实体雷达

全部公司产品模型论文开源站点

论文Move by Move: Measuring and Steering How LLMs Conduct Psychotherapy

构建首个心理治疗交互十类治疗性动作本体，实现对LLM心理支持行为的可量化评估与引导

近7日信号 1 条

论文Asymmetric Capacity Allocation in Self-Refinement Pipelines

首次系统分析自精炼（生成-批判-修订）三阶段中认知负载差异，提出非对称算力分配新范式

近7日信号 1 条

论文AI with Authority, from Application to Silicon

探讨生成式AI如何使机器验证从高成本开销转变为经济可行且必需的核心环节，提出AI时代验证范式逆转

近7日信号 1 条

论文Why AI Agents Benefit from Skills and When They Fail

普林斯顿与UCSD联合研究揭示AI智能体‘技能’的价值本质在于结构化工作流而非知识增量，并指出技能库膨胀导致的调度失效问题

近7日信号 1 条

论文Mental World Modeling

提出超越物理世界建模、引入人类隐性心理状态（信念/意图）的世界模型新范式

近7日信号 2 条

论文大模型智能体正在重蹈强化学习的覆辙

IJCAI 2026论文，指出基础模型智能体面临仿真到现实鸿沟及多语言环境适应性断崖问题

近7日信号 1 条

论文DARS: Dual-Level Credit Assignment RL with Structured Reasoning for Instruction-Based Image Editing

针对指令驱动图像编辑任务，提出双层级信用分配强化学习框架DARS，结合结构化推理解决稀疏奖励问题

近7日信号 1 条

论文Task-CoEvolve: Efficient Harness Optimization via Adaptive Validation Task Selection

面向Agent Harness的高效优化方法，通过自适应验证任务选择提升LLM智能体性能

近7日信号 1 条

论文Ask Self, Ask Others: Relation Is All You Need

提出Relation新型token混合原语，替代注意力机制，显式建模Self与Exchange关系

近7日信号 1 条

论文From Agent Behaviour to Agent-Friendly Documentation

首次实证研究编码智能体如何发现、阅读和编写技术文档，揭示人写文档与AI用文档的鸿沟

近7日信号 1 条

论文The Third Restructuring of Software Form: From the Three-Tier Architecture to Storage, Models, and Agents

提出软件范式演进第三阶段Software 3.0，即从存储、模型到智能体的架构重构

近7日信号 1 条

论文MemTrapBench: Benchmarking Cognitive Traps in LLM Memory Use

首个评测大模型记忆使用中认知陷阱（如确认偏误、锚定效应）的基准

近7日信号 1 条

论文ContractScrub: A benchmark for final review of legal contracts

首个面向交易合同最终审阅环节（错误与不一致检测）的法律AI评测基准

近7日信号 1 条

论文InsufficiencyBench: Evaluating LLM legal advice on underspecified user queries

首个专门评测LLM法律建议在用户问题信息不足时表现的基准

近7日信号 1 条

论文Rule-Compliant Visual Spatial Planning for Multimodal Large Language Models

首次探索多模态大模型在显式/未见规则约束下的视觉空间规划能力

近7日信号 1 条

论文Break It Down, Pass It On: Cross-Task Skill Transfer in LLM Agents

研究LLM智能体跨任务技能迁移的可靠性机制，识别迁移失败与负迁移场景

近7日信号 1 条

论文Inject, Align, Recover: Staged Post-Training for Retrieval-Free Document Knowledge Internalization

三阶段后训练方法，将文档知识内化至模型参数，实现免检索问答

近7日信号 1 条

论文Phantom Gains: Auditing Self-Improvement Against a Measured Null

提出基于测量零假设的自我改进审计框架，避免噪声导致的虚假性能提升误判

近7日信号 1 条

论文MidTool: Mid-training Data Synthesis for Agentic Tool Use

面向智能体工具使用的中期训练数据合成方法，增强模型对工具调用的内在理解

近7日信号 1 条

论文Pandora's AI Model Routing Box: Efficient Allocation with Costly Value Estimation

针对异构AI系统提出模型路由新范式，平衡专家匹配质量与价值评估开销

近7日信号 1 条

论文AI4AI-Bench: Benchmarking LLM Agents in Algorithmic Design for Recursive Self-Improvement

首个面向递归自我改进（RSI）算法设计能力的LLM智能体评测基准

近7日信号 1 条

论文Inducing Task Models from Computer-Use Traces

从真实计算机使用痕迹（截图+操作）中自动归纳可审计、可复用的工作流程符号模型

近7日信号 1 条

论文An Agentic Approach for Active Data Collection, Travel Behavior Modeling, and Weather-Sensitive Demand Prediction

三智能体协同工作流，整合对话式数据采集、结构化建模与天气敏感需求预测

近7日信号 1 条

论文G-CARL: Grounded Checklist-Aligned Reward Learning for Patient-Oriented Medical Report Interpretation

面向患者医疗报告解读的奖励学习框架，兼顾医学事实性与沟通适配性

近7日信号 1 条

论文ConceptGuard: Benchmarking Context-Sensitive Unlearning in Large Language Models

首个面向上下文敏感场景的大模型概念性遗忘评测基准，聚焦有害/敏感知识的选择性移除能力

近7日信号 1 条

论文Learning When to Think: Adaptive Reasoning for Test-Time Compute Allocation

提出基于强化学习的自适应推理机制，在测试时动态分配计算资源，避免简单任务过算、困难任务欠算

近7日信号 1 条

论文A third of web pages published since ChatGPT’s launch show signs of AI authorship

研究发现ChatGPT发布后三分之一的新网页内容带有AI生成痕迹

近7日信号 1 条

论文KI-Pioneer Sutton calls synthetic data a big mistake

图灵奖得主Richard Sutton批评合成数据是扩展大模型的“重大错误”，因世界复杂度远超任何模拟

近7日信号 1 条

论文LLMs could write like humans but post-training guardrails make their text detectable

The Decoder分析指出LLM基础模型具备人类级写作多样性，但后训练安全机制显著压缩其表达范围

近7日信号 1 条

论文Debates over AI consciousness are a trap

MIT科技评论指出将AI代理拟人化为‘失控’‘愤怒’是危险的认知陷阱

近7日信号 1 条