#开源工具
共 13328 篇相关文章

HotPOT:异构物理专家如何破解PDE预训练干扰难题
HotPOT提出异构物理专家架构,用共享编码器加神经-数值专家破解PDE预训练跨任务干扰,24组对比全部优于MoE-POT,rollout误差平均降低50.7%,17M小模型超越更大基线。

Skeleton Coding:用程序结构驯服AI编程智能体
Skeleton Coding 提出让开发者与AI智能体共同指定程序结构,理论证明可将所需测试数量指数级减少,实证中平均测试误差降低48.4%,并缩小模型差距、降低成本。

退火平均马尔可夫链达到张量PCA算法阈值
最新研究证明,带退火和遍历平均的球面Langevin动力学能够从随机初始化出发,在多项式时间内达到张量PCA的算法阈值,打破了局部算法劣于全局算法的传统认知。

EasyProver:递归智能体如何攻克真实代码形式化验证
EasyProver 用递归智能体、异步搜索与弹性 elaboration 在 Lean 中完成形式化验证,在 PutnamBench 证明 669/672 题,并推出面向真实 Rust 实现的 Aegis 基准,在 2000 条语句样本上通过率 52.7%。

一石二鸟:统一检索与利用的技能增强生成框架
Skill-Uni统一强化学习框架联合优化技能检索与利用,在五个基准测试中相比Qwen3-4B和LLaMA3.1-8B分别取得66.59%和34.82%的平均性能提升,兼容多种检索引擎。

Nemotron 3.5双模型发布:Mamba-Transformer混合架构为Agentic AI提速
英伟达发布 Nemotron 3.5 Super 与 Lightning:120B/12B 激活多模态与 30B/3B 激活文本模型,混合 Mamba-Transformer 架构,SWE-bench Pro 达 51.78%,GB200 单卡最高 4856 token/s。

SAE特征能预测AI错误,但因果影响几何?
新研究在八个数据集上审计Gemma Scope SAE特征:SAE激活能预测多选题错误与不确定性,但过滤伪影后因果干预的纠错效果有限,答案翻转罕见且效应方向不稳定。

MTG-AD:MLLM内联音频描述测评新基准
Google 发布 MTG-AD 数据集与 MTG-AD-Eval 评测框架,聚焦 MLLM 内联音频描述:36 小时视频、8k+ 条由盲人与明眼专家共创的描述,通过音轨渲染检验旁白与静音的契合度。评测显示模型描述准确、重叠显著减少,但叙事节奏与流畅度仍有明显差距。

累积剪枝约束:Max 2-SAT的多项式空间精确新算法
新研究提出累积剪枝约束算法,在多项式空间内精确求解Max 2-SAT,对含偏置变量、半随机公式及正则扩展图上的Max-Cut等实例类实现指数级加速,并可能推广至一般公式。

HAIDL:将人机交互升级为可复现的结构化数据
论文提出HAIDL交互描述语言与HAIDL-X中间件,将人机交互形式化为结构化数据,支持复现、可解释性、行为分析与自适应AI支持,并在JupyterLab中实现运行时捕获与学习层度量。

FIDE:纤维信息可微实验设计,优化基准保持下的动力学法则
FIDE(纤维信息可微实验设计)提出条件最小修正原则,解决聚合测量下动力学法则的残余设计自由度问题,优化基准保持场景中的传感器选择与实验设计。
科技前沿实测100+个Claude GitHub仓库,这6个最值得装
实测100多个Claude GitHub仓库后,筛出Hyperframes、Google Workspace CLI、Apify、Scrollcraft、Humanizer、Agent Skills等真正好用的工具,附Playwright测试、安全扫描与省token仓库的实测结论。

Cord:让掩码扩散模型学会动态解码顺序
Cord 提出一种置信度锚定的顺序残差解码策略,通过几何残差动态调整掩码扩散语言模型的揭示顺序,在多个基准上显著提升任务成功率,且推理开销极低。

Pico CSS停止维护:轻量级CSS框架的告别
Pico CSS已停止维护,这款以语义化和极简著称的CSS框架不再更新。本文介绍其设计理念、停止维护的影响、替代方案及开源可持续性反思。

60个AI Agent共用一把API密钥的迁移实录
一个团队将约60个自研AI Agent从共享API密钥迁移到独立身份体系的实践复盘,涵盖安全审计、配额隔离、密钥轮换与运维复杂度的真实权衡,为多Agent架构的密钥管理提供参考。

MEV数据集:面向长镜头生成的多事件视频资源
MEV是一个面向长镜头视频生成的多事件视频数据集,提供精确时间边界与细粒度事件标注,解决现有文生视频数据监督不足导致的时间不一致问题。

Rubricon:自动生成评分标准,提升LLM评估与训练效率
Rubricon 是一种自动生成评分标准的流水线,无需人工标注即可为 LLM 评估与训练提供高区分度 rubric。在多个基准上,其评分与专家标准对齐度提升 9%,训练 Qwen3.5-9B 时性能优于 RRD 4.5%。

小数据分子生成:随机化什么比随机化多少更重要
控制实验揭示:在低数据分子生成中,随机化SAFE表示可将新颖分子产率提升超450倍,原子与片段顺序随机化存在协同效应,且匹配语料下优于随机化SMILES达2.8倍。随机化什么比随机化多少更关键。

