Apple Research最新论文 | ARBITRAGE：推理延迟降2倍，优势感知投机解码新范式
这篇论文把推测解码的老问题拆得很清楚：目标模型有相当比例的“重写”其实毫无价值，因为重写前后的推理步骤质量差不多，算力却要照付。ARBITRAGE直接用轻量路由器预估“这一步目标比草稿强多少”，只在真正有可能更优时才升级到目标模型，数学推理任务上端到端延迟最多降约2倍。
标签：大语言模型
共 319 篇
佐治亚理工最新研究：LLM像人一样读故事？回指消解也有“人味”
LLM的“阅读理解”到底是真懂还是背题？佐治亚理工这篇论文把认知科学里研究人类回指消解的经典实验，原封不动搬到5个开源大模型身上，用surprisal和准确率当探针测“人味”。结果显示：Mistral-7B和GPT-2-XL的整体表现最像人类读者。
Apple最新实测：1.7B流模型4步生成，文本质量直追自回归
自回归模型统治语言建模多年，但Apple这次把连续流模型直接干到了1.7B参数、2.1T tokens的规模，自蒸馏后只需4步推理就能生成高质量文本。这是CFM路线迄今最大规模的实证，值得所有关注非自回归生成的人仔细看看。
GPT-4.1给推荐系统暖启动：线上180万用户实测CTR涨9.51%
这篇来自NAVER WEBTOON的工业界论文，把大语言模型从“在线排序器”降级成了“离线先验估计器”，用GPT-4.1从评论文本里提炼贝叶斯先验给Thompson采样暖启动。真实线上A/B/C测试近180万用户，冷启动10-49印象桶CTR涨了9.51%，还顺手揭示了一个反直觉现象：内容先验降CTR却升CVR。想抄作业的做推荐的都该看看。
中科院零训练AI文本检测：EchoPrompt一句前缀识破机器写作
AI写得越来越像人，怎么零训练识破它？中科院团队从“生成机制”入手，给文本加上一句通用助手前缀，没想到机器文本立刻“自我暴露”——无需任何训练，检测精度直接刷新SOTA，甚至比不少训练过的检测器还猛。值得一看的“机制级”AI文本检测新思路。
OOD准确率最高涨9点！北航ToolLIFT：让LLM换套工具照样干活
ToolLIFT把“具体工具”抽象成“功能角色”，让LLM在没有见过的新工具集上也能规划出像样的工作流。OOD基准上最高涨近9个点，泛化能力肉眼可见，工具规划方向的小伙伴值得一读。
Apple最新研究：不靠GPT-4V，BDHS免费造出高质量幻觉数据
苹果出品，必属精品？这篇论文直接把多模态对齐的“水分”挤干了——不靠GPT-4V、不靠人工标注，用一招“蒙住眼睛”的BDHS方法就能生成高质量偏好数据，效果还能打。对于想低成本做多模态对齐的人来说，这绝对是值得读的“省钱秘籍”。
阿里&新国立最新研究：大模型对齐隐私泄露，32B照样能防住
偏好数据是大模型对齐的燃料，但用户“喜欢什么”本身就是敏感信息。这篇来自新加坡国立大学与阿里集团的工作，精准定位DPO独有的隐私漏洞，提出只往“偏好轴”上加噪声就能锁定隐私的PrivDPO，还首次将严格隐私对齐做到了32B模型，工程上几乎零额外成本。隐私保护与模型效用兼得，值得一读。
视频生成｜复旦快手新研究：同一个PE写两边，T2V多事件生成全面涨点
如果你在公众号里刷到过AI视频生成的翻车现场，大概率见过这种名场面：你明明输入的是“一只熊推开树桩、找到食物、抓住老鼠、吃掉它”，生成的视频里熊只做到了一半就停下来，甚至干脆把树桩忘了。这不能全怪视频生成模型“笨”。真…
DeepMind | 最新哲学拷问：AI创造的财富，凭什么只归少数人？
这不是一篇教你“如何做AI”的论文，而是一篇直击灵魂的哲学拷问：AI等先进技术创造的巨大财富，到底该归谁？DeepMind两位研究员从人权、公平、知识共享等五个维度给出了系统论证，逻辑严密、案例扎心，建议所有AI从业者都读一读。
阿里最新研究实锤：LLM最高44.1%“正确”答案竟是抄近路蒙的
考试抄答案能拿满分，算会还是不会？阿里巴巴团队系统实锤：LLM在科学推理评测中最高44.1%的“正确”答案靠抄近路蒙出来，而且难度越高的题越爱抄。这篇论文给出了可落地的“反作弊”评测框架，值得每一个关心AI真实能力的人读一读。
A/B测试不用等两周？AI智能体模拟实验校准后误差降77倍
每次A/B测试都要烧流量、等数周，现在亚马逊尝试让AI智能体先在"平行宇宙"里把结果跑一遍！这篇论文把"AI模拟实验"正式化为S-RCT框架，用67个真实营销测试检验，还给出了可落地的校准与降方差技巧。对搞实验平台的团队来说，是实打实能抄作业的一篇。
