2026新作REAR：奖励分解后，偏好对齐更稳了
这篇论文最有意思的地方，是它没有继续给模型“加班训练”，而是把问题搬到了测试时：先拆奖励，再重排输出。对偏好对齐、推理加速、树搜索都很友好，属于那种工程味很浓、落地门槛也不高的工作。
标签：大语言模型
共 340 篇
REAR来了：测试时重排偏好，Qwen上直接打赢基线
这篇论文最实用的地方，不是又造了一个更复杂的对齐模型，而是把“测试时怎么选更符合偏好的回答”这件事讲清楚了。REAR 直接用 base model 自己的概率做奖励分解，省掉额外训练，工程味很足。
复旦字节新方法：CAD代码生成提升8.87%
这篇论文把 CAD 代码生成从“会画个大概”往“能执行、能编辑、能落地”推了一大步。更有意思的是，它不是单模型硬扛，而是让多个异构专家协作，再用强化学习把这些专家的长板拼起来。
LM多机器人交互新发现：610条解释里藏着什么
这篇论文不研究机器人“会不会说话”，而是研究它们“为什么要插话、该不该插话”。610条解释日志把LM编排器的调停逻辑摊开给人看，读起来像一份多人协作里的“裁判判词”。
MIT新作：把FFN变成显式模糊逻辑，竟能读出语法许可器
这篇论文最有意思的地方，不是把 FFN 换成了更“数学”的东西，而是把原本黑箱的中间层，改造成了能直接读出“and / and not / 量词”的逻辑模块。更狠的是，它还把这种逻辑一路做进了语法许可器检测里。
NVIDIA离散扩散新作：1024文生图冲上SOTA
NVIDIA 这篇没有走“越大越强”的老路，而是盯着离散扩散最烦的两个痛点下手：不会自我修正、词表一大就学不动。结果很直接，1024 分辨率文生图拿到 SOTA，训练还更省显存。
连续latent太难训？DLR首次改用离散token
连续潜变量推理最大的毛病，不是“不聪明”，而是“说不清、管不住、训不稳”。这篇上海交大的 DLR 直接把潜在状态离散化，还借了渲染压缩的思路，算是把推理模型从黑箱里往外拽了一把。
人民大学+智谱AI新作：训练用思维链，推理直接跳过
这篇论文最有意思的地方，不是把机器人做得更“会说”，而是把“会想”和“会动”拆开了。训练时让模型认真做具身思维链，推理时又把这层思考直接跳过，工程味很足，值得细看。
噪声前瞻会害人？新方法先筛再给智能体
这篇论文把“世界模型”从一次性预测工具，改造成了会自己修正上下文的在线规划助手。最有意思的是，它不改参数，专改记忆和提示词，既省掉在线训练的麻烦，又能把部署时的新经验吃进去。
MIT新作：7步解数独的流推理模型
这篇论文最有意思的地方，不是又造了一个“更会猜答案”的模型，而是把离散流模型硬生生改造成了会自我验证、会自我修正的推理器。数独上 7 次前向传播到 99.2%，还把 OOD 难题一起带飞，值得细看。
GeoCodeBench来了：3D视觉代码，GPT-5也只拿36.6%
这篇论文很像给大模型出了一张“3D几何博士资格考试卷”。它不只看模型会不会写代码，更看它能不能把论文读对、把几何语义守住，结果相当不客气：最强模型也没过四成。
NVIDIA新作：双塔扩散语言模型提速2.42倍
NVIDIA这篇不是简单给扩散语言模型“加速”，而是直接把上下文表示和去噪职责拆开，思路很工程，也很务实。30B 混合架构上还能保住 98.7% 质量、提速 2.42 倍，这种结果值得认真看。
