#前沿研究
共 6496 篇相关文章
SpectralCanary：低频信号如何审计T2I数据集滥用
SpectralCanary 提出一种基于低频信号的 T2I 数据集审计方法，通过简单掩码混合金丝雀图像，实现高检测率且几乎不影响图像质量，在多个数据集和模型上验证有效。
EpiSEM-Bench：缺失证据下LLM智能体的安全边界与证据恢复评测
EpiSEM-Bench 是可执行基准，通过300组配对任务与系统性事实抑制，评测LLM智能体在缺失证据下的不安全执行、安全边界与证据恢复能力，揭示十个模型在抗缺失与恢复能力上的显著分化。
CausalCoT：用因果图隔离上下文，破解思维链注意力泄漏
CausalCoT 框架通过将问题分解为有向无环图并隔离每个子问题的上下文，切断注意力泄漏路径，使思维链推理真正具备因果性。实验显示因果敏感度平均提升 12 个百分点，最高 21 个百分点，同时保持竞争性预测性能，并支持可预测的测试时干预。
BeNice! 用KV共享为循环架构省下推理内存
循环架构推理时KV缓存随循环深度线性增长。论文提出两阶段方法：预训练用随机深度诱导收缩残差，后训练用BeNice!广播KV缓存实现KV共享，质量不降，长上下文吞吐最高提升23.6%，首token延迟降低83.6%。
低比特N-Gram嵌入：为语言模型节省75%表格内存
研究提出用低比特精度存储语言模型的n-gram嵌入表，四比特量化节省约75%表格内存并保留99%以上性能增益，在DeepSeek-V4.1-Flash等大模型上节省47-55%内存，困惑度上升不到1.2%。
直接优化Pass@k：思维剪枝如何平衡推理质量与多样性
论文提出直接优化pass@k的思维剪枝方法，在八个开放权重推理模型上超越基于质量和多样性的基线，自然平衡推理质量与多样性，提升测试时扩展效率。
标注覆盖如何扭曲RAG检索分数？乳腺病变系统实证
一项乳腺病变RAG系统实证研究显示：ground truth标注覆盖度会显著影响检索评估。标注从25扩至37个证据片段后排名不变，但证据识别量改变，提示临床RAG评估需报告标注敏感性。
LLM Agent 如何审计斯洛伐克语语料库：发现机器内容农场
研究利用 LLM 代理审计 FineWeb2 斯洛伐克语语料库，发现 5.32% 为机器生成内容农场，编译测试套件扫描全库仅需 0.7 秒，成本远低于传统分类方法。
双语语言模型捕捉二语阅读中的跨语言影响
双语语言模型能否捕捉二语阅读中的母语迁移？基于12种母语背景眼动数据的研究发现，匹配读者L1的双语模型预测更准，优势集中在晚期眼动指标，并受书写系统重叠度和熟练度调节。
开源大模型能考上西班牙住院医师吗？MIR考试实测
西班牙MIR住院医师考试实测：四个开源大模型按考试规则可排进前600至3000名，但弃答永不划算、医学微调未改善置信度分辨力、13-38%正确回答依赖不成立的临床理由、图像输入被实质忽略。
扩散语言模型如何提升黑盒攻击的隐蔽性
论文提出用扩散语言模型替换随机映射，使黑盒攻击提示的字符级困惑度从10^3-10^7降至3-5，大幅提升隐蔽性，并揭示风险估计可能相差一个数量级。
LLM挑战微调模型：知识图谱转文本基准测试新发现
实证研究对比近期LLM与微调编码器-解码器模型在知识图谱转文本任务上的表现，发现LLM在参考指标上差距缩小，在图接地指标上反超，且微调模型错误率随图谱规模增长更快。
大模型隐喻表征的几何结构：可探测与可调控
研究者利用机制可解释性技术，在多种架构和规模的大语言模型中定位隐喻表征的因果子空间，实现对分类与生成任务中隐喻性的探测与调控，揭示LLM隐喻能力的几何结构。
模拟控制评估：用语言模型预测AI安全的新范式
模拟控制评估（SCEs）用语言模型模拟工具响应，在LinuxArena上以3.6个百分点误差预测AI部署安全性，远优于BashArena的10.1，且KL散度低十倍以上，为AI安全评估提供高保真新范式。
RLVR会让模型更“权力趋附”？OLMo-3检查点证据说不
基于OLMo-3-7B-Think的检查点研究显示，RLVR并未单调放大工具性趋同行为：工具性发生率从SFT的25%升至RLVR第200步的46%，最终回落至11.8%。提示框架仅解释15%方差，32B端点结果方向一致。
强化学习视觉化解读：AI如何通过奖励与试错学习
基于Reddit视觉化讲解视频，用迷宫机器人比喻拆解强化学习核心概念：智能体、环境、奖励、探索与利用、延迟奖励、策略及奖励黑客风险，适合初学者建立直观理解。
VERA：面向欧盟AI法案的负责任AI评估仪表盘
VERA是一款开源自托管仪表盘，基于COMPL-AI框架将欧盟AI法案的十二项可测量要求转化为直观评分。在欧洲大型银行部署中，它将负责任AI评估时间从56秒缩短至30秒，有用性评分4.36/5，并记录能耗数据，助力非技术审批人员高效完成合规评估。
Hassabis缩短AGI时间表：两年到三年内实现通用人工智能？
Google DeepMind创始人Hassabis将AGI时间表从五年缩短至两到三年，其定义标准引发Reddit热议：仅用1901年前数据训练的模型能否写出爱因斯坦的论文？本文解析这一测试的深意与验证难题。
