#前沿研究
共 9137 篇相关文章
多语言语音识别扩展：源感知适配与模型合并策略
研究提出基于连接器的语音大语言模型多语言扩展方法，通过SSU-Wanda+TIES合并策略在单目标扩展中平衡新语言学习与源语言保留，多目标扩展中更新合并比递归扩展更稳定。
Jev式System One模型能减少选择偏差吗？结构稳定性遭质疑
一项系统性测试揭示：Jev式System One模型虽准确率稳定，但选项洗牌后累积失败集扩大27%-29%，且不如生成式LLM更具抗偏差优势。投票聚合保护有限，一致同意答案也常出错。
LLM研究报告的“主张平滑”现象：SmoothScore量化评估
LLM研究代理在生成报告时存在“主张平滑”现象，即给出比证据支持的更自信结论。研究者提出SmoothScore量化该效应，并在7系统4数据集上验证代理一致产生更强主张。
原子安全关切：构建网络安全知识的统一语言
一篇最新论文提出原子安全关切（ASCs）概念，试图用有限的基础词汇组合表示网络安全知识，为跨框架的安全概念映射、自动化合规推理和知识表示提供统一语言框架。
非生成模型JEV能否胜任临床试验标准评估？
研究对比非生成模型JEV与Qwen Flash在临床试验标准评估中的表现：JEV在MIMIC-III上宏F1大幅领先，信息不足条件召回率56.3% vs 9.9%，延迟更低、成本降低53%-74%，但需人工验证错误。
LLM评估新框架：自置信度与LLM辅助审计的统计效率
论文提出统一统计框架，分析LLM评估中置信度分层审计与LLM-as-a-judge的统计效率。实验表明校准不佳的置信度仍可支持有效审计，按比例分配显著降低估计误差，而法官辅助评估仅在小部分场景下具备成本优势。
Transformer泛化边界新解：长序列训练为何比多样本更高效
最新研究联合分析Transformer的分布内泛化与长度泛化，发现增加训练长度比增加样本数指数级更高效，为长序列训练策略提供理论依据。
无检索器检索：DecisionRAG用决策模型导航文档
DecisionRAG提出无检索器检索新范式：用决策模型在单次前向传播中联合评估候选分支，沿语料库结构逐层导航，无需任务训练即超越8B重排器的稠密检索，检索仅需0.7-1.8秒。
不可剥夺的人类监督：I-HITL协议如何防止AI代理绕过安全护栏
论文提出I-HITL（不可剥夺的人类在环）概念，通过形式化定义和Countersign原型，利用可信消费级移动设备确保AI代理行动必须获得人类明确批准，防止代理绕过HITL护栏。实验显示十个前沿模型可自主收集OTP绕过支出上限审批。
LLM肿瘤全程诊疗评估新基准：诊断强不等于下游强
新基准 NPC-RubricBench 基于 405 名鼻咽癌患者纵向记录评估 30 个 LLM，发现诊断性能强不代表下游照护可靠，失败模式随诊疗阶段反转，提示粒度存在决策质量与证据忠实度的权衡。
REVA：单次前向传播实现实时漏洞检测，速度提升250倍
REVA提出一种实时漏洞检测新方法：通过预计算威胁模型、静态分析与调用图注入上下文，并用探针读取LLM内部表示，在PrimeVul上达到60.0%准确率，与agent式检测器VulTriage持平，速度却快250倍以上。
前沿Agent如何操控机器人？EBench实测GPT-6-Astra
EBench评测报告实测GPT-6-Astra：直接控制下短时程任务领先、泛化波动最小，但长时程与高精度操作落后于VLA/WAM策略；Harness+策略模式可提升成功率并降低token成本。
AI时代学术努力与招聘的博弈论：深度理解还值钱吗？
一篇博弈论研究分析了AI如何让学术论文失去能力信号作用，以及求职者与招聘方在「深耕理解」与「堆量产出」之间的双向困境，并对均衡类型与学习模拟结果进行了梳理。
OpenAI宣布数学、计算机科学与物理领域三项新发现
OpenAI在Reddit宣布数学、计算机科学与物理三项新发现，引发AI与科研圈关注。本文梳理事件背景、三大学科发现的验证难点、社区疑问，以及AI参与基础科学发现的现实意义。
vLLM发布d3-ultra：27B开源多模态决策模型
vLLM Semantic Router 发布 d3-ultra，一个 27B 开源权重多模态决策模型，一次读取文本、图像和视频并为每个答案返回概率，SR-Text 测试得分 87.2。本文分析其判别式路线、分数含义与落地注意事项。
百度开源 Unlimited OCR 2：3B 模型单次解析百页文档
百度开源 Unlimited OCR 2，3B 参数、MIT 许可证的 OCR 模型，通过 SR-SWA 注意力实现单次请求解析上百页文档，每步解码开销近乎恒定，MarathonDocBench 得分 77.1。
PreCap激活函数：无归一化百层MLP匹敌SELU
独立研究者发布PreCap激活函数，在100层MLP上无归一化匹配SELU性能，采用预注册和严格统计，诚实报告负面结果，并提供CUDA与MLX实现。
从零学强化学习：一份实战笔记与开源实现分享
一位开发者分享从零学习强化学习（RL）的笔记系列，首篇1页RL基础已上线，涵盖核心术语与数学直觉，后续将发布从零实现和实验。适合RL初学者参考的学习路线与资源。
