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 169
SocialGym用22款游戏评测LLM社交智能AI热点SocialGym提供22个多智能体社交游戏,以可验证规则评测十个LLM的社交能力。
REAL框架提升语音奖励模型偏好准确率AI热点REAL框架通过证据关联分析建模生成语音逼真度,基于MiMo-Audio的REAL-Judge在两层评测上将成对偏好准确率提升16.01和11.41个百分点,并优于SpeechJudge与UniSRM。
La-JEPA提出紧凑机器人世界动作模型AI热点La-JEPA在V-JEPA 2.1特征空间从零训练策略Transformer,多项基准达到SOTA且参数更少,真机表现与pi0.5相当。
SpecCompact加速智能体上下文压缩提速5.63倍AI热点SpecCompact通过槽并行语义推测验证加速LLM智能体上下文压缩,最高提速5.63倍。
SecureGARD实现智能体0%注入攻击成功率AI热点SecureGARD提出动态本体引导治理框架,在三个基准上实现0%间接提示注入攻击成功率并提升任务效用。
vLLM Hook v1开源:编程模型内部状态AI热点vLLM Hook v1开源插件发布,可编程vLLM模型内部状态,支持探测与干预且开销小。
MEMENTO长上下文智能体准确率升至67.8%AI热点MEMENTO基于Qwen3-8B训练上下文压缩管理,在书籍问答基准上将准确率从36.9%提升至67.8%,成本远低于GPT-5.5与GLM-5.3方案。
SAFE框架入选EMNLP 2026主会AI热点证据锚定多跳推理验证框架SAFE被EMNLP 2026主会接收,平均提升8.8个百分点
SEE基准评测28个多模态模型科学推理AI热点SEE基准评测28个多模态大模型在化学、生物、材料科学实验问题上的表现,最佳模型准确率仅54.9%,工具使用后提升至56.1%。
DictLLM字典核压缩LLaMA-7B达5.1倍AI热点DictLLM提出字典核后训练压缩方案,将LLaMA-7B压缩5.1倍且困惑度仅升2.9点,压缩率较SOTA低秩方法高3.6倍,入选NeurIPS 2026。
VAR-Q免调优KV缓存量化:内存降78.5%AI热点VAR-Q提出面向视觉自回归图像与视频生成的免调优KV缓存量化框架,在九个模型上将KV内存最多降低78.5%,并支持6倍更大推理批次。
DashBench评测25个视频LLM驾驶极端情况AI热点新基准DashBench评测25个视频LLM在1709条驾驶视频上的极端情况理解,发现所有模型均低于安全关键应用所需阈值。
AncBench古籍复原基准与路由网络发布AI热点提出AncBench基准与视觉先验路由网络,解决古籍图像复原中真实退化模拟难题。
ADIndex组级蒸馏提速稀疏注意力索引AI热点ADIndex通过层自适应校准与组级蒸馏优化DeepSeek稀疏注意力索引,在长上下文推理中实现显著加速且性能近乎无损。
unify新测试:训练9B小模型超越Agent记忆框架AI热点unify发布Continual-ARC测试显示,OpenClaw等Agent记忆框架在重复任务上几乎无收益,而训练9B小模型权重可显著降低成本并提升新题表现。
NarrativeBench基准评测14个LLM叙事导航能力AI热点arXiv提交新基准NarrativeBench,评测14个LLM在23种语言下的多元叙事导航能力,发现现有模型普遍不足。
开源决策模型Drex发布四款参数档AI热点Drex发布四款开源决策模型,Max在Decision Index上取得67.52分刷新决策模型最佳成绩,单次请求延迟183毫秒。
印度IPR法律抽取式问答基准发布AI热点arXiv发布IndicIPR-QA基准,含4462个问答对覆盖印度七大知识产权法案
清华发布单细胞蛋白组模型ProtCellAI热点清华大学发布单细胞蛋白组基础模型ProtCell,基于3.8亿细胞、98个数据集预训练,并在摩尔线程MTT S5000上完成全流程复现,指标与国际平台差约0.2%。
蚂蚁百灵发布ZoomGain视觉模型AI热点蚂蚁百灵发布基于强化学习训练的ZoomGain-4B/9B视觉模型,并同步开源评测基准与训练数据集。


