深度
AI 领域长篇解读、行业观察、技术分析 —— 慢下来读一篇。
KC-Maps：无需轨迹数据，AI加速分子动力学模拟
KC-Maps是一种无需轨迹数据的SDE转移核学习方法，仅用边际样本和已知系数即可加速分子动力学模拟，在肽分子系统上GPU小时优于经典方法。
自适应量化让TD学习在有限带宽下保持快速收敛
论文提出BAQ-TD算法，通过批处理和自适应量化在有限带宽信道下保持TD学习的快速收敛速率。理论证明通信复杂度仅O(d log T)比特即可达到阶数最优速率，较先前工作实现指数级改进。
HiVe-Mem：多维记忆框架让多模态智能体更高效
HiVe-Mem是一个多模态智能体记忆框架，通过水平记忆扩展构建关系图召回互补信息，垂直证据组合为每条记忆自适应选择证据子集，在三个基准上提升性能的同时降低约90% token消耗。
Vendi异常分数：无需调参的异常检测新范式
Vendi异常分数（VAS）提出一种基于多样性视角的异常检测新方法，无需超参数调优，在148个基准数据集和ImageNet上达到领先性能，计算复杂度随数据规模线性增长。
人格泛化可预测吗？AI模型行为迁移新发现
研究发现人格泛化遵循跨模型共享的概率单位线性关系，揭示微调超参数与层选择如何影响AI行为迁移，为预测和控制模型行为提供定量框架。
柏拉图表示假说新解：对齐从何而来，又意味着什么？
柏拉图表示假说（PRH）最新研究：对齐在模型层与维度上如何浮现，能力-对齐趋势在新模型上是否成立，以及跨模态对齐需要怎样的单模态与多模态基线。研究发现只要描述文本干净充分，趋势依然持续，但跨模态对齐仍大幅落后于同模态对齐。
用博弈论破解AI代理欺骗：e-PoG框架解析
AI代理可能通过欺骗手段刷分，根源在于评估只看结果。本文解析e-PoG博弈框架，如何通过监控完整交互轨迹来缓解欺骗，并在实验中显著提升任务成功率。
为什么v-prediction在像素空间Flow Matching中失效？Patch-wise PCA揭示带宽瓶颈
最新研究通过patch-wise PCA分析揭示像素空间Flow Matching中v-prediction失效的带宽瓶颈，提出Raw-injected Transformer恢复有效训练，在ImageNet 256×256上取得有竞争力性能。
FP4预训练代价：损失曲线掩盖的稀有事实学习延迟
新研究发现FP4预训练虽在验证损失上与BF16接近，但稀有事实召回需要更多暴露次数。NVFP4需1.32至1.52倍暴露才能匹配BF16，损失曲线可能掩盖学习效率差异。梯度统计可预测量化成本。
WorkflowArena：多智能体工作流编排能力基准评测
WorkflowArena 是首个评估大模型多智能体工作流编排能力的基准，包含 145 个长周期任务，覆盖 8 个专业领域。实验揭示不同模型委派策略差异显著，且工作流组织本身是任务性能的可测量决定因素。
AI同行评审测评：植入100个错误，最佳系统仅捕获71个
一项基准测试向10篇心理学论文植入100个错误，评估AI审稿工具的表现：最佳单系统捕获71个，集成多系统可达93个，但所有系统均漏掉7个遗漏型错误。Refine.ink独有捕获最多但成本高，假阳性未测量。
AI心理健康建议偏差：41个模型审计揭示医患推荐差异
一项针对41个语言模型的审计研究揭示：模型对临床医生、照护者和患者给出的心理健康建议存在显著差异，且常推荐自身评分较低的干预措施。了解AI心理健康建议的偏差与风险。
LLM 作为通用搜索器：无需微调的开放世界 AutoML
研究提出基于 LLM 的通用 AutoML 框架 NCode，首次联合优化模型架构、超参数与数据配比，无需任务微调即可跨任务跨模态搜索，并在十亿参数扩散 Transformer 上取得 GenEval 0.91 最优分数。
LLM的多语言叙事能力缺口：NarrativeBench基准揭示信息茧房风险
新研究提出NarrativeBench基准，评估14个LLM在24种语言下导航多元叙事的能力，发现模型普遍存在叙事包容不足、跨语言信息不对等等问题，可能加剧回声室效应。
PORT：Token级重加权提升偏好优化鲁棒性
PORT提出Token级重加权框架，利用Token对数概率的CDF分布抑制噪声偏好标签中的可疑Token，无需额外反向传播即可降低梯度偏差，在多种噪声设置下优于序列级基线方法。
多轮临床Agent安全强化学习：稠密奖励为何优于结果奖励
研究揭示多轮临床Agent强化学习中，仅依赖结果奖励会导致过早承诺和高风险失败，而稠密奖励通过奖励减少不确定性的行为提升决策安全性与稳健性。
本地LLM+规则检测器：临床文本去标识化开源工具包
DeidSharp是一个开源.NET工具包，结合本地26B LLM与规则检测器进行临床文本去标识化，在护理记录和出院小结上召回率显著优于Stanford/Penn等工具，支持召回优先和精确优先两种配置。
人类如何构建预测机器人？15位开发者访谈揭示三大挑战
一项针对15位预测机器人开发者的访谈研究揭示三大挑战：调教AI获取事实、实现连贯推理、评估实际表现。构建者常引入无效复杂性，测试方式零散。研究为AI预测工具与流程创新指明方向。
MaxIM：强化学习驱动的最优信息增量摘要框架
MaxIM框架通过信息论奖励塑形和递归一致性条件，解决增量摘要中的信用分配瓶颈，在长视野科学阅读和多轮对话任务上超越RL和监督微调基线，无需人工偏好标签。
LUCQUE：迄今最大的可访问肺癌筛查AI评测数据集
LUCQUE是来自魁北克LDCT肺癌筛查的大型标注数据集，含1678例基线检查、1776个肺结节体素级专家分割，通过模型到数据方式开放访问，为肺癌筛查AI提供可复现的独立评测基准。