深度
AI 领域长篇解读、行业观察、技术分析 —— 慢下来读一篇。
物理信息图神经算子：稀疏PMU下的动态状态估计
论文提出物理信息图神经算子，仅凭稀疏PMU量测一次性估计全网发电机转子角度与转速轨迹，在四个输电系统上对比卡尔曼滤波与移动视界估计，展示精度与效率的平衡。
快速树变换：统一Hadamard与Haar的图信号处理新工具
快速树变换是一种定义在任意图上的局部聚合变换，统一了Hadamard频率变换与Haar小波变换，可近似对角化图拉普拉斯矩阵，用作几何优化预条件器，并为含边缘和纹理的信号提供稀疏表示。
告别离散祖先分组：DA-ICL用上下文学习预测癌症结局
传统祖先离散建模在癌症结局预测中存在局限，DA-ICL提出分布感知的上下文学习，将祖先视为连续谱，理论证明并实证验证其优于离散建模，代码已开源。
零阶朗之万动力学：曲率正则化与非渐近保证
解读零阶朗之万动力学（ZOLD）在非凸随机优化中的曲率正则化与非渐近保证：高斯平滑如何隐式引入 Hessian 迹正则项，Wasserstein 分布估计如何导出超额风险界，以及摆脱 log-Sobolev 假设的理论意义。
贝叶斯低秩后验：单次训练实现大规模视觉语言模型成员推理
论文提出贝叶斯低秩后验方法，用LoRA子空间上的后验采样替代影子模型集成，仅需单次微调即可对大规模视觉语言模型实施成员推理攻击，在文档VQA和医疗VQA任务上优于标准参考攻击。
DiSARM：用大模型挖掘「意外又多样」的关联规则
DiSARM 是一个混合框架，利用大语言模型的世界知识评估关联规则的主观有趣性，同时保持统计可靠性与结果多样性，为交易数据的探索性分析提供新思路。
Split and Bridge：免联合训练的多模态扩散生成新范式
Split and Bridge (SnB) 提出一种自下而上的多模态扩散生成框架，通过共享扩散轨迹与桥接模块耦合预训练单模态模型，无需联合训练即可实现图像与掩码等模态的一致生成，并支持图像编辑、风格耦合等零样本任务。
采样不等于好奇心：LLM智能体为何应学会调查
本文基于《Sampling Is Not Curiosity: Why LLM Agents Should Investigate》一文，分析LLM智能体当前随机采样与真正好奇心的区别，探讨好奇心在强化学习中的定义，并指出实现真正好奇智能体的研究方向。
AI饮食建议对谁更安全？进食障碍交互中的隐性风险
一项系统研究用100条真实pro-anorexia社区提问评测三个开源大模型的进食障碍安全表现，发现模型难以从语言识别隐性脆弱，显式风险信号可提升安全性10-14个百分点，且种族、性别、BMI带来显著安全差异，体型差距最大。
通用生成式AI能替代真实医疗影像数据训练模型吗？
一项多模态回顾性研究评估通用生成式AI合成医疗影像的训练价值：合成数据模型AUROC接近真实数据模型，但校准与净收益不稳定，需结合决策曲线分析和临床审查综合判断。
PatternBloom：用图模式外化RL蒸馏，让智能体RAG学会推理
PatternBloom 提出智能体RAG新框架，通过两阶段强化学习将推理路径蒸馏为图模式记忆，把检索单位从内容转向逻辑，7B模型在OOD任务上超越27个基线。
LLM智能体价值-策略解离：能感知后果却选错动作
新研究发现LLM智能体存在价值-策略解离：候选动作价值可从隐藏状态线性解码，但策略仍可能选错。自然价值传输干预能更一致地影响决策并改善任务结果。
ACO信息素+PSO调参：无中心无人机集群如何应对静默故障
研究提出ACO信息素声明与PSO调参的去中心化无人机集群控制器，在静默故障、通信受限下实现95-99%编队成功率，并揭示优势来自信息素动力学而非随机优化。
BunshinRL：用工作区拆分实现高效Agent强化学习
BunshinRL 是一种面向 Agentic 强化学习的 rollout 系统，通过 BunshinFork 实现容器工作区 fork，结合内存共享、工具前缀缓存和投机执行，将峰值内存降低 43%，总内存消耗降低 51%，端到端延迟降低 23%。
BatchNorm为何有效？十年后仍未解的核心谜题
Reddit热议：BatchNorm因使用不便而失宠，但其有效性机制至今未有定论。本文梳理内部协变量偏移、优化地形平滑、正则化等主流解释及其裂缝，分析BatchNorm在工程上被LayerNorm等替代的原因，以及理论空白带来的实际代价。
Replit推出监控Agent：自动检测、修复并部署生产问题
Replit推出Monitoring Agent，可7×24小时自动检测生产问题、调查原因并验证修复方案，开启自动发布后直接部署到生产环境。本文分析其工作流程、核心能力与潜在风险。
arXiv 背书困境：研究者为何在 Reddit 紧急求助？
Reddit 上一则紧急求助 arXiv 背书的帖子，揭示了 cs.CV 分类投稿的隐形门槛。本文分析 arXiv 背书机制的运作方式、对独立研究者的影响，以及可行的替代路径。
本地部署再引热议：用户自测插件竟遭封号警告
Reddit用户因对自研插件进行红队测试遭平台封禁威胁，申诉被秒拒。事件引发社区对本地部署价值的讨论，凸显云端风控与开发者自由之间的张力。
NVIDIA与RLWRLD推出DexBench：机器人灵巧操作仿真基准
NVIDIA 与 RLWRLD 联合发布 DexBench，一个面向机器人灵巧操作的仿真基准，并提供托管运行服务。本文解析该基准的定位、对机器人学习社区的意义以及尚待明确的问题。
ArtificialAnalysis是否对开源模型有偏见？
Reddit用户质疑ArtificialAnalysis对开源权重模型存在偏见，通过重新校准基准测试压低开源模型排名，并推广智能指数误导企业选型。讨论涉及基准测试透明度与公平性。