Long-form
深度
AI 领域长篇解读、行业观察、技术分析 —— 慢下来读一篇。
16276 篇文章·每日精选
@ai-sdk/workflow 2.0.32 发布：Vercel AI SDK 依赖更新
Vercel AI SDK 发布 @ai-sdk/workflow@2.0.32 补丁版本，核心变更为同步升级底层 ai 包至 7.0.101。本文解析该工作流编排模块的更新内容及对开发者的实际影响。
Vercel AI SDK 发布 workflow-harness 1.0.111 补丁更新
Vercel AI SDK 发布 @ai-sdk/workflow-harness 1.0.111 补丁更新，同步升级底层 harness 依赖。本文解析该更新内容、workflow-harness 作用及对开发者的实际影响。
抽取式摘要新框架：CNN-BiLSTM如何解决医疗文本的事实幻觉难题
一篇arXiv论文提出Hybrid Hierarchical CNN-BiLSTM抽取式摘要框架，通过移除生成环节、直接从原文选句，解决生物医学与临床文本的事实幻觉难题，在PubMed、MIMIC等数据集上验证效果与局限。
AI Agent架构核心抉择：确定性编排与LLM推理的边界该划在哪？
AI Agent架构的核心难题：确定性编排与LLM推理的边界该如何划分？本文剖析线性管道与分叉路径两种设计，探讨LangGraph框架下哪些决策该交给图、哪些该交给模型，以及控制层过度复杂化的陷阱。
临床时序推理中的后见之明偏差：未来数据如何扭曲大模型判断
arXiv最新研究揭示临床语言模型的后见之明偏差：当模型接触包含结局的完整时间线时会产生系统性判断偏移，而时间遮蔽能在不降低准确率的前提下减少偏差。文章解析171病例配对基准与四项评估指标。
全双工语音大模型的"抢话"难题：因果分析与实时抑制方法
全双工语音大模型 Moshi 和 PersonaPlex 在用户沉默时会不当开口。本文解析虚假开口的因果成因，介绍一种基于反事实干预、无需重训练、可实时运行的抑制方法，实测完美抑制虚假发声并保留真实回应。
CVSS-X：覆盖28种语言的大规模语音翻译语料库
CVSS-X 是一个覆盖 28 种语言、12 个语系的大规模合成语音到语音翻译语料库，总时长超 16000 小时，是原始 CVSS 的八倍，支持双向多语言语音翻译研究，已开源发布。
锥形束CT报告生成：部分可观测目标下的临床推理陷阱
一篇arXiv新论文揭示锥形束CT（CBCT）报告生成中的评估陷阱：追逐词汇重叠指标会拉低事实准确性，模型学到的往往是各医疗机构的口述习惯而非解剖结构，为医学AI评估提供了重要方法论警示。
RFCLLM：大模型真能读懂网络协议状态机吗？
arXiv 新论文 RFCLLM 系统评测大语言模型对网络协议状态机（FSM）的推理能力，覆盖 16 种协议、4 类任务、1482 条查询，揭示 LLM 在协议规范理解上的真实边界。
TestHallVQA：冗余上下文下大视觉语言模型的文档级推理新基准
TestHallVQA 是一个面向大视觉语言模型（LVLMs）的多图 VQA 新基准，融合文档级规模与科学考试难度，并提出 F1-R² 指标量化模型在冗余上下文下的推理与证据检索鲁棒性，揭示主流模型的潜在缺陷。
无需训练的Prompt压缩：CPU即可运行的确定性词法方案
arXiv新研究提出无需训练、纯CPU运行的确定性Prompt压缩管线，通过十一种词法变换在1242条Prompt上实证：最激进配置削减40.3%token，仅停用词方案保真度达0.913，并揭示常识推理为激进压缩下的系统性失效点。
PhysMent：用交互式物理仿真评测大模型的物理推理能力
PhysMent 是一个基于 MuJoCo 仿真器的交互式基准测试，通过施力、观测、推进时间等工具调用评测大语言模型的物理推理能力。研究发现模型在定性任务表现尚可，但定量多步实验任务准确率骤降，瓶颈在于流程性工具使用而非物理知识本身。
Token Merging：让多语种语音识别更快更省的实用方案
一项 arXiv 研究系统评测了 Token Merging 词元合并技术在 Whisper 多语种语音识别上的效果，覆盖 16 种语言与 3 种模型规模，证明它能在几乎不损失准确率的前提下大幅提升推理效率，且与 DoRA 微调兼容。
OrchSLM：小语言模型协同编排的机制探究
OrchSLM 是一个用于探究小语言模型（SLM）非交互式协同编排机制的路由框架，将编排的设计选择转化为可控参数，系统分析任务结构、模型池组成与多智能体共识如何影响编排行为，为 agentic 系统部署提供新视角。
机器速度下的AI治理：AGIL自适应架构解析
arXiv论文提出AGIL自适应治理智能层，一个五层架构用机器学习实现实时AI政策执行。文章解析企业AI治理中的"认证赤字"问题，及基于斯坦福AI Index等三份权威报告的数据洞察。
AI智能体故障归因：把根因分析变成一个搜索问题
arXiv新论文提出Continual Search框架，将AI智能体的根因归因重新定义为搜索问题，通过多轮迭代让LLM持续追查故障证据。在MegaRCA-Mix基准上将GPT-5.5的F1分数提升超40%，且低配模型可超越高配模型。
LabAgent：为科研实验室打造可复现的AI智能体系统
arXiv新论文提出LabAgent，一套面向科研实验室的AI智能体系统，通过可执行验证和经验记录两大机制解决科研方法传承难题，在药物预测、蛋白质变异等生命科学领域超越通用智能体。
TimeThink：让时序大模型学会组合式推理的合成框架
TimeThink 是一个用于激发时序大模型组合式推理能力的合成框架，通过确定性生成可验证的问答数据与 RLVR 训练策略，仅用合成数据即在真实基准上超越强基线，为医疗等高风险场景的可解释时序推理提供新思路。
自适应物理AI探索：LLM智能体能否胜任长周期物理任务？
最新arXiv论文探讨LLM智能体能否管理长周期物理任务。研究通过整合规划、工具调用、观察与验证的多智能体框架，在农业场景中对比零样本LLM与强化学习智能体，发现LLM在环境变化时具备更强的自适应能力。
先收敛后多样化：多目标贝叶斯优化的CTD新范式
arXiv新研究提出Converge-Then-Diversify（CTD）方法，将多目标贝叶斯优化中的收敛与多样性解耦为两个阶段。在446次对比中72.9%显著胜出，尤其在紧预算和高维问题中优势明显。