#前沿研究
共 6837 篇相关文章
UniWALM：统一世界-动作-语言模型如何突破机器人控制瓶颈
UniWALM 提出统一世界-动作-语言模型，在单一 Transformer 骨干内同步生成视频、动作和语言，无需外部规划器。在 RMBench 记忆任务上达 34.5%，真实物品查找任务成功率从 11.1% 提升至 61.1%。
GBClaw：用AI智能体解锁晶界研究的深度机理发现
GBClaw是一个智能体AI框架，利用大语言模型和专用工具自动化一般晶界的原子尺度模拟与机理分析。在镍的14个晶界上，它揭示了缺陷结构对剪切强度的关键影响，展示了AI与领域知识结合的研究潜力。
英伟达新研究：视频与3D动作联合生成，任意骨架都能动
英伟达PAR实验室提出JCA模型，联合生成视频与3D运动，支持任意骨架并输出相机参数完成场景配准，用近20万训练对实现视频与骨架动作双向转换。
非对称循环Transformer：固定全局表示，迭代解码新范式
非对称循环Transformer（AsymLoop）将单遍上下文编码与循环状态细化分离，固定全局KV缓存，在1B规模下常识推理平均准确率从49.58%提升至50.85%，为循环语言模型提供新设计范式。
潜推理探针为何失效？最小对揭示「存在却难读」的真相
一项针对Ouro-1.4B与Qwen2.5-1.5B的探针研究发现：问题中的数字在模型内部确实存在（读出率约0.9），但常规探针仅能读出0.19-0.36。最小对实验揭示「存在却难读」与「可读却未用」的双重困境，并提出合成零假设协议区分计算值与输入痕迹。
BitMTP：多Token预测与低比特LLM的协同加速
BitMTP提出算法-系统协同设计框架，将多Token预测与超低比特LLM骨干结合，解决掩码起草缺上下文与KV更新开销问题，在H20、RTX 3090、Jetson Orin上实现最高3.3倍加速。
OptionWorld：诊断LLM长期助手失败的新基准
OptionWorld基准通过模拟日常任务诊断LLM作为长期个人助手的失败模式，揭示信息整合、行动跟进和假设限制三大短板，并提供干预实验证据。
Binary Discrete Diffusion：用候选集扩散破解逻辑与规划任务
Binary Discrete Diffusion 提出用二进制候选集表示离散扩散的噪声状态，通过渐进添加与移除候选 token 表达部分不确定性，在数独、推箱子、图着色等逻辑与规划任务上显著优于掩码扩散和均匀扩散基线，语言建模保持竞争力。
Lafa：8B参数连续流语言模型，吞吐量超AR模型2.54倍
Lafa是一个扩展至8B参数的连续流语言模型，采用块式流架构与异步生成，训练数据效率高，可通过自推测解码实现2.54倍于自回归模型的吞吐量，在指令遵循、推理和编码任务上质量匹配甚至超越AR模型。
缓存工程：突破LLM智能体长任务瓶颈
LLM智能体长轨迹导致KV缓存成本飙升，缓存工程提出drop和repos操作直接控制活跃缓存，避免重新预填充。AKV引擎实现吞吐量提升1.2倍、延迟降低1.5倍，成本降低27.7%。
R2S：修复评分器近视，智能体蒸馏性能提升12.8%
本文解读R2S方法：针对智能体在线策略蒸馏中教师逐词评分的近视问题，通过无奖励修复评分器，在12个测试单元中平均提升12.8%成功率，为智能体训练提供新思路。
NarraSpace：多模态场景证据如何提升痴呆症分类可解释性
NarraSpace框架将图片描述中的词语与场景元素链接，构建可检查的痴呆症分类证据。在ADReSS基准上准确率超80%，AUC达91.32%，兼顾性能与可解释性。
阿拉伯方言数学推理基准DAR-MGSM发布：文化本地化如何难倒大模型
DAR-MGSM是首个针对阿拉伯方言数学推理的手工构建基准，覆盖五大方言与MSA，包含翻译版和文化本地化版。十一款大模型实测显示本地化版本普遍更难，可解释性分析揭示推理路径差异。
500万美元！OpenAI资助数学界理解AI成果
OpenAI捐赠500万美元给西蒙斯基金会，资助数学家检验和理解AI产出的数学成果，并提供模型与算力支持，推动AI与数学交叉研究。
AI驱动药物研发：Orchestra Bio被收购，加速新疗法落地
某公司收购Orchestra Bio平台，结合Rosalind AI模型简化药物开发流程，加速新疗法惠及患者。分析收购背景、平台价值与行业影响。
DeepSeek 开源自研推理框架 DeepInfer，支撑 V4.1-Flash 大规模部署
DeepSeek 开源自研推理框架 DeepInfer，该框架支撑 DeepSeek-V4.1-Flash 大规模部署，主打高吞吐低延迟，旨在帮助社区降低计算成本与能耗，让 AI 更可负担。
Agent框架已死？Cursor工程师用数据反驳
Cursor工程师Jediah硬核拆解Agent Harness是否已死：引用UC Berkeley与Apple研究说明harness不再提升编程智力，但通过GrokBot与软件工厂案例论证harness仍在打开新任务边疆、提供安全与效率价值，并预测90%的agent工作将移出本地。
Agent Harness 已死？模型变强后，Harness 的价值何在
前 Cursor 工程师 Jediah Katz 在 AI Engineer NYC 演讲中回应「Agent Harness 已死」论：数据飞轮让 Harness 的编码增强层过时，但 Harness 正通过解锁新任务边界、提供信任安全与效率价值而重生，并预测六个月内 90% agent 工作将迁至云端。
Gemini 4 Argon vs GPT-6 Astra：视觉任务全面对比
Roboflow直播实测Gemini 4 Argon与GPT-6 Astra在目标检测、分割、OCR等视觉任务上的性能。Argon多数任务领先，成本更低，但OCR某些子任务仍存挑战。
Gemini 4 Argon实测：北美豆包还是全能王者？
B站UP主ZP Studio实测Gemini 4 Argon：3D动画、网页前端、小王子游戏、文案填词五项测试，对比Astra、GPT-6、Claude Opus 5.5。全模态能力真实但精细度不足，Pro会员40%周额度换四个项目，订阅性价比存疑。