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。
标签：大语言模型
共 319 篇
CodeRescue来了：编码代理失败后也能控预算
代码代理终于不只是“会不会改对”，而是开始认真算“改一次要花多少钱”。这篇 CodeRescue 把失败后的恢复动作拆成可路由、可校准、可控预算的流程，思路很实用，工程味也很足。
CodeRescue来了：代码Agent失败后，预算怎么花更值
代码 Agent 失败后，真正值钱的不是“继续堆算力”，而是先判断这次失败到底适合修、重做还是升级。CodeRescue 的厉害之处在于，它把这个经验判断做成了可训练、可校准、还能按预算切换的路由器。
HKUST新方法：3D场景编辑检索提升36.7点
3D场景检索最怕“指令说改一处，系统却把整间屋子都翻了”。这篇工作直接把问题拆成可执行的重排流程，还顺手补了一套新基准，实用性比很多只会讲概念的方案更硬。
工具海时代来了：Agent挑工具快8.9倍
Agent 不是不会干活，是经常被“工具海”淹没。本文把 MCP 从直连玩成云端网关，顺手把旧 API、协议兼容、工具筛选和会话路由一起收拾了，属于真能落地的基础设施活。
冻结Qwen3-VL也能加音频？Fusion Embedding统一四模态
这篇论文最有意思的地方，不是“又做了一个多模态模型”，而是 冻结基座不动，也能把音频硬塞进统一空间 。更狠的是，文本、图像、视频的原有结果还能保持 bitwise 一致，工程味很足。
Tufts新方法：高光引导摘要，长视频更稳
视频摘要最容易犯的错，不是总结得不够短，而是把最关键的证据先删没了。HAS偏偏反着来：不做硬挑帧，而是把“高光分布”变成推理时的注意力引导，思路很干净，实验也够实在。
SDU新架构：六类角色报告，单向流更安全
这篇论文最有意思的地方，不是“用了大模型”，而是把大模型按架构边界关进笼子里：只读、不回写、模板版本化。它解决的是真问题——同一份农业洪水日志，怎么同时给农民、保险公司、政府和农场经理看，还不把系统审计性搞丢。
LLM人格提示翻车了？Claude Opus被图书管理员“劝退”编码
一顶会级别的受控实验，把“给模型套人格”这件事狠狠干了一遍。结果挺反直觉：人格不是万能开关，Claude Opus会认真演角色，GPT-5.5却像没听见。
24项检查清单出手：智能体自检从5/10升到10/10
这篇论文不玩虚的，直接拿白盒代码审计任务开刀：同一任务、同一检查项，只改上下文，看看智能体到底是“真会做”还是“靠短记忆硬撑”。结果很扎心，长上下文确实更容易掉链子，但不是所有任务都这样。
6G新方向：TokCom把通信变成token协作
这篇 TokCom 很有意思，表面看是 6G 通信，骨子里其实是在把“传比特”改造成“传语义、传 token、传状态”。它真正想解决的不是带宽多一点少一点，而是 AI 系统在边缘、云和多智能体之间怎么更省、更稳地协同干活。
微软Azure新架构：事故从小时级降到分钟级
网络事故最怕的不是出错，而是出错时没人比系统更快。微软 Azure 这篇论文把“告警—诊断—修复—验证”做成了多智能体闭环，还真在生产里跑出了 90% 以上的自主解决率，属于能落地的那种狠活。
