还在用GRPO？当90%动作都是“摸鱼”，信噪比还不如随机乱猜！
训练多轮智能体时，GRPO等无评判器方法常常在长序列任务中“失灵”，大家都以为是“长程信度分配”的锅。但龙哥今天带来的这篇工作却一针见血地指出：罪魁祸首是“例行公事”太多！论文首次定义了“决策密度”这个量化指标，并完美推导验证了其与训练信噪比之间的幂律关系。啃完这篇，你对强化学习训练效率的理解会上一个台阶。
标签：人工智能
共 701 篇
扫地机为啥老让你猜谜？最新研究教你机器人“说人话”
LED灯闪和机器人又扭头又说话，你更信哪个？这篇论文竟然在德国博物馆实地“抓”观众来做实验！结果既在意料之外，又在情理之中——视频里看着很清晰的信号，一到真实世界，效果直接打对折。下次家里扫地机对你狂闪红灯，你可要仔细琢磨一下它到底想干嘛了！
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”。
快慢双路径Mamba + D-βB门控，文档二值化新范式
每次遇到新档案馆里那些发黄、透墨、满是污渍的老旧文档，你是不是还得重新标注数据、重新微调模型？本论文的DR-Mamba让你彻底告别这个繁琐环节——它利用巧妙的快慢双路径Mamba和样本条件的自适应减法门，在模型前向推理时就能自动适应每张文档的独特退化类型，效果还特别能打，尤其对最难处理的极端退化样本效果拔群。
图像压缩新范式：纯INR路线也能做到清晰无伪影，PaaF给出答案
图像压缩领域又出新招，这次来自意大利卡塔尼亚大学的团队，把纯粹的隐式神经表示（INR）玩出了新高度。他们提出的PaaF，用一套自适应量化和自调制激活函数，让INR图像压缩在感知质量上大杀四方。LPIPS相比最强基线NIF再降39%，低码率下的细节还原更是甩开对手几条街。纯INR路线原来还藏着这么大潜力！
Yann LeCun参与，SkyJEPA：让四旋翼在潜空间预测，零样本仿真直飞现实世界！
Yann LeCun的JEPA思想终于上天了！这篇工作提出了第一个用于四旋翼实时控制的JEPA风格潜空间动力学模型SkyJEPA。它完全在仿真中通过域随机化训练，却能零样本迁移到现实世界，在户外飞行中跟踪误差降低近40%，换了桨叶、加了负载也不掉链子。想看世界模型怎么帮无人机“闭眼预测”的，这篇必读。
告别BMS困境！线性引力波在膨胀宇宙中的质量损失计算法
爱因斯坦的引力理论在宇宙学常数（暗能量）下遇到了一个尴尬问题：引力波带走的质量究竟怎么算？这篇论文从线性引力波入手，通过巧妙的多极矩截断，不仅重新定义了de Sitter时空的“质量”，还发现了引力波扫过后独特的“记忆效应”。理论物理爱好者千万别错过，这里不仅有公式推导的严谨，也有宇宙学尺度的奇思妙想。
何凯明团队最新BiFlow：告别万步自回归，归一化流一步生成FID 2.39
说起生成模型，大家最熟悉的可能是扩散模型（Diffusion Models）和自回归模型（Autoregressive Models），它们一个靠“慢慢去噪”做到高质量，一个靠“逐词预测”称霸语言。但还有一个老牌家族——归一化流（Normalizing Flows，简称NF），虽然理论优雅，却一度因为推理速度慢、架构受限，被很多人遗忘在角落。
Netflix最新研究Vera：分层视频编辑，内容保真度狂甩VACE几条街！
还在苦恼给视频换个背景，主角的头发丝却“糊”了？传统方法“重绘全图”的做法就像把整面墙重刷一遍，难免会蹭到不该动的地方。Netflix联手Caltech最新力作Vera，直接给出“分层”方案——要改的部分单独画在一个“透明图层”上，再盖回原视频，从源头杜绝了“改哪坏哪”的尴尬。PSNR狂甩VACE 7dB，效果真的有点东西。
全城2.5万人实测，断网两个月75%页面可获取
全网断掉，没了搜索引擎和维基百科，我们怎么查资料？滑铁卢大学这篇工作给出的答案硬核且接地气—— 用蓝牙在大家手机里搭一个分布式“离线图书馆” 。CttF系统不搞天花乱坠的协议，而是让用户在断网前就缓存并互相打分，断网后再通过日常擦肩而过的那点时间交换资源。基于2.5万人真实轨迹的模拟证明，这套方案在真实部署场景下非常靠谱，比传统的流行病路由高效多了。
TESS五年“捉迷藏”成果首次公布：20个行星系统有“时差”，13个全新发现！
行星们也会“迟到早退”？基于TESS卫星前五年数据，南昆士兰大学团队首次系统梳理多行星系统凌星计时变化（TTV），发现20个存在显著“时差”的系统，其中13个此前未知。更关键的是，TESS系统偏爱2:1轨道共振，与Kepler的3:2偏好截然不同，暗示两种不同的行星形成“食谱”。想了解宇宙的“时钟”如何摆布行星？这篇就是入门指南。
多目标决策新范式：不用预设预算也能找齐所有最优解
当药物分子库动辄上亿候选物时，那个经典的“找最佳分子”问题瞬间变成了在浩瀚星辰中寻宝。不仅要考虑多个属性，还得在“探索”和“利用”间平衡。这篇论文提出了TTPFTS，第一个真正意义上的“随时”贝叶斯算法，无需预设预算，就能边采样边给出越来越准的帕累托最优解集。更绝的是，在9400万分子的库中，它只用了0.05%的探索量就几乎锁定了全部真实最优解，还自带一个“
