把代码转成图片发给AI，Token能省86%？Anthropic、OpenAI、Gemini 实测揭秘
把代码转成图片发给AI真的能省Token吗？这篇论文用675次真实API调用，把Anthropic、OpenAI、Gemini三家计费黑盒捅了个透。龙哥看完直呼：省钱是有套路，但踩坑也是一踩一个准，尤其Gemini的小代码场景能让你多掏6倍钱。搞编码助手的朋友，这篇不可不读。
标签：AI应用
共 437 篇
仅用AdamW 2.6%状态！SkewAdam分层分配让67亿参数MoE单卡可训
还在为训练大模型时显存爆掉而烦恼？AdamW为671亿参数的MoE模型准备了50.6GB的优化器状态，比模型权重本身还大4倍！独立研究者Nuemaan Malik发现，MoE模型的不同部分（骨干网络、专家层、路由器）对优化器状态的需求截然不同。SkewAdam通过分层分配，将优化器状态压缩到1.29GB（仅占AdamW的2.6%），峰值内存降至31.3GB，
告别穷举法！BEAP让辐射探测“变聪明”，识别精度超4σ
中子源识别是核不扩散的关键技术，但混合源光谱重叠导致传统方法失效。本文提出BEAP算法，用贝叶斯证据驱动搜索，不必枚举全部组合，实验和仿真均证实其可靠性。龙哥觉得这种“用统计智慧代替暴力枚举”的思路很清爽。
RAG+LLM修复历史文档，准确率从13%冲到70%，专家都说好
历史文档修复一直是NLP领域的硬骨头，尤其是那些需要外部知识才能确定的古代人名、地名。这篇来自韩国江原大学的工作，巧妙地将RAG与大模型微调结合，不仅让命名实体恢复准确率从个位数跃升至38%，还通过了人类专家的实操检验。对于想做RAG落地或古籍数字化的朋友，值得一读。
RAG+LLM专治古卷专有名词，Qwen3微调效果超Gemini
历史文档修复一直是难题，尤其涉及专有名词时连GPT-5都容易翻车。韩国江原大学这篇论文把RAG和LLM结合，让模型在修复时自动“查资料”，在朝鲜王朝档案上命名实体恢复率提升近一倍，甚至超过了Gemini-2.5-Pro。代码、模型全部开源，实用价值极高。
RAG修复古籍：韩国团队让GPT-5.1在命名实体恢复上惨败
历史文档像一本被水泡过的《永乐大典》，人名地名糊成一片，传统MLM模型只能干瞪眼。韩国国立江原大学的团队祭出大招——ARI让大语言模型学会“翻书查资料”，用RAG精准找回那些被岁月抹去的名字。在朝鲜王朝实录的修复中，ARI-32B（Qwen3 32B微调版）在命名实体恢复上直接把GPT-5.1按在地上摩擦，效果翻倍。这不仅是个技术活，更像是在帮AI配一副“历
西安交大提出内容自适应提升，噪声下反超两支路方法
单像素传感的压缩测量跳过图像重建直接做分割，一直有个老大难：如何优雅地把一维测量“提升”成二维特征？本文给出了系统性的答案——不仅搞清楚了不同提升方式的优劣谱系，还设计了内容自适应注意力+动态任务调度，在极低采样率和有噪声条件下都能保持高精度分割，尤其展现了无图像推理在噪声下的天然鲁棒性，相当有意思。
FR3实测打脸：日常物体多频段相干组合白忙活？
继2026年6月聊过SAR超分辨、2026年7月聊过WMFM-OOD之后，龙哥又挖到一篇FR3频段ISAC的硬核实测论文——这次不是算法刷分，而是直接戳破了一个行业默认假设：目标不是频率不变的点散射体。10种物体120个视角的校准测量告诉你，多频段相干组合可能白忙一场。做6G感知的朋友建议细读。
银河系“质量比荒漠”惊现木星级巨行星，MOA-2020-BLG-108Lb挑战行星形成理论
你信不信，宇宙中可能存在一个“质量比荒漠”，在那里，行星和褐矮星几乎绝迹？今天这篇基于MOA项目的最新研究，就在这个荒漠的边缘地带，活捉了一颗“不该存在”的巨行星。它不仅质量高达10倍木星，还围绕着一颗质量不到太阳六成的恒星运行，直接挑战了传统行星形成理论的底线。这是一篇绝对不能错过的硬核发现。
效率 vs 诚信：科研团队玩转AI必须做的选择题
语言AI正迅速改变科研工作流，但每个实验室该怎么制定使用政策？这篇来自STScI、约翰霍普金斯大学等多家天文机构的联合白皮书没有给出唯一答案，而是提出了四种实验室原型——高杠杆、工匠、可信、数据管家——帮你根据自己的目标平衡效率、人才培养、诚信与数据安全。读它之前，不妨先想想自己团队更像哪一类。
字节跳动新作！给视频配音就像改字幕，声效可控性暴增40.7%
说到给视频配音效，很多人会想：不就是根据画面内容生成声音吗，猫叫就是喵喵，打雷就是轰隆，有什么难的？但如果你脑洞再大一点——比如，你想让视频里原本只是“喵喵”叫的猫，在00:07秒的那一声突然变成“狮子吼”；或者你希望整个视频的音频听起来就像是从一部80年代复古游戏机里传出来的；再或者在火柴划过的一瞬间，不仅要有摩擦声，还要叠加一声魔幻的“呼——嗖”……你会
GPT-4.1“扮演”美国选民：8/9州预测正确，医疗意见准确率0.94，但偏见暗藏！
继2026年6月推送“AI投资天团”之后，龙哥又挖到一篇角色模拟领域的硬核评估论文——GPT-4.1扮演美国选民预测大选，8/9州全中！还能预测你对孩子打疫苗的态度（准到94%）。但别急着欢呼，深入一看，偏见比数据更顽固。这篇工作把角色模拟的“高光”和“暗面”一起扒了个干净，值得每一位关心AI可控性的同学细读。
