普渡大学新研究：SAM能找最平坦解却不泛化，加速4倍要靠权重衰减
「平坦的最小值更容易泛化」这条被引用了快三十年的经验规律，这次被普渡大学拿出来单独审了一遍。结论有点扎心：用 SAM 硬把解压到最平，模型照样一点儿没泛化；真正把模型从记忆推向泛化的，是权重衰减带来的范数下降，SAM 只是在这个窗口里帮忙踩了一脚油门，把转变加速到最多 4 倍。理论构造那部分尤其漂亮：两种插值的平坦度一模一样，差距全在范数上。
标签：模型训练
共 180 篇
arXiv最新定理：去掉单调性，LLM与压缩的等价就崩了
"压缩即智能"这句话流传了很多年，但一直停留在直觉和实验结果上。这篇论文第一次把它写成了定理：语言模型和单调压缩是等价的，误差只差2比特；而一旦去掉"单调"这个条件，等价关系就崩了，除非某个密码学假设不成立。
Apple Research最新论文 | 8人一周实测：用户自建感知AI，系统边界能被改写吗？
Apple 和斯坦福的这项工作不去比模型分数，而是追问一件更根本的事：当用户终于能自己定义"要让 AI 识别什么"，传感系统里那些被写死的本体论边界，真的会被打破吗？8 个人、一周、两个只给界面不给算法的探针，答案比想象中拧巴得多。
亚马逊12周实测：LLM自主科研提升1.82倍召回，却暴露五种失效模式
把AutoResearch放进真实生产流水线跑满12周是什么体验？亚马逊给出了答案：220多次实验、多GPU连续烧钱，换来1.82倍和2.1倍的指标提升，也换来五种翻车模式的完整记录，还顺手让代理自己补上了5.8倍的目录覆盖缺口。自主科研的真实边界在哪里，这篇值得花时间读。
中科大提出ProxyEraseAgent：11种水印盲去除成功率94.8%
AI生成图片越来越多，水印成了内容溯源的最后一道防线。这篇论文给了一个不太舒服的结论：只要拿到一张水印图，不用知道对方用哪套算法、不碰它的解码器，也能把水印打到接近失效，11套系统平均成功率94.8%。中科大的思路值得细看——拿公开水印模型的解码器当"代理"，把开环乱打变成闭环搜索。做水印的要读，做内容治理的更该读。
齐鲁工大提出DiscoVL：参数砍55.7%，视觉语言模型反而更准
CLIP的提示学习已经被卷了三年，绝大多数工作都在往上叠模块；这篇先停下来问了一句：类特定判别信息和类无关的可迁移知识，是不是从一开始就被搅在同一个特征空间里？齐鲁工大等用解耦跨模态对齐器加正交对抗正则给出一种拆法，15个基准一致涨点，参数量还比上一版少了55.7%。涨点幅度不算炸裂，但这个诊断角度值得花时间读。
北大论文自曝：整个证明流程由GPT-5.6驱动的系统完成
双曲空间里的优化，为什么天生比欧氏空间慢一截？北京大学这篇工作把答案钉死了：在不再给算法加任何额外限制的前提下，查询复杂度就是曲率因子乘以精度代价，曲率那部分躲不掉。上界早有人做出，下界这次终于补齐，中间那道多项式缺口被填平。理论控可以直接入，工程读者也能看清一件事——几何变了，信息代价就得重新算。
纽伦堡技术大学实测40个德语语音识别模型：分词器胜负由词汇量决定
现代端到端语音识别系统（ASR，Automatic Speech Recognition，自动语音识别）的结构很像一条两段式流水线：前面是自监督预训练出来的声学编码器，负责把声音变成表征；
同济大学提出拉马克驾校：自动驾驶训练场景进化，性能损失最高降25.07%
自动驾驶训练里，最容易被当成“背景板”的其实是场景分布。同济大学干脆把它变成会进化的变量：候选场景分布按“训完到底开得好不好”来竞争，优胜路径再蒸馏成一套六阶段轻量课表。完整进化让性能损失比 Replay 降低 25.07%，轻量策略也有 19.13%。
智能体翻文件总漏关键表？MIT用双层经验一次补齐
想象一个干了十年的财务顾问，面对杂乱报表，他翻完一遍后脑中会留下便签：“这张表够用”，“那份文件跳过”。下次再来任务，他按便签取该看的东西，既快又准。
TokenRhythm Agent后训练：4B十项均分+5.93
原文标题： NeoHorse-1: Towards Recursive Self-Improvement via Agentic Post-Training with Routing Harness 首次公开： 2026年9月8日（arXiv v1） 主要署名单位： TokenRhythm Technologies 论文： https://arxiv.org
让代码AI出题考自己！南洋理工TCS两阶段强化学习方案全解析
考过程序设计竞赛的读者应该都有同感：决定命运的不是“你觉得自己写对了”，而是评测数据有没有精准戳中你代码里藏得最深的bug。
