#前沿研究
共 8219 篇相关文章
百度开源 Unlimited OCR 2：3B 模型单次解析百页文档
百度开源 Unlimited OCR 2，3B 参数、MIT 许可证的 OCR 模型，通过 SR-SWA 注意力实现单次请求解析上百页文档，每步解码开销近乎恒定，MarathonDocBench 得分 77.1。
PreCap激活函数：无归一化百层MLP匹敌SELU
独立研究者发布PreCap激活函数，在100层MLP上无归一化匹配SELU性能，采用预注册和严格统计，诚实报告负面结果，并提供CUDA与MLX实现。
从零学强化学习：一份实战笔记与开源实现分享
一位开发者分享从零学习强化学习（RL）的笔记系列，首篇1页RL基础已上线，涵盖核心术语与数学直觉，后续将发布从零实现和实验。适合RL初学者参考的学习路线与资源。
AI语音逼真到让人怀疑人生：Dessa是演示还是真实？
Reddit热议AI语音演示逼真度惊人，网友惊呼“我们完蛋了”，但质疑者认为在Dessa正式发布前只是骗局。探讨技术脉络与真实性质疑。
vLLM v0.33.0rc0 发布：CUDA 性能剖析修复与 MRV2 优化
vLLM 发布 v0.33.0rc0 候选版本，主要修复 MRV2 在 CUDA 环境下跳过自适应验证成本剖析的问题。本文解读该 Bugfix 的含义、对推理部署的影响及升级注意事项。
Agent只是过渡，数字孪生才是AI的终局
Agent只是过渡技术？本文解析Reddit技术讨论的核心观点：Agent的事务性构造导致上下文碎片化，数字孪生以持久状态、连续记忆和沙箱模拟为起点，才是AI系统的终局架构。
固态变压器：AI用电荒的电网升级关键
传统变压器设计百年未大变且供应短缺，AI用电需求激增让电网升级迫在眉睫。固态变压器被视为潜在解决方案，本文解析其原理、优势与现实挑战。
百度发布Unlimited OCR 2：SR-SWA实现无限长文档解析
百度发布Unlimited OCR 2，采用稀疏参考滑动窗口注意力SR-SWA，将超长文档的文本-视觉注意力压缩至固定参考集，实现解码延迟与内存几乎不随文档长度增长，并在MPDocBench、MarathonDocBench等基准上达到SOTA。
用十几个Agent搭建黑灯工厂：Lauren Tan的信任阶梯与米其林厨房
Lauren Tan分享用十几个协调Agent每月合并超2500个PR的实战经验：从信任阶梯、米其林厨房隐喻到验证技能与内外循环连接，揭示黑灯工厂背后的环境工程哲学。
GPT-6.1 Terra深度解读：中端模型的视觉与电脑使用定位
OpenAI发布GPT-6.1 Terra，主打视觉推理与电脑操作，定价介于旗舰Sol与轻量Luna之间。本文解读其中端定位、定价策略、适用场景及推理等级实测表现。
OntoGr：为Agent记忆加上引用溯源与双时间轴
OntoGr Agent Memory 是一个开源 Python 库，为 AI Agent 记忆中的每条事实保留逐字引用、来源与双时间轴，支持可逆实体消解、冲突裁决与四路召回检索，解决 Agent 记忆的信任与可追溯问题。
dSpark：用调度蒸馏让扩散语言模型学会"先解锁谁"
扩散语言模型常因解码轮次过多而变慢。VILA-Lab 提出 dSpark，用调度蒸馏学习"先解锁哪个 token"，在 GSM8K 上于 LLaDA-8B-Instruct 和 Dream-7B-Instruct 分别实现 10.12 倍和 5.12 倍加速，并保持任务表现。
选择性平局学习：偏好优化中伪相关的新解法
本文介绍Selective Tie Learning：通过理论分析选择影响最大的平局数据，以更少数据减少偏好优化中的伪相关，实验覆盖对数线性策略、神经网络和大型语言模型，并探讨其实际应用与局限。
FOCUS：主动评论家学习破解长程智能体信用分配难题
FOCUS 提出选择性分支与主动评论家学习，缓解长程语言模型智能体的信用分配难题，在 BrowseComp-Plus 等基准上以匹配预算超越 GRPO 和 VinePPO。
预训练知“什么”，仿真教“如何”：ZAP让机器人零真实数据达96.7%成功率
ZAP提出零真实数据机器人训练方案：用27B预训练视觉语言模型提供世界理解，用仿真教会动作技能，真实任务成功率达96.7%，追平GPT-6 Astra且快3倍、省17倍，并展现组合泛化与跨embodiment迁移能力。
VGGT的自我认知：冻结特征预判位姿失败，ROC-AUC 93.5%
研究发现VGGT冻结特征中的线性探针能以ROC-AUC 93.5%预判位姿失败，优于模型自带置信度，且可迁移至其他数据集，为前馈三维重建的不确定性估计提供新思路。
信息论安全聚合：异构量化下的联邦学习隐私新方案
本文介绍一种信息论安全聚合方案，解决联邦学习中客户端异构量化带来的隐私泄露问题。该方案利用阈值秘密共享，容忍掉线和共谋，确保服务器仅获得聚合总和而不泄露单个更新。
Work Agents：从模型到系统，智能体如何可靠完成数字工作
论文提出以工作为中心的系统级视角，将工作智能体定义为基础模型与运行时harness的组合，用工作持续性与开放性刻画条件，梳理五类核心能力、三层优化路径与以工作成果为导向的评估方法。
