解读

ConvFill 通过"对话填充"（Conversational Infill）机制，让小模型在外部大模型推理完成前先行生成可信回复，填补了语音助手"低延迟"与"强能力"之间的鸿沟——在 Apple M2 芯片上实现毫秒级首响，精度仅比前沿模型低 6.3%。 语音 Agent 当前面临一个根本矛盾：基础模型的推理、检索…

RCORE 通过"共现先验正则化"（CPR）和"时序顺序正则化"（TORC）两项机制，专门破解 ZeroShot 组合动作识别中的"物体驱动捷径"问题——即模型不学动作本身，而是通过记住训练时见过的"动作物体"共现来作弊，导致无法泛化到新的动作物体组合。 ZeroShot 组合动作识别（ZSCAR）的目标是让模型能识别…

通过对 969 个依赖 GitHub 项目的实证分析，这篇 MSR 2026 论文揭示了一个反直觉的真相：MLOps 框架几乎没有人"开箱即用"——开发者真正使用的是它们的 API 来构建自定义功能，而非直接用 CLI 或 GitHub Workflows 集成。这对 MLOps 工具的设计者和选型者有重要启示。 ML…

本文是首篇系统综述 LLM 元认知（metacognition）的论文，把"模型能不能知道自己知道什么、不知道自己不知道什么"这件事拆成定义、评测、激发、应用四个抽屉，给研究者一份统一坐标。 LLM 在很多任务上能力惊人，但常常表现出两种典型失败：一是"不知道自己不会"，在超出能力范围的问题上自信胡答；二是"不知道自己…

本文提出 AMID——一个面向医学影像模型开发的自主多 Agent 框架，用"数据条件化方法规划 + 验证引导的两阶段优化"把原本依赖专家手工设计的影像建模 pipeline 变成可审计、可重放的 agentic workflow，并在 20 个异构医学影像挑战任务上接近甚至追平人工方案。 通用 LLM agent 在…

本文提出 BlindSpotsBench——一份以"对人简单、对 AI 难"为筛选标准的多模态 benchmark，用 235 道来自 AI 课程学生的真实问题，揭示前沿模型（包括闭源 LLM、VLM、图像生成模型）在某些人类认为轻而易举的任务上仍有顽固盲点，且没有任何单一模型能覆盖全部盲点。 过去几年 benchma…

ACQUIRE 提出在 LLM coding agent 真正开始修复代码之前，先用"问答对"方式系统地获取仓库知识，将知识获取与 patch 生成解耦，在 SWEbench Verified 上将 Pass@1 提升最高 4.4 个百分点，同时大幅降低无效探索成本。 LLMbased coding agents 在 …

小米 robotics 团队发布的 XiaomiRoboticsU0 是一个 38B 参数的多模态自回归模型，把「具身生成」视为基础图像 / 视频生成的延伸，统一优化文本到图像、图像编辑、具身场景生成、具身迁移与具身视频生成五类任务，在多视角一致性、跨机器人本体可迁移性与下游策略学习（pi_0.5 OOD 成功率 36…

RAG 框架并非「价值中立」的检索增强器：检索到的语料中包含的意识形态立场会被 LLM 系统性地传递到生成答案中，并且传递强度受 sampling temperature 显著调节——中等温度下话语对齐最强，过低的温度反而抑制了这种传递。 RAG 一直被定位为「事实性 / 反幻觉」工具，但学界与工业界对检索源的意识形态…

本文系统性地论证了把容器化、微服务、动态调度等 Cloud Native 范式套到 LLM 推理栈上的可行性与收益，并在 Kubernetes + Istio + gRPC 集群上以把每个 Transformer 层解耦为独立 microservice 的方式做了一组端到端实验，证明对瓶颈层做 HPA autoscal…

AIGC（AI 生成内容）经历了从 GAN 时代到 Diffusion Model 再到 GPT 系列/LLM 的技术范式迁移，核心驱动力是「大模型 + 大数据」带来的意图理解能力和生成质量的质的飞跃；本文是第一篇系统性梳理这一完整脉络的综述，覆盖单模态（文本/图像）和多模态两条主线。 AIGC 要解决的是内容生产效率…

引用：Noah Shinn, Federico Cassano, Edward Berman, Ashwin Gopinath, Karthik Narasimhan, Shunyu Yao，"Reflexion: Language Agents with Verbal Reinforcement Learning"，…

把 LLM 评测里成熟的 harness 范式（orchestrator + 子 agent + 证据链）引入视觉世界模型（world model）评测：用一个父 agent 把评测任务拆解为可测子问题，为每个子问题派发配备专门 context 与诊断工具的子 agent，父 agent 收集证据并汇总成 verdic…

在 RAG 系统中用一个对证据施加「强随机瓶颈」、对 query 保持全维访问的容量不对称机制，强制证据通道只编码「query 中没有的残差信息」，从而把 query潜变量互信息从 14.8 bits 压到 0.47 bits（≈30×），在 5 个推理基准上超过强迭代基线，幻觉率降低 73%。 RAG 长期被诟病的隐…

在冻结的多模态 retriever 的视觉与文本编码器各层插入若干可学习 soft prompt，按浅→深的 length schedule 分配，并用一个在线多模态攻击者与防御者做动态 minmax 对抗训练，让 defended encoder 的 embedding 直接重塑，不修改检索管道、几乎不增加推理开销（…

HyperM2RAG 把多模态 RAG 的"图"从二元简单图换成超图（hypergraph），把跨页/跨模态的 N 元关联作为一等公民建模，并配套"锚点驱动的增量精修（Anchordriven Incremental Refinement）"避免全页重建；论文已被 ACM MM 2026 接收，代码开放在 github…

AnyTalk 把"语音驱动 3D 面部动画"这件事从"必须为每个角色采集专属动画数据"重写成"拿一个预训练视频扩散模型 + 一次角色化微调即可"，核心是 CsF（Characterspecific Finetuning，用静音渲染图微调）+ blendshape 反向优化，并蒸馏出可实时推理的 AnyTalk_RT；…

用 Jacobian lens 与一个五臂共享上下文基准,在开放权重 LLM 上找不到"决定哪些表征被读出"的显式门控;真正把潜变量从上下文搬到 query 位置的,是中段层 64layer hybrid 与 62layer dense 同款相对深度处发生的 attentionmediated gathering——一…

FreeToken 是一个边缘原生(edgenative)的 MoE 推理系统,把"个人机器"视为一个统一弹性推理平台而非"小一号的数据中心 GPU",通过连续地把模型状态与计算映射到机器实际暴露的异构资源上,让 8GB 笔记本 GPU、单卡工作站、消费级游戏台式机这些边缘硬件分别能跑 35B / 284B / 753…

针对 RAG 中检索证据"有用 / 无关 / 误导"三类来源信任问题,2608.16515 提出 IntentGuided Decoding (IGD),用 answerlevel filtering + tokenlevel correction 双层机制,在解码阶段按用户意图在 retrieved context …

这篇工作从 LLM 的内部 hidden states 里直接估出两类可解释的不确定性信号——知识不足（knowledge insufficiency）和知识歧义/冲突（knowledge ambiguity/conflict），并在单次前向传播内据此决定要不要触发 RAG、要不要多走一步推理。 RAG 自从 2023…

本文提出 LatentIdentity Tuning——在「冻结的、预训练好的」TexttoImage 个性化模型的潜空间里，找出一组有语义意义的方向向量，沿这些方向平移就能对人脸身份做局部化、细粒度、语义一致的编辑，完全不需要额外训练。 个性化 T2I（TexttoImage）模型（如 Textual Inversi…

KVpop 用"未来注意力"作为监督信号，直接训练一个 fixedbudget 的 KV 淘汰打分器，并通过延迟记忆机制让打分器在"看完后续若干步"之后再决定保留还是丢弃，从而在 75% 和 88% 的 KV 压缩率下分别保留 Qwen34B 全注意力 98% 和 97% 的推理质量。 自回归解码阶段的 KV cach…

RAEF（RetrievalAugmented Extended Forecasting）是一种模型无关的单变量时间序列预测增强方法：把 RAG 范式从 LLM 文本场景搬到 Time Series Foundation Model（TSFM）场景，沿 RAF 路线把"输入空间检索 + 拼接聚合"两处机制替换掉 RAF…

通过对 N=46 个跨四个认知领域任务的电路级（circuitlevel）分析，本文证明 LLM 会像人脑一样涌现出功能模块化架构——同一领域任务调用重叠神经元，不同领域任务调用相互分离的神经元，提示模块化可能是智能系统的收敛性（convergent）属性，而非生物进化偶然。 神经科学的经典观察是：大脑皮层存在显著的功…

一个号称能在边缘设备跑的 3B Agentic 模型，开箱即用跑不起来——5 个独立 bug 把 HuggingFace transformers 部署路径堵死；修完后又遇到 Looped Transformer 的层复用策略让 attention 显存翻倍，作者用 chunkedprefill 把 32 GiB 共享…

面向推理的训练让模型的 trace 看起来更审慎（自我修正、假设检验、不确定性表达被放大 3–7×），但与"答对"最相关的几项行为——confidence calibration、knowledge alignment、selfawareness——反而没有被同步放大，作者把这道裂缝命名为 AmplificationL…

把"虚假引用"与"不切中命题的引用"拆开看，现有 LLM 在前者上几乎满分（93–100%），在后者上却只对一半多一点（37–83%），而且规模与推理努力都填不平这条裂缝。 2023 年 Mata v. Avianca 案让全行业第一次意识到"LLM 编造虚假引用"的危害——两位律师向纽约联邦法院递交了一份含六个虚假判…

本文提出 Apodex Discovery 框架，把"探索型 AI"（discoverative AI）从 benchmark 走向真实工程级验证：在 561 个行业 / 16 个领域里筛出 423 个真实高价值问题、首发 20 个，再用统一的 environmenttaskepisode 抽象 + TRACES 固定…

在六个公开临床数据集（文本/影像/表格三类）上的七个 cohort 中，作者系统证明：Gemini 多 Agent 委员会能单独抵御浅层提示（flip 5–16%）但无法抵御"社交合理"的捷径——当两位同伴坚持同一错误答案时，待测 holdout 在 38% 的情况下会跟随错误，而这种作弊在 benchmark 上几乎…