CAREAgent：结构化推理与工具集成的临床医嘱生成智能体

Science Earth：面向AI原生科学发现的星球级操作系统

TriLens：逐层Logit透镜熵实现白盒幻觉检测

POIROT：通过智能体审问检测多智能体系统故障

HomeFlow可验证仿真数据飞轮驱动智能家居代理训练

SIRIUS-SQL：执行反馈锚定多候选消除SQL生成冗余

SkillSmith：技能与工具协同进化框架实现智能体自我改进

EAPO：让智能体学会何时不使用工具，缓解工具滥用

研究显示AI算法会诱导人类道德判断趋同

测试时提示优化提升VLM奖励模型零样本奖励准确性

MIND模型：显式建模数据流形几何的扩散图像生成

LLM Agent弥合时间序列预测的最后一公里业务上下文鸿沟

SMH-Bench：智能家居LLM智能体环境推理与动作基准

论文提出实用智能体系统的简单性、可控性与成本可预测设计

视觉噪声引导的上下文蒸馏实现多模态大语言模型遗忘

BenHalluEval：面向孟加拉语的大语言模型多任务幻觉评估框架

AutoMedBench 提出面向医学 AI 自动化研究的流程感知基准

超双曲与证据优先专家：新MoE架构解决LVLM模态不对称

视觉链式思维代理：工具多样性优于频率，用于3D与医学推理

RuleEdit：规则引导的AI模型编辑系统，可预检失败与影响

深度研究代理轨迹中的跨度级错误定位新方法

WorldCoder-Bench：评估LLM生成物理正确3D世界的基准

RAFT数据精炼与自适应蒸馏：缓解领域微调中的能力遗忘

MemGraphRAG：记忆型多智能体图检索增强生成

从人类视频到机器人操作：可扩展视觉-语言-动作学习综述

SIRI框架让LLM智能体自我内化技能无需外部生成器

eMoT：符号锚定与记忆腐蚀驱动LLM思维记忆进化

研究：具身视觉语言规划需从语言预测转向物理因果推理

DAPD：基于注意力的依赖感知并行解码加速扩散LLM

BudgetDraft提出接受感知多视图训练，实现稀疏KV投机解码

LLM智能体工具调用：有效性衡量与RL训练效率研究

What Makes a Strong Model? A Unified Spectral Analysis of Knowledge Transfer ove

CaB方法：有限校准下VLA代理的完成感知边界切换部署

Persona Attack利用记忆注入越狱攻击大型语言模型

CEAR认证集成防御为DNN提供可证明对抗鲁棒性

FoLoRA：基于广义瑞利商优化的基础模型能力保持微调方法

MURMUR高效长语音识别推理系统平衡精度与延迟

PaCo-VLA：用被动屏蔽合规先验填补语义到控制鸿沟

A Unified Evaluation-Instructed Framework for Query-Dependent Prompt Optimizatio

FeynmanBench：多模态大模型图表物理全局推理基准

LLM Agent解析Linux内核故障诊断的复杂性

Towards a Virtual Neuroscientist: Autonomous Neuroimaging Analysis via Multi-Age

Knowledge-Intensive Video Generation

GraphCast机器学习模型将大气可预报性扩展至30天以上

查询电路：直接追踪信息流解释语言模型如何回答用户提示

过程奖励代理引导知识密集型推理新方法

Benchmarking at the Edge of Comprehension

大模型跨实例注意力重分配：移动查询而非缓存

Distillation of Large Language Models via Concrete Score Matching

批次大小隐藏偏差：LoRA变体性能差异实为超参数假象