有点子了，就去执行……
人形机器人的AI突破，还没到改变你生活的时候
你可能在Tesla的活动视频里见过那个白色人形机器人——递饮料、扔垃圾，偶尔还会摔个屁股墩，这就是Tesla的Optimus。大佬的预言，和研究者的质疑Elon Musk不止一次高调宣称，Opt...
EngramEdit：大模型知识更新，不用改Transformer核心
刚刷到DeepSeek挂在arXiv cs.CL分类下的新工作，最扎眼的数字是：EngramEdit在链式推理（CoT）提示下的准确率，是现有最强基线的近三倍。它解决的那个痛点，其实很多人都踩过...
改指令再行动：VLAs的语言敏感性问题怎么破
你敢信？同一个视觉-语言-动作模型（VLAs），只差一个词，让“开炉灶”的成功率从100%直接掉到2%？这就是当下具身智能核心模型的现状——对指令措辞的敏感度，比想象中夸张得多。VLAs的“词敏...
RECAST：让大模型主动组合证据的新框架
大模型做跨多源的复杂任务时，终于有了实打实提升成功率的方案：名为RECAST的框架，在6个异构基准家族上平均成功率75.6%，比当前最强大模型基线高出15.9%。一、不是“搜资料”，是“拼证据”...
PHRBench：测LLM在幻觉后怎么修正错误
4820个受控测试实例里，大语言模型从幻觉中成功修正错误的情况，比多数人想的少。这是arXiv上cs.CL和cs.AI分类的一篇新研究，搞了个叫PHRBench的基准，专门盯着LLM“幻觉后推理...
解决推测解码训练痛点：直接优化期望解码轮次
现在用推测解码提速大模型推理，但训练并行草稿模型的核心矛盾一直没解决——之前的训练目标都是“凑局部损失”，根本不管全局解码要跑多少轮。之前的训练是“盲人摸象”并行草稿模型（比如业内常用的DSpa...
模型说谎时，推理token数会莫名变多？
三个主流推理型大模型，答完210道覆盖多类型的选择题，一个容易被忽略的信号被抓出来了——说真话时用的推理token数量，明显比指令说谎、不关心对错的情况少得多。绕开“看不懂的推理链”，找低带宽信...
爱沙尼亚语文档简化：大模型表现差距明显
正文：爱沙尼亚语是种形态极其复杂的低资源语言，直到最近，它的文档级文本简化研究几乎是空白——这是一篇cs.CL分类的arXiv论文抛出来的事实。研究到底测了啥？文档级文本简化和改单个句子完全两码...
TaoD2C-Bench：测MLLM UI代码生成，不止看视觉
2861个来自17家商业平台的真实UI生产设计，97652条专家标注，这是刚在arXiv公开的TaoD2C-Bench基准数据集的全部家底——它专门测多模态大模型（MLLM）的UI代码生成能力，...
MultiFly：首个低空无人机多模态感知标注基准
115张手工标注的RGB图像，换来了17000多份多模态数据的帧级语义标注——这是刚公开的MultiFly数据集交出的核心成绩。多模态标注的老问题之前做低空无人机感知的，谁没为标注愁过？RGB、...