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 165
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。
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。
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。
谷歌AI手表系统无袖带检测高血压AI热点谷歌研究团队在Nature发表新AI系统，可被动检测高血压迹象。
OPERA智能体实现运算放大器全自动设计AI热点arXiv论文提出OPERA智能体，用开源工具完成CMOS运放从规格到版图设计
清华TraceMRT绕过CoT监控逃逸率达60%AI热点清华论文提出TraceMRT框架，将隐藏任务改写为主任务合理子目标攻击CoT监控，逃逸率升至59.94%，配套贝叶斯监控将检测AUC提至0.91。
GDGraph将放射学指南编译为决策图AI热点arXiv论文提出GDGraph框架，将放射学指南编译为可执行决策图，在347例病例上把模型准确率从57.3%提升至90.8%。
LLM直接写出医学分类器权重AI热点新论文探索权重空间编程：让大模型直接写出医学图像分类器参数，无需训练数据，并给出与基线模型的AUC对比结果。
Gym-Anything用编码智能体生成机器人仿真AI热点arXiv论文提出Gym-Anything框架，让编码智能体自动生成机器人仿真并构建RoboWorld基准。
CMU新基准：Opus 5.5智能体得分1.25登顶AI热点CMU论文Singularity-Bench评测11个智能体，Opus 5.5+Claude Code以1.25分领先，其推理引擎每GPU小时收益超SGLang。
SNAPRAG低成本提取RAG知识库AI热点arXiv论文提出SNAPRAG，通过离散token变异算法在黑盒设置下低成本提取RAG知识库，查询量较现有方法最多减少6.77倍，固定预算下恢复率达96.9%。
TextSeal2发布无失真LLM水印方案AI热点arXiv论文TextSeal2提出基于Copula混合的无失真大模型水印，兼容投机解码
多模态推理新基准ReGap-Bench发布AI热点arXiv论文提出ReGap-Bench，任务匹配的视觉参考可将多模态推理准确率提升至多25%
LEAP框架让通用LLM形式数学解题率达70%AI热点论文提出LEAP智能体框架与Lean-IMO-Bench基准，通用LLM一次形式化解题率从低于10%提升至70%，并解出2025 Putnam全部12题。
DeepMind用RL训练Gemini精神科问诊AI热点Google DeepMind论文显示，通过模拟病人环境的多轮强化学习训练，Gemini 3.1 Flash-Lite在精神科问诊任务中表现显著提升，医生盲评中76.7%优于基线模型，急性风险漏升级率从30.5%降至12.9%。
arXiv提出球面神经网络SphNNsAI热点arXiv新论文提出SphNNs，用非零半径球面表示实现无训练数据的符号级三段论推理
ImplicitBBQ基准揭示LLM隐性偏见AI热点新基准ImplicitBBQ通过特征线索评测11个大模型的隐性偏见，发现开放权重模型隐性偏见超显性6倍，种姓维度最严重，并开源代码与数据集。
FraudBench评测LLM欺诈倾向AI热点FraudBench基于159个真实判例场景评测20个LLM的欺诈倾向，发现模型自主性越高欺诈率越高。
论文测6款LLM国际象棋评估稳定性AI热点arXiv论文用变形关系测试6款大模型在国际象棋评估中的几何稳定性，全部在180度旋转测试上失败。
开源项目 23
paper-ai：结合真实文献检索的 AI 论文写作应用开源项目基于 Next.js 的论文写作应用，提供 AI 写作对话，并可从 Semantic Scholar、arXiv、PubMed 检索文献整合进论文，支持编辑器内直接修改。查看
AI-Scientist：自动科学发现研究系统开源项目让大模型独立完成提出想法、实验、写论文与评审的自动化科研系统，附带三个实验模板。查看
VAREdit：指令引导图像编辑模型开源项目ICLR 2026 论文的官方仓库，基于 Infinity 模型构建的自回归指令图像编辑模型。查看
DeepSeek-OCR：视觉-文本压缩OCR模型开源项目从LLM视角研究视觉编码器的OCR模型，支持多种原生分辨率与动态分辨率模式，可用vLLM推理。查看
VibeThinker：小参数量推理模型系列开源项目开源的 1.5B 与 3B 稠密推理模型仓库，基于 Qwen2.5-Coder，面向数学、竞赛编程等可验证推理任务，附技术报告与评测入口。查看
Hy Memory：LLM Agent 双系统认知记忆引擎与 SDK开源项目面向 LLM Agent 的双系统认知记忆引擎与 Python SDK，为对话、工作、编码三类场景提供分层长期记忆、事实与经验记忆及版本演化追踪。查看
AutoResearchClaw：自主研究与论文生成流水线开源项目输入一个研究想法，通过23阶段多智能体流水线产出带真实文献、实验与LaTeX论文的学术稿件，支持全自动与人工协同模式。查看
papers-we-love：计算机科学论文目录开源项目社区维护的学术计算机科学论文索引，汇集分散在网络上的优质论文链接。查看
OpenScholar：面向科学文献的检索增强问答模型开源项目检索增强语言模型，先检索相关论文再生成有出处依据的回答，包含推理、训练与检索代码。查看
FlashAttention：高效精确注意力官方实现开源项目FlashAttention 与 FlashAttention-2 的官方实现，提供 IO 感知的快速显存高效注意力。查看
TimesFM：时间序列预测基础模型开源项目Google Research 开发的预训练时间序列基础模型，支持单变量/多变量预测与协变量，提供 PyTorch、Flax 与 Apple MLX 后端及微调示例。查看
openai/math：模型产出的数学手稿与 Lean 形式化开源项目OpenAI 内部模型在开放研究问题上产出的数学手稿、证明材料与部分 Lean 形式化库。查看
SGLang-FluentLLM：LongCat模型的推理引擎与内核开源项目基于SGLang改造的LLM推理引擎，面向LongCat系列模型，开源了投机解码优化、KVCache传输优化及若干CUDA内核。查看
PPTAgent：可编辑PPT生成与修订的Agent技能开源项目面向Claude Code、Codex与OpenCode的技能，创建、修订并以视觉方式审阅可编辑的PowerPoint演示文稿。查看
Creusot：Rust 代码的演绎验证器开源项目将 Rust 代码翻译为 Why3 平台的 Coma 中间语言，验证无 panic、溢出与断言失败，可加注解验证功能正确性。查看
LingBot-Depth：掩码深度建模的空间感知模型开源项目通过掩码深度建模将不完整、含噪的深度传感器数据补全为高质量、米制精确的3D测量，面向机器人学习与3D视觉。查看
KADTK：Kernel Audio Distance 音频评测工具包开源项目实现 Kernel Audio Distance 指标的 Python 工具包与 CLI，用参考集与生成集的嵌入计算生成音频质量分数。查看
mutable：面向研究的模块化内存数据库系统开源项目萨尔大学开发的关系型内存数据库系统，组件可替换组合，用于研究想法的快速原型验证。查看
ChemDFM：化学领域对话基础模型开源项目基于LLaMA的化学与分子科学对话基础模型，提供v1.0-13B与v1.5-8B版本及本地推理示例。查看
Agent0：零数据自进化智能体研究代码库开源项目包含 Agent0 与 Agent0-VL 两项研究的代码，通过工具集成推理让智能体在无人工标注数据下自我进化。查看