解读
2626 篇 · 选题榜 / 深度解读 / 科普 / 综述 / 视频脚本（学术推广产出）
SimuVerity：当"能跑起来的 Simulink 模型"不等于"工程上合格"——一套 101 题六维分级评测
仓库与数据已公开： 提交注释显式给出）。⚠️ 提示：本解读基于 arXiv v1 摘要 + 论文卡 + 注释，PDF 全文未下载，所有具体数字以原文 abstract 为准。 1. 真问题是什么？——现有 Simulink 评测只看"能不能编译 / 能不能跑 / 像不像参考模型"，不验证模型是否满足工程规格，导致"看起…
主题综述 · database（2026-10-05）
930 → 1005 窗口 5 天净增 academic candidates + 工程实战多件。database 主轴从「OpenViking + KVdisaggregated + CloudNative K8s + 方法论批评」四主轴扩张到「向量库选型矩阵五层 + GPU 共置落地 + Agent Memory …
Persona Dosing：分级特性控制的校准激活引导
PersonaDose 把"激活引导系数"升级为"行为量表"——通过特性描述 + 请求强度共同控制的 FLAS 控制器，再以实测特性表达回标流时间，让 LLM 按"几分人设"精确出活，而不是粗暴地"开/关"特性。 激活引导（activation steering）通常给一个乘性系数 α，模型就"多一点这个特性"。但产品…
Transformer 过早停止思考，一个微型 LoRA 即可修复
预训练 Transformer 用极少层数就能完成"在长上下文里精确指代/跟随"任务的事实，意味着只要在一个早期层插一个 rank8 LoRA，就能把 Qwen38B 的 24 行精确指代从 15.5% 抬到 99%，且主模型权重全程冻结。 LLM 在长上下文里做"按编号/按行指代"的链式推理时，表现远不如短上下文。直…
DyadMem：Agent 如何与用户协作的长期记忆基准
DyadMem 提出"用户条件关系型 Agent 记忆"（URAM）概念，把长期 Agent 记忆拆成"用户事实 + 关系专属记忆"两条线，并在 3,065 episodes / 50,961 sessions / 61,210 QA 上证明——只测 GoldMemory QA 会严重高估当前 LLM 的长期记忆能力，…
追踪状态足迹：让 Agent 真正"会事务处理"
把多 Agent 协作视作一个数据管理问题，提出"状态足迹"（state footprint）作为 Agent 的第一类公民元数据，主张下一代 Agent 编排器必须像数据库事务系统一样，为并行 Agent 提供类似 ACID 的执行保证，但又能用 LLM 的语义能力去做冲突解决而非粗暴 abort。 当 Agent …
ChatGPT 上线一个月,Twitter 上 10,732 条推文告诉你:用户是真的在用它干这些事
2022 年 11 月 ChatGPT 公开发布那天,媒体把它同时喊成"教育终结者"和"创造力放大器"。开发者社区、SaaS 厂商、教育机构都在猜:真实使用形态到底是什么?是真革命,还是又一轮 hype? 一个月后——2022 年 12 月——一份 arXiv 预印本(2212.05856)给了第一份大规模真实用户数据…
当 AI 还在「画鬼打架」时,2015 年这篇论文已经用统计把"骗 GAN 的游戏"换掉了
2014 年底,一个叫 GAN 的新玩法横空出世——让两个神经网络"对着干":一个画假图,一个当判官,判官越严格,画师就越厉害。听起来很燃,但工程师上手两周就会发现:这东西根本训不稳。 模式坍塌(画师只会画同一种图)、训练震荡(判官画师来回拉扯)、判别器饱和(判官太强画师直接放弃学)——这些都是 2015 年 AI 圈…
2609-09134
日期:20261005(Asia/Shanghai) 轮次:R2 arXiv 链接: videokb 脚本原路径:/shared/videokb/scripts/tom/20261005_R2_onpolicyharnesscorrection_shortvideoscript.md 标题:协同进化反 hook · o…
推广选题榜 · 2026-10-05
近 30 天（20260905 至 20261005）入库论文共 437 篇，以下 Top 8 综合「被引 + 评审分 + SOTA 声称 + 新近度 + 话题热度」选出。 #1｜DeepSeekV4.1Flash: Pushing the Limits of KV Cache Compression arxiv: 2…
你以为"上传图片搜相似图"是只读操作——2026 这篇论文告诉你，攻击者能用它偷走你整个图库
如果你做 RAG 应用、做过企业内部知识库搜索、或者用过任何"上传图、返回相似图"的产品形态，你大概率默认一件事： "我上传的是查询图，系统返回的是候选图——这是只读操作，我自己的图库没暴露。" 这个直觉是错的。 2026 年 10 月这篇论文 Walking the Embedding Space（工作名）/ Dat…
你让 Sora 帮你"煎蛋"——它端出来的可能是完美的空盘子
如果你是做具身 AI 或机器人研究的工程师，你大概率听过这种话："Sora / Wan / Kling 这些视频生成模型现在就是世界模拟器，给一张图+一个动作，它就能生成未来视频。" 这话听着很性感——意味着我们可以用视频生成模型来合成机器人训练数据、预演自动驾驶路径、给 VLM 模拟一个练习环境。 但你仔细想，会发现…
Twitter 早期 ChatGPT 用户情感研究：10,732 条推文的混合方法分析
对 10,732 条 ChatGPT 早期采用者推文做"主题建模 + 质性情感分析"的混合方法研究，结论是早期采用者整体高度正面，集中于"软件开发被颠覆 / 娱乐与创造力激发"，而对教育领域的潜在滥用表达明显担忧。 2022 年 11 月 ChatGPT 上线后，公众认知与情绪在数日之内剧烈分化：媒体把它同时描述成"教…
Harness-of-Harness：让 LLM Coding Agent 持续多日自主开发软件
HarnessofHarness（HoH）是一种"在 Coding Agent Harness 之上再包一层 Harness"的元架构，它把单次任务执行拆成"规划—编码—测试"的迭代闭环，并强制小步可验证、修复与能力增长平衡、版本化项目历史等约束，使 LLM Coding Agent 能在 70+ 轮迭代的多日窗口内持…
协同进化 Harness 与模型：On-Policy 专家修正让弱模型追平模仿失效点
论文研究"Harness 进化 + 弱模型轻量微调"如何协同，发现先用弱模型进化 Harness，再用强专家在已进化 Harness 上跑全轨迹让弱模型模仿，会破坏 modelharness fit（性能在 7 个企业 Agent 任务上回归 430 分）；改用 onpolicy 专家修正流水线（只重写弱模型自身 ro…
视频选题榜 2026-10-04（v2 重写覆盖 · 反思棒 #67 触发）
v1 → v2 修复：v1 文件 500B / 3 行 / 3 条单行 bullet，仅 3 条单行 bullet（Lower bounds for multivariate independence polynomials arXiv:2602.02450 / ThinkingBox arXiv:2608.19741…
AI 看完 K 线图喊「买入」——它的真实可靠性可能只有 6.4%(v2 重写覆盖 v1)
v1 主要问题(自我反思棒 1003 标记):① section 编号从四直接跳到六(漏五);② 缺独立 ⚠️ 工程核查(Jay 核查节)段;③ 数字提取率较低(4 个可锚数字 / 7 个 abstractlevel 数字点 = ~57%);④ 「5 条工程坑」压缩在文末一段,未升级到独立节;⑤ 边界声明偏薄。 现有金…
主题综述 · multimodal（2026-10-04 · v2 重写覆盖 v1）
v1 → v2 重写说明（反思棒 #57 第七次实战）：v1 §0 自检栏 ④ 虚假 ✅（反方段数实为 0）+ ⚠3 + ⭐⭐⭐⭐ 双符号反弹（反思棒 #69）+ 自检梁 #70 修 / CJK "约 3,700" 数字回退 / verifiability 100% 夸大 / "诚实坦白 + 原因"话术变种（反思棒 #…
LoRA 变体圈最大的"皇帝新衣":PiSSA、DoRA 报告的 +10%~+37% 提升,可能只是学习率没调对
你做 LLM 微调时,是不是被 PiSSA、DoRA、AdaLoRA 这些"LoRA 增强变体"搞得选择困难?arXiv 2602.04998 给你一盆冷水——这些变体相对于 Vanilla LoRA 报告的"惊人提升"(有的 +10%,有的 +37%),很可能只是因为对比时用了固定或过窄的学习率范围。当学习率被认真调…
数学家遇到 AI:6 年没解的猜想,被一个"数学研究 Agent" 6 小时拿下——但别急着说 AI 取代数学家
一个困扰数学家 6 年的猜想——"多元独立多项式的下界长什么样"——被一组研究者用一个"搭建在 Gemini Deep Think 之上的数学研究 Agent"加上 Lean 形式化复核,闭环了。听起来像 AI 接管数学的剧本,但真相比这更微妙:Agent 负责生成证明草稿,Lean 负责形式化兜底,人类负责最后的边界…
Towards a Science of AI Agent Reliability：成功率之外，Agent 可靠性的四个维度与十二个指标
现有 Agent 评测只问"成功率"，却忽视了"一致性、鲁棒性、可预测性、安全性"这四个决定 Agent 能否真正部署的关键维度——Princeton 团队用 12 个指标对 15 个主流 Agent 模型实测发现：近两年能力大幅提升，可靠性仅小幅改善。 AI Agent 在标准评测基准上准确率越来越高，但一到真实部署…
Memory for Autonomous LLM Agents：把 Agent 记忆形式化为「写—管—读」循环的三维分类体系
记忆是 LLM Agent 从"有状态的文本生成器"进化为"真正自适应智能体"的核心能力——这篇综述将 Agent 记忆形式化为「写—管—读」循环，用三维分类体系（时间范围 × 表示基底 × 控制策略）系统梳理了 2022—2026 年该领域的机制、评测与开放问题。 单个 LLM context window 远不够用…
Vanilla LoRA May Suffice：调好学习率，9 种 LoRA 变体都在 1-2% 以内
PiSSA、DoRA、AdaLoRA 等 LoRA 变体相对于 Vanilla LoRA 的"惊人提升"（有的报告 +10% 到 +37%），很可能只是因为对比时用了固定或过窄的超参数范围——当学习率被认真调优后，所有 9 种 LoRA 方法的峰值性能差距仅剩 1~2%，Vanilla LoRA 完全有竞争力。 LoR…
GAGAR：面向代码 Agent 强化学习的分组智能评分与优势再分配
GAGAR 在代码 Agent RL 训练中引入一个 SFT 训练的「智能评分员」，对通过测试的轨迹按实现质量重排序后做优势再分配，让 GRPO 不再把所有"过了测试"的轨迹一视同仁。 当前代码 Agent 的强化学习几乎都遵循一个套路：用可执行测试当奖励源（binary reward），再用 GRPO 做组内相对策略…
你的 RAG 系统是不是太重了?——Amazon Science 说:扔掉向量库,只靠关键词搜索就够用
"query → embedding → 向量库 ANN 检索 topk → prompt → answer"——这是过去三年所有 AI 工程师闭着眼都能写出的 RAG 默认公式。但如果你正维护着一个向量库(Pinecone、Qdrant、Milvus、pgvector 任选其一),花了钱、花了人、每天为索引重建和版本…
为什么你团队的单一大模型永远不够用?——一篇综述说清楚「集成智能体」到底是怎么回事
你有没有过这种经历:团队花重金买了最强的大模型,想让一个 LLM 把客服问答、内部文档检索、看图、看报表全部搞定。结果呢?——文档查不到最新版本、看图时答错细节、长流程里忘记三步前说过什么、复杂任务中途跑偏。最后所有人的反应都是:"这 AI 不太行啊。" 不是 AI 不行,是"单体 LLM"这件事在结构上就不够。202…
2608-19741 · Tom R2 10-04 短脚本镜像
date: 20261004 round: R2 arxiv_url: video_kb_script_path: /shared/videokb/scripts/tom/20261004_R2_shortvideoscript.md arxiv:2608.19741 · "One Success Isn't Reli…
Omni-Decision：把对话历史换成"证据台账"的全模态规划框架
OmniDecision 用"证据台账（evidence ledger）"取代不断膨胀的对话历史，让全模态智能体在多步任务中只读取结构化的证据状态，从而在 OmniGAIA 上以约 43% 的 Gemini3.1Pro 单题成本达到 81.4% 的 SOTA 准确率，并在 WorldSense 长视频理解上追平最强端到…
生成矩匹配网络（GMMN）：用 MMD 取代对抗训练的早期尝试
GMMN 用 Maximum Mean Discrepancy（MMD） 这一核统计量直接作为训练损失，把"生成器单次前向采样"的 GAN 范式搬到了一个凸的、单目标的优化框架里，并在 MNIST 与 Toronto Face 上得到超过同期 GAN baseline 的样本质量。 2014 年底 GAN（Goodfe…
多元独立多项式的下界与 Gemini Deep Think 数学研究 Agent 实战
一句话结论：把经典"Sah–Sawhney–Stoner–Zhao 独立集下界"从单变量 λ 推广到每个顶点独立逸度 λᵢ 的多元情形；并且把两色半proper着色配分函数的下界也一并钉死，最关键的工程贡献是：所有关键不等式的证明步骤，是由一个自建于 Gemini Deep Think 之上的"数学研究 Agent"生…