自定义博客皮肤VIP专享

*博客头图：

格式为PNG、JPG，宽度*高度大于1920*100像素，不超过2MB，主视觉建议放在右侧，请参照线上博客头图

请上传大于1920*100像素的图片！

博客底图：

图片格式为PNG、JPG，不超过1MB，可上下左右平铺至整个背景

栏目图：

图片格式为PNG、JPG，图片宽度*高度为300*38像素，不超过0.5MB

主标题颜色：

RGB颜色，例如：#AFAFAF

Hover：

RGB颜色，例如：#AFAFAF

副标题颜色：

RGB颜色，例如：#AFAFAF

预览 取消 提交

自定义博客皮肤

-+
上一步保存

qq_36671160的博客

  • 博客(165)
  • 资源 (1)
  • 收藏
  • 关注
排序：
按最后发布时间
按访问量
RSS订阅

原创 07-02 · LLM 最新论文速览

今日候选池 86 篇，硬过滤 + LLM 打分后通过评估 20 篇，精选 Top-10，另列 10 篇速览

2026-07-05 20:43:25 47

原创 RL 的 token 选择之争：高熵词到底重不重要？

有的研究认为 RL 时要重点训高熵 token（激发探索），有的则认为要避开它们（干扰优化），关键是双方的实验都能涨点。作者提出 “相对惊喜度” 指标来同时刻画 token 的不确定性与梯度影响，发现这一争论并非矛盾，而是互补：通过 RSI 筛选概率适中的区间，同时获取双方优势，实现更好效果

2026-07-05 20:42:44 118

原创 07-01 · LLM 最新论文速览

今日候选池 96 篇，硬过滤 + LLM 打分后通过评估 17 篇，精选 Top-10，另列 7 篇速览

2026-07-02 20:52:54 235

原创 京东提出 DOPD：在线蒸馏时谨防教师打小抄

On-policy 蒸馏的天花板受限于教师质量，给教师提供额外信息看似能提高上限，但会引发特权幻觉：把信息不对称误当成可迁移能力。DOPD 通过特权优势差距将 token 分为四种角色，分别施以不同强度、来源和目标的蒸馏信号，恢复了 90% 的师生差距，某些场景上甚至让学生超越教师

2026-07-02 20:42:11 610

原创 06-30 · LLM 最新论文速览

今日候选池 100 篇，硬过滤 + LLM 打分后通过评估 27 篇，精选 Top-10，另列 17 篇速览

2026-07-01 11:45:19 229

原创 上海人工智能实验室：35B 模型追平 GPT、kimi 等万亿参数模型

把训练数据做细，构造大规模、高质量、跨领域的长程轨迹样本数据，Agents-A1 利用多领域 OPD 让 35B MoE 模型达到与顶级万亿参数模型相当的水平

2026-07-01 00:07:36 543

原创 06-29 · LLM 最新论文速览

今日候选池 86 篇，硬过滤 + LLM 打分后通过评估 19 篇，精选 Top-10，另列 9 篇速览

2026-06-29 22:38:06 212

原创 DART：采样两份草稿估计思考预算，节省 67% token 效果还更好

混合推理模型可以直接回答问题，也可以深度思考后再作答，但实际应用时到底该选那种？现有方案一般让用户选择，或者额外训练路由器，DART 的做法却是极度的简单有效：先采两份 nothink 草稿，根据他俩的一致性判断是否需要思考，再利用熵来推测思考预算，不仅节省了 5.7× token，效果甚至还比 always-thinking 更好

2026-06-29 22:36:54 497

原创 06-26 · LLM 最新论文速览

今日候选池 88 篇，硬过滤 + LLM 打分后通过评估 23 篇，精选 Top-10，另列 13 篇速览

2026-06-26 22:39:23 245

原创 斯坦福大学提出 SPIRAL：让 RL 训练不再是单打独斗

推理模型的训练与测试经常存在脱节：训练时只顾优化单条推理轨迹，但测试时常使用各种 test-time scale 方法，采样多条轨迹后总结成最终答案。作者提出用集合强化学习训练搜索链、标准强化学习训练聚合链的联合框架，在 Qwen3-4B 上实现了 11 倍的并行扩展效率和 15% 的聚合性能提升

2026-06-26 21:57:14 323

原创 千问团队提出面向 agent 的语言世界模型

教 AI “理解世界怎么运转”，比直接教它 “怎么行动” 更能提升行动力。千问团队训练了覆盖七个领域的语言世界模型，既能作为独立模拟器给 Agent 提供可控训练环境，又能作为 Agent 预热阶段直接提升多轮任务表现

2026-06-25 22:08:54 586

原创 06-23~24 · LLM 论文合辑

今日候选池 193 篇，硬过滤 + LLM 打分后通过评估 18 篇，精选 Top-10，另列 8 篇速览

2026-06-24 21:33:11 209

原创 RODS：agentic RL 利用奖励信号在线合成训练数据

多轮工具调用 agent 的训练数据成本昂贵，传统方案难以合成高质量的可用数据。RODS 利用 GRPO 训练时的奖励信号挑选种子样本，搭建模拟环境构造高质量合成数据，只用 400 条种子样本就达到了 17K 的离线大规模合成数据水平

2026-06-24 21:00:53 325

原创 06-18 · LLM 最新论文速览

今日候选池 84 篇，硬过滤 + LLM 打分后通过评估 14 篇，精选 Top-10，另列 4 篇速览

2026-06-18 22:00:03 238

原创 小米提出 harnessX：自动进化的 agent 外壳

现有 harness 自进化方案难以泛化，实践中主要还是靠工程师手搓自迭代流程。HarnessX 通过结构化、可替换的执行器搭建 agent，利用跨 harness 版本的 GRPO 实现框架与模型协同进化，在五个基准上平均提升 14.5%，最高 44%

2026-06-18 21:58:02 762

原创 06-17 · LLM 最新论文速览

今日候选池 85 篇，硬过滤 + LLM 打分后通过评估 11 篇，精选 Top-10，另列 1 篇速览

2026-06-17 22:28:54 248

原创 06-16 · LLM 最新论文速览

今日候选池 101 篇，硬过滤 + LLM 打分后通过评估 15 篇，精选 Top-10，另列 5 篇速览。

2026-06-16 19:41:22 217

原创 DyCon：动态控制推理模型的思考强度

现有方法解决 LLM 过度思考问题时，都没有考虑推理过程中难度的实时变化。DyCon 通过一个线性回归器就准确地估计出了实时难度，训练简单有效且泛化性极强；再据此实现简单题少想、难题多想，让推理效率最高提升 52% ，准确率还上涨

2026-06-16 18:21:36 467

原创 06-15 · LLM 最新论文速览

今日候选池 89 篇，硬过滤 + LLM 打分后通过评估 7 篇

2026-06-15 20:56:38 224

原创 TRUST：RL 时保留模型的不确定性，效果提升 8%

强化学习训练智能体的工具决策时，正确和错误决策都被训得同样自信，不确定性的区分能力被"抹平"了。TRUST 把不确定性量化直接写进奖励，当成一股排斥力，推开对错决策，让 4B 模型追平 Claude Sonnet 4

2026-06-15 20:52:58 718

原创 06-11 · LLM 最新论文速览

今日候选池 82 篇，硬过滤 + LLM 打分后通过评估 11 篇，精选 Top-10，另列 1 篇速览

2026-06-11 20:17:50 262

原创 06-10 · LLM 最新论文速览

今日候选池 89 篇，硬过滤 + LLM 打分后通过评估 7 篇。

2026-06-10 21:28:18 214

原创 小红书提出 RedKnot：分头处理 kv 缓存，延时降低 60%效果还提升

现有的 PIC 方案（位置无关 KV 缓存复用）实际加速效果并不明显，RedKnot 在注意力头粒度上复用和重算缓存，配合分层稀疏 FFN 和 SegPagedAttention，在答案质量不降的前提下，把首 token 延迟最高压到原来的约 1/3.5

2026-06-10 21:20:05 545

原创 06-09 · LLM 最新论文速览

今日候选池 115 篇，硬过滤 + LLM 打分后通过评估 11 篇，精选 Top-10，另列 1 篇速览

2026-06-09 21:21:58 228

原创 06-08 · LLM 最新论文速览

今日候选池 86 篇，硬过滤 + LLM 打分后通过评估 12 篇，精选 Top-10，另列 2 篇速览

2026-06-08 21:20:29 254

原创 EoM：用哈耶克的市场经济理论开发智能体，效果惊人

通过拍卖、交易和基于财富的选择，无需中央控制，就能诱导出了专业化和协调机制。这暗示了一条完全与主流不同的路径 —— 与其费力设计单个智能体或协调机制，不如设计一套激励结构，让协调、分工、合作在其中自动浮现

2026-06-08 21:07:44 691

原创 StreamMA：把流式输出应用到多智能体系统

每产出一个推理步骤就立刻转发下游，形成流水线并行，结果不仅更快，推理质量还更高

2026-06-06 20:23:45 969

原创 06-05 · LLM 最新论文速览

今日候选池 86 篇，硬过滤 + LLM 打分后通过评估 14 篇，精选 Top-10，另列 4 篇速览。

2026-06-05 22:56:56 299

原创 06-04 · LLM 最新论文速览

今日候选池 89 篇，硬过滤 + LLM 打分后通过评估 13 篇，精选 Top-10，另列 3 篇速览

2026-06-04 22:30:49 271

原创 UnityMAS-O：专用于多 agent 工作流训练的 RL 框架

现有 RL 框架（verl、OpenRLHF 等）本质上还是面向具体的策略模型做优化，工作流编排被当作环境搭建的一部分，使得每个多智能体系统都需要手工编排，训练难度较大，不同系统也难以做公平比较。UnityMAS-O 实现了一套真正面向多智能体工作流的训练流程，支持自定义的角色设置、模型拓扑结构，在多种任务和实验设置下都拿到了显著提升

2026-06-04 22:27:39 407

原创 06-03 · LLM 最新论文速览

今日候选池 101 篇，硬过滤 + LLM 打分后通过评估 10 篇。

2026-06-03 19:12:35 278

原创 06-02 · LLM 最新论文速览

今日候选池 105 篇，硬过滤 + LLM 打分后通过评估 18 篇，精选 Top-10，另列 8 篇速览。

2026-06-02 23:44:12 330

原创 PIPO：把 token 成对打包，推理速度翻四倍效果还提升

大模型推理加速方案可分为输入侧压缩和输出侧投机解码，但像 PIPO 一样同时把两者接到一个 backbone 上的方案不多。通过复用 OPD 训练时有现成的 teacher-student 分布，省去了昂贵的 draft verifier

2026-06-02 23:19:13 466

原创 06-01 · LLM 最新论文速览

今日候选池 91 篇，硬过滤 + LLM 打分后通过评估 16 篇，精选 Top-10，另列 6 篇速览

2026-06-01 20:13:27 213

原创 大模型也需要睡眠：让模型 “休息一下“ 把记忆整理好再回答

SSM 混合架构的大模型瓶颈并不是状态空间的容量，而是写入信息时的计算量。本文提出类似 "生物睡眠" 的巩固机制：在 KV cache 被清除前，对当前窗口做 n 遍前向传播来更新状态空间，实现在不增加推理延迟的前提下，提高深度推理能力

2026-05-30 20:58:24 336

原创 SkillOpt：把 skill 文档当成模型权重来训练

现有 Agent Skill 要么手写、要么由 LLM 一次性生成或者无约束自修改，SkillOpt 把技能文档视为可训练的外部状态，用有界编辑 + 验证门控 + 拒绝缓冲 + 慢速更新构成完整的文本空间优化器，在 52 个评测格子上达到全部最优

2026-05-30 20:57:41 420

原创 05-29 · LLM 最新论文速览

今日候选池 97 篇，硬过滤 + LLM 打分后通过评估 19 篇，精选 Top-10，另列 9 篇速览

2026-05-29 17:23:33 307

原创 围绕日志设计 Agent：轻松实现逻辑分叉、情景重放与信息溯源

传统 agent 框架把日志当副产品，ActiveGraph 反过来把日志视作 agent 本身：把日志投影成图谱获取事件的结构化表达，并以此开发各类型的行为函数，最终实现了一个可溯源、可回放、可逻辑分叉的 agent 系统

2026-05-28 11:37:38 552

原创 05-27 · LLM 最新论文速览

今日候选池 92 篇，硬过滤 + LLM 打分后通过评估 10

2026-05-28 11:37:14 399

原创 SPD：不靠外部信号做自蒸馏，左脚踩右脚提效16%

现有自蒸馏方法要么依赖外部信号（验证器、奖励模型），要么无法跨领域泛化。SPD 证明只需从模型自身梯度中提取低秩能力子空间、投影 KV 激活来引导自生成，就能在代码、数学、QA 三个领域实现无外部信号的跨域泛化提升（最高 +16%）

2026-05-27 12:07:21 655

几个jar包：org.com、fastjson、httpclient、httpcore、jetty-util
commons-codec-1.6.jar commons-lang-2.6.jar commons-logging-1.1.1.jar fastjson-1.2.15.jar httpclient-4.2.1.jar httpcore-4.2.1.jar jetty-util-9.3.7.v20160115.jar

2019-07-25

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章？
取消 删除