SciPost最新：超洛伦兹荷守恒律，终于补齐引力散射拼图
这篇论文把“引力散射的角落账本”重新算了一遍：不光把超洛伦兹荷的守恒律补齐，还把尾效应、剥落破缺和角落匹配一起串起来。看完会发现，空间无穷远不是背景板，而是整部戏最关键的转场点。
大模型与智能体
共 812 篇
告别人工脚手架！Spiral端到端训练模型自己搜索和聚合，递归自聚合效果惊艳
很多模型训练时只学顺序推理，一到测试却靠人工搭脚手架（并行采样+投票）来提分，中间有个巨大的“训练-测试”鸿沟。斯坦福这篇Spiral颠覆性地用集合强化学习，让模型边训练边学会如何搜索和如何聚合，把整个推理过程端到端打通了。效果非常硬核，4B模型推理效率吊打传统方法11倍，不愧是Chelsea Finn和Noah Goodman团队的新作！
定流形中首次构造光滑不可拆链接，n=1即可
四维空间到底有多神奇？这篇论文告诉你，有些结构在拓扑学家的“橡皮泥”世界里能被轻松分开，但在微分几何学家的“精确手术刀”下却顽固地粘在一起。作者巧妙地运用马祖尔流形和带形协边，构造出首批在定4-流形中拓扑可拆但光滑不可拆的“奇异链接”，为理解四维空间的独特光滑结构提供了全新视角，低维拓扑爱好者不容错过！
9个图基础模型只有2个能打？ICML论文曝光80%是花架子
当「图基础模型」遇上「公平评测」， 结果发现9个模型里7个是花架子？这不就是AI界的照妖镜嘛！😏 本文用最硬核的实验设计，把各路GFM拉到聚光灯下，扒掉了华丽外衣，告诉我们：经典GNN调好了，依然是条好汉。这篇ICML 2026论文，龙哥看得直呼过瘾，强烈建议所有的图学习研究者都来「上好这一课」！
顶级B工厂联合出手：X(3872)本质原来是个“分子”？
那个让物理学家纠结了二十年的“神秘粒子”X(3872)，到底是普通的小强还是宇宙中的蛤蟆精？这次，Belle和Belle II联手，用史上最强的1.2ab^-1数据，第一次抓住了它衰变成π⁰χc0的尾巴！这个发现彻底否定了它是普通粲偶素的身份，强有力地指向了分子态或四夸克态的解释。想看懂这篇堪称“粒子物理福尔摩斯”的硬核论文？龙哥带你用最通俗的话，看看这群科
CHI 2026最新观点：别让AI“快”成摆设，AAC评估不能只看速度
AI 让 AAC 变快了，但“快”到底是不是第一要义？这篇来自 CHI 2026 的 Workshop 论文，犀利地撕开了当前技术评估的面纱。它没有提出什么新算法，却指出了一个最容易被忽略的问题：我们到底在为什么而优化？对于关注 AI 落地、真正的用户中心设计的读者，这篇几乎是必读。
告别天文数字增益！用滑模重构非线性输出，Lur'e系统观测器设计新范式
当非线性耦合强到让经典LMI失效，观测器增益飙到几万，这还怎么用？本文提出一个巧妙的思路：既然测不到非线性耦合信号，那就用滑模观测器从输出里实时“算”出来，再把它当已知量注入观测器，相当于多了一条校正通道。理论证明新LMI总能找到更小的增益，数值实验更是把增益从3万降到了30，RMS误差还降低了13倍。控制领域的小伙伴，这招值得看看。
RIKEN新解：LLM数据溯源“捷径”还是“精确制导”？BM25+影响力函数99%一致？
LLM输出的“灵感”到底是从训练数据里“原样照搬”还是“高维加密”后释放？日本理研牵头的新研究首次给数据相似度（BM25）和数据影响力（KFAC）的排名关系画了张精准的“等高线图”。发现一个反直觉事实：影响力函数能更一致地预测相似度的结果，反过来则不行——这意味着“先BM25粗筛，再影响力精排”的混合方案，可能是大模型可解释性工具箱里的黄金搭档。
IIT Indore新作：摄像头测呼吸，不再"看肤色下菜碟"！MAE直降42.1%
传统摄像头测呼吸，一到深肤色就"翻车"——信号弱、噪声大，原因在于方法"一刀切"，不懂因肤制宜。IIT Indore这篇ELITE-RR，用肤色感知投影+运动信号去噪+双表征对比学习，三招齐下，把呼吸率估计误差直接砍掉42.1%，还开源了首个印度族裔呼吸数据集。方法设计干净利落，实验全面无死角，干货满满，值得一读！
还在用GRPO？当90%动作都是“摸鱼”，信噪比还不如随机乱猜！
训练多轮智能体时，GRPO等无评判器方法常常在长序列任务中“失灵”，大家都以为是“长程信度分配”的锅。但龙哥今天带来的这篇工作却一针见血地指出：罪魁祸首是“例行公事”太多！论文首次定义了“决策密度”这个量化指标，并完美推导验证了其与训练信噪比之间的幂律关系。啃完这篇，你对强化学习训练效率的理解会上一个台阶。
单巡天多探针首次联合，暗能量FoM飙升4倍
继2026年6月聊过DES Y3结果后，DES团队再次放出大招——用六年完整数据，将弱引力透镜、超新星、重子声波振荡三个探针首次在单一巡天内联合，给动态暗能量来了个“全身体检”。结果很有看头：与宇宙学常数的偏差高达2.2到3.0σ，在暗能量与物质相互作用等新物理模型上给出了前所未有的限制。这对于关心宇宙加速膨胀本质的你，绝对值得一读。
北大最新基准HOLMES：LLM高阶逻辑推理平均仅50.64%，最佳模型也才59.54%！
我们评估模型推理能力，还在用“答没答对”来一锤定音？北大等机构的最新研究HOLMES告诉你，答案对了，但推理过程可能全是“捷径”！这个首个面向高阶逻辑推理的真实世界基准，无情地揭露了GPT-5.4、DeepSeek、Qwen等一众顶级大模型，处理起需要“规则打架”、“跨范围组合”的现实问题时，表现有多拉胯。是时候关注推理过程的“忠信度”了。
