逐篇读过原文再写的结构化解读:这篇在解决什么、方法怎么做、关键数字是多少、有哪些局限。论文来自 arXiv、Hugging Face 每日精选,以及研究者正在讨论的论文。
Zhaoyi Zhou, Akshayaa Magesh, Jeongyeol Kwon 等 7 人 · cs.LG
Meta与卡内基梅隆用监督微调加热身、再用GRPO训练Qwen3-8B，让它拆开指令并驱动检索器选工具，ToolBench G3精确匹配达到41.5%，超过402B Maverick提示词方案的最好成绩30.6%。
Yunfei Xie, Howard H. Qian, Shiyi Lan 等 5 人 · cs.CV
免训练指标 S² 度量感官表征与机械臂轨迹几何的对齐度，在 VLA/VLM/WAM 与真机策略上均与任务成功率正相关，真机 r=0.83,可在线下先筛模型。
CohAlign 在跑含噪电路之前算出量子神经网络单个梯度二阶矩的一阶衰减，8 比特上八个通道的对齐误差是 0.009。
HAL 对起点偏离目标侧的爆发持续随机电刺激，10 皿大鼠皮层网络约两天把目标侧爆发升到 70% 到 80%，增量出在日间。
人民大学团队把多条独立草稿和贪婪块验证合成 SpecTr-GBV。33B 配 1.3B 草稿时平均加速比 2.12,高于标准投机解码的 1.64,验证耗时少一半以上。
CodedLang 收录 7744 条中文地图点评,其中 900 条做了暗语片段标注。最强检测 F1 只有 0.78,GPT-5-mini 的星级误差从 0.52 升到 0.68,细类分类多半不到 0.6。
东北大学用大模型抽候选,再按 PCT 人工重算焓熵,收成四千余篇、三万余条储氢库。XGBoost 容量测试 R² 为 0.868,室温平衡压误差仍超过一个数量级。
Zhanshuo Cao, Jiakai Tang, Yuqi Zhou 等 5 人 · cs.IR
人大 LoopRec 用共享递归块和逐商品早退门换掉固定深度。三个 Amazon 类目、四种骨干共 48 组对比全部为正,Patio 上 NDCG@20 平均提升 11.14%,计算量约为固定深度的 0.41 到 0.76 倍。
Chenxu Zhou, Zhiyuan Yu, Yudong Jin 等 7 人 · SIGGRAPH Asia 2026 Conference Pa · cs.CV
RealMe把FLUX改成多视点扩散,8路720p重建2K体积视频,RealVV上PSNR比FTGS高8.22。
Arnon Mazza, Elad Levi · cs.AI
SCOPE 把自然语言策略编译成小模型谓词加 Python 组合代码,弱模型执行就追平旗舰推理模型的准确率,成本低 9-47 倍。
Hyunji Alex Nam, Michael Dennis, Natasha Jaques, Minsuk Chang · cs.AI
TURTLE进化AppWorld，Gemma 4 31B难题占比从19.8%升至52.5%，完成率聚在40%-60%。
Ming Zhong, Stacy Li, Nicholas Carlini, Matthew Jagielski · NeurIPS 2026 E&D Track · cs.AI
四款编程 agent 在 8 张 H200 上跑 12 小时,把 20 个科学基准的已发表最优全部超过,Opus 平均相对提升 10.4%,三份技能抬到 20.1%,增益主要仍是调参。
Rujun Han, Yufan Zhuang, Arijit Ray 等 13 人 · cs.AI
这组基准覆盖电气、土木、结构与机械，共八十五道可计费交付，Claude Opus 5.5 配 Claude Code 均分百分之五十点六，单题约花两千七百万个 token 和六十三分钟。
Jonathan T. Barron, Dan Gnanapragasam, Michael Tschannen · cs.LG
DeepMind 重写 softmax 与交叉熵的实现,修掉两个浮点 bug:Slingshot 尖峰消失,三种精度下 grokking 测试精度达 99–100%。
斯坦福从 Pythia 检查点继续预训练并注入新序列。6.9B 见一次，峰值只逐字记住 12±3.7 个 token；更晚的检查点背得更长，三种遗忘方法换前缀后仍多抽出 10 到 15 个 token。
Zhenyu Zhang, Kewei Fu, Yongqi Tong 等 7 人 · cs.CL
蚂蚁国际的 Heartbeat 在用户说话时让进行中的推理和工具调用跑完。FDBench v3 投机覆盖从 34.67% 升到 50.67%，最终回复延迟从 6.90 秒降到 4.39 秒。
Hita Kambhamettu, Bhavana Dalvi Mishra, Andrew Head 等 7 人 · cs.HC
LitPivot 把研究草稿切成问题、贡献和评估,按当前片段聚类文献并建议改写。17 人对照里,专家给的落地分从 2.59 升到 5.18,基线是对着论文提问。
Tingwen Du, Haoyu Guo, Hanxue Zhang 等 12 人 · cs.RO
SERA 用可修订外壳包住冻结 VLA，由 gpt-5.6-sol 做高层规划。十六项历史依赖任务上，自主选择后成功率 51.38%，比同一外壳不进化的 44.38% 高出 7 个百分点。
Zhengye Bao, Shengtao Zhang, Haokai Zhang 等 6 人 · cs.AI
直接对原始对话历史做稠密检索加重排,RAW-RAG 在七项基准-模型设置中六项击败复杂 Agent 记忆系统,写入成本低一个数量级。
德累斯顿神经外科把300名门诊成人1:1随机，一组问诊前阅读质检过的AI白话摘要。FAPI均值4.42对4.25，问诊中位时间由33分钟降至25分钟。
Chuanmeng Bian, Daren Chen, Peixin Chen 等 48 人 · cs.SD
Qwen-Audio-3.1将七语错误率从22.50%降到15.09%，Next会议cpWER为12.93%。
Zhenwei Tang, Di Bai, Jintao Liu 等 6 人 · cs.AI
五个卖家模型只被要求提高被选次数，就自发堆高工具字段。Gemini 3.8 Flash 把 Amazon 成功率从约 89% 打到 30%，另外四款基本守住买家成功率。
ProtTale 从序列写 Swiss-Prot 风格功能描述,并用只看序列的 pJay 估计该不该信。1031 个未见酶上四个模型准确率打平,短蛋白过滤后 ProtTale 从 25.8% 升到 45.9%。
DynaVelo 用神经 ODE 联合建模 RNA 与转录因子基序速度,在生发中心点出 Ctcf、Bcl6、Stat3,三组双杂合小鼠的暗区比明区都回到野生型。
Alejandro H. Artiles, Martin Weiss, Levin Brinkmann 等 9 人 · NeurIPS 2026 Main Track · cs.AI
把 LLM 论文拆成概念原子,按「连贯但想不到」采样,多样性远超 Claude,质量持平,还能 35.9 倍随机命中次年论文组合。
Tianming Liang, Junyi Pan, Yuxi Li 等 8 人 · cs.CV
腾讯基于 Qwen3-VL 训练 2B 与 4B 模型,用坐标词表和 960 万参数解码器统一检测、分割与抠图。4B 在密集小目标基准 Dense200 上平均 F1 为 71.3,目标缺失时拒绝率 67.4%。
Wen Xue, Yong Liu, Xueheng Li 等 8 人 · cs.CV
LayerEditor把指令改图和RGBA图层收成一次采样，底模是FireRed-Image-Edit-1.1，支持2到10层。ScaleEdit上成图SSIM为0.8925，按图层叠回后仍有0.8839，相对下降约1%，对照的Seedream先改后拆下降11.6%。
A. Jian Yang, An Huang, Bo Dan 等 177 人 · cs.CL
320B/15B 开源 MoE,围绕 CLI agent 做三阶段训练,预训练效率 1.93 倍于同数据 Qwen3 基线,CyberGym 84.5 超两大闭源模型。
Tengju Ru, Weitong Lian, Zecong Tang 等 9 人 · cs.CV
GAFU把统一模型的生成侧表征压成256个G token,理解通路按题目检索细节。三个模型、五项基准平均比同数据SFT高3.56到5.98个点,十五组全部胜出,VStar相对涨幅最高到20%。
Meng Luo, Zechen Bai, Shanqing Xu 等 12 人 · cs.RO
五校综述把机器人递归自我改进拆成四级主张:行为、后学、程序改进在真机上有证据,递归两条链零实证,并给出两轮检验判据。
Mosh Levy, Aly Lidayan, Yoav Goldberg · cs.LG
这篇把 JEPA 的训练目标改写成熵预算内预测信息最大的特征集合,拼图里只重建 C 且 β=0.36、复制概率 0.60 时,未监督的 D 由 61.3% 升到 85.5%。
Junha Song, Geonmo Gu, Jeongeun Park 等 8 人 · cs.CV
NAVER 的 LaLa-World 把数值动作写成句子,用一个 0.8B 语言模型跨域预测潜在未来。五类仿真 MPC 成功率 72.1%,比 JEPA-WMs 高 7.5 个点,规划比生成模型快 13.9 倍。
两种可旋转六边形配两对互补黏性末端,完全键合时恰好是 Walton-Whittaker 非周期铺砌,两种粒子严格各半。只放置被强制的状态,2484 个粒子可证书延拓到合法的 2048×2048。
Niharika Hegde, Subarnaduti Paul, Lars-Joel Frey 等 7 人 · cs.CL
古腾堡计划里1750至2000年的英语书收成2.7B token的Chronoberg，33.6万词配了五个五十年情感分。换成同时代近义词后，四个模型里三个有五到七成仇恨判定翻盘。
Rubin Wei, Siyuan Sun, Hao Sun 等 8 人 · cs.CL
DFM用块向量预测记忆并写入冻结模型中间层,推理不查库。Mistral六问答均分27.21,超最强基线12.71%。
Songlin Yang, Zhe Wang, Xiaotong Zhao 等 11 人 · cs.CV
在 13B 的 UniVideo 上，FAPL 分三阶段让 MLLM 隐状态真正参与生成：切断旁路、替换单因子片段，再冻结 DiT、转而训练 MLLM。纯文本动作顺序从 48% 升到 61%，单因子编辑从 42% 升到 58%。
一个模型分饰五名医生，从主诉出发自己问诊并开检查。GPT-5 在 NEJM 疑难病例上准确率 83.2%，开卷全科医生平均 36.1%，急诊住院是 80.3% 对 46.8%。
Xiaomin Yu, Hongliang Chen, Zhe Huang 等 25 人 · cs.IR
200道跨网页、跨格式取证的深搜题,GPT-6 Astra答对39.0%,人类1000次独立尝试只有21.1%。
Zhenghan Chen, Zekai Shao, Xin Lin 等 5 人 · cs.CV
Code2Video-Compass 用 2,104 个任务测 15 个 MLLM 写代码生成完整视频,Claude Opus 5.5 在 T2V、I2V、V2V 均排第一,模型渲染成功率在 0.52 到 0.97 之间。
Ermo Hua, Xiangyu Hong, Baiting Wu 等 14 人 · cs.AI
把 MoE 里逐层私有的专家改成跨层共享。每层激活数和专家宽度不变，总专家只用标准结构的 70%-80%，交叉熵就能打平，层数越深越省。
Mankeerat Sidhu, Gangmuk Lim, Hetarth Chopra 等 13 人 · cs.DC
Koi用因果图加确定性打分规划异构推理，104卡真机goodput为最强基线1.18倍，每token成本降20%。
Federico Bianchi, Yongchan Kwon, Aneesh Pappu, James Zou · cs.CL
EinsteinArena 让异构智能体在公开验证器和讨论区上接力,截至 2026 年 5 月改写 11 项数学优化的已知最好结果,11 维接吻数下界由 593 升至 604。
Yuhua Zheng, Xueyi Chen, Xinze Zou 等 6 人 · cs.LG
EdgeKernelBench 用统一 IR，在手机 CPU、Jetson 与 RK3588 共 650 题上评测 LLM kernel。GPT-5.6-sol 一次生成正确率 64.5%，快过调优 TVM 的只有 25.5%，Level 3 最高 [email protected] 只有 4.0%。分层 LEKA 在同预算下把 69 题的 [email protected] 从 13.0% 提到 43.5%。
Ruhan Wang, Kishan Panaganti, Dongruo Zhou · cs.AI
Anti-Persistence 只积累轨迹和成败，每题临时生成引导再丢掉，九组平均成功率 59.9%，高于轨迹记忆的 53.5% 和抽象记忆的 49.0%，平均 LLM 调用也最少。
Naman Vats · cs.AI
预先规定的对照钉死终端循环，只换控制器。315 次试验里 Jev 把单次成本抬高 19%，通过率与不干预同为 73.0%。
Jiashuo Sun, Hao Zhang, Xueqiang Xu 等 12 人 · cs.AI
A2D不看标准答案，用冻结师生对的分歧和兼容性训练出题器，三组数学均分超过真题库OPD，1.5B收回99.9%差距，回答还短20%、信号多28%。
理想模拟的 256×256 相变阵列上，随机正负 1 探针加稀疏恢复，在 1% 读噪声下用 4 到 12 次读定位最多 64 个卡死单元，逐格读要 256 次。
Arnav Chavan, Kusha Sareen, Rishabh Tiwari 等 9 人 · cs.LG
把每步权重更新投影到权重谱底部 1% 的自由子空间,SFT 最多掉 57 个点的旧能力被压到约 1 个点,新任务精度还更高。
Min Cai, Dan Zhang, Gao Xing 等 6 人 · cs.AI
EAU 让 Claude Code 在 RL 训练中在线热更新用户模拟器、奖励与超参,总分比最强基线高约 15%,ColBench 成功率涨 36.7%。
My Chiffon Nguyen, Tianyi Hu, Vinod Anbalagan 等 158 人 · cs.CL
167名母语者写6191道谜题、覆盖62个社群，评28个模型：最强79.4%，最难两社群无人超过22%。
Xingsong Ye, Yongkun Du, Jiaxin Zhang 等 5 人 · NeurIPS 2026 · cs.CV
TextRIRO 把真实文字图按字列打乱再裁切,做成自配对,用条件扩散学改字。变长准确率 47.6%,此前约 12%;拼出的长文本数据把识别整体提高 1.91 个百分点。
Max W. Shen, Mark Goldstein, Zichu Wang 等 5 人 · cs.LG
回归原理证明，MeanFlow、改进版和 slim 目标的唯一驻点都是真 flow map，函数空间里的半梯度流指数收敛，改摆 stopgrad 后训练显存约降一半。
Yujian Liu, Li An, Zelin He 等 8 人 · cs.CL
UCSB 让 16 个不同学科背景的 AI 研究员自主做架构搜索,80 轮搜出的 CFDN 在 1.3B 所有评测上超过 GDN2。
Patrick Haller, Filipe Laitenberger, Alan Akbik · cs.CL
PACE 把线性注意力模型循环状态量化到 4 比特,每 8 token 才舍入一次,三个更大模型上以三分之二显存逼近 8 比特 DAMP。
Joel Jang, Seonghyeon Ye, Minjoon Seo · cs.CL
把九项任务的提示改成否定后,OPT与GPT-3越大越差,正反平均约50%,最好方法仍比13岁人类低约31.3%。
Liam Dugan, Callum McDougall, Matthew Denton 等 6 人 · EMNLP 2026 · cs.CL
在Gemma残差流上训练SAE并只保留模拟分过线的特征,再以逻辑回归做检测,COLING测试集F1为92.2,比微调黑盒高出17分。
Fei Bai, Huatong Song, Chuan Hao 等 8 人 · cs.LG
把 agent 执行层拆成五个因子,用强度 2 正交设计抽出 18 个配置做 GRPO。Qwen3-4B 在三个基准的未见配置上,平均 Pass@1 比单 harness 训练高 9.8 分,迁到 Claude Code 也高于在 OpenClaw 里直接训。
Houde Qian, Zheng Jiang, Wenyi Li 等 12 人 · cs.CL
Quant-Arena 让 9 个前沿模型在 A 股原始数据上自写策略、封测 2024 年,38 组配置仅 1 组跑赢 17.1% 等权基准,最高分 GPT-6 Astra 靠空仓躲跌。
Jiahui Yang, Jason Jingzhou Liu, Ray Muxin Liu 等 7 人 · cs.RO
全身控制器批量完成避障到达，三个局部RL专家只学抓取，再蒸馏成一个点云策略。24个真实场景零样本抓取成功率91%。
Tianze Xia, Xiaoling Zhou, Ruya Lan 等 6 人 · cs.CV
ALLOT不训练、不改选块策略，离线按成片误差给每一层和每一步分配稀疏度，同耗时下Hunyuan上XAttention的PSNR提高11.8dB，另外九组设置全部不输各自的默认分配。