独立 AI 资讯库
从自动抓取数据库实时读取，适合快速浏览、检索和后续扩展成完整资讯站。
论文提出 WaiT（Wavelet-aware image Transformer），利用无损小波将图像生成分解为粗粒度与细粒度频带，并让高频频带在低频结构形成前保持纯噪声。作者指出，传统 Flow Matching 对所有空间频率一视同仁，忽略了高频信息比粗粒度结构更早难以与噪声区分的自然频率层级。在 ImageNet 512×512 上，WaiT 实现了 1.43 的像素空间 FID，并在三轴评估中达到帕累托最优，采样计算量最高可降低 50%；其最大的 20 亿参数模型将像素空间模型的 FID 推进至 1.3。该方法还在纹理保真度上超过最强的潜空间模型，并可无需算法改动扩展至 OpenImages 高分辨率生成和视频生成，在 Kinetics-600 上取得 0.84 的 SOTA FVD。
论文《ReLoop-UME》聚焦通用多模态嵌入（UME），即将异构多模态输入映射到统一嵌入空间的任务。摘要指出，现有 UME 模型通常采用单次前向编码生成嵌入，或通过显式推理 token 与潜在自回归机制增加计算。该工作从标题看提出了结合循环深度与可学习检索寄存器的方法，以支持通用多模态嵌入。论文标识为 arXiv:2607.28751v1，发布类型为 new。
M3-DuplexBench 是一项用于评估全双工语音对话系统（FDSDS）的新基准，论文编号为 arXiv:2607.29125v1。全双工语音对话系统能够在说话的同时继续监听，从而支持更自然的轮次切换、反馈语处理以及用户插话处理。该基准聚焦多轮、多语言和多领域对话场景，旨在解决现有系统在多轮会话中难以进行公平比较的问题。对于开发者而言，它有望为全双工语音 Agent 的能力评测和模型迭代提供更统一的衡量依据。
该论文关注扩散式多模态大语言模型（dMLLM）在采用免训练加速后出现的内容漂移问题。作者指出，尽管此类加速方法有助于提升模型部署能力，但可能在不易察觉的情况下改变生成内容。研究在 300 张真实图像上比较 Fast-dLLM 的输出，以分析服务阶段的一致性问题。该工作对希望在推理加速与生成可靠性之间取得平衡的开发者和行业部署者具有参考价值。
这篇 arXiv 论文（arXiv:2607.29065v1）提出了一个与分词器无关的 Engram 模块。DeepSeek 此前引入 Engram 这一条件记忆模块，用于在大语言模型中权衡存储与推理能力。原有模块依赖基于 token 级 N-gram 哈希的 Engram 嵌入查找机制，因此与分词器形成紧密耦合。该研究的意义在于探索解除这种耦合，为开发者在不同分词器或模型配置之间复用记忆模块提供可能。
该论文关注异构大语言模型（LLM）系统中 KV 缓存无法跨模型复用的问题。随着共享上下文、检索证据和多智能体对话历史日益普及，不同模型架构之间的上下文状态迁移成为关键瓶颈。论文提出 Mixture-of-Translators（翻译器混合）方法，旨在实现异构 LLM 间的 KV 缓存转换。该方向有望减少跨模型协作时重复预填充上下文带来的计算和延迟成本，对多模型 Agent 系统及推理基础设施具有潜在意义。
BLADE 提出了一种面向大语言模型（LLM）推理效率的动态退出方法。论文指出，LLM 通过生成较长的推理轨迹可提升任务表现，但其中常包含重复验证和修订，造成额外计算浪费。现有基于探针的早退方法主要检查显式选择信号；BLADE 则从边界扩展和层自适应动态退出角度改进推理过程。该方法有望帮助开发者在保持推理质量的同时减少不必要的计算开销。
论文指出，大语言模型正 increasingly 被部署于金融应用中，这类系统通常结合检索、专有数据、工具调用、编排逻辑、监控与人工升级机制。作者认为，当前评估仍普遍以模型为中心，侧重基准测试分数和任务准确率。论文强调，基准测试结果并不等同于对金融 LLM 应用在真实系统环境中可靠性与有效性的验证。该观点提示开发者和金融行业应采用覆盖端到端系统行为的评估与验证方法。
论文指出，基准数据集是评估大语言模型（LLM）的核心工具，但通常被视为同质化的整体任务，从而掩盖了不同样本在能力要求上的显著差异。作者提出一种以数据集为中心的元评估框架，用于开展样本级分析与审计。该方法有望帮助开发者更准确地理解模型在不同类型样本上的真实表现，并改进基准测试的设计、选择与评估编排。论文编号为 arXiv:2607.28801v1，属于新发布论文。
论文《Self-Supervised Skill Optimization》探讨如何优化为冻结式大语言模型（LLM）Agent 提供可复用流程指导的 Agent 技能。既有研究表明，这类技能可以借助真实标注（GT）反馈进行优化。论文指出，许多实际应用并不具备 GT 标签、任务评分或奖励信号，这使得无需监督反馈的技能优化具有重要意义。该论文为 arXiv:2607.28777v1，发布类型为 new。
论文探讨了利用基于熵的剪枝方法压缩大推理模型的思维链（Chain-of-Thought，CoT）过程。作者指出，此类方法此前被认为能够在几乎不损失准确率的情况下有效压缩 CoT 推理。研究测试了低熵与高熵 CoT 步骤选择方法在多种模型和推理场景中的稳健性。由于所提供的原始摘要内容被截断，未包含具体实验数据、模型名单及最终结论。
该论文提出 TELLER，一种面向表格实体链接（Table Entity Linking）的双路径迭代偏好优化方法。表格实体链接旨在将简短且存在歧义的单元格提及匹配至相应的知识库实体。原文摘要指出，现有方法通常依赖数据预处理流程，并在保留紧凑上下文或扩展表格上下文之间进行取舍；TELLER 的目标是改进这一问题。该工作以 arXiv:2607.28680v1 的新论文形式发布，可能为需要处理表格知识抽取、知识库对齐和 Agent 数据理解的开发者提供新的优化思路。
论文指出，企业 AI 项目的停滞率常被广泛引用，但其成因缺乏清晰解释。研究试图量化这一停滞背后的机制，并在受监管金融服务机构日常执行的六类文档密集型工作流中进行测试。实验覆盖四个模型家族，关注 AI 在受监管环境中上线前需要满足的检查与验证条件。该研究对开发者和企业的意义在于：仅评估模型能力可能不足，还需要建立适合合规业务流程的验证机制。
该研究探讨大型语言模型（LLM）是否具备真正的结构化推理能力，还是主要依赖表层模式匹配。作者选择金融领域作为测试场景，因为该领域要求在长上下文中完成高精度数值计算和多步骤逻辑推理。研究聚焦长周期财务报表，旨在评估 LLM 在真实金融推理任务中的可信度及其局限性。相关结论将对金融 AI 应用、模型评测方法以及开发者构建可靠的财务分析 Agent 具有参考意义。
论文提出“Agentic Formalism Trap（智能体形式主义陷阱）”以及评估失调指数（Evaluative Dissonance Index，$D_E$）。作者旨在量化 LLM-as-a-Judge 系统在对抗性压力下，如何将结构化的程序合规性与语义真实性混为一谈。研究分析了 22,500 条轨迹，关注评估模型是否会在社会性负载下模仿表面共识而偏离事实判断。该工作提示开发者，在构建 Agent 评估、模型裁判和自动化审核系统时，不能仅依赖形式规范、投票一致性或程序化信号。
这篇论文提出 TokenSwap，聚焦多模态大语言模型（MLLM）在不同模态的语义等价输入下出现预测不一致的问题。作者观察到，模型面对跨模态变化时存在系统性的预测差异，即所谓“模态鸿沟”。该研究旨在对这一现象进行基准评测，并探索降低模态鸿沟的方法，对需要构建一致、可靠的多模态应用和 Agent 的开发者具有参考价值。原始材料未提供具体实验数据、方法细节或完整结论。
该论文《Learning Stateful Predictive Knowledge From Experience》以大语言模型（LLM）Agent 从经验中学习为研究对象。作者指出，现有方法主要依赖对完整轨迹进行反思，以提炼经验洞见。论文从预测知识的视角认为，这种方法本质上侧重于事后、情节化的回顾；其具体方法与实验细节未在所提供的原文片段中展示。
本文介绍了 ZeroR 团队参加 CHiPSAL 2026 共享任务的系统，任务聚焦尼泊尔语 Meme 中的多模态仇恨言论与情感检测。系统同时处理两个子任务：二元仇恨言论分类，以及三分类情感分析。其核心方法是采用结合对比学习的两阶段视觉语言适配方案，以提升模型对尼泊尔语 Meme 图文信息的理解能力。该工作显示，针对低资源语言和多模态内容，视觉语言模型的任务适配与对比学习可能是重要的开发方向。
arXiv:2607.28636v1 Announce Type: new Abstract: LLMs increasingly serve as automated judges, but their judgments remain vulnerable to cognitive biases. Existing mitigations mostly rely on prompt-driven debiasing, which is brittle across bias types, or human evaluation, which does not scale. We stud
arXiv:2607.29218v1 Announce Type: new Abstract: With the prosperity of the large language models (LLMs), it has become an interesting topic: how do LLM-based agents work in Minecraft? Unfortunately, most existing benchmarks evaluate them under fixed game mechanics. High performance in these setting
arXiv:2607.29190v1 Announce Type: new Abstract: Tool-using LLM agents act on typed tool returns, records pairing provenance and categorical fields with numerical values. Runtime permission gates generally authorize the observed return and action, leaving the decision unprotected against small error
arXiv:2607.29062v1 Announce Type: new Abstract: Model capabilities have improved in large part due to scaling chain of thought. This has been a promising development for AI safety--where models verbalize their reasoning, it is possible to monitor it. However, in some cases, models do not verbalize
arXiv:2607.29002v1 Announce Type: new Abstract: Online shoppers increasingly turn to AI shopping assistants, using images and multi-turn dialogue to express and refine product needs that are difficult to articulate in text alone. However, existing benchmarks largely rely on text-only or synthetic r
arXiv:2607.28990v1 Announce Type: new Abstract: Large language model agents have shown promising capabilities in data-driven scientific discovery tasks, where an agent interacts with an execution environment and produces a statistical claim. Long-horizon scientific analysis remains constrained by t
arXiv:2607.28956v1 Announce Type: new Abstract: Large language model agents are increasingly evaluated as autonomous tool users, yet most benchmarks focus on bounded tasks with immediate success criteria. Real-world deployments often require Long-Term Coherence, the capacity to preserve purposeful
arXiv:2607.28942v1 Announce Type: new Abstract: Recently Large Language Models (LLMs) have been increasingly deployed as autonomous agents in applications such as self-reflection, retrieval-augmented generation, and scientific discovery. In these settings, agents must act based on limited observati
arXiv:2607.28881v1 Announce Type: new Abstract: As more responsibility is placed upon AI systems, it becomes increasingly important to guarantee that these systems are aligned with humanity. A common fear in AI safety is that human value is fragile -- that is, optimizing too heavily for an imperfec
arXiv:2607.28802v1 Announce Type: new Abstract: Existing evaluations often reduce agent failures to system-level outcomes, obscuring where the fault originated and which intervention would improve the agent system. This creates a repair-assignment problem: the same visible failure may call for mode
arXiv:2607.28788v1 Announce Type: new Abstract: Clinical diagnosis at hospital admission must be made rapidly from limited, incomplete evidence. Existing diagnosis-prediction benchmarks are poorly suited to this setting: they restrict prediction to closed code sets, exclude free-text notes, and sup
arXiv:2607.28692v1 Announce Type: new Abstract: Large language model (LLM) agents have been increasingly adopted in scientific research for organizing and invoking specialized computational tools. However, their reliance on predefined tool spaces with static semantics limits their applicability to