TINY_SCHILLER来了：德语小模型一行代码就能开训
德语小模型最烦的不是训练，而是“先把文本弄成能喂给模型的样子”。这篇工作直接把席勒戏剧做成单文件、可分词、可微调、可一键加载的语料，主打一个零摩擦。
大模型与智能体
共 812 篇
不用求完整能谱，扭转算符直接给出相结构信号
一个看起来很“物理”的扭转算符，竟然能直接把费米系统是“有缝”还是“没缝”这件事挑明白。上海交大这篇工作把自旋链里的判据推进到费米链和SU(N)体系，理论味很足，验证也不空。
BESIII把探测器变成旋光仪：核子极化测量首次验证
这篇工作最有意思的地方，不是又测了一个物理量，而是把“探测器只能看四动量”的老规矩，硬生生掰成了“还能读出自旋”。BESIII用现成材料层做极化测量，思路很朴素，效果却很硬。
看新闻偏见别只看分数：高亮和参考框架更有效
新闻偏见这事，最烦的不是“有偏见”，而是“看不出来偏见”。这篇论文把6种视觉提示拉到同一张桌子上比武，结果很直接： 高亮偏见词 和 带参考框架的仪表盘 更能帮人识别偏见，但政治立场一致性依然像个老顽固，照样强烈影响判断。
统一6类Painlevé方程，有限特征下的积分列表
这篇论文很“硬核数学”，但切入点其实不绕：先把经典Painlevé方程的Lax对统一整理，再在有限特征下把守恒量一锅端出来。最妙的是，结论不是一个孤零零的积分，而是按素数 p 排成列表，数学味很浓，逻辑也很干净。
ACL 2026新研究：LLM最爱把哪些价值观认错？
大模型会不会“懂价值观”，先别急着谈对齐，先得看它能不能把价值标签认准。本文把这个前置问题拆成精确识别、排名恢复和定向混淆三层，结果很扎实，也很适合拿来给评测补课。
UniRank开源基准来了：15模型同台，7亿样本怎么比才公平
排序模型最怕的不是“谁更强”，而是“到底谁更公平”。这篇 UniRank 直接把数据管道、任务定义、训练流程和效率优化一起统一，15 个模型、5 个大数据集同台比武，终于不再靠各家自说自话。
时间序列基础模型别急着上岗：后训练五分法来了
时间序列基础模型不是“预训练完就万事大吉”，真正决定能不能落地的，往往是后训练这一步。这篇综述把后训练拆成五个干预点，思路很清楚，适合想把模型从“会说”变成“会干活”的读者。
Eindhoven大学新方法：AE+分割学习省下10.2倍通信
边缘设备想微调大模型，最先炸掉的往往不是显存，而是通信。AE-PSL的思路很实在：先把中间特征压小，再用两阶段对齐把“压缩器”调顺，最后把精度守住。
AIES 2026新论文：AI作业能证明什么？
生成式AI最先冲击的，不是考试分数，而是“证书还能证明什么”这件事。这篇论文不跟风喊禁用或放开，而是把教育评估拆成了更硬核的四件事：能委派什么、还要证明什么、靠什么证据证明、以及如何保护学生。
北大阿里新方法：长上下文推理少复读，准确率最高提4.6分
长上下文推理最怕什么？不是算不出来，而是模型一边思考一边疯狂复读输入。北大和阿里这篇论文把“复读”拆成可优化的奖励信号，思路很朴素，效果却很能打。
不看全局也能收敛？这篇论文把多智能体算快了
多智能体强化学习最怕两件事：一是智能体一多就“全局爆炸”，二是连续状态动作一上来，离散表格那套直接失效。CDCPG把这两个坑一起填了，靠局部策略、局部评论家和随机特征，把理论和工程代价都压到了可讨论的范围里。
