返回主题地图

大语言模型

技术方向 · 通用文本大模型的发布、能力更新与技术路线 · 共 527 条

只展示置信度达到公开门槛且每篇排名前三的主题标签，降低泛化误贴。

9月30日周三 · 6 条
正文结构化主题已通过公开置信门槛
arXiv cs.AI一手来源研究

人类可读文本对LLM微调是否必要？DASA方法研究

该研究提出 DASA 方法，利用冻结参考模型的激活梯度反馈来优化连续合成输入嵌入，从而构建不依赖人类可读文本的微调数据。在 Llama 和 Qwen 系列 1B 至 32B 的六个模型、覆盖知识、数学推理、代码生成和常识推理的六个基准上，DASA 在匹配 LoRA 设置下达到与原始自然语言数据相当甚至更优的性能，并在多数比较中优于 GRADMM，同时实现加速

正文结构化主题已通过公开置信门槛
arXiv cs.CV一手来源研究

HERO：面向肿瘤学的鲁棒病理学编码器

该论文提出 HERO（Histology Encoder for Robust Representation in Oncology），一个基于 ViT-G/14 的病理学基础模型，使用 DINO 和 iBOT 目标训练，并在约 57.5 万张临床全切片图像、5 亿个形态学均衡的切片上通过高分辨率 Gram anchoring 进行精炼。作者指出，现有病理基

正文结构化主题已通过公开置信门槛
arXiv cs.SE一手来源研究

超越规则式变异测试：基于大语言模型的测试感知变异体生成

卡尔加里大学的研究者提出「测试感知的变异体生成」方法，让大语言模型在单次提示中同时接收问题描述、标准解法和基础单元测试，生成能通过基础测试但被扩展测试捕获的非平凡变异体。在 HumanEval 和 MBPP 基准上对 Gemini 3.1 Pro、Gemini 3 Flash、GPT 5.1 Codex Mini、GPT 4.1 Mini、Qwen3-32B

正文结构化主题已通过公开置信门槛
arXiv cs.AI一手来源研究

更多程序还是更多执行？区分LLM Harness中的覆盖与特化

该论文研究LLM harness（围绕固定求解器组织提示、工具和控制流的程序）的自动生成，提出一种受控评估方法，区分答案覆盖率、可重复的任务优势与执行前选择带来的增益。在MATH-500上，作者比较八个生成harness与九个字节相同的基线副本，每个执行三次，发现相同程序也能带来oracle余量，生成程序的可重复得分模式主要揭示持续弱点而非稳定优势。冻结选择

正文结构化主题已通过公开置信门槛
arXiv cs.LG一手来源研究

OMP-MoE：基于正交匹配追踪的 MoE 大模型高效专家剪枝

该论文提出 OMP-MoE，一种无需训练的 MoE 大模型专家剪枝框架，将专家剪枝重构为稀疏信号重建问题，用正交匹配追踪（OMP）贪心选择专家，把搜索复杂度从指数级降到线性。方法还引入注水策略进行跨层专家预算分配，并提出自适应推理机制 OMP-MoE†。在 Qwen、DeepSeek-V2、GPT-OSS、Mixtral 上，25-50% 剪枝率下性能一致优

正文结构化主题已通过公开置信门槛
Apple Machine Learning Research一手来源研究

LLM 条件控制中效果与流畅度的权衡研究

Apple 机器学习研究团队发表了一项系统性研究，考察大语言模型条件控制（conditioning）中效果与流畅度之间的权衡。研究发现，高效的激活引导（activation steering）方法往往以牺牲生成流畅度为代价，且在指令微调模型上的效果远不如基座模型。简单提示和监督微调适合概念注入但不擅长概念移除，同时低成本文本指标与昂贵的 LLM-as-jud

9月29日周二 · 10 条
正文结构化主题已通过公开置信门槛
llama.cpp Releases一手来源开源

llama.cpp 发布 b11255：新增 fs write atomic()

llama.cpp 发布 b11255 版本，主要变更是为 common 模块新增 fs write atomic() 函数，用于在关闭已下载文件时检查缓冲写入错误、在 Windows 上使用 UTF-8 路径写入 ETag 文件并以二进制模式写入。该提交由 Hugging Face 的 Adrien Gallouët 完成，同时该版本照例提供覆盖 macO

正文结构化主题已通过公开置信门槛
Ahead of AI观点

从词袋到 Jev：文本分类语言模型简史

作者回顾了文本分类从词袋模型（朴素贝叶斯、逻辑回归、XGBoost）到基于 Transformer 的语言模型的历史演进，并以此背景分析近期在技术社区引发热议的 Jev AI 模型。作者认为 Jev 本质上是一个文本分类器，但比任务专用分类器更通用，比通用大模型更快更便宜，因此并非“只是一个分类器”。文章旨在帮助读者理解围绕 Jev 的炒作，作者声明与 Je

正文结构化主题已通过公开置信门槛
雷峰网 AI科技评论产品发布

北京现代艾尼氪V上市，9.99万元起售

北京现代于9月29日发布新车艾尼氪V，共5款车型，CLTC续航540km和650km，限时权益价9.99万至13.19万元。该车切入10到14万级纯电市场，对标比亚迪海豹、小鹏MONA M03、深蓝SL03等车型，并弥补智能化短板，采用8295高通骁龙芯片、双AI大模型及Momenta辅助驾驶系统，实现L2+级辅助驾驶。

正文结构化主题已通过公开置信门槛
Hugging Face Daily Papers一手来源研究

领域归一化多教师在线策略蒸馏方法

该论文研究多教师在线策略蒸馏（MOPD），即让数学、编程、指令遵循等不同领域的专家模型共同指导学生模型。作者在三种规模的 Qwen3.5 模型上发现，MOPD 学生并未超过最佳单专家教学，且数学能力提升有限，原因是各领域反馈尺度不均衡，指令遵循反馈的离散度远大于数学反馈并主导了学生更新。为此提出领域归一化 MOPD（DN-MOPD），按各领域反馈的实测离散度

正文结构化主题已通过公开置信门槛
arXiv cs.IR一手来源研究

推荐系统离线评估的数据处理：综述

该综述系统梳理了推荐系统离线评估中的数据预处理实践，覆盖从数据集选择、交互表示到多模态特征提取与训练-验证-测试划分的完整数据流水线。作者分析了协同、序列、会话、图、知识感知、多模态、联邦、跨域、对比学习及基于LLM的推荐等多种范式，并提出了统一的分类框架。实证分析发现，当前实践高度集中于支持度过滤等数据集级变换，而依赖表示的特征变换较少，且辅助信息表示与数

正文结构化主题已通过公开置信门槛
arXiv cs.AI一手来源研究

CP-Agent：面向晶体塑性仿真工作流的工程化智能体

研究提出 CP-Agent，一个基于 LLM 的 harness 工程化智能体，可在自然语言任务描述下自主执行完整的晶体塑性（CP）建模工作流。该智能体采用 ReAct 范式进行工具选择与排序推理，并将数值搜索交给已有优化器，通过类型化工具定义、调度器和安全受限迭代循环编码领域知识。在四个案例中（316L 增材制造不锈钢滑移参数标定、铜基准验证、铜初始织构恢

正文结构化主题已通过公开置信门槛
arXiv cs.CV一手来源研究

SAR船舶分类的跨数据集迁移与不平衡未知类检测

该研究提出 SAR-Shift-Open Benchmark（SSOB）评估框架，在 FUSARShip 和 OpenSARShip 两个 SAR 船舶数据集上，对 DOFA、Prithvi、ScaleMAE、SSL4EO、SARDet100K、SARJEPA 六个预训练地球观测基础模型进行域内分类、跨数据集迁移和未知类检测三类评测。结果显示域内 SARDe

正文结构化主题已通过公开置信门槛
Hugging Face Daily Papers一手来源研究

TraceDance：从真实部署轨迹自动构建 Agent 行为基准

研究者提出 TraceDance，一个能从真实 Agent 部署轨迹中自动构建针对性行为基准的 Agent 系统，用于检测用户指定的不良行为。它通过 Anchor-and-Confirm 检索与 Flash LLM 确认、Anchor Synthesis Loop 生成行为规范，并采用决策点续写方式评估 LLM 的下一轮响应。实验基于 252,557 个会话

正文结构化主题已通过公开置信门槛
Apple Machine Learning Research一手来源研究

通信瓶颈：语言模型中树结构表达式序列化的往返研究

Apple 机器学习研究团队提出一种往返（round-trip）协议，用于评估语言模型在将树结构算术表达式序列化为自然语言时的信息损失。实验对 16 个模型的所有配对组合进行测试，发现该通信信道有损且不对称：交换生成与抽取角色可使准确率变化高达 60.4 个百分点，最佳组合达到 92.9%。至少 73.6% 的失败源于生成端，难度由树结构（运算符数量、深度、

正文结构化主题已通过公开置信门槛
Hugging Face Blog一手来源模型发布

NVIDIA 发布 Kumo Tabular 开源表格预测基础模型

NVIDIA 在 Hugging Face 上发布开源表格基础模型 Kumo Tabular，属于 Kumo Structured 模型集合。该模型在带标签表格上无需训练、调参或特征工程，单次前向传播即可完成分类和回归预测，并在 TabArena、BeyondArena、TALENT 和 ScoringBench 四个基准上排名第一。模型仅用人工数据预训练，

9月28日周一 · 4 条
正文结构化主题已通过公开置信门槛
arXiv cs.IR一手来源研究

RecToolBench：模糊意图下推荐专用工具编排基准

该论文提出 RecToolBench，一个基于 MCP 的基准测试，用于评估模糊用户指令下推荐智能体的工具编排能力。它包含 1200 多个可执行任务、13 个 MCP 服务器和 32 个工具，覆盖单工具、并行、串行及混合编排四种难度。实验表明，语法正确的工具调用并不保证推荐成功，模型在语义参数落地、多步证据整合和最终推荐上表现不佳，工具编排是智能体推荐系统的

正文结构化主题已通过公开置信门槛
arXiv cs.LG一手来源研究

HybridInfer：热感知强化学习三层LLM推理路由

研究者提出 HybridInfer，一个面向设备端、边缘和云端三层 LLM 推理的热感知强化学习路由器，使用手机热余量和查询复杂度作为状态，通过离线训练的 Q-learning 策略选择推理层级。在三星 Galaxy S25+ 上对 210 条提示的实测显示，该路由器在最低成本下质量显著优于两个手工调优启发式方法，而始终在设备端推理虽单查询质量有竞争力，但速

正文结构化主题已通过公开置信门槛
arXiv cs.CL一手来源研究

虚假评论检测综述：从预训练语言模型到大语言模型

该综述从信息融合视角系统回顾了2018年至2026年初的211项虚假评论检测研究，覆盖文本、情感、评分行为、时序元数据、用户-商品图、多模态内容、外部知识及LLM生成信号等证据来源。文章梳理了从传统机器学习、深度学习到PLM和LLM方法的演进，并分析了Amazon、Yelp、OpSpam等基准上的性能趋势及标签构建、数据划分和评估协议差异带来的局限。作者指出

正文结构化主题已通过公开置信门槛
arXiv cs.CV一手来源研究

AlphaEarth 能区分城市却压缩城市内部差异

该研究审计了卫星基础模型 AlphaEarth 的城市表征，覆盖 162 个国家 1000 个城市区域。研究发现城市在超球面上占据偏移但重叠的区域，距全球均值方向 62.7°，大陆与气候可解释 24.3% 的城市中心均值方向差异；城市内部城市化程度仅承载 8.9% 的变化，且保留的变化方向随地点变化而非单一轴。研究还发现表征差异不平等：城市中心离散度随国家发