#前沿研究
共 8867 篇相关文章
QASecClaw实验：多智能体协作与验证反馈的可靠性边界
QASecClaw研究通过五个实验探讨多智能体上下文扩展、验证器反馈与证据可靠性。实验显示增加上下文数量token使用量增49倍却未提升不安全代码清除率；验证器反馈提升正确判定但错误判定也增加；模型能拒绝多数误导性反例但评估覆盖有限。结果支持确定性证据准入策略。
强化学习实现风电场降噪与发电双赢
风电场噪声治理新思路：强化学习联合控制偏航角与功率设定点，在满足40 dB噪声约束下将平均功率损失从行业标准的17%降至2%，实现降噪与发电的双赢。
苹果发布M6版14英寸MacBook Pro：自研芯片再进阶
苹果发布搭载M6芯片的14英寸MacBook Pro，Hacker News热议开发者对自研芯片迭代与本地算力提升的关注，本文梳理芯片代际意义与选购思路。
六边形泼溅原语Hexels：内存减半质量反超2DGS
论文提出 Hexels 六边形表面元，用平面六边形原语和一阶颜色场实现高效三维重建与渲染。在 34 个场景中 PSNR 较 2DGS 提升 4.53-7.38 dB，DTU 重建误差降低 28.9%，训练显存更低、FPS 快 2.31 倍。
注意力即格点规范理论：关系只通过Wilson环交互
一篇将注意力机制与格点规范理论联系起来的研究提出：在逐实体帧自由下，边注意力通过Wilson环实现是 symmetry 允许的唯一形式。holonomy attention无需训练即在稀疏图上推断未观测关系，准确率0.88，远超可交换架构的0.083上限。
测试时干预时机：PORTAL控制器如何动态决策
PORTAL控制器决定测试时适应的干预时机：通过共享比较与动态标签查询，在标签稀缺下选择何时部署干预、标注哪些输入、何时停止，避免平均准确率掩盖的批次失败。
手算Transformer前向传播：逐矩阵理解大模型
一位Reddit用户分享通过手算Transformer前向传播的每个矩阵来理解大模型内部机制的方法，涵盖位置编码、编码器形状不变性以及BERT与编码器的关系，并附有分步练习资源。
DCKV：端到端学习的KV缓存编解码器，压缩超百倍
DCKV是首个端到端训练的KV缓存编解码器，通过可微分变换、量化和熵模型与冻结语言模型联合优化，在Qwen3.5-2B上实现超55倍压缩且精度损失不超过1.8个百分点，为长上下文提示状态存储与复用提供新方案。
算法单一化：机器学习推荐系统的系统性风险
最新研究揭示机器学习推荐系统的算法单一化风险：当多个农场共享同一模型时，误差聚合带来系统性社会损失。以摩洛哥谷物系统为例，准确率约束的分散化策略平均降低模拟损失19.41%。
高斯过程Bandit优化黑盒杠杆约束
本文介绍高斯过程上置信界（GP-UCB）算法在共享预算离散权重分配中的应用。针对延迟反馈、噪声和调整约束，GP-UCB通过高斯过程先验在相邻配置间共享信息，大幅减少探索周期。论文通过高保真模拟器确定Matérn+Linear复合核为最稳健选择，并在生产环境RCT中验证其统计显著优于ε-greedy基线。
PREEN：用29个参数实现智能手机调色预设回归
PREEN提出一种新的颜色风格迁移方法：不生成图像，而是预测智能手机编辑器的29个预设参数。通过教师模型反演伪预设、CLIP条件回归和LoRA微调，在PST50基准上实现像素与感知保真度领先，并支持亚秒级设备端推理与连续强度调节。
RAG-CSI：用检索增强Transformer预测信道状态
RAG-CSI 提出检索增强 Transformer 框架用于信道状态信息（CSI）预测，构建全局—局部 CSI 知识库并设计联合状态—动态检索（JSDR），在多场景数据集上五项指标均提升超 10%，NMSE 降低 15.42%。
SKIM：让冻结大模型参数「记住」对话，无需外部存储
SKIM 提出一种闭式方法，让冻结语言模型通过自生成问句作为键，将对话轮次写入参数，实现无需外部存储的对话回忆。在五个模型上验证，多数轮次可从参数中召回。
DocXEval：多模态文档理解可解释性系统评估
DocXEval是首个面向多模态文档理解的可解释性系统评估框架，覆盖13种XAI方法、3类任务、8个数据集、4个模型和17项指标，发现Occlusion综合表现最佳，并揭示评估指标间的可信度差异。
告别标签搜索：嵌入+LLM两阶段架构让证据召回率翻倍
一项针对7,354项随机试验的研究显示，标签检索仅找到系统综述所需证据的45%，而嵌入召回加语言模型过滤的两阶段架构达到92%。本文解析这一架构的原理、成本取舍与对AI检索系统的启示。
GUI-JEPA：无解码器GUI智能体，速度提升4倍
GUI-JEPA提出无解码器的GUI智能体策略，基于JEPA潜空间完成候选动作评分，在AndroidControl上比Qwen2.5-VL-7B快2.8-4.0倍，仅用6%参数量达到其86-92%精度，代码已开源。
RubricAtlas：从专家报告中挖掘类型级评分标准来评估深度研究智能体
RubricAtlas 从 3,079 份中文金融专家报告中挖掘类型级分析要求，覆盖 99 种研究类型，用于评估深度研究智能体的分析完整性，并通过删除与填充实验验证评分标准的区分力。
脊柱关键点检测新范式：像素级对比学习+可微形状建模
本文介绍一种脊柱关键点检测新方法，将检测问题转化为像素级对比表示学习，并结合可微形状建模解决位置歧义，在AASCE等数据集上性能媲美最先进方法，代码已开源。
