GPT-4也翻车的24点游戏，被ToT一招救活：4%到74%
本文是NeurIPS 2023的经典工作，也是大模型推理研究绕不开的一座里程碑：它把树搜索、自我评估、回溯这些经典AI思想，重新装回了大语言模型身上，让模型面对复杂任务时真正学会“多想几步”。24点游戏4%到74%的跨越，至今仍被反复引用与对比。
大模型与智能体
共 785 篇
微软研究院新作：LLM扩缩容告别“整模型复制”，GPU最高省36.3%
大模型推理集群的GPU浪费有多严重？这篇来自微软研究院、莱斯大学的系统论文，把扩缩容的“最小颗粒度”从整个模型打碎到单个算子，用毫秒级弹性换回最高36.3%的GPU节省，在A100和GB200集群上都验证了效果。做LLM infra的读者值得细读。
324 meV强耦合不靠高Q腔？意大利团队用"分子抱团"逆袭
先问大家一个问题：如果你辛辛苦苦搭建了一个光学微腔，结果发现里面的发光分子"抱团"了——吸收光谱变得又宽又丑，发光效率还掉到只有1%左右，你会怎么想？
北大最新STM成像：电子“隔空”六层排成拓扑轨道，1°转角定生死
分数量子反常霍尔效应的微观起源一直是菱方石墨烯领域最大的“悬案”之一。北大团队用STM直接把“跨莫尔轨道”拍了出来——电子隔了六层还能被莫尔界面遥控。这个发现不仅终结争论，还为设计新型拓扑量子平台指了条明路。
Ai2最新研究：AI仿真气候400年，速度飙升40倍还精准还原厄尔尼诺
大模型跑天气已不稀奇，但这次Ai2把「大气+海洋」整个地球系统搬进AI，单张GPU比超算快40倍，还稳稳复现了400年的厄尔尼诺变率。AI for Science的又一里程碑，值得所有关注气候与AI交叉的读者花五分钟看看。
隐式函数也能精准提取拓扑？单调性约束让网格临界点一个不多一个不少
还在为隐式神经表示（INR）提取拓扑头疼？这篇论文给出一个极简却扎实的思路：只要确保网格边相对底层函数单调，PL网格的临界点就不会“凭空冒出来”。方法不需要复杂的符号计算，纯点采样加细化就能在INR上准确找回临界点，实现又省又稳。
LLM重构“症状时间线”：新基准MedTempo发布，CRAFT迭代精炼最高涨9.3个点
临床叙述时间线重建一直被当成“关系分类”来做，单篇报告缺时间锚点就抓瞎。本文用生成器-验证器迭代精炼的思路，配合新基准MedTempo，让大模型把症状先后顺序逐步“捋”清楚，GPT-4.1上EM最高提升9.3个点，思路干净、验证扎实。
告别试错！中科院等联手新框架：电场驱动液滴精准操控，周期运动误差仅3%
这篇工作把电场驱动液滴从“边看边调”的试错模式，推进到“算好再动”的理论预测模式。中科院、UCL、爱丁堡大学团队联手，用格子玻尔兹曼方法把三相流动与电液动力学完整耦合，还给出了阻力与电力的定量公式——实验误差仅3%，直接可编程。
清华最新研究：AI来访者终于学会“不配合”了，5项评分全面领先
清华团队这次不玩虚的，直接把临床心理学里的5Ps公式化、信任分层、多维抵抗机制搬进大模型，让AI来访者从“有问必答”变成“看人下菜碟”。40个临床情境实验、5项人类评估全面领先，AI心理治疗模拟终于有点真实的烟火气了。
BESIII首次直测η′形状因子：低动量区精度破3%
η′介子本身也很有故事。它属于赝标量介子家族（和π⁰、η介子是亲戚），但其内部结构比π⁰复杂得多——它的波函数里被认为含有显著的胶子成分（胶子球混合），这使得它的形状因子成为研究非微扰量子色动力学（QCD）行为、特别是η。
COINS最新评测：六大模型写程序规范，Gemini仅28.1%通过
大模型写代码已卷到天际，但让它们写“程序规范”（formal specification）靠谱吗？本论文提出COINS框架，用Rocq证明助手评估六大模型的规范生成能力，结果差距惊人：最强Gemini 3 Pro也仅28.05%通过率，DeepSeek-V3.1直接跌到1.22%。想看懂LLM在形式化验证边界的真实水平，这篇是必读。
帕克太阳探测器最新观测：近太阳激波前兆首现四波族自调节回路
粒子加速的“幕后黑手”终于被拍到了！帕克太阳探测器在0.24 AU处逮住一颗2800 km/s的极品激波，把它的前兆波场拆成四个波族——原来激波加速能自己“造波”又“用波”，闭环玩得飞起。等离子体天体物理的老经典，这回总算有了实锤。
