#前沿研究
共 8867 篇相关文章
LangGraph Supervisor为何这么烧Token？逐跳拆解成本真相
深入拆解 LangGraph Supervisor 模式为何消耗大量 Token：每完成一个 worker 就重新调用一次，上下文逐跳膨胀。结合 langgraph-supervisor 源码分析成本结构，给出五个可验证的优化方向与按跳度量的方法。
Event2Vec：让序列评分可完全分解的事件嵌入新方法
Event2Vec 是一种加性事件嵌入方法，将历史表示为事件向量之和，使线性评分可精确分解为单个事件贡献。项目源自伯克利实验室故障日志根因分析，支持双曲、球面等非交换几何空间。
Andrew Ng：AI Agent 越多，算力需求越猛
Andrew Ng 提出关键判断：AI Agent 数量增加会带来成倍算力消耗。本文分析多智能体系统的三层算力放大效应，以及对 AI 成本和基础设施投资的深远影响。
Agent开发学习路线全拆解：从理论到企业级实战
Agent开发已成为大模型领域核心竞争力。本文拆解四阶段学习路线：从Agent核心组件与理论打基础，到ReAct、CoT等经典范式进阶，再到强化学习与多智能体协作优化，最终通过企业级实战项目落地，适合零基础想系统学习Agent开发的学习者。
牙科X光分割模型横评：UNet++为何胜出？
在统一实验条件下对比PSPNet、DeepLabV3、UNet和UNet++四种牙科X光分割模型，UNet++以IoU 0.6719和DICE 0.7869取得最优表现。分析实验设计、超参数影响与临床落地启示。
Oracle引导微调：让生成式ASR后编辑学会选择与重写
研究提出Oracle引导微调方法，通过修正池、正则化池和难负样本池将N-best列表转化为监督信号，训练生成式ASR后编辑模型学习选择或重写策略，减少过度编辑与幻觉，并揭示公共数据集预训练重叠问题。
区域感知SE模块：突破图像分割的通道注意力瓶颈
论文提出区域感知SE模块，用空间引导池化替代全局平均池化，通过BASE、SPASE、MAPSE、PLEASE四种方案在图像分割任务上超越传统SE模块，兼顾计算效率与可解释性。
量子生成模型合成医学图像：癌症检测AUC提升至80.2%
量子生成模型在BUSI乳腺癌超声数据集上生成合成图像，用合成数据训练的CNN分类器AUC-ROC达0.802，超越真实数据基线的0.760。探索量子机器学习在医学图像数据增强中的应用潜力。
TIDE：将文本到视频提示优化蒸馏为可复用技能
TIDE框架将文本到视频的提示优化蒸馏为可复用技能，仅需100条提示训练14小时，推理时单次生成即可达到搜索级效果，且能跨模型迁移。
BrainAid：轻量CNN+可解释AI实现脑肿瘤检测
BrainAid研究提出结合轻量CNN与ViT的脑肿瘤分类模型，在四分类任务上达到98%准确率，并借助可解释AI与树莓派部署，探索资源受限环境下的实时边缘诊断方案。
用Python可视化世界风险指数：哪些国家自然灾害风险最高
基于世界风险指数（WRI）数据，利用Python的Matplotlib、Seaborn和Geopandas对2000-2025年全球灾害风险进行地理空间可视化分析，识别菲律宾、墨西哥、印度尼西亚、印度等高风险国家，探讨数据可视化在防灾规划中的应用价值与局限。
CNN模型对比：Pequi树枝枯病检测研究
研究比较AlexNet、Inception、LeNet、VGG16和MobileNet五种CNN架构在Pequi树枝枯病检测中的表现，利用计算机视觉技术分析叶片、枝条和花穗的病理模式，为农业AI病害诊断提供架构选型依据。
多模态嵌入的对比学习策略：哪些真正有效？
一项受控研究在MMEB基准上系统评估多模态嵌入的对比学习策略，发现多数策略仅带来微弱提升，并揭示梯度扭曲、分布幻觉与协同训练三大关键洞察。
ChunkAct：为智能体机器人引入动作分块，LLM调用减少2.9倍
ChunkAct 将动作分块引入智能体机器人，通过离线编译记忆、在线执行动作块，在 LIBERO-Pro 上成功率提升 5.0 点，同时 LLM 调用减少 2.9 倍、输入 token 减少 4.4 倍。
Tev：用稠密进度奖励破解长周期智能体训练难题
Tev 提出 Tev-Gym 长周期智能体训练数据集与 PPRS 稠密进度奖励方法，训练出 Tev-27B，在 ALE-CM 上追平 GPT-6 Astra 与 Claude Opus 5，并泛化至 Terminal-Bench。
HybridAgent：混合推理智能体让AI思考效率提升2.6倍
HybridAgent通过HybridLink实现文本与隐空间推理的动态切换，在11个基准测试中性能提升10.4%，同时减少35.5%-54.7% token消耗，推理速度提升1.8-2.6倍。
DoubtLess：免训练对比解码，让推理模型少想多对
DoubtLess 是一种免训练对比解码方法，用小推理模型引导大模型缩短思维链。在七个基准上让 Qwen3-32B 的 CoT 缩短 31% 且精度不变，编程 agent 场景每轮思考 token 减少 20%，可泛化到多个模型家族。
遥感模型的自我进化：智能体递归构建地球观测模型
研究提出新范式：将地球观测任务转化为约束框架与验证器，让通用编程智能体递归构建并改进遥感模型，在四个基准上超越SOTA且仅需1%标签。
OmniCompass：全模态视频理解基准如何评测50个MLLM
OmniCompass 是一个面向全模态视频定位与理解的整体性基准，包含 VL 与 AV 两条评测轨道、时序/空间定位与问答三类任务，覆盖 820 个视频，并对 50 个 MLLM 进行了系统评测，揭示开源模型在音视频理解上的明显差距。
别急着生成：让你的模型先学会"读空气"
LLM温度选择长期依赖固定值或启发式校准，缺少可解释的场景表示。新研究提出Scenario-Actor框架，从Transformer隐藏状态提取场景嵌入来动态决定采样温度，在Llama-3.1-8B-Instruct的社交互动、开放指令跟随与多轮对话任务上取得提升。