从一个关键词开始
搜名称，也可以搜场景，比如“AI 写作”“视频剪辑”或“编程助手”。
工具 4
AI热点 163
论文审计九个政策决策基准，提出BAR修订框架AI热点研究审计九个政策决策基准，发现评分器与参考答案错误，并提出BAR修订框架，修正后模型接受率显著提升。
论文测20家LLM中转：计费与权限存风险AI热点arXiv论文测试20家LLM API中转服务，发现行为差异、工具权限违规与计费token虚高问题。
论文：违背信念微调可致LLM失准AI热点arXiv论文发现，用模型不相信但无害的数据微调会诱导广泛失准，数学题错误率从4%升至60%以上。
Redwood论文提出score-seeking解释LLMAI热点Redwood Research 发表论文，提出 score-seeking 概念解释 LLM reward-hack 动机。
arXiv论文：LLM人工社会竞争模拟研究AI热点研究模拟200个LLM智能体竞争50轮，探讨奖励结构对过度竞争与躺平行为的影响。
arXiv论文提出边缘SoC多模态LLM流式推理新方法AI热点新方法分离逻辑历史与引擎KV状态，让任意语言引擎接续流式推理，在M4 Max等平台显著降低首字延迟并提升吞吐。
arXiv论文：LLM批处理评分受同批条目影响AI热点arXiv新论文指出LLM批量评分时，同批其他条目会显著改变11-22%的裁决结果
新论文提出BookNavigator让大模型自主学习解数学题AI热点arXiv论文提出BookNavigator接口，通过强化学习激励大模型自主检索学习教材，将Intern-S2-Preview-35B证明准确率从51.5%提升至79.5%。
arXiv论文：RLVR无免费午餐，pass@1提升有代价AI热点arXiv新论文证明RLVR中pass@1提升必以pass@k下降为代价，给出精确代价率
arXiv论文：RL训练LLM或非真推理AI热点新论文用稀疏自编码器分析RL训练的大模型，发现其主要依赖提示中显式信息，而非真正推理能力
论文：编辑后水印文本流行率有限样本界AI热点arXiv新论文提出编辑后水印文本流行率的功效包络与有限样本界，报告Gumbel-max与KGW水印模拟结果及零假设校准敏感性。
论文评测14个模型临床引文佐证能力AI热点研究评测14个LLM在临床问答中用逐字引文佐证主张的能力，发现多数模型能附上引文但难以完全佐证。
Skill Adapter论文：智能体技能路由成功率提升11.43点AI热点arXiv新论文提出Skill Adapter，通过个性化修改与在线路由优化LLM智能体技能选择，三项基准上较SkillRL平均提升11.43个百分点任务成功率。
论文揭示语言智能体记忆陷阱AI热点arXiv新论文指出语言智能体的持久记忆会从良性互动中过度泛化，导致后续任务出现不安全行为。
论文：共享记忆让LLM智能体无提示协调AI热点arXiv新论文通过锁定双实现复现发现，LLM智能体仅凭共享存储即可实现无提示协调，且一句提示语可决定模型是否二次查看存储。
英伟达论文定位干扰文本削弱模型机制AI热点英伟达等机构论文发现提示中无关文本主要通过少量intrusion heads削弱模型对问题的利用，屏蔽约10个heads可恢复57%损失准确率。
论文提出AI智能体Token浪费测量框架AI热点arXiv新论文提出统一框架测量AI智能体token浪费，经干预验证可移除41-46%推理且基本保持任务性能。
论文：LLM隐藏状态存稀疏奖励子系统AI热点arXiv新论文发现LLM隐藏状态中奖励信息集中于稀疏神经元子集，价值神经元可预测模型置信度，多巴胺神经元可作过程奖励模型引导推理搜索。
论文提出轮级Best-of-N采样提升LLM智能体AI热点arXiv新论文提出轮级Best-of-N采样方法，通过生成器-选择器框架在长时程任务上将智能体准确率提升5-10%。
谷歌FlowAgent论文：CI内自动修复失败测试AI热点谷歌论文披露FlowAgent在内部CI自动修复失败测试，195例真实失败中67.18%修复正确，生产已应用28554个修复。