零样本也能修！芬兰新方法让InSAR相位恢复时空残差直降68%
InSAR相位恢复一直靠固定滤波器硬扛，可每一对影像的几何参数都不一样，这就像用同一副老花镜看所有距离的物体。芬兰团队提出FiLM-GPNet，给网络装上“几何调节旋钮”，时间残差直降68%，而且换个城市不用重新训练，零样本直接上手。
标签：AI应用
共 437 篇
GPT-4o当裁判，Qwen2.5答得更靠谱，背后其实是一张评分表
奖励信号怎么给，才能让大模型在开放域问答里真正学会“有理有据、条理清晰”？苹果这篇最新论文把笼统的偏好打分换成了多维评分细则，效果直接涨了6.5%。路子够巧，值得一读。
少花10倍算力！ASIL让开源小模型操作软件涨14个点
当Claude Code、Codex在代码世界里大杀四方时，GUI软件依然是智能体的"最后屏障"。上海交大与BIGAI提出ASIL，用结构化JSON观测+语义化代码动作替代截图点击，让GPT-5.4在380个任务上拿下81.6%的成功率，而同样的任务截图控制只有6.6%。一句话操作就能完成截图控制15次点击都完不成的活，这可能是智能体交互的一次范式革命。
告别人工框选！Mac mini实时跑通束流ROI检测，推理超10Hz
大型加速器里，束流图像分割以前还得靠人工框选，现在机器学习直接像素级搞定，IoU冲到0.96，还能实时跑在一台Mac mini上。这波操作，值得一看。
Apple最新研究：LLM贝叶斯更新能力，取决于你问它的方式
贝叶斯，概率论里那个如雷贯耳的名字。在医疗诊断、法律论证、科学推理这些高风险场景里，一个AI系统面对新证据时，应该理性地更新自己对某个结论的相信程度——这正是贝叶斯定理干的事。
Apple Research最新论文 | Agent Seer：MCP规范零标注变评估集，7套件全覆盖
咱们直接进入正题。当下做企业级AI Agent，说白了就是在跟各种API打交道：日历、项目管理、数据库、通信软件……Agent要干活，就得学会调用这些外部工具。
卢森堡大学新研究：太空机器人没奖励信号也能自学修复，60分钟见效果
太空机器人一旦硬件故障，传统强化学习就抓瞎——因为真空中根本算不出奖励信号。卢森堡大学这篇工作把世界模型玩出了新高度：预训练阶段把奖励函数"记住"在隐空间里，部署后冻结奖励预测器、只更新转移动力学，60分钟无监督数据就能让机器人自我修复。三大任务、代码开源、效果诚实不吹牛，值得一读。
黑盒LLM听不懂“我没把握”？分层监督让不确定性估计AUROC从0.57飙到0.80
黑盒大模型在物种分类这类层级推理任务中，经常“嘴硬”但心里没底。这篇来自Vector Institute与Guelph大学的工作，用开源工具LLM提取代理特征，训练轻量监督估计器，把全局阈值下AUROC从0.57拉到0.80，为“该信谁、该拒谁”提供了可落地的判断框架。
大语言模型｜35个大模型被曝“价值自恋”：选来选去，最爱还是自己？
大模型测价值观，用问卷、二选一、自由发挥能得出三个不同结论，那测了个寂寞？STONIC用5,144个共享场景和35个模型配置做了一次教科书级的测量审计——既有行为一致性证据，也有“自答偏好”这个反直觉发现，做LLM对齐评估的朋友值得细读。
3.12倍加速！SPICE用“预取+低秩代理”破解MoE显存难题
MoE模型推理被显存卡脖子？SPICE给出「预取+替代+异构计算」组合拳，在DeepSeek-V2-Lite和Qwen2-57B-A14B上实现最高3.12倍加速，精度损失仅3%左右。系统优化能做到这个份上，值得花五分钟读一读。
五种姿态估计器实测短跑：RTMPose-M平均6.99度成黑马
跑姿分析一直被认为是专业实验室的专利，动辄几十万的设备劝退了大多数人。这篇论文用五个成熟姿态估计模型+后处理，把髋膝关节角度估测误差压到5.3°，还配套了网页演示平台，属于典型的低成本高性价比工作，做运动科学和姿态估计的朋友值得一读。
首个危险品海运合规基准：13款LLM实测，Gemini接收但安全项翻车
危险品海运合规，写错一个隔离码就可能火烧连营。这篇论文首次发布DGEval基准，用1678道题横评13款大模型：Gemini 3.1 Pro总成绩碾压人类从业者，却在积载、隔离等最要命的环节集体翻车。漂亮总分之下藏着哪些安全盲区？这份答卷值得所有做AI落地的人细读。
