MLFont:面向低延迟 Web 排版的机器学习字体子集化框架
研究人员发布 MLFont 框架,通过机器学习优化 Web 字体切片策略,在 20 个网站基准测试中实现 1.56 倍至 6.09 倍的冷缓存加速。 该框架采用三阶段流程,结合 Online LDA 或 DNNTM 与遗传算法,在 CJK 字体上使 3G 单字延迟降低 56.7% 至 75.3%。
研究人员发布 MLFont 框架,通过机器学习优化 Web 字体切片策略,在 20 个网站基准测试中实现 1.56 倍至 6.09 倍的冷缓存加速。 该框架采用三阶段流程,结合 Online LDA 或 DNNTM 与遗传算法,在 CJK 字体上使 3G 单字延迟降低 56.7% 至 75.3%。
研究团队推出 TCMScience,一个将语言模型建议与执行权限分离的中医药科学发现自主智能体。 其架构包含信任内核与科学编译器,能力注册表涵盖 29 个领域的 444 个类型化操作及 12 个领域的 150 个原生工具。 在治理消融实验中,双层控制机制使 121 类构建错误中的误报率从 121 降至 0,仅保留 10 个合规对照组。
反馈式 LLM 优化器易陷入原理级搜索坍塌,在 161 次评估中 78.3% 出现坍塌迹象。 引入多样性注入(如提高温度)效果有限,分子优化中 73.8% 仍获坍塌支持。 基准与诊断协议为评估未来优化器原理级坍塌提供了基础。
summary_zh: 作者提出 SELECTBENCH 基准,评估生成模型在基于结构的药物设计(SBDD)中的选择性,以应对现有模型忽视脱靶交互的问题。 该基准提供三种评估任务,量化了包括选择性训练模型及推理时引导技术在内的九种代表性 SBDD 模型的表现。
WIDE 框架结合 Token 级动态宽度剪枝与 GPU 内核协同设计,显著提升 LLM 推理效率。 在 50% 路由稀疏度下,Llama3.1-8B 准确率较动态基线提升 20.26 分;Qwen3-14B 经 LoRA 微调后保留 97.6% 生成性能。 实现预填充最高 1.68 倍、解码 1.55 倍的端到端加速,代码已开源。
ProtSent 提出一种对比后训练框架,通过在三种生物关系上同时监督蛋白质语言模型,解决了 mean-pooling 序列嵌入未优化近邻几何的问题。 该框架应用于 ESM-2 (35M/150M) 和 ESM-C (300M),在 SCOPe-40 上将 35M 模型的调整兰德指数从 0.054 提升至 0.507,且无需结构数据即可训练。
summary_zh: open-sci-ref-0.02 发布了 0.13B-1.7B 参数规模、覆盖 9 个参考数据集的开源 Transformer 模型族,支持最高 1T token 预算的训练与评估。
掩码扩散模型的不确定性解码策略引发刚性边界偏差和琐碎符号偏差,限制模型推理能力。 研究提出 Uncode 解码校准框架,利用两个互补先验重塑全局解码轨迹并促进内容信息量。 在 7 个推理密集型基准上,Uncode 比现有策略性能提升超过 7%,表现接近同参数自回归模型。
Bilibili 发布开源小语言模型 Index-1.9B 系列,含 Base、Pure、Chat 和 Character 四个版本,其中 Base 模型在基准测试中平均得分 64.92。
WeAct 提出将权重级内部动作引入智能体动作空间,利用冻结主干上的独立 LoRA 适配器实现按需能力组合,有效避免共享参数更新导致的灾难性遗忘。在八个深度研究基准上,基于 Qwen3-32B 的 WeAct 平均准确率较全量微调提升 6.2%,较最强静态 LoRA 合并方法提升 27.5%。该方法支持模块化持续适应,更新特定适配器时无需改动主干及其他适配器。
论文提出 WildAWM 管道,利用开源模型合成支持 GUI、MCP 和 CLI 的可控环境,并合成 341 个长程任务对。在合成世界中训练的 Qwen 模型在 8 个分布外基准测试中实现显著提升,展示了该环境生成方法在计算机使用智能体训练中的泛化能力。
推荐理由:论文提出 WildAWM 管道,通过开源模型合成支持多接口的高难度计算机使用环境,解决了任务生成中的可解性与验证难题。
提出 HarnessPro 方法,通过递归自我改进优化 AI Agent harness,在 Terminal-Bench 2 等基准上实现性能与成本平衡。 结合 GPT-5.5 与 Codex,heavy 模式平均通过率提升 2.0 个百分点,单次任务成本较 RHO 降低 26.1%。
预注册实验显示,当关键事实不可重新观测时,截断上下文窗口导致低成本推理模型成功率降至随机水平,与可重查情境的失败率差 92.5 个百分点。在 ARC-AGI-3 基准测试中,摘要旧轮次而非直接丢弃可恢复 63 分差距的 86%,且回放模型先前推理可进一步提升性能。
Decision4Rec 提出一种开放模块化框架,利用决策模型优化多智能体推荐系统。该框架通过知识图谱记录场景日志,结合智能体池、残差排序器及一次训练于真实选择的决策模型,经融合步骤输出最终推荐。
研究发现,在文本与音频线索冲突时,6 款 Audio LLM 的文本主导率均值达 0.78,表明模型过度依赖文字转录而忽略副语言线索。 实验显示,模型未能修复因文本主导导致的问题,且该现象仅在自由生成任务中显现,在选择题中不可见。 代码和数据已公开。
CHSM8 是一个 2.1 亿参数的国际象棋 Transformer,在 10.7 亿局 Lichess 对局上预训练,无需搜索即可达到 1837 Elo,在千局比赛中击败所有其他未使用偏好调优的公开模型。
研究团队开发了 Software World 框架,用于在包含真实相互依赖 Python 包的软件生态系统中模拟多智能体协作。在涵盖8个模型、总计超过10,000小时智能体工作的三个模拟世界中,实验显示性能提升随推理时计算增加而扩展,最佳模型使下游效率提升高达31%。
summary_zh: I$^2$-Med 框架通过视觉引导动态校准 logits 提升医疗视觉语言模型的可解释性与可靠性,无需额外训练。 该方法在 OmniMedVQA 基准上测试了 8 种成像模态,减少视觉幻觉并生成更具临床意义的推理链,源代码已公开。
ASTOR 发布了一种推理时框架与 SoftOR 基准,将自然语言决策问题映射为语法引导的抽象语法树(AST),再确定性编译为可执行的优化代码。 该框架在 SoftOR 上取得了可比较的单请求及多智能体 LLM 方法中最佳的聚合准确率,并在仅包含硬约束的标准自动公式化基准上保持竞争力。 ASTOR 提升了处理现实世界中混合硬约束与软约束决策问题的自动化建模能力,代码与数据已公开。
Monsoon 框架通过非脚本对话采集 50 种语言的自发语音,分析 7 个 3,500 小时语料库,质量筛选使语义 WER 相对常规协议降低 10-39%。 Whisper 在 Monsoon 数据上微调后,在对话基准上语义 WER 降低 20-44 个点,且增益可迁移至其他架构并随数据量增长。
summary_zh: HarnessRL 是一种随策略共同演化的训练时框架,用于解决基于量规的强化学习中奖励失效问题。 该框架通过任务采样、轨迹引导和量规标准三个接口进行即时优化,并在 Rubric-Mix-10k 数据集上比最强基线高出 2.8 至 3.1 分,同时将近似减少一半训练步数。
NVIDIA 与 AI4Bharat 联合推出 Nemotron-Pretraining-Indic-v1 及评测套件,构建了覆盖 22 种印度语言的 2.83 万亿 token 合成预训练语料库。
MITRA-lexicon 发布了 6 个基于语料的词典,包含 218 万条头词和 1040 万条实证。 该资源源自 Mitrasamgraha 及 MITRA-parallel 语料,头词遵循 DCS 标准,实证包含句子对及字符偏移。 开源了词典、微调后的 span annotation 模型及网页查询界面。
MoM框架分离路由式神经记忆与可写事实记忆,结合冻结基座模型与两个神经记忆专家。 轻量Budget Router根据不确定性特征设置每token混合权重,新事实追加无需重训练组件。 实验显示MoM提升了预测准确性与可更新性,同时保持低推理开销。
该研究提出一种测量框架,利用 transformer-based 句子嵌入将标准化文本响应映射到高维共享向量空间,使概念表征可被实证访问。 框架开发三条分析路径:比较概念间表征共享度、识别关联变量、检验子群体偏差,并基于大规模自由联想数据集展示应用。 配套 GitHub 仓库提供现成实现,支持现有及自定义数据集分析。
GLOSS-MT 通过离线词典替换实现可控翻译,在 84 篇文档基准上 chrF2 提升 2.85 至 5.48 分,NLLB 微调后成为最佳开源系统。 该方法应用于 NLLB-200 与 TranslateGemma 4B,无需重训即可通过替换词典条目改变输出术语,79%至 97% 的词典词被正确生成。 作者已公开模型、数据与代码。
研究者发布针对孟加拉语提示的分级安全分类资源 BanglaShield,其轻量微调编码器在原生脚本上达到 87.8 macro-F1,较最佳 LLM 领先 42.8-46.1 点,且参数量比 Gemma 4 31B 少约 130 倍。
Open Notebook 在 GitHub 获得 4 万 Star,定位为开源、多模型且注重隐私的 NotebookLM 替代方案,支持全文与向量搜索、引用溯源及播客生成。
推荐理由:Open Notebook 将多模型配置交给用户,并通过默认接入硅基流动,让知识库的部署、模型选择和隐私控制都可以按需组合。
商汤实测 GPT-6-Astra 具身能力并开源 SenseNova-RoboRSI 框架与 27B 模型,指出当前落地主要受限于跨任务迁移、执行成本及长序任务。
研究人员提出GroundingPI,这是一个4B参数的接地基础模型,通过生成量化坐标的点和框来处理视觉定位任务。该模型在34个接地基准测试上取得了73.68%的平均准确率,超过了更大的GPT-6 Astra(71.54%)。
SmolLM2-1.7B 结合三层模式派生约束栈,在 linalg 方言上达到 80.0% 验证通过率,比 CodeLlama-34B 等高参数量模型高出 21-44 个百分点,且生成速度提升 8-25 倍。
研究者推出 AceFF,一款针对小分子药物发现优化的预训练机器学习原子间势(MLIP)。 该模型基于 TensorNet2 架构改进,在药物样化合物数据集上训练,平衡高通量推理速度与 DFT 级精度。 提供 AceFF-2 和 AceFF-2-OMOL 两个模型,支持 H、B、C 等元素及带电状态,权重和推理代码已公开。
论文提出PowerAtlas模型,采用可行性感知GRPO训练,通过单次响应生成电力-计算协同调度决策,免除求解器调用。 在ECBench基准(含2000个实例及Gurobi最优参考调度)测试中,该模型较基座模型将约束违规降低89-98%,惩罚成本最高降低26倍。
RAW-Explainer 提出了一种针对路径推理图神经网络(GNN)的可解释性方法,专为知识图谱补全中的链接预测生成连贯、简洁且可解释的子图解释。 该方法利用异构信息识别事实解释,并通过随机游走目标增强子图连通性,结合参数化模型实现高效解释。
发布 HardEval 基准,用于评估大语言模型在实时操作系统上的安全加固能力。该基准基于 Red Hat Enterprise Linux 8 STIG 控制项,通过执行 Bash 脚本并运行 OVAL 检查进行评分。测试显示不同模型在安全域的能力差异巨大,且主要失败模式为生成看似合理但不满足精确合规条件的代码。
通过通道回放剪枝和 4 位整数推理,该系统在 0.72M 参数下实现了 95.2% 的识别准确率。 检测器基于 YOLOv5n/YOLOv8n 压缩,剪枝移除 60.3% 参数;识别器使用 W4A8 量化仅占 12.1KB 内存。 在 Jetson AGX Orin 上运行速度达 94 帧/秒,满足汽车嵌入式系统能效约束。
CLAP 技术将大语言模型残余流中的各层激活值作为联合序列处理,实现幻觉检测。 在五个大语言模型和三项任务中,CLAP 优于基线,支持区分不同采样回复中的幻觉与非幻觉。 该方法在分布外场景下依然保持高可靠性,并发布用于检测后缓解幻觉的策略。
研究者开发了四种可执行操作以改变物理描述,并评估了空接受度、正接受度和结果一致性标准。在 129 个公共混沌系统测试中,映射至零的模型通过 96% 的闭包测试但缺乏动力学变化;联合标准在受控基准上接受 24/24 真实归约,拒绝 72/72 空假设。
arXiv论文介绍了开源框架Munin,其为自托管科研助手提供索引语料和引用图谱,并包裹开放权重模型提供专业阅读、搜索和计算工具。在199个配对文献问题上,该框架将基础模型准确率从0.387提升至0.874。
推荐理由:论文提出了自托管智能体框架Munin,通过评估证明外层工具比模型本身更能提升科研文献问答准确率。
LangNCO框架通过预训练LLM将自然语言需求转化为DSL规则,对冻结NCO求解器实施推理时干预,无需重训练。 在CVRP政策测试中,该框架在四个主要数据集上实现100%可行性,平均参考间隙为1.63%至3.26%。 该方案通过可检查的语言规则实现模块化后训练适应,保持求解器架构与参数不变。