最新基准LiveK12Bench：多模态大模型真能通过高中考试

AI代理也会衰老：部署系统的寿命工程挑战

OmniInteract：实时全模态流式交互基准测试

语言模型自我验证蒸馏：无需外部数据即可自我优化推理能力

阿里千问3.7编程能力全球第二，仅次于Claude

Claude Code 日常驱动：技能、子代理、插件与 MCP 集成实践

恒生港美科技指数将新增SpaceX为成分股

图灵奖得主萨顿联手他山科技，打造“能犯错”的机器人幼儿园

DeepSeek自动研究Skill：人类仅需动脑2小时即可完成论文

雷达-摄像头BEV多任务学习提出跨任务注意力桥接

GeoSolver 以细粒度过程监督扩展遥感视觉推理的测试时推理

引导式Token稀疏扩散模型解决推理性能瓶颈

HiSpec层次化推测解码技术加速大模型推理验证

因果表示学习技术助力推荐系统实现泛化

DIET：合并任务重要性分数实现LLM维度级全局剪枝

LLM推荐基准数据泄漏陷阱：评估结果虚高不可信

Transformer通过上下文学习近似后验预测分布

LeJEPA在加性噪声下可线性恢复世界潜在变量

复旦系触觉具身创业公司获近亿元天使轮融资

TriProRep结构感知预训练提升蛋白质结构预测

Vital Trace提出协议约束患者状态推理，实现纵向临床轨迹分析

TABX：高通量多智能体强化学习沙盒战斗模拟器

开源多模态大模型反常识场景语言偏见评估基准CAIT

双层级优化稀疏查询加速GraphLLM节点级任务

MedCollab框架：IBIS引导的多智能体协作实现临床全周期诊断

大模型思维链效果之谜：无意义中间标记的不合理有效性

DIANOIA：多智能体推理增益的覆盖度-保真度-合成三通道诊断框架

量化KV缓存致注意力偏差，视频扩散模型需偏差校正

MemFail研究揭示LLM记忆系统故障模式黑箱问题

AI安全不只靠对齐，还需有效可控性

Wan2.2 启用 Tail-Aware HiFloat4 实现 W4A4 后训练量化

多轮对话暴露大语言模型可靠性短板：SoS框架揭示“坚持或切换”困境

现代Transformer多模态上下文学习：模态不对称与电路动力学

ERUF框架：基于激活签名从抑制到实体签名擦除的表示遗忘

LLM自建基准测试存在系统性自我偏好

DistractionBench测试揭示VideoLLMs易受无关广告片段干扰

UnityMAS-O：LLM多智能体通用强化学习优化框架

代码执行与自然推理：LLM应对数学变体问题的鲁棒性差异

真实图像反而降低视觉语言模型的词汇判断准确性

Evi-Steer 提出证据调优方法高效引导生物医学视觉语言模型

AnatomiX：解剖学感知接地多模态大模型提升胸片空间推理

协作并行思考新方法：提升大语言模型测试时扩展效率并减少搜索冗余

LoRA持续学习方法实现任务驱动子空间分解与知识共享隔离

DeepSeek降价冲击算力租赁，传闻突袭上市公司回应

Radiuma：零代码可执行图形化工作流生成器实现可重复医学图像分析

Anthropic Claude Code v2.1.152 代码审查自动应用修复建议

SMDD-Bench：检验LLM解决真实小分子药物设计任务的能力

BacktestBench基准：大模型自动化量化回测评估

强到弱模型蒸馏中后段令牌监督引发局部可教性崩溃

kNN-MoE：检索增强专家路由解决分布偏移