清华SCALECUA把电脑智能体拉到68.7%，开源模型新纪录
这篇论文最值钱的不是单点技巧，而是把电脑智能体最卡脖子的三件事一次打通：题不够、采样不准、训练太慢。清华团队把可验证任务合成、前沿采样和视觉上下文分割拼成一条流水线，直接把开源模型推到 68.7%。
标签：模型训练
共 155 篇
A100上跑历史翻译？DPO在这篇论文里赢了
这篇论文最有意思的地方，不是“翻译”本身，而是把古手稿识别、现代越南语生成和偏好对齐揉成一个端到端问题。PPO、DPO、KTO三种RLHF路线同台对决，结果也很诚实：DPO在多数翻译质量指标上最稳，PPO更偏覆盖，KTO则保留了自己的性价比。
语音微调结论翻车了？可能只是检查点不同
语音微调这件事，论文里常被写成“方法更强了”，但这篇直接泼了一盆冷水：很多提升其实是“检查点碰巧对上了”。9个预训练模型、8种SFT配置、3个任务一起拉出来比，结论很扎实，也很扎心。
工业机器人也能LoRA？r=32逼近全量微调
这篇论文不讲虚的，直接盯住工业机械臂最现实的问题：显存不够、全量微调太贵、LoRA到底能不能顶住。结果很有意思，r=32 基本就到头了。
DCC 2026新作FSFVE：10帧人脸，100秒内把压缩视频救回来
这篇论文很实在：不追求大模型堆参数，而是盯着视频通话最真实的痛点——带宽不够、画面糊、还得实时。它用少量人脸帧就能快速训练一个CPU可跑的增强模型，属于“能落地”的那种小聪明。
CVPR 2026新范式：连续蒸馏SE2D，外部数据也会“教坏”学生？
这篇论文把“蒸馏”从一次性教学，改成了连续换老师的长期训练。更有意思的是，外部数据既能帮学生学到新东西，也可能顺手把旧知识冲掉，SE2D就是专门来收拾这个烂摊子的。
Muon为何像残差连接？浙大新解读来了
Muon这类优化器经常被讲得很玄，这篇论文反而把话说得很人话：它像训练中的“隐式残差连接”。两阶段线性实验虽然简单，但能把“局部更慢、下游更快”这件事讲清楚，值得读。
5.12亿样本训练后，J0740+6620后验仍然很宽
这篇论文最有意思的地方，不是“又测了一次脉冲星”，而是把原本极其耗算力的磁场反演，硬生生改成了神经网络加速的贝叶斯推断。速度上去了，结论反而更诚实：后验很宽，说明这题远没有想象中那么好答。
Cornell新方法SPS：状态和预测分家更强
Transformer 一直把“记忆”和“预测”塞进同一条链路里，像让一个人一边背台词一边写剧本。康奈尔这篇论文直接把两件事拆开，结果是更低损失、更好泛化，而且推理几乎不涨成本，思路很硬。
Cohere与LG CNS新作：111B模型只改三步，韩英智能体更会推理还省显存
这篇论文最有意思的地方，不是把模型从头再训一遍，而是拿一个已经后训练好的111B多语模型，靠三步适配把“会说话”升级成“会办事”。更关键的是，它把韩语回答、英语推理、工具调用和单卡部署这几件原本互相打架的事，硬是捏到了一起。
上海交大蚂蚁新方法：连续推理狂飙32%
多模态大模型最烦的，不是不会想，而是训练时偷看答案、推理时却只能裸奔。AMVL直接把这个“作弊窗口”堵上，用双向KL同时管住先验和后验，思路很硬，实验也够实在。
Thermal-Det来了：零样本热成像检测，AP最高提升到0.372
热成像检测最烦的不是“看不见”，而是“看见了也不知道它叫什么”。这篇 Thermal-Det 直接把开放词汇、语言引导和跨模态蒸馏塞进热成像里，还真把零样本检测做出了像样的结果，属于能落到真实场景的那种活儿。
