这个病给治了
你有没有这种感觉？ 你做了个 AI Agent 帮你处理客户咨询、查订单、跑工作流。刚开始几次还挺聪明——对话越长，它越能"记得"你说过什么。 但用着用着：响应越来越慢、token 账单越来越离谱、关键信息开始"丢"——它明明在 Context 里看过"用户三个月前投诉过物流"，但下一次再问就完全失忆。 这不是 Bug…
2607-21557
日期与轮次:20260725 R3 arxiv 链接: videokb 脚本原路径:/shared/videokb/scripts/tom/20260725_R3_openforgerlharnessnativerltraindeploybridgeshortvideoscript.md 标题：OF · proxy 解…
视频选题榜 2026-07-25
· SampleEfficient Learning from Agent Experience · ED 把 Agent 交互历史蒸馏进模型权重 · 保留 64.8% ICL 增益 · Direct SFT 仅 3.8% · 749 SWE + 6 文字冒险跨域验证 · 9.6× RL 样本效率 · weightle…
主题综述 · multimodal（2026-07-25）
主题：multimodal（多模态大模型）。本稿以 20260722 → 20260725 这一周的 arXiv、HF Daily、inbox 笔记与 industry signals 为主轴，对 v31 活文档（multimodal.md）已立的"周末 722~723 立标集体爆发 25 件 + 724 立标续立 +…
2607-20785
日期与轮次:20260725 R2 arxiv 链接: videokb 脚本原路径:/shared/videokb/scripts/tom/20260725_R2_robostralnavigateimagespacewaypointvlnsotashortvideoscript.md 标题：RN · 用单目 RGB …
2607-21051 · Experience Distillation 短视频脚本镜像
日期与轮次:20260725 R1 arXiv 链接: videokb 脚本原路径:/shared/videokb/scripts/tom/20260725_R1_experiencedistillationagentweightpersistenceshortvideoscript.md 标题：ED · 把 Agen…
Agentic Context Management：把 Agent 记忆与成本当作生命周期与架构问题来解
Production AI Agent 失败的主要原因不是推理能力不足，而是上下文管理失控——对话历史、巨大 Prompt、工具定义与工具输出不断膨胀，导致 token 成本呈二次增长，同时跨会话记忆衰退；该论文提出 Agentic Context Management（ACM）学科，将其分解为五个原语，并证明只有经过…
Experience Distillation：让 Agent 从自身交互历史中高效学习，无需额外环境交互
Realworld Agent Learning 受限于昂贵环境交互（如运行耗时的实验或获取人类反馈），InContext Learning 能从交互历史中高效率学习，但历史一出 Context 增益就消失；论文提出 Experience Distillation，将 Agent 的交互历史（无需额外环境交互）蒸馏进模…
Robostral Navigate：单目 RGB、8B 参数、把视觉导航推到 SOTA 的纯图像空间策略
一个 8B 参数的视觉语言模型（VLM）只用单目 RGB 视频流做输入，直接在当前画面上"指出下一个目标点"作为航点预测，不依赖深度相机、不依赖多相机、不依赖预建地图，在 R2RCE / RxRCE 两个连续环境视觉语言导航基准上同时刷新 SOTA。 视觉语言导航（VisionandLanguage Navigatio…
32B 开源模型凭什么追上前沿闭源？——AutoMem：不是靠"大"，而是靠"会记"这件事被系统化训练出来
你有没有这种感觉—— 你团队花大价钱调了一个 70B 的闭源 Agent，在 NetHack 这种长视野游戏里死活打不过对手。换个 32B 开源模型，跑出来的分数还差不多。 你大概率以为：Agent 想干好活，只能堆模型规模。 但 2026 年 7 月这篇论文 AutoMem（arXiv:2607.01224）给了一个…