1.7B探针当RL裁判，评分超8B还快10.7倍
大模型当裁判太烧钱？NYU和耶鲁的这项研究把奖励模型从8B干到了1.7B，评分更高还快10.7倍。用轻量探针从隐状态里挖信号，思路清奇又实用，做RL的朋友值得一看。
最新文章
共 1573 篇
三个数据集实测：GPT-4o排序垫底，当推荐解释官却比模型更通用
这篇论文很有反差感：一边证明GPT-4o等LLM做复购排序确实打不过传统监督模型，一边又发现LLM引用的行为特征在跨模型掩码评测里真有信号。对做推荐系统、做LLM可解释性的朋友都值得一读，尤其那句“排序质量≠解释质量”，值得反复琢磨。
中科大&美团CHAP：生成式检索告别逐层解码，线上成交大涨2.98%
传统生成式检索有个"中看不中用"的槽点：每个语义ID都要逐层解码，重型Transformer要在线跑好几遍，工业场景根本扛不住。中国科大联合美团提出CHAP，把多步解码压成单次Transformer加轻量残差块，线上A/B测试支付订单量直接涨了2.98%，看完只想说一句：这才是能落地的检索新范式。
南大SPLG-Mamba：让遥感显著目标检测告别“缺胳膊少腿”
这篇论文精准踩中当前视觉领域两大热点：Mamba架构与遥感显著目标检测。南京大学团队用“平滑-细节分治”的思路，把局部Mamba留给浅层细节、全局Mamba留给深层语义，配上门控跨尺度融合，在三大基准上全面刷新SOTA，窄目标F指标涨幅直接冲到1.46个百分点。代码已开源，适合想做遥感分割、结构保持任务的读者直接复现上手。
光滑边值却梯度无界？PDE反例揭示临界门槛
当AI开始参与临床决策，一句"我是主任医师"就能让它放弃原本正确的判断？牛津与斯坦福的最新实验表明，AI在医疗场景下极易被说服，伪造的临床解释甚至能让约30%的正确决策翻车。这篇论文用严格受控实验拆解了"谁说的、说什么、怎么说"对AI判断的影响，值得每一位关注AI落地的读者细读。
PCI评估AI落地前，先搞懂这1分能改变什么
这可能是影像AI圈最该细品的一类研究：不看Dice涨了多少，而是问Dice涨了之后，医生做决策到底变没变。荷兰团队用10例增强CT、4位专家、1个nnU-Net模型，外加一套概率模拟，把分割边界差异直接翻译成临床评分差异。结论相当反直觉——几何差异不小，但rPCI总分平均波动不到1分，决策翻转全挤在PCI 20这个生死线附近。不卷精度的论文，反而把精度指标的
ITMO大学新研究：探索器便宜94%也能用
代码修复里最容易被忽略的，其实是“先去哪找”。这篇论文把仓库探索单独拎出来做基准，直接比较探索器的质量和成本，结论很实用：便宜模型未必差很多，但也不是谁都能省得漂亮。
没有极化也没有磁化，凭什么说它也是铁性材料？
铁电体靠极化翻转记录信息，铁磁体靠磁畴方向存储数据。这两种铁性材料的共同点，是都有一个能被直接测量的净序参量：电极化或者磁化。
2.2σ信号出现！LHCb首次在氩核中发现ψ(2S)神秘减产10%
质子和氩原子核撞在一起，更"娇弱"的ψ(2S)粒子比J/ψ少了约10%？LHCb首次在113 GeV固定靶碰撞中捕捉到核效应信号。这个0.90，藏着夸克偶素与核物质相互作用的秘密。
4.9倍吞吐反超SODiff，JPEG修复终于不挑硬件了
先聊一个很多人每天都会碰到、但完全没意识到的问题：你手机相册里那一张张照片，绝大多数都是JPEG格式。JPEG为什么能统治世界这么多年？因为它用一个巧妙的"分块变换+量化"策略，用很小的体积换来了还算能看的画质。
最新数学证明：Hao-Ng同构猜想不成立，三大障碍曝光！
一个悬了18年的算子代数猜想，被这篇论文直接掀翻了。完整Hao–Ng同构不成立——不是差一点点，而是被拆出三道结构性障碍，每一道都配了反例。纯数学的否定性结果，往往比十个“差不多成立”更有价值。
752M模型压到1.58比特：常识还在知识全丢？
模型压缩领域一直有个终极诱惑：既然大模型这么贵，能不能把权重压到极致？三值化（Ternary Quantization）就是这条路上的狂飙选手——把每个权重压缩到只有三个取值{-1, 0, +1}，理论上每个权重只需要约。
