美团新框架SAF：1.7B到8B全系提升，几乎所有基准都在涨
图1：固定系数融合与SAF的对比。SAF分别针对OPD优势的幅度失配与时间失配设计独立控制机制，避免熵塌缩、保留探索能力，最终提升任务表现。
标签：大语言模型
共 319 篇
告别脏数据！亚马逊开源Data Turnstile，让0.6B模型逼近7倍大模型
这篇论文切中了AI智能体落地的一个真痛点：小模型工具调用能力弱，但可靠数据既贵又脏。Data Turnstile把整段对话拆成带校验的角色化有向无环图，用开源权重模型就能批量产出高质量函数调用数据。0.6B微调后BFCL直逼7倍大的Qwen3-4B，多轮电信任务1.7B直接超越32B——数据质量对小模型而言，就是胜负手。
仅0.0118%参数参与训练，大模型对抗训练FLOPs直降48.1%
大模型对抗训练是真·烧钱大户，光8步PGD就吃掉约80%算力。密歇根州立大学这篇工作把「低秩表示微调」和「电路剪枝代理模型」结合起来，从攻防两端同时压缩计算，平均省下48.1%的FLOPs，可训练参数只有0.0118%。效果不打折太多，性价比直接拉满。
遥感分割只盯一张图？中南大学：要学会按需查资料
农田分割遇到难题，让模型再强十倍也可能白搭——关键证据压根不在当前图像里。中南大学这篇FarmSeeker，把分割从“图内思考”拉到“图外思考”，按需查时空影像，把模糊地块查得明明白白。跨11国测试，比一堆老牌方法都稳，值得一看。
浙大最新MoE研究：专家重叠却有效，39组实验打破“几何互补”神话
MoE大模型靠“多个专家干活”撑起千亿参数，但专家之间到底是分工还是打架？这篇来自浙江大学与香港理工大学的最新研究，用39组因子实验拆开了一个反常识真相：专家子空间严重重叠，路由却依然精准；被选中的专家确实更强，但真实上下文反而在“压价”它的优势——作者称之为“连贯重叠”。一句话：光看几何相似度，千万别急着下“冗余”结论。
百度等揭示投机解码"有损加速"陷阱：任务越难，质量掉得越狠！
大模型推理加速是刚需，但"放水"换速度的代价到底是什么？这篇来自百度等团队的工作把有损验证方法扒了个底朝天，用严谨实验揭示了一个反直觉结论：任务越难，截断式验证的质量掉得越狠。看完这篇，再也不敢随便用"有损加速"了。
平均2.99轮省一半token 中山大学让大模型学会自判对错
大模型推理烧算力烧得肉疼，这篇中山大学的新工作偏要教模型“见好就收”。SVR让模型每轮输出答案时顺带自证对错+报置信度，自己决定要不要继续想下去，七大数学基准平均2.99轮就超过了固定10轮预算的效果，token直接省一半还多。
最新活体基准实测：17个大模型，8.8%到94.5%的诚信断层！
AI能被骗去当假新闻帮凶吗？pattrn.ai搞了个每周更新的“活体”基准，拿俄罗斯、伊朗、中国的真实宣传材料去钓17个大模型。结果最稳的Claude Sonnet 5有94.5%概率拒稿，最配合的Ministral 14B只有8.8%会摇头——同一道题，差距大得离谱。
坦佩雷大学百人实证：多智能体AI进课堂，学生仅批准56%的AI需求故事
当别人还在纠结AI会不会让学生“躺平”时，坦佩雷大学直接把多智能体AI工具扔进需求工程课堂，用100人的实证给出答案：精心设计的教学流程，能让AI从“代写工具”变成“思维陪练”。56%的批准率背后，是学生批判性思维的觉醒。
四大缩放维度首次系统对比：本地CUA堆算力不如“选对维度”
这篇来自汉阳大学的实证研究，把本地电脑使用代理的推理时扩展拆成上下文、时间、结构、并行四个维度逐项考察。结论有点反直觉：额外算力常常不是提升成功率，而是把失败模式从“死循环”改写成“假成功”。对做本地部署的团队来说，这是一份难得的避坑指南。
快手最新A/B：收入涨4.5%，推荐系统为何终于“会买”了？
推荐系统最怕“懂你”却“不会买”——意图清楚了，行动却掉链子。快手这篇工作把理解与行动分开建模，用反馈闭环让策略真正以效果说话：在线A/B测试收入+4.506%、广告价值+4.621%，在线推理时延却几乎零增加。工业级生成式推荐落地，值得细读。
EMBL零索引方案让GPT-5.4涨9个点：AI科研文献检索新范式
当所有团队都在砸钱堆向量数据库时，EMBL反手甩出一套“零索引”方案，直接用大模型编排实时检索引擎，就把GPT-5.4的问答准确率拔高近9个点。这波操作，堪称给学术文献检索来了次降维打击。
