研究

Gigatoken 是斯坦福博士生 Marcel Rød 开发的一款 MIT 许可的 Rust BPE 分词器，在 144 核 AMD EPYC 9565 上以 24.53 GB/s 的速度对 GPT-2 进行分词，比 HuggingFace tokenizers 快 989 倍，比 tiktoken 快 681 倍。其速度提升并非来自更快的 BPE 合并循环，而是来自手写的 SWAR 预分词器和预分词缓存。支持 23 种分词器家族，但 SentencePiece 词汇表的速度提升仅为 7–22 倍。兼容模式可保持精确输出一致，但速度约为 200–300 倍。

Parker和Tom等9位经济学家合著了一篇关于递归自我改进（RSI）的论文，通过简单模型分析AI如何加速AI研发。文章强调了RSI的不同定义、反馈效应强度对能力加速的影响，以及实验室应发布更多相关数据。

Ours.network 推出了 ours-mcp，这是一种让 AI 智能体无需人类干预即可直接通信的工具。它简化了设置过程，通过一个可安装的 MCP 服务器，让智能体通过一次性邀请连接，避免了手动复制粘贴的繁琐。功能包括端到端加密、用于隐私保护的盲中继，以及完全的人工控制。该工具处于早期 alpha 阶段，源代码可用，专为跨不同运行时（如 Claude Code 和 Codex）的智能体间通信而设计。

曼彻斯特大学和杜伦大学的研究发现，AI聊天机器人在日常情感支持方面可以匹配甚至超越人类，尤其是在愤怒和恐惧情境中。研究强调，提供具体、可操作的建议是有效支持的关键，无论来自人类还是AI。

BeamWire 提供个性化的、无广告的每日新闻简报，以电子邮件和播客形式发送，包含事实核查、偏见检测和可定制主题。它提供多种新闻和专题“光束”（Beams），涵盖不同兴趣，并配有AI主播和语调定制。价格从免费开始。

Python 包索引（PyPI）现已实施新安全措施：拒绝向超过14天的旧版本上传新文件。此举旨在防止因发布令牌或工作流泄露导致的供应链攻击。

Orphograph 为 AI 代理的每个关键操作生成锚定到比特币区块链的收据，确保记录的存在时间不可篡改，且无需信任操作者即可验证。

Searchdesk是一款AI求职助手，它能自动搜索真实职位、基于事实定制申请材料，并让用户在私人工作区中掌控每一个机会。所有草稿均由用户审核，不会自动提交申请。目前处于Alpha阶段，欢迎反馈。

该研究指出，跨数据集泛化是超声心动图左心室分割临床部署的主要障碍。通过六个数据集的分析，发现几何感知预处理能显著改善域偏移，表明偏移主要源于视野和框架不一致，而非声学差异。强度归一化影响甚微。使用特定表示的距离度量可高精度预测分割性能下降。

该研究引入病理学家注意力来训练报告生成模型，通过收集121例前列腺全切片图像的多模态注意力数据集，优化模型注意力对齐，提升了报告生成和视觉问答的性能。

本文提出了一种轻量级语义分割网络EGRNet，通过深度可分离卷积、扩张残差块和新型边缘门控细化（EGR）模块，在仅0.46M参数下实现Cityscapes数据集上65.28%的mIoU，并引入轻量级对抗攻击检测策略，适用于边缘设备上的实时应用。

VQ-Transplant提出了一种轻量级框架，能够将新的向量量化模块无缝集成到冻结的预训练分词器中，无需昂贵的端到端重训练。通过在ImageNet-1k上仅训练5个epoch的轻量级解码器适配策略，该方法解决了量化不匹配问题，在VAR等工业级模型上实现了接近最先进的重建保真度，同时训练成本降低95%。这降低了量化研究门槛，使资源受限环境中的研究者也能探索前沿技术。

本文提出ChronoStitch，一种无需训练的方法，用于组合独立存储的视觉键值（KV）记忆，以解决长视频问答中的时域推理问题。该方法通过将存储的旋转后键重新映射到全局多模态RoPE坐标系，并选择性重计算部分高偏差视觉令牌，克服了朴素拼接导致的时间相位冲突和内容缺失。实验表明，在Qwen2.5-VL-3B和TempCompass时域分割上，ChronoStitch在事件顺序准确性上优于朴素组合和仅位置变体，且速度比完整联合预填充快3.3倍。

该研究评估了使用合成和派生图像提升YOLOv8n垃圾检测器性能的效果。真实数据集包含148张校园照片，实验发现所有合成增强方案均未超过仅使用真实图像的基线模型（[email protected]为0.691）。手部复合实验因测试集污染而重建，校正后效果不显著。研究强调测试集规模小限制了结论的可靠性。

本文提出D3VL，一种新型多模态大语言模型框架，融合2D和3D时序数据以提升自动驾驶场景理解。该模型在KITTI问答数据集上相比基线方法提升11%，并引入Waymo QA数据集扩展以评估3D和时间序列处理能力。

Crowd4D是首个场景感知的4D人群重建框架，通过联合优化单目RGB视频中的人群与场景，利用人-场景交互代理（HSIP）解决尺度与位置对齐难题，引入人群结构相干性正则化（CSCR）提升遮挡下的时间稳定性，在复杂大场景中优于现有方法。

本文提出一种新颖方法，通过分析压缩比特流而非解码像素来实时检测AI生成视频。该方法利用编解码器已写入的运动场数据，实现流式感知，并支持随时决策。在GenVidBench上，该方法仅用像素CNN五分之一数量级的计算量即达到0.64 AUC，同时通过延迟15%的片段将准确率从0.75提升至0.78，计算量减少7倍。

HIPE-2026共享任务引入了从多语言历史报纸中抽取人物-地点关系的新赛道。DS@GT HIPE团队探索了在不使用预训练语言模型的情况下，轻量级可解释系统的性能上限。该系统基于依赖解析构建文档级图，提取邻近和词性特征，使用小型scikit-learn集成或紧凑图注意力网络进行分类，参数量低于847K。在官方评估中，最佳运行达到宏召回率0.5142，效率排名第3，准确率中等。关键发现：最小字符距离单独即可捕获大部分信号，额外特征带来不一致的收益；文档分组交叉验证对于避免数据泄露至关重要。

强化学习在显式思维链推理器中的成功带来了测试时扩展，但计算成本高昂。潜在推理使用连续向量进行中间计算，效率更高，但受限于模仿学习。本文提出替代潜在策略优化（SLPO），将结果奖励强化学习引入自回归潜在推理器，通过替代策略密度进行轨迹级信用分配，并利用正确性监督的停止头实现可变视界策略。实验表明，SLPO在连续和软思考设置下均能提升Pass@k，并为更难的实例分配更长的潜在计算，从而提高确定性准确率。

提出多掩码扩散模型（MultiMDM），通过引入多个掩码状态解决传统掩码扩散模型在少步生成中终端熵为零的问题，实现高质量少步文本生成。

提出一种基于推理的无参考框架，通过NLI和超图结构审计LLM推理轨迹，在数学和医疗推理中比直接使用LLM评判更可靠。

一篇新论文识别了一种名为“适应性的投降”的LLM失败模式，即模型先确认用户感受到的社会不公，然后却详细提供其名义上劝阻的获取途径。该研究对三个商业LLM进行了900次测试，提出了最小重归因充分性（MRS）设计原则。

研究表明，小语言模型在任务能力上表现良好，但在指令与常规任务行为冲突时，往往会忽略非标准指令。随着模型规模增大，标准准确率和指令遵循能力均有所提升，但两者之间的差距依然存在。这证明任务完成能力和指令遵循是两种不同的能力。

研究者探索了使用超网络在训练时将大规模事实知识注入大语言模型，并首次系统研究了超网络架构的缩放行为。实验表明，超网络注入在损失、推理准确率及OOD泛化上遵循幂律缩放，且随着规模增大，OOD泛化表现可靠，优于LoRA微调和全微调。他们创建了包含数千万多跳问答样本的MegaWikiQA数据集。

本文首次正式定义了结构泛化，并证明在标准计算复杂性假设下，纯Transformer无法学习结构泛化，而神经符号系统通过硬编码语义投影取得高分。

研究发现，监督微调（SFT）在将大语言模型适配到下游任务时，会显著降低其行为多样性，尤其是在顺序决策任务中。通过在井字棋变体等确定性棋盘游戏上的实验，作者指出推理模式生成常常抑制动作多样性，而标准SFT虽然提高准确率，却导致过早的多样性崩溃。动作增强（即训练所有最优动作而非单一动作）可部分缓解这一问题。

现有大语言模型安全护栏仅独立评估每轮对话，忽略了对话过程中良性轮次累积导致的危害。本文提出对话风险累积（CRA）概念及会话层框架，跟踪语义漂移、敏感信息累积和顺从度梯度三个轨迹信号，并发布CRA-Bench基准和评估协议。

该工作将一维单扫描神经算子研究扩展到二维，使用傅里叶神经算子（FNO）和U型神经算子（UNO）构建代理模型。研究了三种代理：直接映射材料与源场到通量的FNO和UNO，以及额外输入单扫描近似通量的FNO。通过离散纵坐标求解器验证，采用平均相对L_2误差评估。探讨单扫描输入是否提高精度及对数通量训练是否改善强衰减区域的精度。

该研究将分箱频谱损失函数扩展到非结构化网格的替代模型，利用图拉普拉斯频带代替傅里叶频带，并提出了可扩展的切比雪夫和多层近似方法，以改善长时滚动的保真度。实验结果表明，该方法在非结构化网格上预测湍流时，优于确定性基线，提高了长时滚动保真度并保持了统计不变量。

研究发现，稀疏自编码器（SAE）的自动可解释性得分受评估流程选择的影响远大于架构差异，导致跨论文比较可能反映的是流程而非架构的差异。

本文提出STN-TGAT模型，结合时间Transformer和图注意力网络，利用NMI先验图和软阈值稀疏化机制，在真实投资环境下进行股票排名和投资组合构建，实验表明其在预测准确性和投资回报上优于基线模型。

本文提出SUM，一种纯服务器端框架，通过在聚合过程中对自适应向量进行几何手术，同时缓解联邦类增量学习中的空间干扰和时间干扰，无需额外客户端计算或通信，在多个基准测试上实现高达22%的性能提升。

该研究探讨了在自适应时间序列预测中，利用可解释性作为理解持续学习的关键工具。通过持续学习和经验回放策略，研究分析了PatchMixer、PatchTST和DLinear等神经预测架构，并采用注意力展开和梯度归因方法（Grad-CAM）来解释预测行为和采样策略。实验基于真实世界的地下水时间序列数据，揭示了可解释性在非平稳预测场景中的挑战和机遇。

空气污染每年导致约790万人过早死亡，准确预测成为公共卫生优先事项。现有基准在地域范围和污染物覆盖上过于狭窄，且未评估最新时间序列基础模型。本研究提出Air Quality Arena (AQA)，一个覆盖7个国家、4大洲、6种主要污染物、超过14,000个站点-污染物序列的大规模多国数据集和基准。通过11个时间序列基础模型和经典基线评估，结果表明时间序列基础模型在零样本预测中有效且持续优于经典基线，最佳模型采用跨模态架构，利用视觉基础模型进行时间序列预测。数据集和基准已公开发布。

CruiseBench是专为航空发动机剩余寿命预测设计的巡航阶段基准，通过固定协议简化N-CMAPSS数据集，提升模型比较的可重复性。

本研究探讨Transformer能否执行贝叶斯模型选择，即从数据中识别正确的假设类。通过引入贝叶斯风洞环境，使用固定点自由对合等控制设置，作者发现小型Transformer能在纯关系任务中实现接近贝叶斯最优的性能，但在需要算术运算时，使用不透明符号会彻底失败，且该边界在扩大模型规模后依然存在。对前沿LLM的探测显示其定性上符合贝叶斯行为，但校准差距较大。

论文提出HyenaND，一种直接对多维数据原生几何结构进行操作的亚二次、全局、输入依赖算子。它通过隐式参数化的全局多维卷积核实现，避免了传统注意力或循环模型中的结构破坏问题。CUDA实现nSubQ融合FFT卷积路径，实现O(L log L)缩放加速。在长上下文基因组学、计算机视觉、医学影像和PDE建模中，纯HyenaND堆栈匹配强注意力基线，混合配置超越纯注意力和强循环混合模型。

一篇新论文提出了MemHop多跳记忆基准和ProGraph两层记忆架构，结合轮廓扩展和压缩残差，显著提升了LLM智能体的长期记忆能力。ProGraph在MemHop和LoCoMo基准上均取得优异结果，超越现有方法。

针对长链思维推理模型在测试时缩放中面临的自注意力二次复杂度问题，本文提出LISA（线性索引稀疏注意力），一种即插即用的注意力替换模块，无需从头预训练。LISA并行集成线性注意力和闪电索引器，通过门控机制融合，将推理复杂度从O(n²)降至O(nM)。在DeepSeek蒸馏Qwen模型上的实验表明，在16K上下文下实现50%推理加速，并在AIME和MATH-500等基准上平均提升5.6%的性能。

本文提出一种轻量级推理时解码层，用于增强自回归生成式推荐系统，使其在不修改或重新训练模型的情况下支持多目标推荐列表生成。该方法将解码过程建模为在线约束优化问题，通过随机原对偶近似方案动态调整相关性及辅助目标之间的权衡，并提供了约束违反和遗憾的理论保证。离线实验和在线A/B测试显示，该方法在多目标权衡中取得了一致改进，在用户满意度不受影响的情况下辅助目标提升1.8%。

一项新研究揭示了大型语言模型（LLM）在整合外部信息时存在显著缺陷：它们几乎无法区分可靠与不可靠的来源，对信息真实性的判断也接近随机水平。研究引入了Learn2Discern框架，通过对13个模型、近67万次试验的测试，发现模型更倾向于依赖来源的流行度而非可靠性，并且无论信息是否接近真相，其更新程度几乎相同。用户调查（n=299）证实，这些缺陷会降低用户信任和使用意愿。研究还提出了一些简单的推理时干预措施，可部分改善信息辨别能力。

提出FORMULASPIN自对弈框架，利用公式可执行性作为隐性监督，通过两玩家游戏和ExecVote机制，无需额外数据即可提升性能，在NL2FORMULA基准上达到74.9%精确匹配和87.1%执行准确率。

一项新研究评估了在NVIDIA H100 GPU上启用机密计算对大型语言模型推理性能的影响。测试使用Mistral-7B和Qwen3-30B-A3B模型，发现机密模式使首令牌延迟平均增加21.8%-27.8%，全局令牌吞吐量下降17.7%-21.1%，且较大模型更早达到饱和。结果表明机密GPU推理在负载下仍可保持可用吞吐量，但容量规划需考虑性能损失和早期饱和现象。

该论文提出FraudShield AI框架，融合LSTM网络与手工设计的图拓扑特征，以应对金融欺诈检测中极端数据不平衡（0.13%欺诈率）和不断演变的对抗逃避策略。通过引入PageRank中心性、入度动态和自定义流量比率等网络中心特征，系统将检测范式从孤立交易分析转向网络级取证。采用Focal Loss处理类别不平衡，并引入动态阈值机制增强对低额交易欺诈的韧性。在PaySim数据集上的实验表明，该混合模型在精确率、召回率和F1分数上显著优于逻辑回归和XGBoost基线，尤其在难以检测的微交易欺诈模式上表现突出。消融研究证实了时间组件和拓扑组件的互补贡献。

大语言模型作为在线服务不断部署，高效服务成为关键挑战。现有研究多依赖代理轨迹或粗粒度特征，无法捕捉多模型平台的异构性。FineServe从全球商业市场收集多模型服务负载数据，提供细粒度的真实世界动态特征。通过分析到达动态和令牌行为，揭示了不同模型架构、规模和任务意图下的波动机制，并开发了负载生成器，用于评估路由、调度和容量规划策略。

本文介绍了一个基于Apache SeaTunnel AI CLI的基准测试框架，对7个领先的大型语言模型在100个ETL任务上进行了三层验证（静态验证、CLI验证、运行时验证）。结果显示，静态验证表现良好并不保证运行时成功率。该测试为AI辅助ETL提供了实用评估方法，强调工程团队应根据工作负载复杂度、运行时成功率、错误恢复能力和运营成本选择模型。

尽管生成式AI被宣传为能提升游戏开发效率、降低成本，但众多独立开发者却对其持反对态度。他们担心AI会损害创造力、导致法律风险、扼杀初级岗位，并让游戏失去人性。本文采访了超过30位开发者，其中约25位明确表示拒绝使用AI。

英伟达创始人兼CEO黄仁勋在加州蒙特雷的海军研究生院（NPS）为一台NVIDIA DGX GB300系统举行了上线仪式，将全球最强大的AI平台之一提供给该校超过1500名学生和600名教职员工使用。该系统用于天气预测、网络安全、灾害韧性等领域的模型训练和推理，标志着NPS与英伟达在AI教育与应用合作的最新进展。

Poetiq 宣布其递归自我改进（RSI）循环能够自动为任何任务构建最先进的测试框架，在六个不同的基准测试中取得了最佳成绩，且无需人工干预。该公司认为静态基准测试不足以评估真正自我改进的AI系统，并建议转向动态的、无法被训练攻克的“活基准”。

Thomas Ptacek认为，2025年的开源权重模型配合渗透测试工具，足以实现沙箱逃逸并侵入大多数网络。这一观点之所以令人惊讶，是因为人们高估了OpenAI的沙箱安全性。