南开大学等三校最新：Torelli群平凡作用，pointed范畴完整分类
纯数学也在加速出结果。南开、LSU与BIMSA合作，完整刻画模融合范畴的Torelli群平凡性：亏格≥3，平凡作用等价于pointed范畴；亏格2，答案与各向同性伴随子范畴挂钩。继7月推送过曼大融合系统分类难题之后，数学分类又添重要一环。
最新文章
共 1660 篇
卡内基梅隆提出MultiPathFormer：无线基础模型告别信道张量，多径预测让定位误差骤降至5.57
把大语言模型那套自回归玩法搬到无线信道建模里，还顺势治好了“信道张量混合多路径信息”的老毛病。卡内基梅隆大学提出的MultiPathFormer，首次在路径级别做预训练，定位误差从68米干到5.57米，属实有点东西。
博世新方法GUARD：机器人动作再丝滑也能提前揪出失败，未见任务AUC提升5.73%
机器人VLA看着很“聪明”，但动作头可能根本没在“看”任务证据——本论文用KV缓存反事实消融直接探测这种“假装接地气”，零改动即可在五个未见任务设置上把平均ROC-AUC推到88.84%，比最强运行时监控器高5.73个百分点。思路清奇、工程开销小，值得做机器人与自动驾驶的朋友细读。
浙大新研究：编译器优化当“瘦身教练”，指针分析最高提速3.14倍
编译器优化还能这么玩？浙大团队把语义保持的编译器变换直接用在指针分析之前做“离线瘦身”，结果最高3.14倍加速、1.94倍内存缩减。方法分析无关、即插即用，实验扎实，属于能直接拿来用的实用型研究。
Apple最新研究：不靠GPT-4V，BDHS免费造出高质量幻觉数据
苹果出品，必属精品？这篇论文直接把多模态对齐的“水分”挤干了——不靠GPT-4V、不靠人工标注，用一招“蒙住眼睛”的BDHS方法就能生成高质量偏好数据，效果还能打。对于想低成本做多模态对齐的人来说，这绝对是值得读的“省钱秘籍”。
阿里&新国立最新研究：大模型对齐隐私泄露，32B照样能防住
偏好数据是大模型对齐的燃料，但用户“喜欢什么”本身就是敏感信息。这篇来自新加坡国立大学与阿里集团的工作，精准定位DPO独有的隐私漏洞，提出只往“偏好轴”上加噪声就能锁定隐私的PrivDPO，还首次将严格隐私对齐做到了32B模型，工程上几乎零额外成本。隐私保护与模型效用兼得，值得一读。
CMU等四校联手：可微分物理笔刷，让AI生成手写还能操控机器人直接写出来
想象一下，AI 不仅能模仿任何人的笔迹生成手写图片，还能把笔画轨迹直接发给机器人，让它拿着笔在纸上写出来——在线轨迹和离线图像向来是两条平行线，这篇来自 GIST、CMU、延世大学等机构的论文用一个六参数的可微分物理笔刷模型，硬是把它们捏成了同一件事。
香港科技大学提出LiveLight：视频重光照首次实时化，交互式打光边播边调
实时移动光源，画面即刻响应——LiveLight 让视频重光照从『渲染后等待』变为『边播边调』。香港科技大学联合多家机构提出首个基于扩散模型的实时流式视频重光照框架，仅用4步采样跑出15.78FPS还把质量做到SOTA，视频编辑领域值得重点关注的方向性工作。
视频生成｜复旦快手新研究：同一个PE写两边，T2V多事件生成全面涨点
如果你在公众号里刷到过AI视频生成的翻车现场，大概率见过这种名场面：你明明输入的是“一只熊推开树桩、找到食物、抓住老鼠、吃掉它”，生成的视频里熊只做到了一半就停下来，甚至干脆把树桩忘了。这不能全怪视频生成模型“笨”。真…
DeepMind | 最新哲学拷问：AI创造的财富，凭什么只归少数人？
这不是一篇教你“如何做AI”的论文，而是一篇直击灵魂的哲学拷问：AI等先进技术创造的巨大财富，到底该归谁？DeepMind两位研究员从人权、公平、知识共享等五个维度给出了系统论证，逻辑严密、案例扎心，建议所有AI从业者都读一读。
UCL最新框架：给比特币经济做“CT扫描”，BIP政策冲击一眼看穿
币圈老铁都知道，BIP一改，行情乱跳。但你知道每个政策到底影响了哪些人、影响有多大吗？UCL这篇论文，直接给比特币经济装上了“CT机”，把政策冲击看得明明白白。🤚
阿里最新研究实锤：LLM最高44.1%“正确”答案竟是抄近路蒙的
考试抄答案能拿满分，算会还是不会？阿里巴巴团队系统实锤：LLM在科学推理评测中最高44.1%的“正确”答案靠抄近路蒙出来，而且难度越高的题越爱抄。这篇论文给出了可落地的“反作弊”评测框架，值得每一个关心AI真实能力的人读一读。
