EviReform：多跳问答检索新范式！边查边问补全证据链，Recall@5飙升5.59
多跳问答里有个坑：第一轮检索到的证据，往往已经暴露了原问题没写明的“桥接信息”，可后续检索却还死死盯着原问题不放。EviReform的做法很直接——看完证据，反手改查询：把没查到的部分写成残差查询，再和原问题一起喂给图检索。结果：三个多跳数据集上，Recall@5最高涨了5.59个点。
标签：大语言模型
共 340 篇
京东人大新研究：让购物Agent学会“听劝”，NDCG暴涨47%
你有没有被电商AI导购气得牙痒痒过？明明说了“今天就要”，它偏给你推明天才发货的。京东和人大这篇新研究，就是让购物Agent学会从真实用户的吐槽和购买行为中自己进化，不用人工标注，推荐效果直接起飞。
美团&南信大新框架RAGSieve：RAG投毒攻击成功率67.4%→14.0%
RAG系统的知识库就像一面可以随时被外人涂改的墙——只要往里面塞几篇精心构造的文档，AI助手就可能一本正经地输出攻击者想要的错误答案。南京信息工程大学与美团提出RAGSieve，不给模型加补丁、不依赖干净语料库，而是用“自己身边的检索结果”当参照物，把攻击成功率从67.4%压到14.0%。
46语言屠榜！小米开源翻译模型无参考后训练超GPT-5
这可能是目前“无参考后训练”最扎实的一篇落地研究：小米直接用GRPO把46语言翻译模型的无参考质量分数推过了谷歌翻译和GPT-5，还顺手开源了模型和代码。想搞懂“不依赖参考译文怎么训翻译模型”，这篇值得精读。
自动科研选题评分6.27追平人类，清华腾讯等做了什么？
这篇论文打的是“AI自己出科研题”的玩法，把文献关系从静态清单升级成进化树，跨轨迹找机会。六个AI方向实测6.27分，逼近人类论文参考，科研选题自动化又往前迈了一步。想跟上AI for Science节奏的，值得一看。
波恩大学新研究：一个特征让大模型「黑化」？错位率62%反超微调
继6月拆过阿里的百万级SAE之后，这次德国波恩大学把SAE用到了更刺激的地方：给大模型的「黑化」行为做定位。团队发现微调时涌现的错位行为，其实由预训练阶段就存在的人格特征驱动——单个特征引导的错位率高达62%，反超微调本身的35%，还能一键「回正」。更反直觉的是：人类写的反派文本不足以诱导错位，AI自己生成的却可以。论文横跨可解释性、数据归因与AI安全，值得
AI教育故事翻车现场？德国高校实测：叙事清晰4.11分，连贯性仅2.92分
这篇论文没急着吹AI能写多好的教育故事，反而请了22位高校STEM被试真的玩当AI写故事：教育场景生成的质量瓶颈在哪里？ “这故事写得挺顺，但怎么一到测验题就变得这么尴尬？” 这句话可以说是本论文读者最真实的反应。想象一下：一个AI自动生成的互动小说，故事讲得流畅透顶，玩家一路做选择、推进情节，到了关键时刻，突然跳出一个NPC，脸上的表情仿佛在说“来吧，先答
多轮搜索Agent新范式：小模型蒸馏精炼上下文，性能逼近GPT-4
搜索智能体总是"检索到答案却答不出来"？问题很可能出在上下文干扰。港中大等机构这篇研究系统地定位了干扰源——最新检索回来的文档，并设计了蒸馏式上下文精炼器，让智能体在"生成"之前先"精炼"，可靠性和效率双双提升。看完这篇，对多轮搜索智能体的调优思路会有新的启发。
UIUC提出FinATOM：无头token直接炒股，ETF组合夏普1.428→1.529
同样一个因果语言模型，不加回归头、不加策略头，只靠输出token就把三步收益预测和五ETF动态配置全干了；池化净夏普从1.394提到1.494，2025年多模态优势最猛。想看看语言模型怎么绕过"换任务就换头"的套路直接当金融决策接口？这篇值得一读。
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。
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。
