解读
1087 篇 · 选题榜 / 深度解读 / 科普 / 综述 / 视频脚本（学术推广产出）
Hallo4D: Multi-Modal Hallucination Mitigation for Consistent Spatio-Temporal Generation
Hallo4D 提出了"生成检测修正"（GenerationDetectionCorrection）范式，利用 LMM（大型多模态语言模型）对多视角和多帧渲染结果进行时空一致性检测，并引导基于共识驱动的图像空间优化，无需重训练或修改模型架构，即可显著缓解 3D/4D 内容生成中的空间幻觉和时间抖动问题。 3D/4D 内…
CoAL-RAG：复杂度感知的法律 RAG，让「单一检索策略」不再硬扛「单条退订」到「劳动连环案」的全谱问题
一句话结论：把「问题复杂度」从单一 tokenconfidence / 单一难度分类器升格为「5 维内在复杂度 × 检索一致性能量竞争」双轴评估，再以 3 档阈值在 4 条检索路径之间动态路由，使简单法条问答不必被知识图谱淹没、复杂多步推理性案件不会被纯向量检索的零碎片段带偏。 法律咨询问题的「复杂度方差」远高于通用 …
PLENA：长上下文 Agentic LLM 推理的硬件—软件协同优化
PLENA 提出了一套面向 Agentic LLM 推理场景的硬件—软件协同设计系统，通过扁平化 systolic array、非对称量化与 FlashAttention 原生支持三条优化路径，在等量乘法器和等量内存配置下，把 LLaMA 系 Agentic 推理的吞吐相对 A100 / TPU v6e 分别提升到 2…
DeepSeek-V3 Technical Report
DeepSeekV3 是一个 671B 参数的 MoE（MixtureofExperts）LLM，激活参数仅 37B/token，通过 MLA 注意力、DeepSeekMoE、AuxiliaryLossFree 负载均衡、MultiToken Prediction（MTP）和 FP8 混合精度训练等创新，在仅 2.78…
Siren's Song in the AI Ocean: A Survey on Hallucination in Large Language Models
该综述将 LLM Hallucination（幻觉）系统分为 InputConflicting、ContextConflicting、FactConflicting 三大类型，全面梳理了检测方法、评估基准和缓解技术，为 LLM 在真实场景中可靠部署提供了完整的知识地图；论文据 Semantic Scholar 估计被引…
Preference Is Not Intervention：读者特定证据效用的结构与稳定性边界
在 RAG 系统中，"不同模型偏好不同证据"这件事是真的，但稳定的偏好排序并不能授权"帮助/伤害"决策的跨读者迁移——论文用受控干预实验把"读者效用"拆成 activity、ordinal preference、conditional signed direction 三层，并证明前两层稳定、第三层塌方，得出"偏好 ≠…
EDITBRIDGE：面向忠实且高效的超高分辨率图像编辑
把"低分辨率编辑 + 独立超分"的两阶段 pipeline 重写成"扩散桥式 datatodata 翻译"：以原 HR 图为条件约束、引入 priorguided blockwise sparse attention 把跨图交互限制在语义对齐区域，从而在 4K 分辨率下做到 61 秒实用编辑、2K 分辨率上 3.6–8…
跨模型记忆迁移：Engram 在目标侧靠 Reader 适配对齐
Engram 这种"外部哈希记忆表 + 小型 reader"的中间形态，跨模型迁移时记忆内容本身可以冻结，但能否真正被用起来，几乎完全取决于目标侧 reader 是否与目标 backbone 对齐——配上对齐的 reader，跨模型几乎追平同模型复用。 大模型的知识使用改进，长期被两条路线分治： 参数化适配（finet…
DiSCO：在提示层面做分布引导的对比防御，保护文本到图像生成
DiSCO 是一种严格黑盒、零样本、即插即用的提示层防御方法，专门解决"语言上无害但因模型学到的数据分布仍生成有害图像"的良性对抗问题——在 I2P benchmark 上对未防御模型降低 ASR 37.7%，对已防御模型再降 25.13%，同时保住语义一致性与图像连贯性。 文本到图像（T2I）模型的安全防御，长期被两…
沿成功之流反推 Agent 失败：OAT 的无监督失效归因方法
论文提出 OAT（Oneclass Anomaly detection on Trajectories），把 LLM Agent 失败归因重新定义为「只学成功轨迹、用动力学偏离度判失败步」的单类异常检测问题：训练只需 100 条成功轨迹、推理比 prompt 基线快 200–5000×，indomain / OOD 上…
PTXBench：用架构特定 PTX 衡量并提升 LLM 的 GPU Kernel 优化能力
PTXBench 用一组在 H100 / B200 上跑得动的真实 GPU kernel 任务（含 GEMM 和 attention 正反向），搭出一个可审计、可度量、可训练的测试床，并诚实告诉业界：LLM 在"写出架构特定 PTX"这件事上，目前仍没有稳定 SOTA——这是该方向第一次系统的体检报告。 LLM 写 C…
LakeQuest：面向数据湖根植式问答的三领域基准
论文提出 LakeQuest——一个人工校验、跨 AI/ML 元数据 / 零售银行 / 多模态生物医药 三领域的 9,846 条根植式问答基准，每个问题都附带 modalityaware 的证据指针，专门用来评估「在真实数据湖上做端到端检索 + 综合」全流程；并通过基线实验证明：高质量检索并不保证正确推理，现代 RAG…
PalmClaw：手机端原生在设备运行的 Agent 框架
论文提出 PalmClaw——一个完全运行在手机端的开源 Agent 框架，把 session、memory、skill、tool 与 agent loop 都搬到本地：它把手机能力以「device tool」形式暴露给 LLM，每个动作都带显式参数与结构化结果、清晰执行边界；实验显示相对最强基线取得 +11.5% 相…
揭秘 Agent Skill：为什么它们有效——直到失效
Agent Skill 不是在"注入新知识"，而是在"把噪声轨迹压缩成稳定执行的过程性锚点"——它有效是结构性的，但这个结构的脆弱性同样决定了它何时会失效。 LLM agent 框架过去一年普遍引入"Skill"机制：把工具调用模式、错误恢复策略、工作流模板打包成结构化知识包，让模型在推理时按需加载，以期提升任务成功率…
LATO.2：基于顶点流与拓扑流分解的 3D 网格生成
LATO.2 把 3D 网格生成拆成两阶段：先学"顶点几何流（vertex flow）"，再学"以已实现顶点为条件的拓扑流（connectivity flow）"——两阶段都锚定同一个粗体素支架（coarse voxel scaffold），由两套专用 VAE 把离散拓扑也嵌入到连续潜空间。论文称在几何保真度与连通性质…
Evidence-Backed Video Question Answering：用像素级证据回答视频问题
论文提出 EVQA（EvidenceBacked Video QA） 这一新任务：模型必须同时输出"语义答案 + 像素级时空证据（时间片段 + 稠密、跟踪的物体 masklet）"；配套发布首个人工验证的双重 grounding benchmark STEvidence，以及 16 万规模、衔接高层推理与细粒度 gro…
EgoSteer：从第一人称视频出发的可控制灵巧操作系统
EgoSteer 是一个全栈（fullstack）系统：用 EgoSmith 数据管线把野外第一人称（egocentric）人类视频清洗成 9600 小时高质量预训练数据，配套一套遥操 + 人在回路纠错的统一机器人栈，再训练一个带世界模型增强的 VLA（VisionLanguageAction）——EgoSteer。它…
MET：理论支撑且文化感知的多语言道德推理
论文给出三件套：MCLASH 多语言道德决策 benchmark（覆盖文化情境化的道德直觉与社会规范）、MET（Multilingual Ethics with Theorygrounded reasoning）两步提示法（先按情境/文化选"理论依据"，再用用户母语推理）、METD 自蒸馏训练（无需外部监督即可加强第二…
Boogu-Image-0.1: Boosting Open-Source Unified Multimodal Understanding and Generation
BooguImage0.1 是一个完全开源的统一多模态图文模型家族（Base / Turbo / Edit / EditTurbo 四款变体），在约 40 万美元的受限算力预算下，通过系统性提升模型理解能力、数据质量与训练流程，并引入 Agent 化的推理时缩放（agentic inferencetime scalin…
下一代云原生内存键值存储：从 Redis 到 Valkey 的全景评测
⚠️ 重要前置事实：本文 v1 由第一作者撤回（arXiv:2510.19805v2 已 withdrawn），原作者声明"未被告知也未同意发表，且报告的数值结果存在多处重大错误，相关结论不被基准数据支持"。本文解读基于公开 v1 摘要与 TLDR，作为「该问题域的存在性证明」与「评测方法学参考」使用，不应直接引用其具…
CATS：内存受限设备上的自投机级联验证推理加速
论文全名：Cascaded Adaptive Tree Speculation for MemoryLimited LLM Inference Acceleration（arXiv:2605.11186v1，20260511，作者 Yuning Han 等）。本研究面向边缘设备上 LLM 自回归解码加速。 提出 CAT…
ByteHouse：字节跳动的云原生实时多模态数据仓库
论文全名：ByteDance's CloudNative Data Warehouse for RealTime Multimodal Data Analytics（arXiv:2602.08226v2，20260209 第一版，作者 Yuxing Han 等字节跳动 ByteHouse 团队）。本文是字节跳动内部数据…
Experience as a Compass: Multi-agent RAG with Evolving Orchestration and Agent Prompts
HERA 是一个分层演化框架，通过全局编排拓扑优化与局部角色感知 Prompt 进化双层协同，让多 Agent RAG 系统在多跳知识推理任务上平均提升 38.69%，同时实现 emergent selforganization——稀疏探索自发收敛为紧凑高效的 Agent 网络。 多 Agent RAG（Multiag…
Motion4Motion: Motion Transfer Across Subjects at Inference
Motion4Motion（M4M）是一个免训练（trainingfree）的跨主体运动迁移框架，彻底抛弃了传统的基于预定义人体骨骼结构的运动迁移范式，改为直接对视频中角色的 motion flow（运动流）进行建模，从而在推理阶段实现从人类到动物、从真人到卡通、从一种形态到任意物种的高质量运动迁移，无需任何骨架标注或…
VideoRAE：用冻结视频基础模型做生成式表征自编码器
VideoRAE 提出 Representation AutoEncoder 范式：把冻结的视频基础模型（VFM，如 VJEPA 2、VideoMAEv2）当成「教师特征源」，用 1D selfattention projector 压缩多尺度层级特征得到紧凑 latent，再以 localglobal 表征对齐替代传…
RAGU：把 7B 模型训成 GraphRAG 引擎核心，单卡可跑的开源多步管线
RAGU 是一个开源、模块化、pip install 可装的 GraphRAG 引擎，通过把"抽取"与"融合"解耦的两阶段管线 + 用 7B 的 MenoLite0.1 替代传统 32B+ 抽取器，在 GraphRAGBench (Medical) 上把 evidence recall 拉到 0.84（SOTA 对照 …
How AI Agents Are Restructuring the Software Paradigm
本文从软件工程学科视角，论证 AI Agent 的出现是对"软件"本身的根本性重构——从"代码是决策逻辑的载体"到"Agent 本身就是软件，决策逻辑在运行时生成"，并提出 Agentic Engineering 作为扩展软件工程学科的新范式。 过去半个世纪，软件工程建立在同一套基础假设上：人类工程师分解问题 → 将决…
AgenticRAG: Agentic Retrieval for Enterprise Knowledge Bases
AgenticRAG 在现有企业搜索基础设施之上叠加一层轻量级 Agent harness，为推理型 LLM 配备 search / find / open / summarize 工具，实现迭代式检索、跨文档导航与证据自主分析，在 FinanceBench 上达到 92% 正确率——比传统 RAG 高出 3.8 倍，…
MathForm：用知识检索与验证驱动迭代，把数学自动形式化从「翻译」拉到「可用」
MathForm 把「自动形式化（autoformalization）」从一个靠模型死记 Mathlib 的「翻译活」重做成一条「检索 + 编译器反馈 + 语义一致性反馈」驱动的数据训练流水线，并在 6 个 Lean 4 基准上用 8B 模型打平乃至超过多个专用 32B 形式化器。 数学自动形式化长期有两个隐性失败模式…
Personalized Auto-Research：面向真正的 AI 协作科学家的个性化研究框架
当前 SOTA AI coscientist 系统以"研究者无关"的方式优化 novelty、validity 或 reviewer score，忽略了科研工作的本质：什么算创新、价值或可行，取决于具体研究者。Personalized AutoResearch 首次提出将研究者个体建模为研究过程的核心条件，通过"图锚定…