MIRA让SQL纠错记忆精准复用：修复261条错查询仅误伤18条
Text-to-SQL最磨人的不是不跑，而是“跑得动、结果是错的”。MIRA把历史修正记忆拆成乐高式独立修复项，再用数据库证据精准激活——261次成功修复、仅18次误伤，SQL纠错玩出了手术级精度。
标签：大语言模型
共 319 篇
代码生成｜中科院大作：安全测试当规范，结构化反馈零回归修复80个
大模型生成的代码能跑就算完？一测就出安全漏洞的场面见过太多。这篇论文把安全测试当“可执行规范”提前塞给模型，2705条轨迹实测：隐藏的联合成功率平均涨19.3个百分点，但也有模型越看测试越翻车。机制级严谨、工程级实用，值得细读。
GPT-5.4也翻车？港科大（广州）新基准：长文档重建关系数据库，F1仅75
当业界还在用单表抽取评测文档理解时，港科大（广州）团队直接抬高了门槛——Doc2DB-Bench要求从长文档里重建完整的关系数据库，边从表格到数据库：为什么文档理解需要新范式 先看一个真实场景：一份几十页的金融报告，里面写了好几家公司的现金流数据、股权关系、投资链路。传统做法是让大模型把里面的公司名称、金额、年份挨个抠出来，填进一张大表里完事。
Google+UC Berkeley新作：ArchAgent v2自动进化三级预取器
预取器是芯片里的“预言家”，过去全靠人类工程师手搓，如今Google联合UC Berkeley让LLM进化智能体自己“进化”出一个三级预取器，直接拿下DPC4冠军，IPC比人类顶级方案还高0.3%，低带宽场景下更是领先2%。这是AI自动硬件设计第一次真正在权威竞赛里赢过人类冠军，值得所有做体系结构和AI的人围观。
南洋理工最新：AI代理“自我投毒”，93%成功率绕过所有防御
这可能是第一篇系统研究“AI代理自我投毒”的论文：攻击者不注入任何恶意外部输入，只靠模型自己在正常任务里“写”出带毒的技能文件，就能让隐私泄露、提权、越权写入在后续任务中自动触发，在OpenClaw、Codex、Claude Code上平均攻击成功率超93%。对做AI Agent安全和部署的同学来说，这篇值得细读。
Meta最新研究：LLM Agent让用户一句话重塑信息流，反感内容直降2.74%
Meta在RecSys 2026上放了颗实弹：用LLM Agent把推荐系统从"被动猜你喜欢"变成"用户实时说了算"。三层架构干净利落，离线准确率98.85%，线上A/B负面反馈同时下降，是目前少见的工业级对话推荐实战样本，搞推荐的同学值得一读。
印度团队出手：让AI Agent"不敢乱动"，F1 88.5%还能全员验证
给AI代理发工具权限就像借车给实习生——怕他乱开。Niyam-AI直接上密码学“行车记录仪+电子围栏”：每次工具调用都得先过轻量Judge模型，再生成零知识证明，F1 88.5%、误报率仅1.1%，关键是任何第三方都能在53毫秒内验证“安全检查真的发生了”。同类工作里把ZK证明用到agent工具调用验证上的，这是头一遭。
苹果谷歌联手开源：16B扩散模型6层线性化，推理提速1.73倍
大模型推理贵、响应慢，一直是落地最扎心的痛点。苹果、谷歌DeepMind、哈佛这次联手给16B扩散语言模型LLaDA 2.1动了场小手术：6层注意力换成线性版本，只训练约60小时就换来最高1.7倍解码加速，代码已开源。扩散模型也能线性化，这波操作值得细品。
残碑补字新范式：字符级掩码扩散让Ithaca都成了配角
当大模型都在卷token时，这篇论文反着来：用字符级离散扩散处理古希腊残卷，把修复误差从24.6直接干到15.5。更难得的是，它把训练语料和11个去污染检查点全部开源，还承诺每个残破文本都能找到一个"从未见过它"的模型来做修复。数字人文的"可复现良心"，大概就长这样。
浙大最新：零差距≠真恢复！SA-PPG揭示基准污染修复被严重高估
评测行业深水炸弹："零差距"可能根本不是修复成功，而是正负误差抵消的假象！浙大新作直指现有污染缓解指标G-AP的两大致命缺陷，并给出SA-PPG评估指标与RailCap缓解策略。多模型多基准验证下，旧方法的"完美修复"排名被彻底翻盘。做评测、做数据清洗的，这篇不能错过。
快手港城大新作HD-REC：生成式跨域推荐的新范式
图2：HD-REC整体架构。（a）HDQ通过全局共享粗粒度量化和自适应路由细粒度量化构建语义ID。（b）DAS MoE结合常驻共享专家与动态选择的特化专家。
开源模型的防盗锁来了？Apple用DLR-Net让微调成本暴涨4倍
这是龙哥近期看到的最有“反常识”的AI安全论文：正常防御都是让模型变笨或推理变慢，Apple却反手把训练成本拉满，推理保持原速，还顺手把自适应攻击者挡在门外。方向清奇且实验扎实，值得一读。
