大语言模型｜不用人肉标注！这套框架从VR对话里自动挖出团队协作「暗涌」
团队协作研究终于不用「一刀切」了。这篇工作把晚期分块、变点检测和LLM辅助标注串成一条可追溯流水线，在30场VR协作实验中验证：阶段边界检测与交互行为对齐，适合做VR训练、人机协作和沟通分析的朋友读一读。
标签：AI应用
共 437 篇
0.75还是0.50？越南高考凸性评分给大模型评测上了一课
大模型评测几乎都在用“对错”代替“官方评分”，越南2025年高考的凸性评分直接把这种替代打回原形。本文用632道真题和百万考生真实分布，把模型放进人类排名里比了一次，结果让人捏把汗。
哈佛最新开源：147万份百年报纸，榨出163亿token公共数据集
这可能是今年最"考古"的AI基础设施工作：哈佛联手波士顿公共图书馆，把1795到1930年的147万份报纸扫描件，变成163亿token的干净文本。更难得的是，整套流水线设计成工作站级硬件就能跑，租服务器全程只要约2.5万美元——相比云端OCR动辄几十万美元的报价，这性价比简直离谱。对做数据工程、LLM预训练和数字人文的人来说，这篇值得细读。
Kaggle 44万参赛数据实锤：证书价值暴跌82%，真凶竟是平台自己？
AI时代考证还有用吗？这篇论文用Kaggle 44万次参赛数据做了一次“信号体检”：奖牌价值一年就过期，上传赛奖牌价值暴跌82%背后真凶竟是平台自己，而不是AI。想搞懂证书、平台和AI三角关系的人，建议花三分钟读透这篇。
CAD场景揭秘：可解码信息为何无法驱动LLM行为
本期亮点在于用参数化CAD约束当“探针”，把“可解码、可生成、可影响、可控制”四个层次拆开审计。结果相当扎心——大模型能线性解码几何约束，生成和应用却掉链子。想搞清楚“模型知道≠模型做到”的差距，这篇值得读。
北航CIKM 2026：30-41个被吞掉的候选，靠一个账本全找回来了
这篇论文盯上了AutoML报告里一个常被忽略的"黑箱"：那些没被拟合的候选方案去哪了？北航团队用一套候选命运核算框架，给每个候选一个终态归宿，在三个轴承数据集上找回30-41个被"吞掉"的候选。搞工业诊断、调自动化管线的朋友值得一看。
犹他大学40人实测：调色板工具越“贴心”，设计师越容易跑偏？
颜色选得好不好，有时候不怪设计师，得怪工具。犹他大学这篇40人用户实验发现，调色板工具不只会帮忙，还会“偷偷”改变设计师的注意力分配——这类以人为本的实证研究，恰恰是AI设计和可视化工具最缺的一环。
浙大首发NGS-Marker：3DGS防“拆件盗用”新解法，局部水印解码准确率99%！
3DGS资产正在被“拆零件拼装”式盗用，而现有的渲染级水印在这种局部侵权下几乎集体失灵。浙大这篇NGS-Marker直接对高斯原语下手，任意抠一块都能验明正身，局部侵权场景下解码准确率冲到99%以上，是3D资产版权保护里少见的真痛点工作。
LVLM遇模态缺失就“趴窝”？TTSD-FAR用0.629%参数把F1从0.48救回0.51
传感器掉线、字幕丢失、画面损坏……LVLM一遇模态缺失就肉眼可见地“降智”。这篇TTSD-FAR偏偏只更新0.629%的参数，就把50%文本缺失下的F1从趴窝的0.4785拉回0.5124，还顺手解决了持续适应的漂移问题。方法不算复杂，思路非常实用，值得所有做多模态落地的朋友读一读。
肿瘤科福音：格拉斯哥大学AI自动分析CT肌肉脂肪，5秒出结果
AI医疗卷得飞起，但不少方案动辄几十G显存起步，医院看了直摇头。这篇格拉斯哥大学的工作反其道而行：用GTX 1070就能跑的四款经典CNN，把结直肠癌患者CT里的肌肉与脂肪指标自动算出来，误差低至4.96%，还顺手做了个网页工具。低成本落地范本，值得一读。
强化学习致命短板曝光：智能体真的没有内部时钟？
人人都说AI要像人一样干活，可它连“等锅汤开要多久”都没概念。根特大学等机构推出Chronocooked强化学习基准，把时间藏在炒菜场景里，逼着智能体靠内在计时做决策。想看AI到底会不会“看表”，这篇论文值得一读。
3B模型苹果芯片连挂5个bug，修复后agent任务完成率0%→30%
这年头能见到一篇"把大模型跑不起来的原因逐条列清楚"的论文，真不容易。研究者把Nanbeige4.2-3B在Apple Silicon上五个独立bug连根拔起，还顺手给出分块预填充方案让上下文扩展2.7倍，干货密度极高。想在Mac上玩agent模型的同学，这份排雷报告必须收藏。
