最新发布
WebGrader：可执行评测自进化，8B模型网页生成逆袭480B巨兽
来自北京理工大学、北京交通大学和中国人民大学的研究团队提出了 WebGrader ，针对上述痛点提供了一种全新解法：他们将开放式网页生成的强化学习表述为一个 可执行奖励构建（Executable Reward Construction） 问题。
AI评测模型训练
AGI FRONTIER
AI前沿分享
深度解读 AI 论文，追踪 Agent、推理、多模态与具身智能的最新进展。
PAPER INSIGHTS
最新解读
Gambit：思维级束搜索重配算力，Token缩减68.5%且准确率提升6.7%
为此，他们提出了名为 Gambit 的推理算法框架，将长思考链推理形式化为一个在严苛硬件约束下的动态资源分配问题。通过引入思维级束搜索（Thought-Level Beam Search），Gambit 在周期性剔除低...
推理
StreamMind：双层架构解耦长程流式视频记忆，端到端延迟降低66%
面对“又要低延迟响应、又要小时级记忆、还要主动警觉”的“不可能三角”，研究团队提出了 StreamMind。其核心系统哲学非常明确： 不能把长时间尺度的记忆沉淀与复杂推理，堆死在用户交互的延迟敏感路径上。
AI Agent多模态&视觉
SynthEx：大模型多智能体逆合成破局，复杂天然产物规划求解率达63.9%
在这一步，SynthEx 彻底抛弃了易造成格式错误或化学语义模糊的传统反应 SMILES 文本，创新性地提出了 ReactionJSON 结构化表达机制。在 ReactionJSON 中，化学反应不再被视作死板的字符串...
AI Agent推理
StepReflect：结构化UI状态反思，8B模型准确率反超GPT-5.2
针对这一痛点，康考迪亚大学（Concordia University）的研究团队提出了 StepReflect。这项工作打破了“用昂贵前沿大模型做开放式单步反思”的传统路径，首次将移动界面的单步动作反思形式化为一种 基...
AI Agent
SparseDitto：突破350倍格式悬崖，用LLM闭环定制GPU稀疏内核
来自美国东北大学与明尼苏达大学的研究团队提出了全新解决方案 SparseDitto 。该系统将大语言模型（LLM）的开放代码生成能力与基于真实硬件测量的闭环反馈相结合，为任意给定的稀疏矩阵、算子和目标 GPU 动态定制...
AI Agent模型优化
RecEvolve：Google让Agent接管模型迭代，NDCG提升20%还学会了刷分
与以往只在玩具数据集或单机沙盒中跑代码的 Agent 不同，RecEvolve 直接接入了分布式仓储计算集群与生产级版本控制系统，端到端接管了“提出假设、编写代码、拉起分布式训练、指标评估到沉淀经验”的完整研发闭环。
AI AgentAI工程
PAST-Bench：个人Agent真能自我进化？204个任务揭开跨Session经验复用真相
为了厘清这一因果机制，研究人员构建了专门面向持久化个人 Agent 的归因基准 PAST-Bench，并在其诊断指导下设计了增强运行时框架 Hermes+。这项研究不仅揭示了当前主流大模型与智能体框架在跨会话经验复用上...
AI Agent
PACE：阿里锚定播放边界，打断指代率从25%提至96.3%
针对这一交互硬伤，阿里团队提出了 PACE （Playback-Aligned Context Engine，播放对齐上下文引擎）。这是一个独立于具体模型厂商的中间件层，它把客户端真实的音频播放边界作为物理代理锚点，将...
基础模型
MobileWAM：前瞻思维链解锁移动操作，推理加速最高达8.7倍
为此，清华大学智能产业研究院（AIR）、上海交通大学、香港科技大学等多家机构联合提出了 MobileWAM ，首次将视频生成世界动作模型系统性适配到全身移动操作中。
具身智能推理
MemPrism：不是记忆没找对，而是格式给错了！长程Agent成功率提升7.4分
由北京邮电大学、复旦大学、南洋理工大学、北京大学、上海交通大学等多所高校联合提出的最新研究 MemPrism ，指出了一个长期被忽视的底层瓶颈： 检索后表征失配（Post-retrieval Representatio...
知识系统AI Agent
MechGeo：从几何规划到选择性代数化，Lean 4攻克44道IMO几何题
针对这一困境，研究者提出了面向 Lean 4 与 Mathlib 原生的智能体框架 MechGeo 。该框架将自动形式化与形式化证明置于统一的验证闭环中：前半段通过解耦的中间表示语言 GeoIR 实现确定性编译与语义修...
推理
LongCat Sparse Attention：破解DSA瓶颈，百万上下文长文本训练与推理兼得
LongCat：其中，DeepSeek 提出的 DeepSeek Sparse Attention（DSA）凭借独立的轻量化检索器 Lightning Indexer，实现了精细的 Token 级动态检索，不仅在 De...
推理模型训练
GSE：从局部修补到全局图谱，让编程Agent召回率最高提升180%
针对这一瓶颈，研究团队提出了全局化技能演化框架 GSE （ Globalized Skill Evolution ）。该方案不再将技能视为孤立文本的线性堆叠，而是引入 技能关系图 （ Skill Relation Gr...
AI Agent
LeanMem：告别盲目摘要，三级异构记忆让Agent准确率提升15.1点
针对这种“高开销”与“信息丢失”的死锁，合肥工业大学的研究团队提出了轻量级长期记忆框架 LeanMem。该方案的核心洞察在于： 人类对话产生的信息天然具有异构性，试图用单一、均匀的“摘要-检索”流水线去处理所有对话历史...
知识系统AI Agent
HarnessSafe：328个可执行用例，揭示Agent持久化隐蔽攻击传播链
为了精确刻画风险在系统内部渗透的深度，HarnessSafe 提出了一套基于客观执行证据的七阶段评估阶梯（N0 到 N5b）： N0（未接触） ：系统在执行中甚至未与受污染的载体表面产生任何交互； N1（接触未驻留） ...
AI AgentAI安全
告别工具调用参数翻车：探针引导框架将复杂参数匹配率提升至59.6%
基于这一观察，作者提出了名为探针过滤引导训练（Probe-Filtered Bootstrapped Training, PBT）与探针引导重排（Probe-Guided Reranking, PGR）的完整框架，并构...
AI AgentAI评测
Fisher-R1：用可验证强化学习终结大模型统计推断假象，复杂任务提升26%
为此，研究团队设计了一套可执行的合成任务生成引擎，并提出了 Fisher-R1 智能体训练范式。该框架从统计检验方法、应用领域情境、样本规模、效应量大小、提示词风格和随机种子六个正交维度出发，程序化生成了 8,642 ...
AI Agent强化学习
EvoHarness-RL：自主调度外部支架，8B模型成功率达96.9%
针对这一核心断层，Meta AI 联合伊利诺伊大学厄巴纳-香槟分校（UIUC）提出了 EvoHarness-RL 框架。这项研究不再把外部支架看作不可修改的环境包装或静态脚手架，而是将其抽象为可由策略直接调度的元动作空间。
AI Agent
NVIDIA提出跨模型KV缓存迁移：无需重跑Prefill，线性映射加速达25倍
针对这一工程痛点，NVIDIA 团队提出了一种全新的解决思路： 跨模型 KV 缓存迁移（Cross-Model KV Cache Transfer） 。研究人员发现，同家族但不同尺寸的模型之间，其 KV 表征存在着显著...
基础模型
PMCoder：规划与情境记忆双向耦合，SWE-bench Verified多解25题
来自范德堡大学（Vanderbilt University）的研究团队提出了名为 PMCoder 的软件修复智能体，核心机制在于将分层阶段规划器（Hierarchical Phase Planner）与情境记忆（Epi...
知识系统AI Agent
CliniCARE-Bench：不是答题而是真实查房审计，无缺陷准确率下降最高14.8分
CliniCARE-Bench 正是基于这一严苛的部署导向而构建。研究团队依托 MIMIC-IV 真实患者数据集，设计了 25 个经由临床专家严格验证的审计场景，共实例化为 750 个具体的纵向病历案例，横跨 14 个...
推理行业应用