235B大模型也能三元化？CAT-Q仅用512样本压到1.58比特
大模型量化里最难啃的骨头之一，就是把权重压到三元还别把精度摔碎。CAT-Q这篇很有意思：不用百亿token重训，靠后训练量化就能把1.7B到235B模型压到1.58比特，且对QAT三元方法也不怵，值得认真看看。
标签：大语言模型
共 340 篇
复旦等机构新框架OmniAct：40个真实任务更稳了
这篇 OmniAct 很适合机器人/具身智能方向的读者：它不是把“规划、记忆、执行”揉成一锅粥，而是拆成三层各司其职，专门解决长程任务里最烦的两件事——工具太杂、失败太多。更有意思的是，它在真实家庭场景里把开源模型也拉到了接近商用的表现，思路相当顺手。
阿里+浙大新作ForeAgent：AI作图鉴伪，准确率冲到93.3%
阿里和浙大这次没走“单次判断”老路，而是把AI鉴伪做成了一个会看、会判、还会反思进化的智能体。更有意思的是，它不只追准确率，还把推理质量也一起往上拽。
清华字节新方法：不用CoT冷启动也能学会重看视频
这篇论文把“看视频”拆成了三件事：先粗看定位，再重看细节，最后重答修正。最妙的是，它不用冷启动的长串 CoT 标注，直接靠强化学习把重看能力练出来，省事还挺能打。
代码修复新范式：定位+诊断一起上，token省23%
这篇论文把“找 Bug”从盲猜升级成了“带诊断报告的定位”。不用训练、不用多智能体吵架，靠一个推理 LLM 加四个仓库工具，就能把定位和修复一起带飞，挺适合喜欢看智能体干活的同学。
ASSCG来了：自动驾驶LLM该查、该存、还是该扔？
自动驾驶里最怕的不是“慢”，而是慢系统该出手时没出手、不该出手时瞎出手。ASSCG把这个老大难问题拆成“查、存、扔”三种动作，思路很朴素，效果却相当能打。
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。
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。
