东南大学提出DREvo：5个基准测试全面领先，平均提升16.2%
继2025年6月推过智能体基准评测之后，龙哥又盯上了智能体自演化的“可靠性”痛点。东南大学这篇DREvo，把历史经验当作“过期货”来查保质期，还能自动提炼出下一步修改方向，五个基准全超之前方法，平均提升16.2%，自我进化终于不再原地打转！
大模型与智能体
共 812 篇纯数学解谜：翻转下落两步走，双射就出来了
两个看似不同的排列模式避让家族，居然通过反转互补操作建立起完美双射，而且还和斐波那契数列有染。本文用Lehmer码这把钥匙，给321-avoiding和321-avoiding排列的偏序结构来了个“底朝天”，几何上的“翻转与下落”解释更是让人拍大腿。组合数学爱好者不容错过。
IIT Goa最新研究：非光滑初值下SPDE有限元法收敛阶不降反升？
非光滑初值（间断、无导数）是SPDE数值分析的头号难题。传统理论认为初值多光滑收敛阶就有多高。但IIT Goa这篇2026年的工作，通过巧妙解耦噪声与初值正则性，证明即便初值只有L²正则，也能达到由噪声决定的β阶最优收敛。数学干净利落，数值实验完美吻合。对计算数学和随机PDE数值解感兴趣的朋友，这篇值得细品。
同济大学报告：过估计问题终结者，CWAC算法一键搞定
RoPE、2D-RoPE这些位置编码从哪来？这篇论文用一个“构成操作”统一了它们，还理论证明了路径无关的充要条件。基于此设计的JoFormer在值侧也做旋转，ImageNet提了0.4%，长度外推比降到1.02×——对于想理解位置编码本质的读者，这篇是不可错过的代数教科书。
人大&阿里联合提出PSD：零额外参数的自蒸馏框架
序列推荐通常只用one-hot标签训练，浪费了用户序列中大量的“未来”信息。本文核心想法极其简洁：让同一个Transformer模型同时担任教师和学生——教师看未来，学生只看过去，通过门控蒸馏只传递“可达”的知识。不需要额外参数、不需要预训练教师、不改推理过程，在SASRec、BERT4Rec、UniSRec三大骨干上平均提升19.8%，远超现有蒸馏策略。强
解耦初值与噪声正则性，有限元法收敛阶不再退化
偏微分方程数值解遇上非光滑初值，收敛阶总是掉下来？IIT Goa团队用一个巧妙技巧解耦初值与噪声的正则性，把最优阶给“夺”回来了！不光有理论证明，数值实验也漂亮地验证了这一点。想看看数学大佬是怎么打好“时间权重”这张牌的？往下翻！
反直觉！线图居然是Schur-负的，龙哥带你看懂这个反例
一个漂亮到令人拍案的反例，仅用12个顶点和22条边，就终结了一个困扰组合数学界20多年的猜想。论文不仅有严密的数学证明，还通过计算机穷举所有不超过12个顶点的无爪图，验证了最小性。这篇文章值得每个喜欢“反直觉”故事的人读一读。
曼大数学家终结二十年难题：新算法让3^20阶群分类效率提升千倍
这是纯数学领域一次漂亮的收官之战！持续二十年的“零散群Sylow p-子群上融合系统分类”项目，终于被最后两块硬骨头——Fischer群Fi'24与Monster群的3-子群——画上了句号。更让人拍案的是，作者顺手发明了一个效率相差千倍的算法，让以前想都不敢想的计算变得轻松。群论爱好者可以安心了。
冷启动命中率31.2%，AI智能体成游戏匹配救星？
这篇论文不是纯技术论文，而是游戏行业、平台经济学与AI交叉的硬核分析。它用Steam数据量化了AI带来的供给冲击（Gini 0.96），对比1983年崩溃，再提出基于LLM代理的智能匹配方案。冷启动试点命中率31.2%（随机11.4%），经济模拟也扎实。想了解游戏发现背后的真实战场？值得一读。
仅需2个特征，100%检测AI代理：慕尼黑工大新方法揭秘
如果你以为当前的验证码和流量分类系统还能像以前一样把AI代理当机器人拦下来，那你就大错了。慕尼黑工大这篇被北美AI代理日Workshop接收的研究用硬数据告诉你：传统二元分类器对AI代理的漏检率高达39.1%，而仅仅靠两个行为特征就能实现100%的检测率。更狠的是，人类轨迹重放也骗不过它——因为检测的不是代理在想什么，而是浏览器API怎么执行指令。这篇论文对
反直觉！能“通过平均检验”的过程不一定能被“完全识别”
检验统计学家们躺平了几十年，以为弱渐近一致性必然推得出强渐近一致性。今天这篇不到六页的论文告诉你——别做梦了。作者用同步码、慢变马尔可夫链和独立标记过程三者一搅合，干净利落地构造出两个平稳遍历过程族，让弱检验跑得欢，强检验死得透。这不仅是技术活，更是脑洞活。
浙大IMFuse：打破LLM推荐只用最后一层惯例！平均提升6.72%，参数几乎不增加
继2025年末佐治亚理工的降噪思路后，浙大团队发现一个更根本的问题：在做LLM增强推荐时，直接取最后一层语义并不合理——中间层保留了互补的细粒度信息，不同物品对层深的偏好也不同。为此他们提出IMFuse，一个即插即用的多层语义聚合模块，仅增加0.03M参数就让推荐性能平均提升6.72%。门槛低、收益高，值得关注。
