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。
标签：AI应用
共 458 篇
Meta推出ROCS：推荐系统推理效率提升3倍，零质量损失
推荐系统推理常需对数百候选跑完整模型，存在大量重复计算。Meta的ROCS拆掉这种结构性冗余：延迟交互、请求侧只算一次，配合GPU内核优化，检索QPS最高提升3倍，排序阶段用省下的算力换模型质量。该方案已在Meta广告和自然内容数十个模型上真实部署，绝非纸上谈兵。
复旦最新QuantWAMs：世界动作模型W4A4量化，成功率仅降0.2%？真机部署快人一步！
世界动作模型（WAM）性能强但部署成本高，传统PTQ方法在闭环场景下频频翻车。复旦大学等机构提出了QuantWAMs，从结构、分布、目标三个上下文校准量化决策，W4A4下几乎无损，真机验证也稳了。这篇把量化粒度讲得明明白白，值得一读。
反射膜贴错就废？CUSP原型机踩坑实录：光收集效率成最大短板
太阳耀斑爆发释放的能量抵得上几十亿颗原子弹，可它的硬X射线偏振到底是什么样，人类至今几乎没有可靠数据。CUSP这台6U小卫星就想干这件大事——2026年7月B阶段刚收官，原型机的首次完整表征结果出炉：有好消息也有硬骨头，光收集效率不足直接卡住了25 keV阈值验证，但物理原理和系统设计被证明是靠谱的。想看看立方星怎么给太阳做「偏振CT」？这篇值得一读。
ISMIR 2026新作：AI弹琴像不像真人，终于有了免对齐的评估指标
还在为MIDI钢琴演奏评估的音符对齐问题头疼？本文提出Kernel Music Distance等免对齐指标，用自监督上下文嵌入对齐人类感知，排序相关性可达0.51，还顺手开源了工具库Pereval，MIR玩家值得一读。
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。
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。
1B vs 70B算什么，LLM推理力度自适应才是真省钱
LLM智能体调芯片，烧的是真实美元。这篇鲁汶大学新作给出两个反常识答案：精心雕琢的长期记忆，不如普通拼接有用；真正决定优化质量与成本比的，是推理力度该何时加码。Ares靠一个耐心计数器动态调度，等成本下PPA优化深度提升23–27%，成本仅SotA的12%——继6月聊过让智能体学会止损之后，省钱这件事从动作层面卷到了芯片设计。
比单图SR强太多？多视图+序列人脸超分还能顺便提升Re-ID
人脸超分一直有个尴尬：单张低清图怎么补也补不出真实五官。这篇韩国三校合作的工作干脆“摇人”——把同一个人的多张低清监控图凑在一起，用Transformer把身份特征统一起来，再靠级联网络一步步把脸“画”清晰，顺便把行人再识别也推进了一把。思路简单粗暴，效果却很能打。
做网络分析别点菜单了，试试张嘴说话——1.7秒延迟的语音新范式
当大语言模型遇上VR网络分析，会擦出什么火花？UC Davis的这项研究把LLM当作“翻译官”，让用户直接用自然语言指挥图形操作——选中高GPA的学生，给妹子节点涂红色，把欺凌关系边高亮…全部动动嘴就行。技术评估显示整套管线延迟仅1.73秒，10位用户亲测后纷纷表示：比打字省心多了！对于想探索沉浸式分析新范式的同学，这篇设计研究绝对值得一读。
UC Berkeley最新研究：光学扫描投票机不用黑客也会自己翻车？！
大家都以为投票机安全就怕黑客，但其实机器自己就会出错。这篇来自UC Berkeley和Western University的论文，系统梳理了光学扫描投票系统的“非对抗性”故障，用真实案例告诉你——没有黑客，投票结果也可能被悄悄篡改。而且，很多现有审计方法根本查不出来。搞系统安全和民主制度的不可错过。
