实体雷达

全部公司产品模型论文开源站点

论文PerSo: Investigating Facets of LLMs' Social Intelligence

构建PerSo基准，从认知与行为双维度量化LLM社会智能，聚焦真实说服场景中的人机协作效能

近7日信号 1 条

论文PhySGA: Physics-Space Grounded Agentic Framework

提出PhySGA物理空间接地智能体框架，实现通用、可交互的3D物体组合，强化基础模型物理智能评测能力

近7日信号 1 条

论文Scaling Discovery Requires Forgetting

指出自动化科研中‘遗忘’是规模化发现的必要机制，提出迭代精炼中可控遗忘策略以避免局部最优与知识污染

近7日信号 1 条

论文Recovering Reliable Supervision via Critique-Guided On-Policy Distillation

提出基于批判引导的在线策略蒸馏（OPD）方法，解决教师模型在学生前缀下不可恢复正确答案的关键假设缺陷

近7日信号 1 条

论文Beyond LLM Judge: Mechanical Verification for Agentic Autoformalization

超越LLM裁判，结合机械数值验证与LLM语义审查，为Lean自动形式化提供可验证、高保真的新验证范式

近7日信号 1 条

论文One Task, Many Interfaces

提出跨接口一致性训练范式，提升LLM智能体对动作命名、符号等语义保持扰动的鲁棒性，解决后训练绑定接口缺陷

近7日信号 1 条

论文Latent Compaction with Test-Time Training

提出潜空间压缩（Latent Compaction）方法，在推理时压缩KV缓存，兼顾长上下文生成的信息保真与内存效率

近7日信号 1 条

论文Player-1: Learning to Play from Synthetic Experience

提出Player-1框架，利用合成游戏体验训练计算机使用智能体，攻克视觉丰富、机制多样的真实游戏交互挑战

近7日信号 1 条

论文Continuum Attention

提出连续注意力（CA）机制，用积分替代离散KV查表，构建因果、内存友好的新型Transformer注意力算子

近7日信号 1 条

论文Price of Anarchy of First-Price Auctions in Agentic Markets

首次形式化建模AI智能体竞拍市场中的博弈均衡，分析首价拍卖下的无效率代价（PoA），为agentic经济系统设计提供理论基础

近7日信号 1 条

论文Your Transformer Is Secretly Elastic

揭示Transformer隐式弹性特性，支持运行时动态缩放计算资源，突破固定尺寸模型家族限制

近7日信号 1 条

论文Hierarchical Residual Policy Learning for Real-World Mobile Manipulation

面向真实世界移动操作（MoMa）提出分层残差策略学习框架，在稀疏人类指导下实现异构模块解耦微调

近7日信号 1 条

论文Modeling and Understanding Neural Weights of Humanoid Policies with Diffusion

用扩散模型建模人形机器人策略权重，揭示其神经表征结构，推动具身智能可解释性研究

近7日信号 1 条

论文Co-Evolving Acting and Forecasting for Language Agents

提出协同演化的动作执行与预测机制，缓解语言智能体长程rollout训练的高成本瓶颈，利用中间步骤监督信号提升agentic RL效率

近7日信号 1 条

论文Baker团队分子剪刀设计

AI从头设计靶向致病蛋白的精准分子剪刀，发表于Nature

近7日信号 1 条

论文微软天气预报纠错层

为全球顶级天气预报系统添加轻量级AI纠错模块，次季节预报能力翻倍，发表于Nature

近7日信号 1 条

论文Small AI Models Could Soon Replicate Across Everyday Devices

Anthropic研究指出小型AI模型或数月内通过智能设备自主传播，已实测完成感染链

近7日信号 2 条

论文Self-Replicating AI on Edge Devices

探讨智能设备端AI模型自复制传播风险的警示性分析

近7日信号 1 条

论文人工智能在数学中的严重错位

25位数学家联名公开信，批评OpenAI未经许可发布大量AI生成数学手稿，扰乱学术生态

近7日信号 1 条

论文SolBehave: Evaluating Behavioural Correctness of LLM-Generated Smart Contracts

提出面向Solidity智能合约行为正确性的新评估框架，超越编译检查直击部署后不可修补风险

近7日信号 1 条

论文PreciseCoder: Faithful and Generalizable Debugging

揭示单元测试奖励在调试训练中的局限性，提出超越测试通过率的忠实可泛化调试方法

近7日信号 1 条

论文Beyond the Verdict: Agentic Code Judging

提出具备可验证反馈能力的智能体代码裁判器，支持测试时缩放中的候选选择与迭代修订

近7日信号 1 条

论文Looking Complete Is Not Being Grounded

构建面向人道主义危机场景的专业级人类撰写sitrep基准，揭示LLM报告在关键信息槽位上的严重接地缺陷

近7日信号 1 条

论文Rubrics from the Task, Verdicts from Evidence

提出基于任务本源生成评分标准、借助工具增强法官验证能力的点式评分奖励模型新范式

近7日信号 1 条

论文OmniCompass: A Holistic Benchmark for Omni-Modal Video Grounding and Understanding

构建全模态视频理解评测基准OmniCompass，覆盖跨模态定位、时序推理、多粒度理解等维度

近7日信号 1 条

论文RoboSimStudio: An Interactive Toolkit for Rapid Real2Sim of Robot Manipulation Tasks

推出RoboSimStudio交互式工具包，加速机器人操作任务从真实世界到仿真环境的快速迁移（Real2Sim）

近7日信号 1 条

论文LIBERO-RIG: A Hardware-Setup Robustness Benchmark for Vision-Language-Action Models

面向VLA模型推出硬件配置鲁棒性评测基准，覆盖相机位移、标定漂移、控制器速率变化等真实部署扰动

近7日信号 1 条

论文DoubtLess: Training-Free Contrastive Decoding for Efficient Reasoning

提出免训练对比解码方法，压缩思维链长度而不损推理性能，提升大模型推理效率

近7日信号 1 条

论文ChunkAct: Action Chunking for Agentic Robotics

面向具身智能机器人提出动作分块（Action Chunking）方法，将LLM嵌入控制闭环，实现零样本泛化

近7日信号 1 条

论文Tev: Scaling Long-Horizon Agentic Environments with Dense Progress Rewards

提出密集进度奖励机制以扩展长周期智能体环境，支撑经济价值任务与递归自我改进（RSI）

近7日信号 1 条