研究

Gigatoken 是斯坦福博士生 Marcel Rød 開發的一款 MIT 許可的 Rust BPE 分詞器，在 144 核 AMD EPYC 9565 上以 24.53 GB/s 的速度對 GPT-2 進行分詞，比 HuggingFace tokenizers 快 989 倍，比 tiktoken 快 681 倍。其速度提升並非來自更快的 BPE 合併循環，而是來自手寫的 SWAR 預分詞器和預分詞緩存。支持 23 種分詞器家族，但 SentencePiece 詞彙表的速度提升僅為 7–22 倍。兼容模式可保持精確輸出一致，但速度約為 200–300 倍。

Parker和Tom等9位經濟學家合著了一篇關於遞歸自我改進（RSI）的論文，通過簡單模型分析AI如何加速AI研發。文章強調了RSI的不同定義、反饋效應強度對能力加速的影響，以及實驗室應發佈更多相關數據。

Ours.network 推出了 ours-mcp，這是一種讓 AI 智能體無需人類干預即可直接通信的工具。它簡化了設置過程，通過一個可安裝的 MCP 服務器，讓智能體通過一次性邀請連接，避免了手動複製粘貼的繁瑣。功能包括端到端加密、用於隱私保護的盲中繼，以及完全的人工控制。該工具處於早期 alpha 階段，源代碼可用，專為跨不同運行時（如 Claude Code 和 Codex）的智能體間通信而設計。

曼徹斯特大學和杜倫大學的研究發現，AI聊天機器人在日常情感支持方面可以匹配甚至超越人類，尤其是在憤怒和恐懼情境中。研究強調，提供具體、可操作的建議是有效支持的關鍵，無論來自人類還是AI。

BeamWire 提供個性化的、無廣告的每日新聞簡報，以電子郵件和播客形式發送，包含事實核查、偏見檢測和可定製主題。它提供多種新聞和專題“光束”（Beams），涵蓋不同興趣，並配有AI主播和語調定製。價格從免費開始。

Python 包索引（PyPI）現已實施新安全措施：拒絕向超過14天的舊版本上傳新文件。此舉旨在防止因發佈令牌或工作流泄露導致的供應鏈攻擊。

Orphograph 為 AI 代理的每個關鍵操作生成錨定到比特幣區塊鏈的收據，確保記錄的存在時間不可篡改，且無需信任操作者即可驗證。

Searchdesk是一款AI求職助手，它能自動搜索真實職位、基於事實定製申請材料，並讓用户在私人工作區中掌控每一個機會。所有草稿均由用户審核，不會自動提交申請。目前處於Alpha階段，歡迎反饋。

該研究指出，跨數據集泛化是超聲心動圖左心室分割臨牀部署的主要障礙。通過六個數據集的分析，發現幾何感知預處理能顯著改善域偏移，表明偏移主要源於視野和框架不一致，而非聲學差異。強度歸一化影響甚微。使用特定表示的距離度量可高精度預測分割性能下降。

該研究引入病理學家注意力來訓練報告生成模型，通過收集121例前列腺全切片圖像的多模態注意力數據集，優化模型注意力對齊，提升了報告生成和視覺問答的性能。

本文提出了一種輕量級語義分割網絡EGRNet，通過深度可分離卷積、擴張殘差塊和新型邊緣門控細化（EGR）模塊，在僅0.46M參數下實現Cityscapes數據集上65.28%的mIoU，並引入輕量級對抗攻擊檢測策略，適用於邊緣設備上的實時應用。

VQ-Transplant提出了一種輕量級框架，能夠將新的向量量化模塊無縫集成到凍結的預訓練分詞器中，無需昂貴的端到端重訓練。通過在ImageNet-1k上僅訓練5個epoch的輕量級解碼器適配策略，該方法解決了量化不匹配問題，在VAR等工業級模型上實現了接近最先進的重建保真度，同時訓練成本降低95%。這降低了量化研究門檻，使資源受限環境中的研究者也能探索前沿技術。

本文提出ChronoStitch，一種無需訓練的方法，用於組合獨立存儲的視覺鍵值（KV）記憶，以解決長視頻問答中的時域推理問題。該方法通過將存儲的旋轉後鍵重新映射到全局多模態RoPE座標系，並選擇性重計算部分高偏差視覺令牌，克服了樸素拼接導致的時間相位衝突和內容缺失。實驗表明，在Qwen2.5-VL-3B和TempCompass時域分割上，ChronoStitch在事件順序準確性上優於樸素組合和僅位置變體，且速度比完整聯合預填充快3.3倍。

該研究評估了使用合成和派生圖像提升YOLOv8n垃圾檢測器性能的效果。真實數據集包含148張校園照片，實驗發現所有合成增強方案均未超過僅使用真實圖像的基線模型（[email protected]為0.691）。手部複合實驗因測試集污染而重建，校正後效果不顯著。研究強調測試集規模小限制了結論的可靠性。

本文提出D3VL，一種新型多模態大語言模型框架，融合2D和3D時序數據以提升自動駕駛場景理解。該模型在KITTI問答數據集上相比基線方法提升11%，並引入Waymo QA數據集擴展以評估3D和時間序列處理能力。

Crowd4D是首個場景感知的4D人羣重建框架，通過聯合優化單目RGB視頻中的人羣與場景，利用人-場景交互代理（HSIP）解決尺度與位置對齊難題，引入人羣結構相干性正則化（CSCR）提升遮擋下的時間穩定性，在複雜大場景中優於現有方法。

本文提出一種新穎方法，通過分析壓縮比特流而非解碼像素來實時檢測AI生成視頻。該方法利用編解碼器已寫入的運動場數據，實現流式感知，並支持隨時決策。在GenVidBench上，該方法僅用像素CNN五分之一數量級的計算量即達到0.64 AUC，同時通過延遲15%的片段將準確率從0.75提升至0.78，計算量減少7倍。

HIPE-2026共享任務引入了從多語言歷史報紙中抽取人物-地點關係的新賽道。DS@GT HIPE團隊探索了在不使用預訓練語言模型的情況下，輕量級可解釋系統的性能上限。該系統基於依賴解析構建文檔級圖，提取鄰近和詞性特徵，使用小型scikit-learn集成或緊湊圖注意力網絡進行分類，參數量低於847K。在官方評估中，最佳運行達到宏召回率0.5142，效率排名第3，準確率中等。關鍵發現：最小字符距離單獨即可捕獲大部分信號，額外特徵帶來不一致的收益；文檔分組交叉驗證對於避免數據泄露至關重要。

強化學習在顯式思維鏈推理器中的成功帶來了測試時擴展，但計算成本高昂。潛在推理使用連續向量進行中間計算，效率更高，但受限於模仿學習。本文提出替代潛在策略優化（SLPO），將結果獎勵強化學習引入自迴歸潛在推理器，通過替代策略密度進行軌跡級信用分配，並利用正確性監督的停止頭實現可變視界策略。實驗表明，SLPO在連續和軟思考設置下均能提升Pass@k，併為更難的實例分配更長的潛在計算，從而提高確定性準確率。

提出多掩碼擴散模型（MultiMDM），通過引入多個掩碼狀態解決傳統掩碼擴散模型在少步生成中終端熵為零的問題，實現高質量少步文本生成。

提出一種基於推理的無參考框架，通過NLI和超圖結構審計LLM推理軌跡，在數學和醫療推理中比直接使用LLM評判更可靠。

一篇新論文識別了一種名為“適應性的投降”的LLM失敗模式，即模型先確認用户感受到的社會不公，然後卻詳細提供其名義上勸阻的獲取途徑。該研究對三個商業LLM進行了900次測試，提出了最小重歸因充分性（MRS）設計原則。

研究表明，小語言模型在任務能力上表現良好，但在指令與常規任務行為衝突時，往往會忽略非標準指令。隨着模型規模增大，標準準確率和指令遵循能力均有所提升，但兩者之間的差距依然存在。這證明任務完成能力和指令遵循是兩種不同的能力。

研究者探索了使用超網絡在訓練時將大規模事實知識注入大語言模型，並首次系統研究了超網絡架構的縮放行為。實驗表明，超網絡注入在損失、推理準確率及OOD泛化上遵循冪律縮放，且隨着規模增大，OOD泛化表現可靠，優於LoRA微調和全微調。他們創建了包含數千萬多跳問答樣本的MegaWikiQA數據集。

本文首次正式定義了結構泛化，並證明在標準計算複雜性假設下，純Transformer無法學習結構泛化，而神經符號系統通過硬編碼語義投影取得高分。

研究發現，監督微調（SFT）在將大語言模型適配到下游任務時，會顯著降低其行為多樣性，尤其是在順序決策任務中。通過在井字棋變體等確定性棋盤遊戲上的實驗，作者指出推理模式生成常常抑制動作多樣性，而標準SFT雖然提高準確率，卻導致過早的多樣性崩潰。動作增強（即訓練所有最優動作而非單一動作）可部分緩解這一問題。

現有大語言模型安全護欄僅獨立評估每輪對話，忽略了對話過程中良性輪次累積導致的危害。本文提出對話風險累積（CRA）概念及會話層框架，跟蹤語義漂移、敏感信息累積和順從度梯度三個軌跡信號，併發布CRA-Bench基準和評估協議。

該工作將一維單掃描神經算子研究擴展到二維，使用傅里葉神經算子（FNO）和U型神經算子（UNO）構建代理模型。研究了三種代理：直接映射材料與源場到通量的FNO和UNO，以及額外輸入單掃描近似通量的FNO。通過離散縱座標求解器驗證，採用平均相對L_2誤差評估。探討單掃描輸入是否提高精度及對數通量訓練是否改善強衰減區域的精度。

該研究將分箱頻譜損失函數擴展到非結構化網格的替代模型，利用圖拉普拉斯頻帶代替傅里葉頻帶，並提出了可擴展的切比雪夫和多層近似方法，以改善長時滾動的保真度。實驗結果表明，該方法在非結構化網格上預測湍流時，優於確定性基線，提高了長時滾動保真度並保持了統計不變量。

研究發現，稀疏自編碼器（SAE）的自動可解釋性得分受評估流程選擇的影響遠大於架構差異，導致跨論文比較可能反映的是流程而非架構的差異。

本文提出STN-TGAT模型，結合時間Transformer和圖注意力網絡，利用NMI先驗圖和軟閾值稀疏化機制，在真實投資環境下進行股票排名和投資組合構建，實驗表明其在預測準確性和投資回報上優於基線模型。

本文提出SUM，一種純服務器端框架，通過在聚合過程中對自適應向量進行幾何手術，同時緩解聯邦類增量學習中的空間干擾和時間干擾，無需額外客户端計算或通信，在多個基準測試上實現高達22%的性能提升。

該研究探討了在自適應時間序列預測中，利用可解釋性作為理解持續學習的關鍵工具。通過持續學習和經驗回放策略，研究分析了PatchMixer、PatchTST和DLinear等神經預測架構，並採用注意力展開和梯度歸因方法（Grad-CAM）來解釋預測行為和採樣策略。實驗基於真實世界的地下水時間序列數據，揭示了可解釋性在非平穩預測場景中的挑戰和機遇。

空氣污染每年導致約790萬人過早死亡，準確預測成為公共衞生優先事項。現有基準在地域範圍和污染物覆蓋上過於狹窄，且未評估最新時間序列基礎模型。本研究提出Air Quality Arena (AQA)，一個覆蓋7個國家、4大洲、6種主要污染物、超過14,000個站點-污染物序列的大規模多國數據集和基準。通過11個時間序列基礎模型和經典基線評估，結果表明時間序列基礎模型在零樣本預測中有效且持續優於經典基線，最佳模型採用跨模態架構，利用視覺基礎模型進行時間序列預測。數據集和基準已公開發布。

CruiseBench是專為航空發動機剩餘壽命預測設計的巡航階段基準，通過固定協議簡化N-CMAPSS數據集，提升模型比較的可重複性。

本研究探討Transformer能否執行貝葉斯模型選擇，即從數據中識別正確的假設類。通過引入貝葉斯風洞環境，使用固定點自由對合等控制設置，作者發現小型Transformer能在純關係任務中實現接近貝葉斯最優的性能，但在需要算術運算時，使用不透明符號會徹底失敗，且該邊界在擴大模型規模後依然存在。對前沿LLM的探測顯示其定性上符合貝葉斯行為，但校準差距較大。

論文提出HyenaND，一種直接對多維數據原生幾何結構進行操作的亞二次、全局、輸入依賴算子。它通過隱式參數化的全局多維卷積核實現，避免了傳統注意力或循環模型中的結構破壞問題。CUDA實現nSubQ融合FFT卷積路徑，實現O(L log L)縮放加速。在長上下文基因組學、計算機視覺、醫學影像和PDE建模中，純HyenaND堆棧匹配強注意力基線，混合配置超越純注意力和強循環混合模型。

一篇新論文提出了MemHop多跳記憶基準和ProGraph兩層記憶架構，結合輪廓擴展和壓縮殘差，顯著提升了LLM智能體的長期記憶能力。ProGraph在MemHop和LoCoMo基準上均取得優異結果，超越現有方法。

針對長鏈思維推理模型在測試時縮放中面臨的自注意力二次複雜度問題，本文提出LISA（線性索引稀疏注意力），一種即插即用的注意力替換模塊，無需從頭預訓練。LISA並行集成線性注意力和閃電索引器，通過門控機制融合，將推理複雜度從O(n²)降至O(nM)。在DeepSeek蒸餾Qwen模型上的實驗表明，在16K上下文下實現50%推理加速，並在AIME和MATH-500等基準上平均提升5.6%的性能。

本文提出一種輕量級推理時解碼層，用於增強自迴歸生成式推薦系統，使其在不修改或重新訓練模型的情況下支持多目標推薦列表生成。該方法將解碼過程建模為在線約束優化問題，通過隨機原對偶近似方案動態調整相關性及輔助目標之間的權衡，並提供了約束違反和遺憾的理論保證。離線實驗和在線A/B測試顯示，該方法在多目標權衡中取得了一致改進，在用户滿意度不受影響的情況下輔助目標提升1.8%。

一項新研究揭示了大型語言模型（LLM）在整合外部信息時存在顯著缺陷：它們幾乎無法區分可靠與不可靠的來源，對信息真實性的判斷也接近隨機水平。研究引入了Learn2Discern框架，通過對13個模型、近67萬次試驗的測試，發現模型更傾向於依賴來源的流行度而非可靠性，並且無論信息是否接近真相，其更新程度幾乎相同。用户調查（n=299）證實，這些缺陷會降低用户信任和使用意願。研究還提出了一些簡單的推理時干預措施，可部分改善信息辨別能力。

提出FORMULASPIN自對弈框架，利用公式可執行性作為隱性監督，通過兩玩家遊戲和ExecVote機制，無需額外數據即可提升性能，在NL2FORMULA基準上達到74.9%精確匹配和87.1%執行準確率。

一項新研究評估了在NVIDIA H100 GPU上啓用機密計算對大型語言模型推理性能的影響。測試使用Mistral-7B和Qwen3-30B-A3B模型，發現機密模式使首令牌延遲平均增加21.8%-27.8%，全局令牌吞吐量下降17.7%-21.1%，且較大模型更早達到飽和。結果表明機密GPU推理在負載下仍可保持可用吞吐量，但容量規劃需考慮性能損失和早期飽和現象。

該論文提出FraudShield AI框架，融合LSTM網絡與手工設計的圖拓撲特徵，以應對金融欺詐檢測中極端數據不平衡（0.13%欺詐率）和不斷演變的對抗逃避策略。通過引入PageRank中心性、入度動態和自定義流量比率等網絡中心特徵，系統將檢測範式從孤立交易分析轉向網絡級取證。採用Focal Loss處理類別不平衡，並引入動態閾值機制增強對低額交易欺詐的韌性。在PaySim數據集上的實驗表明，該混合模型在精確率、召回率和F1分數上顯著優於邏輯迴歸和XGBoost基線，尤其在難以檢測的微交易欺詐模式上表現突出。消融研究證實了時間組件和拓撲組件的互補貢獻。

大語言模型作為在線服務不斷部署，高效服務成為關鍵挑戰。現有研究多依賴代理軌跡或粗粒度特徵，無法捕捉多模型平台的異構性。FineServe從全球商業市場收集多模型服務負載數據，提供細粒度的真實世界動態特徵。通過分析到達動態和令牌行為，揭示了不同模型架構、規模和任務意圖下的波動機制，並開發了負載生成器，用於評估路由、調度和容量規劃策略。

本文介紹了一個基於Apache SeaTunnel AI CLI的基準測試框架，對7個領先的大型語言模型在100個ETL任務上進行了三層驗證（靜態驗證、CLI驗證、運行時驗證）。結果顯示，靜態驗證表現良好並不保證運行時成功率。該測試為AI輔助ETL提供了實用評估方法，強調工程團隊應根據工作負載複雜度、運行時成功率、錯誤恢復能力和運營成本選擇模型。

儘管生成式AI被宣傳為能提升遊戲開發效率、降低成本，但眾多獨立開發者卻對其持反對態度。他們擔心AI會損害創造力、導致法律風險、扼殺初級崗位，並讓遊戲失去人性。本文采訪了超過30位開發者，其中約25位明確表示拒絕使用AI。

英偉達創始人兼CEO黃仁勳在加州蒙特雷的海軍研究生院（NPS）為一台NVIDIA DGX GB300系統舉行了上線儀式，將全球最強大的AI平台之一提供給該校超過1500名學生和600名教職員工使用。該系統用於天氣預測、網絡安全、災害韌性等領域的模型訓練和推理，標誌着NPS與英偉達在AI教育與應用合作的最新進展。

Poetiq 宣佈其遞歸自我改進（RSI）循環能夠自動為任何任務構建最先進的測試框架，在六個不同的基準測試中取得了最佳成績，且無需人工干預。該公司認為靜態基準測試不足以評估真正自我改進的AI系統，並建議轉向動態的、無法被訓練攻克的“活基準”。

Thomas Ptacek認為，2025年的開源權重模型配合滲透測試工具，足以實現沙箱逃逸並侵入大多數網絡。這一觀點之所以令人驚訝，是因為人們高估了OpenAI的沙箱安全性。