FrontierOR基准测试评估LLM设计大规模优化算法能力

自适应进化CoT越狱攻击暴露LLM推理安全新漏洞

MEMOR-E：融合上下文与微调LLM的阿尔茨海默症辅助机器人

CLiViS用语言-视觉协同增强具身视觉推理认知地图

Agent-X：视觉中心代理任务深度多模态推理基准

CARTBENCH：视觉语言模型对中国艺术理解、解读和真实性的评估

VCF：推理时向文本扩散模型注入图像引导的双重条件方法

无奖励对齐法解决多目标冲突提升大语言模型对齐效果

Claw-Anything：衡量个人助理广泛访问用户数字世界的基准

MemSkill：让大模型代理的记忆技能可学习与自演化

用细粒度事实核查与领域适应减少医疗LLM幻觉

大语言模型评估作弊与高估：一次性密码本框架下的基准研究

ChunkLLM：轻量可插拔框架加速大模型推理

RouteScan通过专家路由遥测实现MoE大模型非侵入式安全审计

AgentFugue：多对等智能体通过集体推理扩展长期任务能力

LiveMCP-101 基准：压力测试与诊断 MCP 智能体的复杂查询

RLDF：去噪反馈强化学习用于扩散语言模型策略损失估计

语法引导稀疏注意力：提升Transformer效率与可解释性

大语言模型长时间编程会话中人格漂移被ContextEcho基准揭示

扩散语言模型填充提取训练数据风险被低估

llama.cpp CUDA实现快速沃尔什-哈达玛变换

Ollama v0.30.0 改用 llama.cpp 架构原生支持 GGUF 并引入 MLX 加速

Nvidia Vera CPU 基准测试：Olympus 核心性能表现强劲

Cloudflare Flagship正式上线：面向开发者的全栈边缘平台

千问AI眼镜线上零售额份额超30%，稳居行业第一

红杉华兴投了AI产品社区观猹，02年创始人仲泰打造大众点评式平台

World-R1 用强化学习为文本生成视频加上 3D 约束

MVISTA-4D：单视图RGBD生成任意视角4D场景，赋能机器人操作

TrackRef3D实现3D高斯泼溅的多视图一致开放世界指代分割

JLT：在FLUX.2 VAE潜空间上进行干净预测的130M扩散Transformer

RT-Lynx用半结构化稀疏性削减扩散模型近半FLOPs

华为推出AI DC全栈数据基础设施方案，加速行业智能化

PhyWorldBench基准：评估文生视频模型的物理真实性

Xreal携手谷歌，智能眼镜行业终于迎来转折点

快手Keye2.0引入DSA注意力，开启多模态强化推理新范式

去中心化LLM协作新方法：多智能体Actor-Critic优化

Kalai-Vempala概率框架揭示大模型幻觉率等于训练数据缺失质量

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