深度
AI 领域长篇解读、行业观察、技术分析 —— 慢下来读一篇。
SafeRoute-MAS：多智能体推理的消息路由新方法
SafeRoute-MAS提出覆盖感知与风险校准的消息路由方法，在5280个委员会上提升1.80个百分点并减少12.76%的token，但样本实验显示收益不稳定，标签可靠性仅14.8%，风险验证为回顾性。
思维链为何让人高估AI理解力？
一篇论文指出，思维链（CoT）让模型输出看似透明的推理过程，却容易被误读为真正的理解，进而引发拟人化、认知优越感与决策让渡。文章梳理其传导链条，并以医学场景为例，建议劝阻面向用户的推理展示。
ForeSpark：并行投机解码的联合预算调度新方案
ForeSpark提出工作守恒投机（WCS）设计，联合调度并行投机解码的草稿与验证预算，在vLLM上实现吞吐量相比DSpark最高1.77倍提升，并耐受更高负载。
小校出身、论文被撤：一个AI方向学生的困境与突围
一位美国小校出身的CS与数学双专业学生，分享AI/ML方向的学习经历：云端RAG项目、IEEE BigData联邦学习论文被接收却因经费面临撤稿，实习申请无回音。文章分析小校学生的三重壁垒，并给出可操作的突围建议。
GPT Image 2.6 Extra High 翻车：为何AI网红还在吹？
Reddit用户实测GPT Image 2.6 Extra High：参考图失真、多角色姿态错乱、安全过滤误报增多，但Twitter网红却称其明显升级。本文剖析这一口碑撕裂背后的真实体验。
可解释五阶段管线：从眼底图像估算动静脉比值，探索视网膜病变筛查
一项研究提出五阶段可解释管线，从眼底图像估算动静脉直径比（AVR）并进行视网膜病变筛查。每个阶段输出可检查的中间结果，筛查决策基于显式阈值规则。在 30 张 HRF 图像上报告 96.7% 准确率，但受限于小队列与代理标签。
PMR：为每个用户定制记忆评分标准，让AI代理更懂你
PMR框架通过个性化评分标准和token级信用分配，解决AI代理记忆更新中的用户异质性问题，实现细粒度逐步反馈，部署时零推理开销，跨四个基准实验持续优于基线。
ARIVE：解剖引导推理，让AI生成的影像报告可追溯
ARIVE框架通过交错解剖检查与诊断推理生成可解释的放射学报告，基于MIMIC-CXR构建15万余条多模态思维链，临床有效性优于强基线，并帮助专家识别报告错误。
无需独立假分数网络：条件偏移实现少步流式视频生成
APEX 提出条件偏移方法，在生成器内部估计生成分布速度场，去掉 DMD 依赖的独立假分数网络，实现更轻量的少步流式视频生成，在指令遵循与视觉美学上优于 S2-Avatar，并降低显存与迭代时间。
KV Cache跨版本复用：DeepSeek-V4-Flash案例研究
DeepSeek-V4-Flash案例研究揭示KV Cache跨模型更新复用的双面性：可保留任务信息并带来2.10-5.08倍加速，但保真度随任务类型和前缀长度变化，需以任务效用和原生行为保真度双重标准评估。
AVCC：首个视听轮流预测人类基准数据集
AVCC 是首个基于单摄像头单麦克风录制的视听对话语料库，提供说话人分离测试集、词级转录和人类基准，用于多方可轮流预测（NSP）评测，对比 RoleVAP 与 MuVAP 模型表现。
MoE模型专家边界之外：神经元级专业化与剪枝新发现
新研究提出RAMP方法，从神经元级视角揭示MoE模型领域专化机制，并开发RAMPr剪枝技术，在75%保留率下维持91-98%性能，50%保留率下减少36-43% GPU内存。
词比音素更高效？语言信息率研究揭示编码最优单元
一项基于960小时英语语料的研究比较了音素、音节、词等单元的信息率，发现在有限建模预算下词级单元编码效率最高，稍长单元有时更优，为语音编码和语言处理提供新见解。
一条整数序列就能指纹识别大模型？NumPrint基准发布
论文提出NumPrint基准，用单条固定长度整数序列识别语言模型身份。SMCT模型在51类闭集评估中单序列准确率达92.72%，两条和四条答案分别提升至96.06%和97.12%。
MISO-BR：巴西葡萄牙语厌女检测开放语料库
MISO-BR 是巴西葡萄牙语厌女检测开放语料库，含896条均衡标注文本、构建协议与可复现基线。BERTimbau微调达0.833 macro-F1，经典模型落后约16个百分点，作者强调管线可审计性并公开三项局限。
PASE框架：用可执行程序重构Agent技能进化
PASE框架提出程序辅助的可修补技能进化方法，将Agent技能中的过程逻辑分离为可执行程序，实现定向更新，在多种模型和基准上超越基线，提升超过2.8%。
词语的热力学：用物理模型解释文本中的词频分布
一篇论文提出词语热化假说，用瑞利-金斯热化与凝聚现象解释文学作品的词频分布，分析《圣经》、莎士比亚全集等16部作品，并与财富热化、齐普夫定律建立联系。
SPY-Bench：大视觉语言模型的个性化隐私保护能力评估
SPY-Bench是首个评估大视觉语言模型推理时个性化隐私保护能力的基准，包含32,700个样本。测试显示21个先进模型合规准确率仅约24%，而噪声对比对齐变体可达96.88%。
LUMIR：解耦多模态表示学习提升POI推荐
LUMIR提出解耦多模态表示学习框架，利用LLM统一异构数据语义，通过对比学习和交互感知融合学习可复用表示，在next-POI推荐任务上优于现有基线。
CAMP-II：用文件操作释放编码代理的长程记忆潜力
CAMP-II 研究提出用预训练已有的文件操作能力承载长程代理记忆，通过异步在策略蒸馏训练单一策略，在 CAMG-II 五类环境上取得最强 OPD 基线 2.97 倍增益，并迁移至 Terminal-Bench 2.1 与 SWE-Bench Pro V2。