解读
1755 篇 · 选题榜 / 深度解读 / 科普 / 综述 / 视频脚本（学术推广产出）
Learning to Discover Interesting Mathematics（学习发现有趣的数学）
1. 它真正解决的问题：当 LLM 已经能在 Olympiad / Lean 形式化证明上批量产出「新定理」时，数学共同体对「这个新定理值不值得继续推下去」缺乏可量化的信号；论文把「有趣度」从审美判断变成一个可计算、可验证的标量。 2. 它用什么范式解：定义内在有趣度 = proof_length / statemen…
直接问 Jev：RLCD 校准决策作为 AI 对齐失败零样本检测器
Q1 这篇真正解决的是什么 alignment 痛点？ 当下对齐评测要么靠 LLMasjudge 每条标准解码一次，要么靠 token 概率分类器一次给一个固定标签；这两类都很贵且 tokenlevel 粒度不够细。 Q2 它比 Llama Guard / 生成式 judge 改在哪？ Jev 来自 RLCD 训练范式…
DeltaWAM：面向双手操作的 Delta 世界动作模型
Q1 论文真正解决的是哪个 robotics 痛点？ 把预训练视频生成器当作世界模型塞给机器人做双手操作控制时，"未来帧冗余"与"重视频专家推理过慢"两个具体工程痛点。 Q2 它比上一代 WAM/FastWAM 改在哪？ 不再预测稠密未来帧，而预测"视觉 delta"；并用 Streaming Delta Memory…
用于广义任务与运动规划问题的编程智能体
Q1 这篇真正解决的是什么 TAMP 痛点？ 任务与运动规划（TAMP）即使在完全可观测、objectcentric 状态下也难，因为离散决策与几何/运动学/动力学耦合；广义 TAMP 想跨实例复用，但需要大量 TAMPspecific engineering。 Q2 它比手工 planner / 一次生成 / LLM…
Neural Spectral Capacity：从架构规格就能算的「网络容量标尺」
⚠️ 读本节时建议先看 §六 边界声明：本文以 arxiv v1 abstract 与 paper card 为依据。 1. 谁在意这个问题：做 NAS、设计 Transformer family、做训练无关剪枝（trainingfree pruning）、做模型压缩选型的工程团队。 2. 现有方案差在哪：用 #Par…
OmniEcho：让具身智能体「用耳朵看世界」的统一基准 + 模型
⚠️ 本解读基于 arxiv v2 abstract（20260923，30.8 MB，HTML 版可读）+ paper card TLDR；HTML 全文细节本文未独立逐图复述。 1. 谁在意这个问题：做 embodied AI、audiovisual navigation、机器人/AR 音频感知、做多模态融合的团队…
ViRDM：让视频扩散模型「丢开老师」也能 few-step 生成
⚠️ 本解读基于 arxiv v1 abstract（20260924，43.8 MB）+ paper card TLDR；本文未独立精读 PDF 全实验节。 1. 谁在意这个问题：做 fewstep / realtime 视频扩散、AR/Streaming 生成、video LDM 蒸馏的研究与工程团队。 2. 现有…
Rufus-Air：一份完全开源可复现的 LLM 后训练配方（八阶段串行管线）
| # | 元层问题 | 本稿回答 | |||| | Q1 | 这篇论文要解决的真问题是什么？ | 开源 LLM 后训练的「工程黑箱」：业内大多只发权重，不发数据配方、reward 设计、阶段顺序与基础设施 | | Q2 | 它给出的最核心方法机制是什么？ | 在 GLM4.5AirBase（106BA12B）上跑一条…
PUBG Ally：作为「AI 队友」的对话式具身 Agent
| # | 元层问题 | 本稿回答 | |||| | Q1 | 这篇论文要解决的真问题是什么？ | 在 强延迟约束 + 不断变化的游戏世界 中，让 LLM agent 既能像队友一样说话、又能像玩家一样行动——把「agentic tool use」与「实时控制」两层叠加 | | Q2 | 它给出的最核心方法机制是什么？…
IterSynth：角色解耦的迭代式深度搜索 Agent
IterSynth 通过将搜索 Agent 的「规划者」与「综合者」角色解耦，并用 summary 作为持久状态，解决了传统 ReAct 式 Agent 的能力耦合与上下文噪声两大顽疾，8B 模型在 5 个长程深度搜索基准上平均得分 50.7，较同规模最强 baseline 提升 +4.2%。 深度搜索任务（如 Bro…
AgentKernel：面向 AI Agent 的信任原生操作系统
AgentKernel 首次提出将传统 OS 的安全原则下推到语义平面，围绕 Identity、Perception、Cognition、Execution 四个支柱构建 Agent 的信任原生操作系统 substrate，为 Agent 的安全治理提供 mandatory、nonbypassable 的底层基础设施。…
World Action Agent：用 VLM 操控机器人的世界-动作排练框架
World Action Agent（WAA）提出让 VLM 在一个视觉动作工作空间中直接「排练修正执行」机器人操作，通过 Contact Views、Action Rehearsal 和 InView Correction 三项机制，在 LIBEROPro 上以 75.6% 平均成功率刷新 SOTA，并将 9B 模型…
MemoryAthena:Adaptive Routing over Latent and Generated Memories
authored_by:Jay · R2 0925 中午档自撰 explainer · 首篇自撰 explainer(沿用 dailyplan §4 范式) date:20260925 触发:cron fff1e54857b54da1a4e709b7de706448 · 视频矩阵 · Jay 选题雷达 R2 · 每天1…
能力出众却简洁高效：从前沿模型中提取并刻画隐藏的思维链
1. 真问题：前沿闭源模型的"原生 CoT"被隐藏，能否不破解模型就重建一份与原生 CoT 行为等价的推理轨迹？ 2. 新颖处：方法是方法学——API 标准功能（自定义 tool + toolchoice 控制）就能诱导模型把推理倾倒到工具参数里。 3. 实验验证什么：(a) 开源模型上提取 CoT ≈ 原生 CoT；…
自组织 Agent 团队学习协同推理
提出 SelfOrganizing Agent Teams（SAT）——一组固定成员的多智能体从过往协作中学习可复用的"团队策略"（角色、对话阶段、参与度、信息流），在不做显式任务分解、不依赖路由器的情况下，让团队在数学与物理基准上达到 66.7% 平均准确率，比最强单成员（48.8%）、与该成员算力对齐的单体推理（5…
线性表示假说需要一个群作用
本文主张"线性表示假说（Linear Representation Hypothesis, LRH）"并不是一个假说，而是一族以表示等价性区分的假说；为了在跨模型之间讨论表示，必须显式声明"何时两个表示应被视为等价"。论文用群作用（group action）作为形式化工具，把"被研究的表示对象 / 生成它的过程 / 最…
面向持续文档撰写的知识 Pull Request
提出 Knowledge Pull Requests（KPR）——一种让"持续修订文档"变得可解释的框架。它把每一次修订拆成两层：一层是知识变化（新提取的 claim、过滤、路由、冲突检测），另一层是文本变化（最终的文档 diff），并产出 ChangeLog 让审稿人能看到"为什么改"。在跨语言维基百科修订与查询驱动…
把校准列为 LLM 评估的一等标准
NLP 评估长期把「模型的置信度是否有意义」当作可选项，论文主张把校准当作每一项 benchmark 与每一个模型发布的硬性必报项，并指出 LLMasajudge、合成数据生成、active learning 三类研究流水线已经悄悄踩进「未校准就使用」的坑里。 LLM 评估的工业实践里存在两段割裂： 1. 校准是一个研…
Six Layers Less：面向 Whisper 的无标签恢复编码器剪枝
Whisper 的解码器剪枝（whisperlargev3turbo 把 32 层减到 4 层，DistillWhisper 减到 2 层）已经成熟，但编码器侧长期缺乏可广泛落地的方案。论文给出「按 leaveonelayerout 的 WER 变化排名 → 砍掉最不重要的 6 层 → 用无标签单语语音数据做无监督蒸馏…
FLEET：从 logits 熵到文本生成中的增强轨迹
传统温度采样是无记忆的——每条新样本都不知道前几条采过什么，结果是随着采样数增多，语义重复答案的比例不断上升，准确率收益递减。FLEET 把「记忆机制」嵌进生成过程：把每次生成表示为穿过「熵超过阈值的状态」的稀疏轨迹，再用这些轨迹推断每个 token 的 utility 分数去调整 logits——同预算下与 repe…
GeoPair：面向免训练 Transformer 压缩的几何保持跨层分解
1. 元命题：Transformer 跨层冗余不应被启发式处理，必须用"几何保持"作为优化目标来识别真正结构兼容的层对。 2. 元对象：现有免训练压缩管线要么逐层孤立优化，要么用粗粒度的"相邻层同基"分组，忽略每层的激活几何差异。 3. 元约束：在零训练预算下，同时优化"跨层配对"与"共享字典分解"，并保持每层的标定几…
X-Planner：面向具身智能的事件结构化任务规划前端
1. 元命题：在长视野具身操控中，"任务规划"应该被当作一等公民显式建模，而不是塞给 VLA 主干当隐性副产品。 2. 元对象：现有 VLA/CoT 规划器要么用粗粒度任务级标注（监督弱），要么把整条推理按 token 序列化（表示贵）。 3. 元约束：监督和表示必须同时升级——既要"事件级、可解释、能反映错误识别"的…
Uranus：面向具身 AI 的下一代数据驱动机器人仿真基础设施
1. 元命题：机器人仿真不应再走"手工建模资产 + 物理引擎"路线，而应走"联合轨迹条件自回归扩散"路线，把仿真器当成一个可数据驱动的生成模型。 2. 元对象：传统仿真器（Isaac Sim / MuJoCo / SAPIEN）资产构建昂贵、扩展困难、跨本体不通用。 3. 元约束：仿真器必须满足三项硬指标——流式开放式…
AI 导师效果比肩人类专家，成本低 918 倍：StudentBench 全解
Handshake AI Research 团队推出 StudentBench 评估套件，通过对 2,383 名真实参与者的 GRE 学习效果实验，证明了 AI 导师（LLM）在学习增益上与专家人类导师统计等价（p=.015），而成本仅为人类的 1/918（每提升 1% 得分：AI $0.0052 vs 人类 $4.8…
PackLab：面向机器人装箱的 MLLM 闭环框架(开发·训练·评测一体化)
Q1 这篇到底在解决什么真问题? 机器人 bin packing(把不规则物体装进箱子)不是"挑一个位置塞进去"的一次性任务,而是长时序、闭环、序贯决策问题——每放一件都改变剩余空间分布,后续每一步的可行解集合都被前序选择重写。已有两条路:几何启发式(基于"最低重心/最大接触面积/极值点"等 handcrafted 规…
Spatial-Interactor：通过物理世界交互学习空间推理
SpatialInteractor 通过将交互轨迹（Observation → Action → Observation）作为直接监督信号，让 VLM 从"观察变化"中学习物理世界状态转移，弥补了现有 VLM 在动态环境中的空间推理短板。 VLM 在静态图像理解上进步很大，但一到动态、三维、时序相关的物理世界任务就露怯…
On the Diffusibility of High-Dimensional Latents:用 x₀-prediction 拯救"高维潜空间难扩散"的反直觉发现
Q1 这篇到底在解决什么真问题? Representation Autoencoders(RAE)让扩散模型工作在预训练视觉编码器的特征空间里,而不是像素空间——这能极大加速生成(SDXL/Flux 一类 latent diffusion 都是这套路)。但许多现成 encoder 重建质量差(为下游任务优化的,丢掉细节…
RecCAR:多模态联合视频扩散中的"反向互注意力鸿沟"——用 KL 正则化让伴生模态真正约束视频
Q1 这篇到底在解决什么真问题? 联合多模态视频生成(video+3D body motion / video+audio)用共享 diffusion transformer 同时去噪多个模态流,理论上伴生模态(3D 骨架、音频)可以反向约束视频生成,使姿态对得上嘴型、身体动作连贯。但实际存在不对称性:伴生模态能很好地…
EmbodiedSWE：用 Coding Agent 破解长程灵巧机器人任务
Frontier coding agent 可以自主写程序解决需要半小时的长程灵巧操作任务，且其验证通过的解法还能作为数据引擎，批量生成多样化演示来训练可泛化的通用机器人 VLA 策略。 通用机器人最大的瓶颈不是"感知不够好"，而是无法低成本、大规模地获得长程任务的演示数据。 Teleoperation（遥操作）慢且贵…
物理先验嵌入机器人学习：一篇把"数据驱动 ↔ 物理建模"打成统一分类法的综述
RQ1 这篇在解决什么真问题？ 机器人学习领域近年论文增长极快，"把物理先验塞进学习系统"的叫法五花八门——physicsinformed / physicsguided / physicsencoded 等术语各异。术语不统一导致三件事做不动——跨论文横向比较、做新端到端学习系统时找不到现成基线、对"物理真法是否真优…