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 111
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。
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：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
谷歌港大VeriCUA论文验证智能体完成声明AI热点谷歌与香港大学发布VeriCUA论文，提出用机器状态核实计算机智能体的任务完成声明，误报率显著低于现有方法。
USteer免训练操控降低推理幻觉AI热点NeurIPS 2026论文提出USteer，通过置信度梯度在推理时调整层激活，免训练降低大模型推理任务幻觉。
评审智能体将仿真静默失败率降至1.5%AI热点arXiv新论文提出Judge Agent，自动验证AI生成的科学仿真代码，将静默失败率从42%降至1.5%，盲测成功率89%。
VIOS框架提升视频推理后训练效率AI热点NeurIPS 2026论文提出VIOS后训练框架，通过自审计视觉依赖在12项基准上以更少算力提升视频推理表现。
Amazon审计9个AI基准发现评分错误AI热点Amazon新论文审计9个专业领域AI基准，发现参考答案与评分代码常误判正确回答，修复后模型得分显著提升。
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。
FlexFloor弹性专家并行提升RL后训练吞吐52.74%AI热点arXiv新论文提出FlexFloor系统，通过弹性专家并行优化大模型强化学习后训练，较verl基线显著提升计算效率。
FinDendro基准测LLM时间自知识AI热点arXiv新论文提出FinDendro基准，用2226条带日期事实测试大模型时间自知识，发现自述会低估模型知识，回测无法靠自述证明无泄漏。
Cohere验证投机解码加速低批量MoE推理AI热点Cohere新论文显示投机解码在细粒度MoE模型batch size 1下仍有效，实测10个模型给出具体加速数据。
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%。
IMU4D提出：可穿戴IMU实现4D人-物理解AI热点arXiv新论文提出IMU4D框架，仅用可穿戴IMU传感器实现非视觉4D人-物交互理解
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