#前沿研究
共 6543 篇相关文章
MoE路由信号：过程监督的新范式
探索MoE模型专家路由作为过程监督新来源的研究：路由统计量提供内在置信度信号，RoCo-Rethink选择性重生成低置信步骤，RoCo-PRM自动标注并蒸馏过程奖励模型，在多个架构和任务上超越基线。
中世纪钟表机械：维护、隐喻与AI时代的机器心智
从中世纪晚期钟表机械的维护实践与隐喻出发，探讨机械思维如何塑造现代AI与软件工程的系统观，分析钟表匠作为早期系统维护者的角色，以及机械隐喻在解释大模型时的启发性与局限性。
DPO计算图随机剪枝：训练加速1.4倍、峰值内存更低
DPO训练太慢太吃显存？这篇论文提出DPO计算图随机剪枝框架，从位置、序列、分支三个维度独立采样，分支剪枝实现1.426倍步时加速、训练时间减少约30%，并深入分析内存与时间收益的归因。
JEPA在纵向电子病历表示学习中为何不敌MLM？
新研究在MIMIC-IV上对比JEPA与MLM用于纵向电子病历表示学习，发现三种JEPA变体虽训练稳定无坍缩，下游性能却全面落后。目标大小而非异质性推高预测误差，缩小目标也无法补救，核心挑战在于定义临床有意义的潜目标。
Agentic模型编排真有效？FairAMO揭示集成收益的边界
FairAMO研究在GIFT-Eval基准上受控评估Agentic模型编排：冻结候选后，最佳编排器相对最强单一TSFM的MASE改进不足6%，增益取决于候选互补性而非数量，历史证据快速饱和。
迁移学习+可见光通信：室内定位能效提升新方案
一项研究提出基于迁移学习的可见光通信室内定位方法，在BOSCH工厂数据集上实现47%精度提升，高噪声下模型效率达67.5%，并引入ME复合评估指标，为能量受限的工业物联网场景提供高能效定位方案。
分位数分布式强化学习逼近极小极大速率：理论突破与统计精度分析
本文深入解读分位数分布式强化学习的最新理论研究，分析分位数贝尔曼不动点的统计精度、Wasserstein距离下的非渐近误差界及局部渐近极小极大风险，揭示分辨率与收敛速率的关系。
线性模型加速贝叶斯优化，速度提升千倍
新研究通过利用线性结构加速贝叶斯优化，在保持与最先进方法相当性能的同时，速度提升高达1000倍，填补了速度-性能帕累托前沿的空白，为中等成本问题打开新应用。
SCARCE：无标签图泛化如何实现隐式特征重加权
SCARCE框架提出无标签图泛化新方法，通过两阶段训练（变分图自编码器重建与对抗环境混淆）实现隐式特征重加权，在合成数据和DrugOOD上取得无标签方法中最优OOD泛化性能，理论证明环境混淆等价于方向性惩罚。
Flash Next体验引爆期待：Qwen4家族成社区热议焦点
Reddit社区热议Flash Next模型体验，用户对Qwen4家族及下一代27B模型充满期待，聚焦设计能力、N-gram扩展与小模型知识储备的边界。
LongZero：零数据强化学习提升LLM长上下文推理
LongZero提出一种零数据强化学习方法，让LLM通过自生成多跳推理与多轮检索任务，结合GRPO训练提升长上下文推理能力，实验表明其性能超越依赖外部语料合成的基线方法。
LLM Agents挑战宝可梦对战：AI智能体博弈新实验
Hacker News热议项目让LLM Agents玩宝可梦对战（Pokemon Showdown），探索大语言模型智能体在不完全信息博弈中的策略决策能力，分析AI智能体能力边界与游戏对抗实验价值。
LoopRec：让序列推荐按需分配计算，告别固定深度
LoopRec提出物品级自适应递归框架，通过门控机制为序列推荐中每个物品动态分配计算深度，实验证明优于固定深度基线，并展现可解释的分配模式。
TenetBench：用俄语职业伦理条款测试AI合规性
TenetBench是一个包含3,433个俄语职业伦理条款冲突请求的基准，用于评估LLM是否遵守专业伦理准则。研究发现14种模型组合中11种会生成违规内容，且推理模式可能降低拒绝率。
OmniSimulator：小模型如何实现高保真用户模拟
OmniSimulator 提出结构化五维行为推理框架，用教师模型蒸馏推理轨迹训练小模型，Qwen3-8B 提升 34.33%，性能对标 Claude-Sonnet-4.5，支持自托管高保真用户模拟。
块扩散模型挑战自回归：纵向EHR预测提速1.43倍
研究在MIMIC-IV上对比块扩散与自回归模型用于纵向EHR建模，发现小块扩散配置保留大部分预测性能同时实现1.43倍推理加速，且冻结线性探针显示两者表征质量几乎相同，揭示了准确率、效率与表征的权衡关系。
93步最优解：非局部水晶交换谜题的精确证明
研究给出《Order of the Sinking Star》水晶交换谜题的93步最优解，通过精确BFS和可采纳启发式排除所有更短解，保留超18亿状态，并提供可复现代码与证明。
并行思维新突破：DPT如何让大模型推理路径更多样
大模型并行思维常因路径模式崩溃而失效。研究者提出DPT方法，通过惩罚路径前缀相似度来鼓励推理路径多样性，在多个推理基准上超越现有并行思维方法，达到当前最优性能。
