AI智能体为什么总在同一个坑里反复跌倒
本文解读BELIEFWEAVER框架,它通过持久关系图记录AI智能体探索过程中的证据,并用隐式世界模型评估修复方向,解决长链条任务中早期失误难以追溯的问题,蒸馏后的9B小模型表现甚至反超教师模型。
本文解读BELIEFWEAVER框架,它通过持久关系图记录AI智能体探索过程中的证据,并用隐式世界模型评估修复方向,解决长链条任务中早期失误难以追溯的问题,蒸馏后的9B小模型表现甚至反超教师模型。
NVIDIA与清华联合提出FC-SWE框架,让AI程序员在代码补丁测试失败后,能利用失败补丁和报错信息进行针对性改进,而非盲目重试,在SWE-bench Verified上大幅提升问题解决率。
小模型词表常占六成参数却鲜少被质疑。本文用一张冻结的16MB二进制词表替换可学习嵌入表,对照实验显示生僻词预测更强、支持免训练扩词,三值化版本仅46MB却能在笔记本CPU上跑出每秒700余词。
该论文提出OpenMobile-2,一套面向手机智能体的开放训练体系,核心包括MobileGym++仿真环境(覆盖35款高保真商业App及110余款应用)、OpenMobile-Data-v2数据集(近1.2万条演示轨迹...
视频世界模型的"记忆测试"常被误判:模型根本没执行指令动作,谈何记忆?港大团队提出MIST评测法,拆分场景设置、信息泄露、结果展示三环节,并设计M3-Agent诊断重写指令,大幅提升多个基准测试分数。
本文介绍清华大学与智谱AI团队的研究,探讨统一多模态模型通过图片生成训练获得的知识能否被文字问答访问。研究发现图生文知识迁移存在明显差距,并提出交织图文对齐训练方法有效缩小这一差距。
研究发现主流AI图文检索模型普遍分不清"属性该配给哪个物体",团队提出SABER测试集揭露问题,并证明仅用合成文字数据微调就能让该能力跨模态迁移,同时提升否定理解与实例检索能力。
本文详解《Towards Looped Models Done Right》,通过受控实验拆解循环语言模型中的三明治结构、输入注入和循环状态设计,揭示Huginn架构优于Ouro的真正原因,并验证该结论可成功迁移到混合专...
本文解读了论文《选择不是学习》,揭示AI自我进化训练中"选对题目不代表学到东西"的选择到更新鸿沟,并介绍HeirCommit与EvoHeir两套机制,通过事后验证与经验参数分离继承,让自我进化系统更可靠高效。
ReaDy提出利用混合线性注意力模型的固定大小循环状态为投机解码草稿模型提供位置专属上下文,通过低秩查询与残差注入实现高效集成,在Qwen3.8-27B上实现3.16倍解码加速,吞吐率较DSpark提升7.97%。
提出 PremiseCheck 框架与 ReviewFact 基准,用大模型拆解评审评论、廉价决策模型仅读论文核查,以约一半成本达到 GPT-5.5 的审稿事实核查准确率。
该研究提出信念轨迹能量(BTE),通过将大语言模型各层中间状态映射为预测分布,量化层间信念修正幅度,形成标量或深度画像表示。研究在难度评估、人机审稿检测、生成器溯源等任务中验证其有效性,审稿检测宏平均AUROC达0.99...
研究发现,给AI编程助手挑选完整文件比压缩代码文本更有效。在300个真实bug测试中,直接选对文件的方法比主流压缩和检索技术解决问题的比例高出6到13个百分点,揭示了检索易漏文件、压缩易改文本两大缺陷。
LEV是一种能按问题难度自动调整思考深度的AI决策模型,通过循环运行网络层代替生成文字推理,一个模型可在多档深度间灵活切换,节省15%至24%计算量的同时准确率损失不到1个百分点,低延迟场景下优于传统密集模型。
论文提出一种免训练权重编辑方法,通过对比有害指令和正常指令下的激活差异定位并削弱关键权重,在五个大模型上显著提升抵抗撒谎指令和性别歧视指令的能力,且比提示词防御和激活转向更稳定。
DAGFormer用一个独立预测器提前为Transformer规划全局跨层连接图,而非逐层临时路由。7500万到10亿参数规模下困惑度降低17%至25%,10亿参数模型用一半数据超越两倍数据训练的标准模型,剪枝鲁棒性也更...
本文介绍SAE-IDF方法,利用稀疏自编码器将LLM隐藏状态拆解为可解释特征,结合逆文档频率加权实现跨异构符号系统(数学证明、代码、知识图谱等)的无训练匹配,12项任务上显著超越稠密向量基线。
DuET是一种钢琴演奏转乐谱的新模型,通过音符编码器与帧编码器双分支协作,结合新设计的时间音高位置编码,在古典和流行钢琴数据集上显著降低了转录错误率,尤其在流行音乐场景提升明显。
论文发现4D高斯泼溅重建动态场景时,快速移动的小物体常会消失,细节会模糊,单纯加大模型或训练时长无效。作者提出种子注入和时间偏置重定位两种策略,改善高斯基元在空间时间上的分配,有效找回丢失物体并提升细节质量。
论文提出CarryOn系统,让长程AI助手围绕可复用的任务成果而非冗长操作历史组织记忆,通过载体记录、执行上下文和实时尾巴三部分协同,在OSWorld2.0和BrowseComp-Plus上同时提升任务表现并大幅降低to...