NeurIPS 2026新研究：复读10%数据，344M模型算力竟白烧33%
这篇论文专门盯住一个很现实的问题：训练语料里那些“删不干净的重复”，到底会怎么偷走算力。它不只说“重复不好”，还给出了最伤人的重复区间、模型规模趋势，以及一个能把损失翻成算力浪费的尺子，挺实用。
标签：大语言模型
共 322 篇
Yale新作MRI2Rep：3D肝脏报告自动生成，F1冲到29.4%
这篇论文把“写报告”这件事拆成了两步：先把医生的自由文本洗成结构化标签，再让模型按规矩自动生成。别看它是医学场景，思路其实很通用，尤其适合那些“数据不多、标签还乱”的硬核任务。
Qwen3最新研究：高分rollout也会带偏训练？
在线强化学习最怕什么？不是不会学，而是学着学着突然跑偏。GEOALIGN抓住“高分但方向不对”的rollout，直接在潜空间里做体检，数学推理和对齐任务都更稳了。
ICRA 2026新作FEARL：机器人安全也能可验证，碰撞率降到0
这篇论文最有意思的地方，是把“基础模型很强但不好验”这个老大难，拆成了一个能落地的工程问题。大模型负责看图、听话、想任务，小安全模块负责把关，形式化验证只盯住后者，思路很干净。
GEOALIGN来了：让LLM在线RL少走弯路，Qwen3稳定提分
这篇论文抓住了在线RL最烦人的毛病：明明奖励不低，训练却像坐过山车。GEOALIGN不跟奖励硬刚，而是从“方向”下手，专门揪出那些高分但带偏全局更新的rollout，思路相当清爽。
DFC把工具调用压进单特征，Qwen2.5-3B溢出6.8%
这篇论文把强化学习后的大模型工具调用，拆成了可定位、可操控、还能“溢出”的内部特征。更有意思的是，单个 A 专属特征就能把工具调用能力直接拉满，机制味儿很浓。
CVPR 2026思路很新：EVIS把视频分成事件再分割
视频里常常不止一个事件，硬把它们当成“一锅粥”来分割，模型就容易看花眼。EVIS干脆先把视频拆成简单事件，再一段一段对齐文本，思路挺顺手。
从3%到91%：Aalto让LLM学会修系统模型
这篇论文不跟语法错误死磕，而是专门盯住“看起来没毛病、其实物理上不对劲”的语义Bug。Aalto University用知识图谱给小模型喂规则，还让它输出补丁而不是整段重写，工程师看一眼就能决定要不要采纳。
IWSLT 2026实战：30秒切分稳住长语音
这篇是 IWSLT 2026 指令跟随赛道的实战型提交，重点不在“花活”，而在“怎么把长语音稳稳切开、别让模型开始胡说八道”。固定 30 秒切分拿到最优 HIFS，幻觉还主要是重复插入，结论很接地气。
GPT-5.4领跑SEUS：代码模型也怕版本变化
这篇论文专治“代码模型只会背最新版 API”的毛病。LibEvoBench把版本演化这件事摊开来测，结果很直接：文档一给就明显涨分，版本一说基本白搭，挺适合做代码大模型能力体检。😊
一张嵌入管两用：推荐提升1.88%还可解释
这篇论文很实在：不跟你玩虚的，直接把金融网站的点击流拆成“可预测的嵌入”和“人能看懂的意图标签”。更妙的是，LLM 负责起名，小模型负责上生产，速度和效果都没掉链子。
Capital One新招：点击流蒸馏成意图，提升1.88%
金融推荐最难的地方，不是“看见了什么”，而是“没登录时到底想干啥”。这篇论文把点击流拆成可用的向量和可读的意图标签，既能提效果，又能撑解释，挺适合落地。
