ResMerge 提出残差谱合并方法解决 RL 专家模型融合难题

多模态大模型空间推理存在词汇偏差：添加空间关系词即诱导选择

BAGEN提出预算感知智能体：将预算从被动成本转为主动控制信号

LLMs在具体政策投票中不延续抽象问卷左倾偏见

SimSD让扩散语言模型支持token级推测解码加速

DECK分类法：依一致性×置信度标记LLM幻觉的可检测性

社会工程攻击高效窃取前沿AI代理的用户PII数据

Pramana借助Navya-Nyaya微调大模型提升认知推理能力

成本感知RAG：付费知识环境下预算受限的证据选择方法

SentGuard：句子级流式护栏实现大模型实时安全干预

ProbeScale 通过探测分析优化神经缩放定律，加速小模型推理

质量-多样性进化框架发现大模型安全攻击多样性

Grokers：写入时智能驱动的类型知识图谱归纳理解架构

PaSBench-Video 发布流视频主动安全预警基准测试

TVIR 提出文本-视觉交错报告生成基准及深度研究代理构建

LayerRoute：基于LoRA的自适应层跳过方法降低智能体模型推理成本

块级引导生成：现成LLM作为数学推理过程评分器

招商局狮子山AI实验室用LiOS打通具身智能全链路

DataShield：高效过滤LLM良性微调中的安全降级数据

CART 提出参数高效循环Transformer，交叉注意冻结KV实现稳定训练

PEFT规模化：万亿参数基础模型上的百万个性化模型

RoboTrustBench：四类场景评估机器人操作视频世界模型可信度

Sympatheia：基于连续情感调节的自适应语音助手

OpenWebRL 以在线多轮强化学习缓解视觉网页代理数据依赖

BenchEvolver通过解为中心演化合成前沿基准任务

EuroBERT：面向欧洲语言的多语言编码器规模化扩展

AgentRedBench：针对SaaS集成的LLM代理动态红队与集成感知防御

大语言模型奖励模型仍存长度、谄媚和过度自信三大偏见

BranPO用可扩展对比分支采样解决大模型长期代理强化学习难题

Med-V1以3B参数小模型实现零样本生物医学证据归因

ADRA-Bank：评估学术深度研究代理的模块化基准

COMAP实现语言代理世界模型与策略的共同进化

Agent-R1：面向智能体强化学习的统一模块化框架

WAON：大规模日语图文数据集增强视觉语言模型文化适应能力

PaperVoyager 用视觉语言模型将论文转为交互式网页

Global PIQA：覆盖100+语言文化的常识推理评估基准

SmartThinker 提出渐进式链式思考长度校准提升推理效率

SWE-rebench V2 发布大规模语言无关软件工程任务集

语音语言模型自我意识对齐弥合语义理解与声学表达鸿沟

Code2Math：利用代码执行环境自动演化数学难题以突破LLM瓶颈

TIGER：基于图证据路由的可追踪推理缓解多模态生成幻觉

LLM利用密集反馈替代标量奖励合成多智能体策略

大语言模型赋能交通系统管理运营：从文本推理到多模态决策支持

弱批评者蒸馏：用弱模型指导强模型的可扩展监督方法

MindClaw：闭环具身心智状态推理实现精准干预

DeLask：通过跳过深层解码器层缓解大语言模型幻觉

Ryze自动从生物医学论文提取证据并合成训练数据

StreamingVLM：面向无限视频流的实时理解模型

LFTutor用LLM教普通人识别逻辑谬误，从源头打击错误信息

Qwen3弱模型偏好差异与LoRA合并训练强语言模型