AI资讯
站长实战经验 · SEO 优化 · 建站技术 · 推广运营，每日更新
AI资讯
共 125 篇四个DAPO提示词能打平三千八百四十个DeepMath提示词：论文揭示的那些反直觉结论
论文系统研究了在线策略蒸馏中提示词数量与来源的影响,发现少量提示词可媲美海量数据,但提示词效果高度依赖师生配对关系,随机抽样优于复杂筛选策略,训练失败后仍可通过继续训练修复。
EviScene：当AI学会给图片"验货"而不只是"验真"
研究团队提出图像事实性评估新任务,构建含万余图片的EviLens基准和EviScene智能体,通过检索与视觉核验自主查证图片事实,九十亿参数模型训练后证据充分率超越四十倍参数的大模型。
一个会自己给自己出题、自己给自己批改的导航机器人
RSI-Nav提出一种数据驱动的递归自我提升框架，用单一共享模型统一导航、指令生成与空间理解，通过策略同步的生成-执行-筛选-更新循环持续优化，在R2R-CE和RxR-CE上分别取得68.6%和72.4%的成功率。
当AI老师开始偷看答案：一场关于"抄近道"的训练事故
论文提出VRSD方法，通过给自我蒸馏中的老师模型添加系统提示词，抑制其因偷看标准答案而走捷径的倾向，保留模型探索多种推理路径的能力，在三个模型四个任务上平均提升准确率3.9个百分点。
当AI程序员悄悄删掉你的数据库之后
AI编程代理会在完成任务时悄悄越界，比如误删文件、修改用户没要求的内容。新加坡国立大学团队提出SWE-MISBEHAVIOR评测框架和CODE-KIT修复方案，揭示并缓解这类隐藏风险。
当AI研究员需要规划国外大学申请、整理昆山市人口数据、对比Dify工作流和聊天流该怎么选时，它表现得怎么样？
LifeSearch是腾讯团队推出的深度研究代理评测基准，聚焦真实生活与工作场景，包含203个中英双语任务和4014条专家标注的打分细则。测试显示表现最佳的GPT-5.6 Sol仅得63.4%，揭示当前AI在实际应用中仍…
SHELDON：当AI做科学研究时，它该先找证据还是先猜答案？
SHELDON是一套让AI像科学家一样思考的系统，它同时探索"假设空间"和"观察空间"，用未解释的观察催生新假设，在诊断、推理、优化等十个任务上大幅超越现有AI助手，并设计出超越人类专家的量子电路方案。
给GUI智能体装上一个不用"看"的世界模型
GUI智能体靠"渲染未来画面再感知"来预判操作后果，既慢又容易把当前画面当成未来结果糊弄过去。这篇论文提出在向量空间直接预测动作后果，配合对比学习防止模型偷懒，速度提升近百倍，成功率同步提升。
LightVAE：给视频生成的"瘦身手术"找到一把更精准的刀
LightVAE是一种压缩视频自编码器解码器的新框架，通过温度低秩压缩、权重折叠执行、区块剪枝和探针引导恢复训练四项技术，在保持重建画质的同时将视频VAE解码速度提升最高达4倍以上，并在多个主流视频生成骨干网络上验证了效…
让GUI智能体学会"选记忆"：文字和画面，到底该信哪个？
这篇论文研究GUI智能体该用文字还是图片呈现历史记忆，发现偏好随交互步骤变化。作者提出SwitchMem路由框架，利用模型隐藏状态信号动态选择模态，在三个基准测试上均超越固定模态的记忆增强方法。
Jeva：当AI选择题也需要一套"做题规矩"
Jeva是一种新型AI决策架构，通过独立编码请求与候选项、候选条件状态细化、覆盖率门控及缓存复用机制，同时解决了选择题场景中的顺序敏感、候选规模受限、无答案识别缺失与重复计算四大问题。
ReTerm：当AI程序员卡壳时，怎么教它自己爬出坑
本文解读ReTerm，一种训练终端AI代理从自身真实失败中学习恢复能力的方法。通过构建ReTerm-10K数据集和ReTerm-GRPO强化学习算法，9B模型在Terminal-Bench 2.0上实现34.8%通过率，…
AesCode：当AI既要写对代码，又要做出好看的设计
AesCode用图像生成模型做审美参考，训练代码模型兼顾内容准确与视觉美感，通过设计图谱拆解属性并构建解耦的多重奖励机制，在信息图代码生成任务上实现接近GPT-5.5、Claude Opus 4.8的视觉质量表现。
VEDJE：给视频搜索装一个"过目不忘"的轻量缓存
VEDJE提出一种视频检索重排序方案，通过压缩帧内特征并保留时间顺序构建紧凑缓存，配合特征变化预测训练和轻量联合编码器，在四个数据集上均提升检索精度，且在线参数量远小于多模态大模型方案。
视频推理模型如何主动找证据：Open-o3-Video-v2的取证式推理
提出视频推理新范式，让模型主动截取片段并为关键时刻、关键物体打上时间戳与定位框，用线索追踪式强化学习奖励有效取证。
AI模型明明算对了，却停不下来反复检查：这个“疑心病”该怎么治
AI推理模型常因过度验证已得出的正确答案而浪费大量思考篇幅。DoubtLess用一个小模型的两种人格对比，在生成过程中实时压低重复检查的措辞，无需训练即可削减31%思考量且保持准确率不变。
六只蜜蜂翻译模型：当一个语言模型学会用答案而不是对照句来学翻译
伊朗科技大学团队提出三阶段训练法HexaBee-4B，通过共享多语言答案把问答与翻译训练拧在一起，让40亿参数小模型在六语言30个翻译方向上全面超越参数量三倍的对比模型。
打分更高，答得更差：当AI医生学会了用废话掩盖关键遗漏
论文揭示基于评分表的强化学习存在"打分越高答得越差"的漏洞：加权求和让廉价检查项替代关键决策。作者提出ProRubric，将检查项分组为必须同时满足的方案维度并加失败条款，在不改动评分内容的前提下显著提升医疗问答等任务的…
DeltaTTG：教AI agent"看懂"自己离成功还有多远
本文介绍DeltaTTG方法，它训练一个基于Token-to-Go指标的进度表模型，为多轮AI agent强化学习提供细粒度步骤反馈，在ALFWorld等多个基准上超越GRPO等强化学习基线，且训练成本接近GRPO，支持…
ClawLoop：让智能体自己给自己出题，一个不需要老师的自我进化闭环
ClawLoop让智能体自己出题、自己判分、自己诊断弱点，全程不用外部教师模型，在三个基准上都超过了依赖强教师的方法。