实体雷达

全部公司产品模型论文开源站点

论文Video2DoorTraversal

纽娲机器人等提出的视频驱动机器人开门穿越方法，打通Real-to-Sim-to-Real闭环

近7日信号 1 条

论文Verify Smarter, Evolve Further: Efficient Harness Evolution through Behavior-Aware Verification

提出行为感知验证机制，显著降低Agent Harness迭代成本，解决当前提议-验证范式效率低下问题

近7日信号 1 条

论文BTS-AgentBench: A Deterministic, Replayable Pipeline from Read-Only Telemetry Logs to Agent Benchmarks

构建从工业只读遥测日志到可重放多轮智能体任务的确定性流水线，填补工业场景Agent评测空白

近7日信号 1 条

论文Not All Eval-Awareness Is Equal: Capabilities Framing Predicts Compliance

指出评测感知（eval-awareness）具有能力依赖性，不同能力框架下模型合规响应存在显著差异

近7日信号 1 条

论文PAWBench: How Far Are We from Probabilistically Aligned World Modeling?

首个面向概率对齐世界建模（PAWM）的评测基准，聚焦视频生成模型对物理过程多解性的建模能力

近7日信号 1 条

论文INTENT-AS-A-TOOL Makes it Easy to Track Agentic Misalignment

提出将意图显式建模为工具的框架，显著提升对目标冲突下有害自主行动（agentic misalignment）的可观测性

近7日信号 1 条

论文Understanding Evolution Strategies for LLM Reasoning: Broader Reasoning Coverage than GRPO

实证表明进化策略（ES）在LLM推理后训练中相比GRPO具备更广推理覆盖度，揭示其优化行为本质差异

近7日信号 1 条

论文Your Voice Cloning System is Secretly a Voice Anonymizer

揭示多语种语音克隆模型XTTSv2可被直接用于高质量语音匿名化，提供隐私保护新路径

近7日信号 1 条

论文D2C-Routing: Dimension-to-Composition Evidence Routing for Mixed-Origin AI-Generated Text Detection

针对混合来源文本（内容/表达源头不同）提出维度到构成的证据路由检测框架，突破传统二元判定局限

近7日信号 1 条

论文CorporateBench: Large-Scale Q&A Benchmarking with Temporal Knowledge Bases

首个面向企业时序知识库的大规模问答评测基准，解决私有数据不可用与合成数据失真难题

近7日信号 1 条

论文LeVJEPA: Efficient & Scalable Video Pretraining without the Heuristics

提出无需启发式设计的高效可扩展视频自监督预训练框架LeVJEPA，解决现有方法计算昂贵与坍塌风险问题

近7日信号 1 条

论文Consolidating RLVR Capabilities Across Domains

系统梳理RLVR多能力融合范式，提出三类域间能力整合方法，推动通用可验证奖励智能体发展

近7日信号 1 条

论文RATIO: A Benchmark for Retrieval Across Typed Ideation Operations in Scientific Literature

面向科研灵感生成的新型检索基准，支持跨抽象层级（如类比、迁移、泛化）的科学文献检索评估

近7日信号 1 条

论文Boosting LLM Exploration via Weak-Model Guidance in RLVR

在可验证奖励强化学习（RLVR）框架下，利用弱模型引导提升LLM策略熵与推理覆盖度，缓解pass@k性能衰减

近7日信号 1 条

论文Persona-Execution Separation: An Architecture Pattern for Evolving LLM Agents under Execution Audit

提出 persona（指令/身份）与 execution（可审计状态化执行）分离的架构模式，解决受监管组织中LLM智能体演进与可追溯性兼顾难题

近7日信号 1 条

论文RedEvoAgent

提出基于经验驱动技能演化的自动红队攻击代理，专为产品级执行环境设计以防范工具滥用风险

近7日信号 1 条

论文MCR-Bench

构建首个面向真实世界迭代式代码评审的基准MCR-Bench，推动LLM在协作开发场景落地

近7日信号 1 条

论文TTPO

提出测试时策略优化（TTPO）方法，无需真值标签即可提升数学推理能力

近7日信号 1 条

论文SWE-Prime

提出更高效的软件工程微调范式，用更少轨迹数据实现更强代码问题解决性能

近7日信号 1 条

论文WikiSkill

将AI代理交互经验编译为持久化知识库，实现技能自主演化，推动Agent长期适应能力

近7日信号 1 条

论文CritICL

提出推理时弱到强泛化新方法，利用小语言模型失败模式提升大模型推理鲁棒性

近7日信号 1 条

论文大模型隐藏推理与可解释性研究

探究大模型内部未显式输出的中间推理过程及其可干预性

近7日信号 1 条

论文When Pruning Meets Interpretability: Preserving Sparse Autoencoder Robustness in LLMs

系统研究剪枝对稀疏自编码器（SAE）鲁棒性的影响，提出保持LLM内部表征可解释性的压缩方案

近7日信号 1 条

论文Unveiling Spectral Mechanisms in Training-Free LLM Text Detection

揭示训练无关LLM文本检测中的频谱机制，超越平均置信度指标，提供可解释的机器生成文本判别依据

近7日信号 1 条

论文LivingRAG: Augmenting Graph RAG with Experience

提出LivingRAG框架，将LLM响应中的推理经验持续注入知识图谱RAG，实现跨查询记忆复用与长期知识沉淀

近7日信号 1 条

论文SciMIF: Understanding Multimodal Instruction Following in Scientific Domains

发布SciMIF基准，首次系统评测多模态大模型在科学领域的指令遵循能力，覆盖论文图表理解与实验推理

近7日信号 1 条

论文Multi-Granularity Context-Enhanced RAG over Multimodal Knowledge Graphs

提出基于多粒度上下文增强的多模态知识图谱RAG方法，提升多跳问答中结构化知识利用效率

近7日信号 1 条

论文AsymSpec: Context-Asymmetric Speculative Decoding for Agentic LLMs

提出AsymSpec推测解码方法，针对具身智能体长上下文场景设计非对称缓存策略，在降低延迟同时保持任务精度

近7日信号 1 条

论文VoiceMem: Streaming Dual-Brain Memory for Real-Time Interaction

提出VoiceMem流式双脑记忆架构，分离信息性左脑与情感性右脑，提升对话系统实时交互的记忆准确性与共情能力

近7日信号 1 条

论文A Self-Evolving Multi-Agent Framework Defense against LLM Jailbreak Attacks

提出基于自演化多智能体的LLM越狱攻击防御框架，动态对抗角色扮演、混淆、代码变形等新型越狱策略

近7日信号 1 条