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”。
AI热点 57
VEX-Bench评测LLM虚假信息验证复杂度AI热点VEX-Bench基准评测LLM生成虚假信息的验证复杂度，覆盖7个前沿模型与7种生成方法共5880篇文章。
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。
FedReason用LLM动态选联邦聚合规则AI热点arXiv论文提出FedReason，让LLM每十轮在服务器沙箱中分析客户端权重并生成聚合程序，实验显示其在标签偏斜场景下平均超越FedAvg 1.26个百分点。
BlockLock实现可复现LLM推理，延迟降逾53%AI热点arXiv论文提出BlockLock方法，通过固定批处理几何形状保证LLM推理输出可复现，实验显示相对vLLM Batch-Invariant延迟降低53.5%至55.0%。
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
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。
斯坦福论文：信息披露对LLM交易影响不一AI热点斯坦福研究在交易、议价和拍卖场景测试10个前沿模型，发现信息披露并非总能改善结果，不同模型收益随披露粒度变化有升有降。
ServerBench发布：智能体设计LLM服务系统AI热点arXiv论文提出ServerBench基准，评测编码智能体设计专用LLM服务系统的能力，Claude Sonnet 5.5表现领先。
DGP动态门控打通ViT与LLM全层连接AI热点NeurIPS 2026接收论文提出DGP机制，在ViT与LLM所有层间建立动态门控全连接，较LLaVA-1.5基线多项评测显著提升。
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。
MemoryDojo基准评测智能体记忆投毒AI热点MemoryDojo基准通过155条多会话轨迹评测五种LLM智能体记忆系统在投毒攻击下的安全性，发现所有系统均易受影响。
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。
清华发布BEMULA基准测Agent遗忘能力AI热点清华大学联合新浪微博提出BEMULA基准，评测LLM Agent的记忆遗忘能力，结果显示所有被测配置端到端通过率均不超过1.5%。
R²-Omni免训练框架：内存降5倍提速1.48倍AI热点arXiv论文提出R²-Omni免训练框架，通过结构与精度双重冗余削减，使全模态LLM长文本生成内存占用降低5倍，保留97.98%质量并实现1.48倍端到端提速。
SVApshot自动验证AI编写的RTLAI热点arXiv论文提出SVApshot框架，利用LLM自动生成并修复SystemVerilog断言，验证AI编写的RTL设计，实验成功检出人工与AI引入的缺陷。
Meta论文披露ABTest Agent设计经验AI热点Meta发布论文介绍ABTest Agent：LLM仅编排步骤，数字由验证工具计算，并披露实测中的p-hacking风险。
Meta提出路由式持续学习架构，API成本降72%AI热点Meta FAIR提出Routed CL架构，通过簇化记忆与LLM路由复用经验，实验显示API成本降低65%至72%，归一化奖励提升15%至30%。
清华微软HarnessMM省87.93%tokenAI热点清华与微软论文提出HarnessMM，通过预写带校验条件的命令跳过LLM调用，在98个HumanEval任务上DeepSeek Harness成功率升至85.71%，token用量减少87.93%。
Wiz报告：十月九个AI平台爆安全事件AI热点Wiz发布“黑色十月”报告，梳理10月内至少九个AI开发者平台披露的安全事件，涉及凭据窃取、智能体蜂群攻击与LLMJacking变现链条。