Bengio团队新作：用强化学习把贝叶斯符号回归做成后验采样器
先把镜头拉远一点。物理学家手里有一堆实验数据，然后想从里面挖出一条公式——比如爱因斯坦那个 E = mc²。放在过去，这得靠灵光一现。
大模型与智能体
共 812 篇
LeCun参与，魏茨曼LeDXA：1.1万张DXA扫描训练，疾病预测胜过8.6亿参数模型
一说到DXA（双能X射线吸收测定法），大多数人脑海中浮现的画面大概是体检中心排队时，躺在一台白色仪器上，几分钟后拿到一张写着骨密度T值的报告单。这玩意儿在临床上主要就干一件事：判断你有没有骨质疏松。
印度团队出手：让AI Agent"不敢乱动"，F1 88.5%还能全员验证
给AI代理发工具权限就像借车给实习生——怕他乱开。Niyam-AI直接上密码学“行车记录仪+电子围栏”：每次工具调用都得先过轻量Judge模型，再生成零知识证明，F1 88.5%、误报率仅1.1%，关键是任何第三方都能在53毫秒内验证“安全检查真的发生了”。同类工作里把ZK证明用到agent工具调用验证上的，这是头一遭。
苹果谷歌联手开源：16B扩散模型6层线性化，推理提速1.73倍
大模型推理贵、响应慢，一直是落地最扎心的痛点。苹果、谷歌DeepMind、哈佛这次联手给16B扩散语言模型LLaDA 2.1动了场小手术：6层注意力换成线性版本，只训练约60小时就换来最高1.7倍解码加速，代码已开源。扩散模型也能线性化，这波操作值得细品。
首个小步快跑：A_n箭图重数终于有了正组合规则
同一个从箭图到晶体：一个正组合规则的诞生 这篇论文讨论的对象叫箭图（quiver），说白了就是一个有向图。给箭图的每个顶点安排一个有限维复向量空间、给每条箭头安排一个线性映射，就得到了一个箭图表示（quiver representation）。
最新SOTA！多目标强化学习不用改算法，只换网络结构就能让HV暴涨132%？
单目标强化学习靠“换网络结构”就能白捡一大截性能，多目标强化学习却还在算法泥潭里打转？马萨里克大学和阿托大学的最新研究直接把SimbaV2架构搬进MORL，HV暴涨132%，证明“算法不够，架构来凑”这条路在多目标领域同样走得通。对正纠结算法创新还是架构升级的读者来说，这篇论文给出了一个极具性价比的新方向。
量化新范式：给残差上"户口"，净收益13.52%→19.10%
把特征拼一起，就像把所有水果丢进一台榨汁机——最后没人知道哪一口是苹果、哪一口是橙子，更不知道是哪个"果"在犯错。西湖大学这篇新工作干脆给残差上"户口"：先分清谁的错，再动手修。实测同一批特征、同一批树上限，扣费收益从13.52%干到19.10%、夏普1.42→2.09。这份"残差代数"，值得所有做表格学习、量化选股的人细品。
EM湍流让电子逆袭，两套聚变代码首次交叉验证
托卡马克这个“人造太阳”里，电磁湍流居然是电流的搬运工？瑞士洛桑联邦理工和普林斯顿的最新非线性模拟发现：过去被嫌弃“太轻没存在感”的电子，在电磁湍流中居然靠麦克斯韦应力主导了动量输运，电流剖面都可能被它悄悄改写。文中还首次在GENE与CGYRO两套代码中补全了电磁动量通量诊断，并做了交叉验证。
SIGCSE 2025最新研究：超半数学生天生就“挑老师”？一学期数据揭示偏好如何悄悄改变
上网课时，同一个知识点好几位老师都讲了视频，你会固定只点某一位老师的来看吗？本期论文用一整学期的点击流数据告诉你：超过一半的学生打一开始心里就有“偏向”，而且这个偏好还会随着学期推进悄悄改变。教育技术还能这么量化研究，有点意思。
快手港城大新作HD-REC：生成式跨域推荐的新范式
图2：HD-REC整体架构。（a）HDQ通过全局共享粗粒度量化和自适应路由细粒度量化构建语义ID。（b）DAS MoE结合常驻共享专家与动态选择的特化专家。
开源模型的防盗锁来了？Apple用DLR-Net让微调成本暴涨4倍
这是龙哥近期看到的最有“反常识”的AI安全论文：正常防御都是让模型变笨或推理变慢，Apple却反手把训练成本拉满，推理保持原速，还顺手把自适应攻击者挡在门外。方向清奇且实验扎实，值得一读。
Apple Research最新论文 | ARBITRAGE：推理延迟降2倍，优势感知投机解码新范式
这篇论文把推测解码的老问题拆得很清楚：目标模型有相当比例的“重写”其实毫无价值，因为重写前后的推理步骤质量差不多，算力却要照付。ARBITRAGE直接用轻量路由器预估“这一步目标比草稿强多少”，只在真正有可能更优时才升级到目标模型，数学推理任务上端到端延迟最多降约2倍。
