有点子了，就去执行……
LLM-BlockFE：长文本转风控特征的轻量新方案
某金融风控团队上线5个应用后，这套新模型把KS指标提升了0.02到1.56个百分点——别小看这个幅度，风控里KS差0.1，可能就把10%的高风险用户漏判，或是误伤8%的低风险客户。旧方案的死穴工...
Long Text to Predictive Features: LLM-Guided Blockwise Feature Engineering via Executable Program Search
AI 情报卡 · 重要性 ★★★★☆ · 来源：arXiv (LLM/多模态新论文) · 2026-10-08本文提出LLM-BlockFE框架，将长文本转换为可执行特征程序，避免在线推理时调用...
大模型说的法律依据，算不算真的依据？
说出来你可能不信：7个从80亿到700亿参数的开源大模型，在法律推理里，说对法条或判例的概率能达到66.7%到100%；但你要是偷偷把它们引用的法条换成不相关的，它们的判决结果能跟着变的比例，最...
Cited but Not Consulted: A Counterfactual Audit of Legal Chain-of-Thought Faithfulness
AI 情报卡 · 重要性 ★★★☆☆ · 来源：arXiv (LLM/多模态新论文) · 2026-10-08本研究针对大语言模型在法律推理中引用法律依据的忠实性开展反事实审计，发现替换无关法律...
突破长尾分布前置障：大模型SFT的自适应新方法
一篇arXiv上归类为cs.AI、cs.CL、cs.LG的论文，给出了一组可量化的实验结论：他们提出的PASS自适应SFT指令选择法，在4种不同主干模型+预算组合的测试场景里，连续超越7种当前最...
Overcoming Prior Barriers: Supervised Fine-Tuning under Long-Tail Distribution
AI 情报卡 · 重要性 ★★★★☆ · 来源：arXiv (LLM/多模态新论文) · 2026-10-08本文针对大语言模型监督微调（SFT）中长尾分布下的“先验障碍”问题，提出自适应指令选...
VFold：让LLM长上下文缓存省内存还不拖速度
LLM跑长上下文时，内存压力常卡脖子。很多人可能没意识到——这压力主要不是来自模型参数，是KV缓存。解码时每一层的KV状态都得存下来，上下文越长，这部分占内存的比例越高。现在的压缩方案，大多踩了...
VFold: Symmetry-Aware Cross-Layer Value Cache Compression
AI 情报卡 · 重要性 ★★★☆☆ · 来源：arXiv (LLM/多模态新论文) · 2026-10-08这篇arXiv论文提出VFold，一种感知对称性的跨层值缓存压缩策略，解决大语言模型...
SparseDecoding：让LLM解码更快还不丢精度的新方法
同样在A100 GPU上跑Llama-3.1-8B的解码任务，用常规剪枝法的速度是1倍，换成SparseDecoding能到1.48倍，生成质量还没降——这是arXiv上一篇新论文给出的实测结果...
SparseDecoding: Decoding-Aware Pruning for Accurate and Efficient LLM Inference
AI 情报卡 · 重要性 ★★★★☆ · 来源：arXiv (LLM/多模态新论文) · 2026-10-08针对大语言模型（LLM）解码阶段内存瓶颈导致延迟的问题，现有剪枝方法存在分布偏移及对...