跳到正文
11月17日周二
  1. arXiv · NLP31

    开放权重LLM技术报告的消融、可复现性与透明度分析:一项40篇报告的实证研究

    研究分析了Hugging Face库中40篇LLM技术报告,发现多数新架构复用Llama组件,且仅19项创新声明有对照消融支持,可复现性披露极低。 具体数据显示,48个2025年新增架构中39个复用至少两个核心模块,73项创新声明中仅19项提供对照实验,40篇报告仅1篇同时披露数据混合、Token数与算力。 研究提出七项报告准则,强调LLM发布需加强消融验证与透明度,未测试声明不等同于错误。

11月16日周一
  1. arXiv · ML37

    按文件大小与单任务能耗选择量化代码 LLM

    一项针对 Qwen2.5-Coder 在 MacBook Air M2 上的评估表明,在 1 至 2 GB 文件大小区间,选择 q4_K_M 格式优于大模型低精度选项。 测试显示 3B 模型在 2 GB 档位的正确性与能耗表现均达前沿水平,而 7B-q2_K 在 3 GB 档位能耗增加但无显著正确率提升。 该研究为本地部署代码助手提供了基于 Ollama 文件大小的具体选型指南。

  2. arXiv · AI26

    TotalSegmentator 主动脉报告工具:基于 CT 图像的 11 个标准化标志点自动测量主动脉直径

    研究人员开发了一款开源工具,可自动测量 CT 图像中 11 个标准化标志点的主动脉直径。在包含 239 次检查的回顾性研究中,该工具的平均绝对误差为 1.06 mm。 该工具基于 TotalSegmentator 分割结果定位标志点,测量值略大于参考标准,偏差为 0.45 mm。 此工具为开源免费,其测量精度低于已发表的阅片者间变异性,但主动脉根部误差较大。

  3. arXiv · AI20

    模型合并中的通用代理正则化频谱框架

    提出模型合并通用代理正则化频谱框架,通过频谱覆盖(α)和泄漏(β)量化代理分布与其他任务分布的关系,推导统一参数干扰界。 框架研究三种实例化(Jacobian精确求值、Fisher信息矩阵曲率近似、输出漂移约束),证明其在NTK线性化下重合,并在CLIP模型上验证理论预测。

11月13日周五
  1. arXiv · AI34

    NVIDIA 提出 Instant NuRec,前馈 3D 高斯重建实现驾驶场景仿真

    NVIDIA 发布 Instant NuRec,前馈神经网络将短时多视角驾驶日志单次前向转化为可仿真的 3DGS 世界。 10-20 秒多摄像头场景重建耗时约 1.5 秒,在 Waymo 数据集上 PSNR 较最强基线提升 2.01 dB。 模型深度集成于 NuRec,并支持 AlpaSim 闭环仿真,降低自动驾驶开发成本并提升安全性。

  2. arXiv · AI38

    LLM 辅助 Dafny 形式化验证:系统工作流与复杂算法实证

    论文提出十步工作流,利用 Claude Opus 5/5.5 辅助完成 Dafny 形式化验证,将 37 个复杂图论算法验证周期缩短至数小时至数天。该流程结合 LLM 生成证明片段与自动化测试反馈,保留人类在规格审查与关键决策上的监督权。研究证实 LLM 工作流能将验证者角色从详细构造转向战略性指导。

  3. arXiv · NLP30

    低资源语言语音转写:28 个开源多语言模型在 50 种低资源语言上的迁移微调研究

    该研究测试了 28 个开源多语言模型在 Low-Language-TTS 数据集上的表现,并在 50 种低资源语言上进行了微调。 微调使 24 个模型的宏字符错误率(CER)降低 16.6 至 53.1 点,最低降至 9.5;使用低秩适配器(LoRA)仅微调 4% 的权重即可接近全参数微调效果。

  4. arXiv · ML22

    MS-rPPG:面向驾驶监控系统的多光谱状态空间模型

    研究人员提出 MS-rPPG,一种结合 RGB 与近红外视频的多光谱 rPPG 框架,旨在提升复杂光照和头部运动下的心率估计鲁棒性。 框架采用跨光谱线性调制策略与 MS-Mamba 状态空间模型,捕捉长程时序依赖和跨通道交互。实验在 MS-Drive 和 MR-NIRP Car 数据集上验证了其优于既有方法的心率估计准确性。

  5. arXiv · ML26

    解决交叉公平中的分辨率极限:引入显著性感知正则化方法 SAFER

    SAFER 是一种可微的公平性正则化方法,通过显著性门控机制解决稀疏子群下公平性过拟合问题,实现了更优的公平性-效用帕累托前沿。 该方法引入显著性超额指标族,基于软计数似然比证据统计量门控公平惩罚,在三个基准数据集的压力测试中验证了其理论预测的失败模式。

  6. arXiv · ML27

    图标签对齐:图分类的诊断图谱

    研究者提出图标签对齐诊断,通过结构标签对齐(SLA)和特征标签对齐(FLA)两个轻量探针,无需训练图编码器即可衡量标签可访问性。 在真实图分类基准上,SLA-FLA 平面能强力组织测试准确率,低对齐数据集构成了标准池化流水线难以应对的困难区域。 通过异质自我图和合成 Twins 任务的受控压力测试表明,高对齐解释了简单基准的高性能,而低对齐揭示了需要超越标准表示的结构-特征对应关系的机制。

  7. AWS Machine Learning Blog65

    AWS 发布下一代 Amazon Bedrock AgentCore runtime,提升 Agent 算力、效率与数据隔离

    AWS 发布下一代 Amazon Bedrock AgentCore runtime,用于在安全隔离环境中运行和扩展 AI Agent。新 runtime 的会话启动速度最高提升 15 倍、算力可扩展 4 倍,最高支持 8 vCPU 和 32 GB 内存,并在空闲时将 Agent 缩容至零,最高可将单会话内存消耗降低 68%。

    推荐理由:新版 AgentCore runtime 给出了 4x 算力、低于 2s 启动和 68% 效率提升等量化指标,读者可据此评估大规模 Agent 生产的算力与成本。

11月11日周三
  1. arXiv · AI38

    ZoomGain: 挖掘全局到局部感知差距构建细粒度视觉监督

    研究者提出 ZoomGain 数据构建管线,利用视觉语言模型在全局图像与局部放大图像间的感知差距生成问题,仅需 9K 样本训练。 模型在 4B/9B 规模上通过该管线训练后,性能提升显著,在 HR-Bench 4K 等基准上达到 90.25 的 SOTA 成绩,超越部分千亿参数模型。 该方法为细粒度视觉监督评估与训练提供了实用基础,相关代码已开源。

  2. arXiv · ML25

    LoBoost:基于模型原生的梯度提升树局部共形预测方法

    LoBoost 提出一种模型原生局部共形预测方法,复用梯度提升树已拟合的叶节点结构定义特征空间的多尺度划分。 每个输入由其在提升路径上访问的叶序列表示,嵌套前缀组内局部估计残差分位数,无需额外辅助模型、重新训练或数据切分。 方法提供有限样本覆盖误差控制与渐近点态有效性,实验显示其改进异方差数据上的全局共形预测,但并非对所有自适应基线均占优。

  3. arXiv · ML48

    tritify 实现精确整数算术下的确定性可复现推理

    tritify 开源运行时通过精确整数算术实现跨硬件位级可复现推理,SHA-256 哈希验证输出一致性。 验证覆盖 OLMoE 及 106B 参数 GLM-4.5-Air,在 CPU/GPU 及分布机器上保持比特相同,实现可验证分布式推理。 该机制允许不信任服务器运行模型,由开放标量预言机重推导字节,拒绝单设备加速与机密性声明。

  4. Hugging Face Blog68

    Tether AI 发布 BotPsy:0.8B 参数端侧智能体模型

    Tether AI 发布 BotPsy,一款基于 Qwen3.5-0.8B 构建的 0.8B 参数端侧智能体模型,采用 Apache 2.0 协议开源。通过在 BFCL v4 等六项工具调用基准上取得领先成绩(平均 45.0 分),并在推理 token 效率上较基座模型提升约 3 倍,该模型在低中难度任务场景中展现出优于 1.2B 以下规模模型的表现力。

    推荐理由:0.8B 端侧模型通过蒸馏与两轮 RL 训练,在工具调用和多轮 Agent 基准上超越 2.5 倍参数量的模型,展示了小参数智能体路径。

11月10日周二
  1. arXiv · ML29

    LLM 包幻觉率收窄,但 2026 年前沿模型安全威胁依然存在

    2026 年五款前沿 LLM 在 19.98 万次 Python/JS 生成中产生包幻觉,幻觉率为 3.6%-5.0%,较 2024 年开源与闭源差距消失。 所有模型 Python 幻觉率均高于 JavaScript;全部模型共同幻觉包名从 127 个缩减至 104 个。 未发现公开列表导致注册率上升(约 1%),但 23 个幻觉包名历史曾托管恶意软件。