复旦等提出ICWM：先探一探再控制
这篇论文把机器人“换视角就失忆”的老毛病，改写成一个系统辨识问题：先随机探一探，再把这段互动当上下文喂给模型。简单粗暴，但很对路，仿真和实机都给出了不错的增益。
标签：大语言模型
共 340 篇
告别人工脚手架！Spiral端到端训练模型自己搜索和聚合，递归自聚合效果惊艳
很多模型训练时只学顺序推理，一到测试却靠人工搭脚手架（并行采样+投票）来提分，中间有个巨大的“训练-测试”鸿沟。斯坦福这篇Spiral颠覆性地用集合强化学习，让模型边训练边学会如何搜索和如何聚合，把整个推理过程端到端打通了。效果非常硬核，4B模型推理效率吊打传统方法11倍，不愧是Chelsea Finn和Noah Goodman团队的新作！
生成AI老“画”不对？浙大新方法GAZER：让自回归模型在生成中“自纠错”，无需重新训练！
生成AI经常“画不对题”？这可能是顶尖模型也无法避免的“语法错误”。浙大联合山大的GAZER，不走寻常路，它不重训模型，而是在生成过程中，让模型自己扮演“质检员”，通过多模态大模型“复盘”草稿，发现错误后“回炉重造”，简单一招就让图像和视频生成的语义对齐效果显著提升。同类工作中，GAZER切中了核心痛点，非常值得一看！
中国电信&西安交大最新SOTA！InteractiveAvatar：实时流式生成，视频头像也能听懂你的话
能让数字人听懂你说话的“套路”来了！InteractiveAvatar不仅能把语音转成视频，还能理解“看一下手表几点了”这种复杂意图，并做出相应动作。在长达数分钟的无限流式生成中，画面一致性还吊打一众对手，实时推理速度更是达到26.68 FPS。
RIKEN新解：LLM数据溯源“捷径”还是“精确制导”？BM25+影响力函数99%一致？
LLM输出的“灵感”到底是从训练数据里“原样照搬”还是“高维加密”后释放？日本理研牵头的新研究首次给数据相似度（BM25）和数据影响力（KFAC）的排名关系画了张精准的“等高线图”。发现一个反直觉事实：影响力函数能更一致地预测相似度的结果，反过来则不行——这意味着“先BM25粗筛，再影响力精排”的混合方案，可能是大模型可解释性工具箱里的黄金搭档。
北大最新基准HOLMES：LLM高阶逻辑推理平均仅50.64%，最佳模型也才59.54%！
我们评估模型推理能力，还在用“答没答对”来一锤定音？北大等机构的最新研究HOLMES告诉你，答案对了，但推理过程可能全是“捷径”！这个首个面向高阶逻辑推理的真实世界基准，无情地揭露了GPT-5.4、DeepSeek、Qwen等一众顶级大模型，处理起需要“规则打架”、“跨范围组合”的现实问题时，表现有多拉胯。是时候关注推理过程的“忠信度”了。
NYU最新研究：仅用8K短数据训练，让LLM在128K长上下文推理中准确率飙升90%！
大模型在短数据上训练得再溜，一遇到超长上下文立马就“脑子一片空白”。纽约大学团队别出心裁，用“随机位置”这招，让模型在短文本训练时就能“看见”长文本的位置编码，再配合“长度课程”循序渐进的练习，仅用<8K的短数据训练，就在128K长上下文推理中准确率飙升到90%。这招堪称四两拨千斤，性价比极高！
小米最新研究：RS-Gen让AI绘图告别“翻车”，逻辑推理+实时搜索，效果直逼闭源
让AI画个"某品牌最新概念车"？传统模型直接摆烂。小米团队提出的RS-Gen，专治AI绘图的"知识盲区"和"逻辑短路"。它像个聪明的项目经理，把复杂任务拆解成"先查资料、再想思路、最后画图"，关键是不用重新训练模型，即插即用。在WISE基准上，直接把通义千问的基线模型从0.51拉到0.823，效果直逼商业闭源模型，这波开源社区赢麻了。
Apple Research最新论文！9位AI法官投票，有效票数竟然只有2张？
“三个臭皮匠，顶个诸葛亮”在AI评审领域失灵了。Apple Research这篇论文泼了盆冷水：你花重金请来9个顶级大模型打分，以为获得群体智慧，实际上它们只用同一种声音对你说话。这是直面当前AI测评滥用的“清醒剂”。
GPT-5.2翻车？阿德莱德大学用解剖导联组CNN完胜零样本大模型
GPT-5.2这波属实翻车了。阿德莱德大学团队用标准的CNN模型就能把ECG图像分类做得稳稳的，零样本大模型却直接沦为了”随机猜测”。这篇论文不仅给火热的LLM医学应用浇了盆冷水，还提出一个生理学感知的LeadGroupECG架构，效果扎实。
密歇根等20+机构新作：告别PDF论文，让AI智能体直接操作科研成果，问答准确率暴涨至93.7%
当AI智能体成为科研“战友”，却发现读不懂论文，这多尴尬？密歇根大学联手斯坦福、MIT等20多家机构，提出脑洞大开的协议——ARA，直接把论文从“读”的文档，变成AI可“运行”的知识包。结果振奋：PaperBench上问答准确率从72.4%飙升到93.7%，复现成功率提升7%。看来，未来科研论文真是为AI写的了！
Meta最新研究：用“软聚类”给物品画像，生成式推荐效果大涨！
生成式推荐是当下的研究热点，但如何将用户复杂的协同行为和物品语义同时注入大模型，始终是个难题。Meta这次提出G2Rec，巧妙的用了一个稀疏的物品协同图来捕捉用户行为，再用一个可扩展的“软聚类”方法自动学习出每个物品属于不同兴趣原型的概率，把难以表达的“上下文”变成了模型能轻松理解的结构化token。结果在多个数据集上全面领先，而且在线部署效果也很亮眼。读这
