反事实测试100%忠实：EG-VAR把幻觉拦在内核外
LLM会调用工具，不代表它就会老老实实认账。EG-VAR最狠的地方，不是“又接了个工具”，而是把证据、形式化、内核检查绑死，能证才给VERIFIED，证不出来就ABSTAIN。TableBench、反事实压力测试、端到端形式化误差，这套结果够硬。
最新文章
共 1668 篇
反事实压力下仍100%忠实，LLM事实核验新范式
这篇论文最狠的地方，不是“答对了”，而是把“为什么答对”也一起钉死了。工具调用、逐源提升、Lean 4 内核三件套一上，LLM 的经验性胡说就不再是“看起来像对”，而是必须拿出可回放的证明。
TOMAP让Lean证明更省算力：分解环节一优化，语义忠实度涨19%
这篇论文盯住了自动形式化里最容易“翻车”的一环：证明分解。不是一味堆算力，而是把测试时预算花在最值钱的地方，结果更准、也更省。
ICCV 2023新范式被挑战：视频扩散模型为何输给自回归？
视频扩散模型看着很会“画”，但一遇到连续依赖事件就容易露馅。本文用最干净的硬球碰撞任务，把这个短板拆得明明白白。
直接CfL会翻车？空间对齐后RAW压缩更省码率
这篇工作不玩花活，专盯RAW无损压缩里最容易被忽略的“对齐”问题。看似只是把亮度样本挪一挪，实际却能让CfL预测更稳，JPEG XS里也更能省码率。
不是拼性能：MICADO先把停机风险压下去
一台首光仪器最怕的不是“做不出来”，而是“能做出来却扛不住十年”。MICADO这篇不讲花活，专讲怎么把可靠性、可维护性和停机成本，从设计阶段就摁住。
84.1%登顶！小VLM测试时缩放，解析格式比束搜索更关键
这篇论文最有意思的地方，不是又堆了多少花活，而是把小型视觉语言模型的“考试成绩”拆成了两件事：先能不能把答案写出来，再谈会不会想。结果很不客气——很多提升其实来自解析格式和 token 预算，不是复杂搜索。
MuCLS新方法：一条X射线谱反推电子束参数
一条X射线光谱，居然能把电子束的能量、发散和发射度“反推出”来。更狠的是，这套方法不是靠玄学拟合，而是先把物理模型压到足够快，再交给遗传算法慢慢筛。
Apple Research最新论文：主动助手评测为何离不开FSM
Apple Research这篇不是在比谁更会“聊天”，而是在逼智能体面对真实手机交互的硬骨头：用户会不会接受、何时插手、能不能跨应用干活。PARE把这件事做成了可评测、可复现的框架，结果也挺扎心：最强模型成功率也只有四成多。
16智能体成本降7.63倍：AAFLOW+的零拷贝KV编排
这篇论文很对工程胃口：它不再把 KV cache 当成“模型内部小零件”，而是直接提升为分布式系统对象。结果也很硬，长上下文、多智能体、分支推理这些最烧钱的场景，TTFT、内存和吞吐都被明显改写。
真实商店实测：非语言动作让机器人多接住15.3%对话
这篇论文最有意思的地方，不是把机器人“说得更像人”，而是先承认一件很现实的事：顾客很多时候根本没开口，机器人却已经该接话了。15.3%的回应由无声动作触发，这个数字很扎眼，也很适合拿来反思纯语音对话系统的盲区。
CVPR 2026新去雾：BPUL让四个主干都涨点
去雾这事最烦的不是“有雾”，而是雾还会挑地方、挑光照、挑场景。BPUL的思路很直接：别假装雾是确定性的，先把不确定性拎出来，再用物理一致性和对比约束把模型拽回正轨。😊
