#前沿研究
共 8867 篇相关文章
Jev：TypeSafe AI首个System 1模型，专为数据分类而生
TypeSafe AI推出首个System 1模型Jev，专注数据分类而非文本生成。它以70-500毫秒完成分类、输出token免费、格式绝不出错，速度比传统LLM快40-200倍。本文解析Jev的定位、能力边界与被夸大的误用场景。
上下文投毒：长上下文模型为何被干扰信息拖垮
arXiv 论文提出"上下文投毒"概念，将长上下文语言模型的性能退化解释为注意力中的极值干扰，指出有效干扰项数量而非原始长度才是关键，并给出证据边际需按 √logN 增长的理论边界及多种缓解方案。
DeepInstructor：用结构化学术经验驱动科研创意评估的智能体框架
arXiv 论文提出 DeepInstructor，一个基于经验图谱和 ReAct 智能体的科研创意评估框架，利用 58607 条同行评审构建结构化经验，在与人类判断对齐度上 Hit@1、Hit@2 分别提升 24.4% 和 29.7%。
RecipeDB2：让菜谱变得可计算的结构化数据框架
IIIT-Delhi 研究团队推出 RecipeDB2，收录 128,942 份菜谱、35,474 种食材，通过 Transformer、BERT 与随机森林等技术将菜谱转化为可计算的结构化数据，链接 USDA 营养数据库并标注地理文化背景，为食品计算研究提供基础设施。
AdaMem：让RAG按相关性智能分配记忆token的软压缩新方法
AdaMem 是一种相关性引导的 RAG 软压缩框架，通过查询相关的记忆token动态分配，让高相关段落获得更多记忆预算。在六个问答基准上超越均匀分配基线，64倍压缩下相对增益最高达19.7%，推理延迟降低4倍。
CLIC框架：用Token频率解码大模型的编程行为差异
arXiv新论文提出CLIC框架，通过token频率分析和可解释决策树刻画大语言模型的编程行为差异，并引入鲁棒性与集中度两个新指标。基于10个LLM跨22个Kaggle任务的对比，为模型选型与提示工程提供实操洞见。
TreeSpark：自适应草稿树让推测解码提速8-14%
TreeSpark 是一种面向半自回归草稿器的推测解码优化方法，通过校准的负载自适应草稿树，每轮多接受15-25%草稿token，单请求解码提速8-14%，并在任意温度下保持无损解码。
AI分析36万条推文：气候运动中的"快乐-行动"悖论
一项分析36万条Twitter/X气候活动帖子的AI研究发现"快乐-行动背离"现象：活动期间幸福感语言上升9.02个百分点，但行动语言反而下降10.75个百分点，且更快乐的帖子传播率更低，揭示气候传播的深层悖论。
SJR架构：解耦内容理解与策略学习的多模态内容审核新范式
arXiv论文提出SJR（总结-判断-精炼）架构，通过自然语言接口解耦多模态内容理解与策略分类。在误导广告检测中相对F1提升23.6%，且零真实违规样本即可启动新策略，兼具数据效率与可解释性。
面向未来的记忆检索：零推理成本的前瞻性检索机制
arXiv新论文提出零推理成本的前瞻性记忆检索机制，通过承诺账本让个人记忆系统"看向未来"，在困难任务上将recall@5从0提升至0.955，且零误报。
LLM真有认知偏差吗？PsyAgentBench揭示三种伪装路径
PsyAgentBench 通过 41,904 次实验重新检验 LLM 智能体的经典心理学效应，发现从众、锚定等类人偏差通过标签识别、知识依赖、安全拒绝等不同路径产生，而非单一易感性。研究警示标量偏差分数的误导性。
斯坦福的隐秘世界：一堂教你"统治世界"的课
18岁最年轻George Polk奖得主Theo Baker揭露斯坦福与硅谷"无边界关系"的黑幕：pre-idea融资、秘密课程"如何统治世界"、校长论文造假与被牺牲的学生，剖析下一代科技领袖如何被训练。
阿里云栖大会官宣通义千问Qwen 4，开源大模型再进化
阿里巴巴在云栖大会正式发布新一代开源大模型 Qwen 4（通义千问 4）。本文梳理 Qwen 系列演进脉络、开源生态意义及值得关注的后续信息。
科学的边界：当探索告诉我们无法知晓一切
科学是否在告诉我们无法知晓一切？本文从中世纪哲学家迈蒙尼德的不可知论出发，探讨科学、宗教与人类认知边界的交汇，反思探索的深层意义在于谦卑而非征服。
当AI智能体只想"聊天"：Agent协作的通信瓶颈
AI智能体在多Agent协作中频繁"想要对话"，带来上下文膨胀、延迟叠加和成本上升。本文分析智能体通信瓶颈的成因，并探讨从自由对话走向结构化协作协议的工程化路径。
NASA火星采样返回任务被取消：一场科学雄心的搁浅
NASA火星采样返回任务（MSR）被正式终结。这项旨在将毅力号采集的火星样本带回地球的宏大计划，因预算严重超支与技术复杂性而搁浅，引发科学界与技术社区广泛讨论。
Jev与System One模型：LLM的新形态"决策模型"
TypeSafe AI 推出 Jev，一种输出浮点数而非文本的新型 LLM——决策模型（System One）。本文解析其是非/选择/评分三类问题、极低价格、搜索重排等应用，以及黑盒偏见隐忧和开源复现浪潮。
TensorRT多设备推理：简化Dynamo-Triton的多GPU模型部署
NVIDIA在Dynamo-Triton中引入TensorRT多设备推理能力，简化跨多GPU的大模型部署，解决单卡显存与算力不足问题，为生成式AI生产环境提供更高效的推理服务方案。
