2026新方法：ASK-NN把幻觉检测做成统计检验
LLM 幻觉检测最烦的地方，不是“看不出来”，而是“参考样本”和“查询样本”天生不对称。ASK-NN 直接顺着这个现实来做，把近邻检验改成非对称版本，理论和工程都更像样。
标签：大语言模型
共 340 篇
Anthropic最新研究：Claude Opus 4.7安全与能力双线升级
Anthropic这份系统卡很像一份“体检报告”：一边告诉读者 Claude Opus 4.7 在软件工程、长上下文、代理搜索上更能打，另一边把生物、网络、对齐风险也摊开讲清楚。好看的不是口号，是它把“能力提升”和“安全边界”一起量化了。
ETH Zurich×NVIDIA新作：AllReduce为何能贴近SoL下界
这篇论文很像在GPU通信里“抠微秒”。看起来只是把延迟从 11.0 微秒压到 2.37 微秒，背后其实是在逼近硬件下限；一旦放进大模型推理链路，省下来的就不只是时间，还有真金白银。
ETH Zurich×NVIDIA：微秒级抠延迟，推理成本再降一截
GPU 推理最怕的不是算力不够，而是通信那点“看起来不大、实则很贵”的微秒级开销。NVIDIA 这篇论文把 AllReduce 往硬件极限推，最好只剩约 7% 的误差，vLLM 推理和 cuSOLVERMp 都能吃到红利，属于非常典型的“抠延迟抠出真金白银”的工作。
LLM开上太阳望远镜？JW-ASTClaw让自主观测真落地了
这篇论文最有意思的地方，不是“又一个大模型接了个工具”，而是它真的把大语言模型塞进了太阳望远镜的实时控制链路里，还跑在了中国日地空间环境监测网的实际设备上。它解决的不是玩具问题，而是云、风抖、活动区、快速耀斑响应这些会直接影响观测价值的真麻烦。
NVIDIA开源TTT-E2E：128K上下文快2.7倍
长上下文这件事，表面上是“把更多字喂给模型”，本质上却是在逼模型做一道很残酷的选择题：到底是要 记得更全 ，还是 跑得更快 ？全注意力模型像个记性极好的学霸，什么都想翻一遍，代价就是上下文越长，算得越慢；RNN 和一批线性/滑窗方案则像记笔记很快的同学，速度稳了，但一长起来就容易把关键线索漏掉。
Apple Research新方法：不用教师也能提升代码模型
这篇论文最狠的地方，不是把代码模型调高了几个点，而是它几乎没加任何“外挂”：不要验证器，不要教师模型，不要强化学习，只靠模型自己的原始输出就能涨分。更有意思的是，提升还主要落在更难题上，说明它不是在“刷题套路”，而是在改模型分布本身。
Apple Research新论文：遗忘前先删低影响点，最高省50%
这篇论文最有意思的地方，不是“能不能遗忘”，而是“遗忘前能不能先把没必要遗忘的删掉”。Apple Research 直接把机器遗忘做成了省算力工程，最高能省下约50%执行时间，思路很实在。
阿里Wan-Streamer新解：视频就是世界加事件流
这篇论文最有意思的地方，不是又堆了一个更大的流式模型，而是把“视频”重新解释成了“世界 + 事件流”。这个视角一换，预训练目标、交互形式、行为控制，全都顺了。
答案泄露让蒸馏掉16.2分，最新论文警告
这篇论文专门盯住一个很阴险的问题：正确答案提前露给模型，训练数据就“看起来都对”，但学生模型还是会被带歪。它不是在讨论玄学，而是用一比特实验把锅精准甩给“答案可见”。
Qwen3.5-4B实证：RLVR界不再是空话
这篇论文最狠的地方，不是把RLVR讲明白了，而是第一次把“训练得不错”推进到“理论上也站得住”。更有意思的是，它不是空谈定理，而是拿出一条Progressive RLVR流水线，把压缩、蒸馏、量化一起拧上，真把泛化界做到了能看、能算、还能落地。
4B参数搞定视频理解？VideoChat3把算力省下来了
一个模型把细粒度动作、长视频问答和直播流主动响应都装进去了，还只用4B参数。更关键的是，模型、代码、训练策略和数据集全开源，社区终于不用对着“半遮半掩”的视频大模型干瞪眼了。
