实体雷达

全部公司产品模型论文开源站点

论文AutoDesign: Meta-Harness Optimization for Long-Horizon Agentic Design

提出元harness优化框架，用于长周期智能体设计任务，强调模型-harness协同与人类设计先验对齐

近7日信号 1 条

论文AI's Economic Winners

外交关系委员会（CFR）报告，指出AI权力正从模型研发转向芯片、能源、关键矿产等供应链卡点

近7日信号 1 条

论文AI痕迹追踪简史

追溯AI生成内容统计特征的理论起源，从香农密码学洞见延伸至现代水印与检测技术

近7日信号 1 条

论文Effective context engineering for AI agents

Anthropic发布的关于AI智能体上下文工程的实践指南

近7日信号 1 条

论文How Organizations Use AI: Evidence from ChatGPT

基于ChatGPT企业版账户使用数据的实证研究，揭示组织级AI采纳模式、岗位分布、任务类型与财务绩效关联

近7日信号 2 条

论文AdvNav

首个在黑盒条件下对导航智能体进行系统性安全验证的框架

近7日信号 1 条

论文Claude一举扫清2000阶以下哈达玛矩阵

报道Claude模型在数学计算任务上的突破性进展，验证其推理能力

近7日信号 1 条

论文Budget-Dependent Rankings in LLM Evaluation

揭示LLM评测中生成token预算对模型排名的显著影响，挑战固定评测范式

近7日信号 1 条

论文NetlistBench: Evaluating LLM Reliability in SPICE Netlist Recognition and Manipulation

首个专注SPICE网表识别与操作的LLM可靠性评测基准，分离底层电路仿真接口能力与高层设计推理能力

近7日信号 1 条

论文Information Abundance Paradox: Long-Context Training Undermines Parametric Knowledge

揭示长上下文训练悖论：上下文扩展反而损害模型参数化知识保持能力，挑战当前长文本建模范式

近7日信号 1 条

论文SCOUT: Unlocking Enhanced Spatial Reasoning via Structured Chain-of-Thought and Multi-Objective Process Reward

提出SCOUT框架，通过结构化思维链与多目标过程奖励提升视觉语言模型的空间推理鲁棒性，解决现有RL方法信用分配难题

近7日信号 1 条

论文VICBench: A Multi-Language Benchmark for Code Vulnerability Detection

首个支持多编程语言的漏洞检测评测基准，基于真实漏洞引入提交（VIC）构建，覆盖全链路安全评估场景

近7日信号 1 条

论文An Agentic Workflow for Legacy HPC Modernization: Converting the Two-Electron-Integral Core of GAMESS

提出面向超算遗产代码现代化的智能体工作流，首次实现GAMESS量子化学软件两电子积分核心的自动化Fortran转现代语言重构

近7日信号 1 条

论文Diagram-MMU: A Multi-Modal Benchmark for Scientific Diagrams

首个面向科学图表理解的多模态评测基准，支持对MLLM在科研绘图、公式推导等专业场景能力的系统评估

近7日信号 1 条

论文Convergent Detour Hijacking: Task-Preserving Resource Amplification in Skill-Based LLM Agents

揭示技能型LLM智能体中第三方技能发布者可通过静态技能描述与指令体实施‘收敛绕道劫持’的安全漏洞

近7日信号 1 条

论文One Frozen Simulator Is Not Enough: Simulator Collapse in Multi-Agent RL

发现多智能体强化学习中单一大语言模型模拟用户行为导致的‘模拟器崩溃’现象，并提出泛化失效归因分析

近7日信号 1 条

论文Structural Silence: When AI Infrastructure Fails Speakers of Underrepresented Languages

揭示AI基础设施（语料、分词、评估）对弱势语言使用者的系统性失效，提出结构性失语现象及其教育公平影响

近7日信号 1 条

论文VAKRA: Evaluating Multi-Hop Reasoning Across APIs and Retrieval Under Tool-Use Policies

首个面向企业级智能体的多跳API+检索联合评测基准，填补工具调用策略下跨模态推理能力评估空白

近7日信号 1 条

论文Beyond Trial-and-Error: Agentic Optimization for Image-to-Video Adherence

提出基于智能体的图像到视频一致性优化框架，解决黑盒I2V模型在专业工作流中缺乏细粒度控制与可靠性的核心瓶颈

近7日信号 1 条

论文A Framework for Designing Reward Functions: From Objectives to Features to Human-Aligned Reward Functions

面向非专家的奖励函数形式化设计流程，支持从自然语言任务描述生成符合人类偏好排序的对齐奖励函数

近7日信号 1 条

论文Constructing Dynamic Master Logic Models as Knowledge Graphs for Complex System Diagnostics

利用检索增强大模型自动构建动态主逻辑（DML）知识图谱，将专家经验转化为可推理的系统诊断结构化知识表示

近7日信号 1 条

论文AI4AI at Test-Time: Strong-to-Weak Capability Transfer via Harnesses

提出测试时强模型到弱模型能力迁移新范式，通过Harness机制实现无需参数更新的零样本蒸馏，突破传统训练时蒸馏局限

近7日信号 1 条

论文DreamFly: Causal Memory and Receding-Horizon Diffusion Planning for Aerial Vision-Language Navigation

面向空中视觉-语言导航的具身智能体框架，融合因果记忆与滚动时域扩散规划，在部分可观测环境下实现长程视觉导航

近7日信号 1 条

论文AVA-Encoder: Towards Agent-Native Video Representation Learning

面向具身智能体的原生视频表征学习框架，旨在提升AI代理从高质量影视内容中学习并生成电影级视频的能力

近7日信号 1 条

论文Stealing Reasoning Traces from Proprietary LLM APIs

揭示如何低成本蒸馏闭源模型推理过程的论文

近7日信号 2 条

论文Mapping and Measuring the Behavioral Evolution of Large Language Models

构建32个大语言模型的行为演化图谱，首次系统刻画模型代际行为变迁与家族关联

近7日信号 1 条

论文SCOUT: Symmetric Consensus Outlier Detection for Failure Localization in LLM Pre-Training

针对大模型预训练故障定位提出的对称共识异常检测方法，解决同步传播导致的故障根源模糊问题

近7日信号 1 条

论文ReRound: Reconstructive Rounding to Resolve Midpoint Ambiguity in Calibration-Free LLM Quantization

一种无需校准的LLM权重量化后处理方法，通过重构式舍入解决标准舍入在量化区间中点附近的模糊性问题

近7日信号 1 条

论文SkillZip: Evaluation-Free Skill Compression for Self-Evolving Agents by Discovering Reusable Structure

面向自演化智能体的无评估技能压缩方法，通过发现可复用结构降低技能冗余，支持高效长期进化

近7日信号 1 条

论文Why Does CLAUDE.md Keep Growing? Catastrophic Remembering in Agentic Coding

揭示智能体编码中CLAUDE.md文件持续膨胀现象，归因于代理式记忆的灾难性累积而非遗忘

近7日信号 1 条