zenRRan-优快云博客

转载普通人读博的结局是什么。。。

导师团队汇聚全球QS前100高校学术精英，涵盖英国牛津大学、美国加州大学、约翰・霍普金斯大学、清华大学、北京大学、复旦大学等世界一流学府，近年来个人论文产出量在10篇以上。无论你目标是CCF-A/B/C、SCI1-4区，还是EI会议，这些 “大牛导师” 都从选题、调研、idea验证、代码、实验、润色、投稿、直至中稿一站式科研服务。因此，不论最后是什么结局，博士阶段的论文成果都起到了关键性作用，如果你现阶段正愁于论文写作，导师散养，没有idea，不知如何选刊投稿，大家可以看看来自。

2025-08-21 17:23:06 3

原创你说，LLM Agent能预测未来吗？

论文权衡了事件覆盖面和及时性，最终选择了一周的预测窗口。：在选项有限的Level 1和2任务上，甚至不需要工具的基础LLM（如DouBao-Seed1.6-Thinking）也能取得高准确率，有时甚至超过带搜索工具的智能体。随后，通过LLM（如Seed1.5-Thinking）和人工审查相结合的方式进行筛选和去重，重点关注网站的可靠性和更新频率，最终确定了。通过蒙特卡洛模拟分析，论文发现缺失率在20%以下时，对总体得分标准差的影响相对较小，因此选择优先保证测试样本量，允许模型间存在轻微的对齐偏差。

2025-08-21 17:23:06 340

原创智能体新范式Chain-of-Agents，多项任务新SOTA

它巧妙地绕过了传统多智能体系统繁琐、低效的工程陷阱，通过“蒸馏”和“内化”的思想，将协作的复杂性封装进一个可端到端训练的基础模型内部。想象一下，不再是和一个简单的聊天机器人对话，而是雇佣了一个由专家组成的虚拟团队：一个负责规划，一个负责搜索信息，一个负责写代码，他们相互协作，共同解决一个复杂问题。但它本质上仍然是“单线程”的，无法模拟多智能体之间丰富的、并行的协作模式。反之，一个只在“网页”任务上训练的模型，在面对需要严格代码格式的工具时则表现不佳，这突显了代码训练带来的格式严谨性的优势。

2025-08-20 18:18:13 421

原创为什么GPT-5算得出微积分，却数不清积木？

研究团队提出“空间智能六维图谱”，统一碎片化评测标准，揭示了当前模型的真实能力边界与颠覆性发现——例如，闭源模型在 hardest 任务上竟无显著优势！尽管GPT-5在多模态理解上取得突破，但前面的对比图尖锐指出：它能解微积分难题，却数不清被遮挡的积木块！想象一个机器人走进陌生的房间：它需要判断椅子的高度能否坐人，预估绕过桌子的路径，甚至脑补柜子背面是否有插座——这就是。上，开源模型InternVL-78B与GPT-5差距不足5%，颠覆“闭源绝对领先”认知！

2025-08-19 15:56:47 942

原创 LLM的快速、慢速与工具增强思维模式综述

大型语言模型（LLMs）在数学推理、代码生成等任务中展现出强大能力，但现实任务对推理策略的需求差异巨大：聊天需要快速响应，数学证明需严谨推导，实时查询需调用外部工具。：事实性错误（如："2025年奥运会举办地是巴黎"——若训练数据未更新，可能回答错误）。，使LLMs能像人类一样"该快时快，该慢时慢"，最终在科研、教育等领域释放更大潜力。：类似人类直觉系统（System 1），直接输出答案，无中间步骤。给简单问题标注"快思考"答案，复杂问题标注带步骤的"慢思考"答案。

2025-08-19 15:56:47 568

转载预约 | CMU岳翔：重新思考大语言模型的推理能力

他的研究主要聚焦于理解并提升大型语言模型的推理（LLM Reasoning）能力，如模型评测（MMMU(-Pro)、MMLU-Pro），大规模合成数据生成（MAmmoTH 1/2/VL）、以及强化学习（Demystifying Long CoT）。每周进行学术分享，形式包括圆桌会议、主题分享、单篇论文深度分享等，内容覆盖论文分享、科研小白入门、PhD择业等所有学术领域。欢迎加入NICE每周分享交流群，可与NICEer唠嗑，以及第一时间收到后续NICE分享报告的通知。备注【昵称-单位-方向-NICE入群】

2025-08-19 15:56:47 17

原创训练提速5倍，响应缩短50%：动态自感知能力，重塑高效LLM Reasoning范式

这种"能力自知之明"机制，成为解锁极端推理效率的关键钥匙。（如判定数学题为"简单/困难"），但模型的实际能力在训练中动态演化：昨天需长推理的"难题"，今天可能只需短步骤解决。的三元框架，首次实现LLM推理的"精准瘦身"：在压缩49% Token的同时提升精度，并加速训练5倍。教练对已掌握动作的运动员要求"精简发力"（压缩奖励），对未掌握动作则鼓励"延长练习"（扩展奖励），实现资源精准投放。，使模型常对"简单题过度思考"或对"难题过早放弃"，形成效率与精度的双重损失。

2025-08-18 16:41:31 447

转载工具增强的多模态LLM综述

本文提出一种“人类式解决方案”：像人类使用工具扩展能力一样，为MLLM集成外部工具（如知识库、专家模型、API）。通过系统调研数百篇文献，论文首次构建了工具增强型MLLM的全景图，覆盖数据构建、任务优化、评估方法三大维度，为下一代可靠多模态系统的设计奠定基础。多模态大语言模型（如GPT-4V）凭借强大的图文理解能力被视为通往通用人工智能（AGI）的关键路径。LLaVA-Plus整合分割（SEEM）+生成（GLIGEN）工具链；GPT-4V从“帮助性/准确性”等维度打分（LLaVA-Bench）；

2025-08-18 16:41:31 48

原创使用latent视觉tokens模拟人类“思维草图”的多模态推理，效果出奇的好

阶段1是“学画轮廓”（临摹辅助图像），阶段2是“自由创作”（草图只需服务于解题）。例如，在拼图游戏中，人类会在脑中模拟碎片拼接的“思维草图”，而VLMs却需将每个视觉细节转化为文字描述，导致空间推理任务表现不佳。（latent visual tokens），模拟人类“脑内画图”过程，无需生成显式图像即可完成多模态推理。——强行融合会损害模型推理能力。（Helper Image），包含任务关键视觉线索（如导航任务中的红色箭头路径）。阶段2后：Token略微偏移，但仍远离文本分布（蓝色），保持视觉抽象能力。

2025-08-17 18:05:43 529

转载 Solver-Chanllenger博弈助大模型自我进化！

AI（解决者）在回答一个问题时，会想出好几个（比如10个）不同的答案，然后通过“少数服从多数”的原则，选出票数最多的那个答案，并暂时把它当成是“正确答案”来学习。挑战者的工作是出题，如果它出的题难度刚刚好，能让解决者答对的概率在50%左右，它就能拿到最高的“奖金”。研究表明，将R-Zero与传统的监督式学习结合使用，能带来额外的性能提升，效果甚至超过了只用标准数据进行训练的模型。在这个过程中，AI自己生成问题，自己生成用于学习的“伪标签”，自己完成训练，完全不需要任何外部人类数据的输入。

2025-08-17 18:05:43 34

原创天下武功，唯快不破：LLM高效架构最新最全面综述

它不仅回答了“如何突破Transformer效率天花板”，还分类了线性建模、稀疏注意力、专家混合等七大类方法，并延伸至视觉、音频等跨模态应用。论文的意义在于为研究者提供“效率蓝图”，推动AI向更普惠、可持续方向发展：让强大模型能在手机、边缘设备上实时运行，同时降低训练成本。核心问题源于Transformer架构——其自注意力机制的复杂度随序列长度呈二次方增长（即序列长度翻倍，计算量翻四倍），导致长文本、多模态或复杂推理任务效率低下。：跨多设备同步负载，支持专家专业化（如“医学专家”处理健康文本）。

2025-08-16 17:57:06 753

转载招聘 | 200W年薪Agent Engineer岗位！

aijob@fintechgl.com （备注：姓名-岗位）有任何问题，不用迟疑，请联系我哈~aijob@fintechgl.com （备注：姓名-岗位）都是头部企业（科技/量化）公司。有任何问题，不用迟疑，请联系我哈~Agent高级开发工程师。AI Infra 工程师。LLM应用开发工程师。

2025-08-16 17:57:06 33

转载入职OpenAI啦！这是我的AI Research面试指南

职业生涯是不断成长的，如果你在某家公司通过了一个环节，他们通常很乐意在1-2年后再次联系你。如果你正在读这篇文章，我猜你大概在找工作或考虑转行，至少对生成式AI和大语言模型有点兴趣。多和朋友模拟，练习限时编程，选一些刁钻的问题，让朋友假装不认识你。你能了解酷炫的初创公司，和领域内的顶尖专家一对一交流，还能学到新技能。从第一次接触到签offer，你和公司的每一次互动都是展示你性格、能力和热情的机会（无论好坏）。我可以说“OpenAI是世界上最酷的公司”并真心这么想，如果你说不出口，就找适合自己的表达。

2025-08-15 12:51:41 28

原创 Agentic Web：AI Agents如何重塑下一代互联网，一个到处是待研究与落地的方向

构建一个开放、安全、可信、普惠的 Agentic Web，需要技术（更鲁棒的智能体、更安全的协议、更高效的架构）、经济（可持续的商业模式、公平的价值分配）、治理（伦理规范、监管框架）等多方面的协同创新。的新范式中，AI 智能体（由大语言模型驱动）不再是被动响应指令的工具，而是能主动理解用户意图、规划复杂任务、跨平台协调资源、并代表用户自主执行的“数字代理人”。然而，这一转变也伴随着。：MCP 是“智能体对工具的标准语言”，A2A 是“智能体之间的通用语”，共同构成 Agentic Web 的通信基础。

2025-08-15 12:51:41 710

原创无需训练的LLM对齐方法综述

调整模型参数以符合人类价值观，但这种方法存在致命短板——它需要海量标注数据、消耗巨大算力，且会覆盖模型原有的知识（"知识退化"），更无法适配闭源商业模型（如GPT-4）。三大阶段动态引导模型行为。（URIAL）：在问题前添加3个安全回答示例+系统指令（如"你是一个无害助手"），即可让原始模型达到接近微调的安全水平。（CoSA）：引入"安全配置器"，动态生成文化适配的提示（如对欧美用户强调隐私，对亚洲用户强调集体责任）。（RAIN）：让模型自评生成内容，若不安全则回退重写，模拟人类"三思而后言"。

2025-08-14 19:46:42 898

原创阿里：RL强化LLM推理，是技巧还是陷阱？

涌现了GRPO、DAPO、REINFORCE++等众多RL“技巧”（Tricks），它们在归一化、剪裁、过滤等细节上提出矛盾方案（例如：GRPO主张组内归一化，REINFORCE++坚持批处理归一化）。：RL能将人类偏好或任务奖励注入LLM，使其超越预训练极限。近年来，强化学习（RL）已成为解锁大型语言模型（LLM）复杂推理能力（如数学证明、代码生成）的关键工具，催生了大量研究（统称。：在统一框架下揭示了主流RL技巧（归一化、剪裁、过滤、损失聚合）的内在机制、敏感条件和适用场景，终结“技术选择焦虑”。

2025-08-14 19:46:42 586

转载直播预约 | 通向超级人工智能(ASI)：自进化智能体综述分享

尽管研究兴趣日增，但领域内尚无统一的顶层设计，特别是对演化的三个核心问题——对象（What）、时机（When）与方法（How）——缺乏深入探讨。为此，普林斯顿大学联合多方发布了首个系统性综述，旨在为自进化智能体建立理论框架和发展路线图，以期加速通用人工智能（AGI）乃至人工超级智能（ASI）的进程。每周进行学术分享，形式包括圆桌会议、主题分享、单篇论文深度分享等，内容覆盖论文分享、科研小白入门、PhD择业等所有学术领域。建立了一个统一理论框架，用于描述 agent 系统中的自我进化过程，

2025-08-14 00:00:00 27

原创从静态模型到数字生命体：自进化AI Agent综述

部署后无法适应动态环境（如用户需求变化、新工具出现）。例如，医疗诊断智能体遇到新疾病时需工程师手动调整，效率低下。近年大型语言模型（LLM）的突破催生了AI智能体的发展，它们能自主规划、使用工具解决复杂任务（如编程、科研）。：树状思维（Tree-of-Thought）探索多推理路径，避免单一错误。：将自然语言反馈视为“梯度”，反向优化提示（如TextGrad框架）。：将提示视为基因，通过突变、交叉筛选最优解（如EvoPrompt）。：AI智能体不仅是工具，更是能持续学习、适应、协作的“数字生命体”。

2025-08-13 17:38:52 1416

原创推理增强排序：ReasonRank反常识的2.7倍效率跃迁，新SOTA比快更快

传统排序模型依赖关键词匹配或简单语义关联，但在用户提问涉及复杂逻辑（如数学证明、代码调试）时，表现往往不佳——因为这些场景需要模型。：两个相关段落分别排第2位和第11位（NDCG@10=0.38），若改为排第9-10位（NDCG@10略降），但因同时进入前10且传递到后续窗口，最终效果更好。用NDCG@10指标过滤R1生成的标签，剔除一致性低于阈值（α=0.4）的低质量数据，确保最终13K训练集的高可靠性。相比传统蒸馏（仅用教师模型），加入答案让R1更精准识别支持推理的核心段落。

2025-08-13 17:38:52 671

转载从单领域到多能力协同：数据混合如何重塑AI的强化学习

但在复杂任务 LPB 中，R1 因信号稀疏反而训练崩溃。RLVR已经在多个领域被证明其有效性，但无论训练方式如何，数据永远是模型能力来源的基石，也希望未来的研究能够更深入地探究数据对 RLVR 的影响。此外，KK谜题的训练效果还能迁移到数学任务上，甚至在部分数学基准中，使得Base模型的表现接近或超过Instruct模型，进一步体现了跨领域迁移的潜力。同时，Base模型在代码训练后往往在多数域外任务上出现性能下降，而Instruct模型则展现出更强的跨域泛化能力，能够在多数域外任务上保持甚至提升表现。

2025-08-13 17:38:52 33

原创该工作引来马斯克回复，让Gork破防：CoT是真正的推理，还是训练数据的统计插值？

这一发现挑战了"LLMs具有类人推理能力"的主流认知，对依赖CoT的高风险领域（如医疗、法律）提出重要警示。论文开篇展示了一个典型矛盾案例：当询问Gemini模型"美国成立日是否在闰年"时，模型正确复述闰年规则（"1776能被4整除且非世纪年→闰年"），却得出矛盾结论："因此美国成立日在平年"。大型语言模型（LLMs）的思维链（Chain-of-Thought, CoT）推理能力被视为突破性进展，它通过生成类人的逐步推理路径显著提升复杂任务性能。范围内，CoT性能稳定，表明结论不受采样随机性影响。

2025-08-12 14:42:56 322

原创 Make SFT Great Again！从SFT到DFT：一权重之差，泛化之跃

SFT 通过专家示范数据微调模型，快速模仿人类行为（如解题步骤），但存在严重过拟合倾向：在训练集外表现骤降，尤其面对奥林匹克数学等复杂问题。相比之下，RL 方法（如 PPO）利用奖励信号引导模型探索策略，泛化更强，但需额外奖励模型、海量采样和复杂调参。大型语言模型（LLM）的监督微调（SFT）因其简单高效成为主流技术，尤其在缺乏负样本或奖励信号的场景中不可或缺。然而，其泛化能力长期弱于强化学习（RL），后者依赖奖励信号探索更优策略，但计算成本高昂且依赖奖励模型。的解决方案——动态微调（DFT）。

2025-08-12 14:42:56 393

原创该工作引来马斯克回复，让Grok破防：CoT是真正的推理，还是训练数据的统计插值？

这一发现挑战了"LLMs具有类人推理能力"的主流认知，对依赖CoT的高风险领域（如医疗、法律）提出重要警示。论文开篇展示了一个典型矛盾案例：当询问Gemini模型"美国成立日是否在闰年"时，模型正确复述闰年规则（"1776能被4整除且非世纪年→闰年"），却得出矛盾结论："因此美国成立日在平年"。大型语言模型（LLMs）的思维链（Chain-of-Thought, CoT）推理能力被视为突破性进展，它通过生成类人的逐步推理路径显著提升复杂任务性能。范围内，CoT性能稳定，表明结论不受采样随机性影响。

2025-08-12 14:42:56 543

转载解析天花板？TextIn xParse如何为RAG打造「零损耗」知识管道

核心问题在于输入数据的“可理解性”。传统OCR工具就像个“近视的搬运工”，只能机械地把图像上的文字“抠”下来，却看不懂文档的内在“蓝图”：标题的层级关系迷失了，段落被拆得七零八落，复杂的表格像被撕碎的拼图，跨页的内容彻底断了联系，图表更是成了没有注释的“孤岛”。支持识别文本、图像、表格、公式、手写体、表单字段、页眉页脚等各种元素，并支持印章、二维码、条形码等子类型，为LLM推理、训练输入高质量数据，帮助完成数据清洗和文档问答任务，适用于各类AI应用程序，如知识库、RAG、Agent或其他自定义工作流程。

2025-08-07 08:04:23 51

原创推理路径的动态调控：让大模型学会“恰到好处”的思考

首次实现了在推理过程中动态调控模型思维路径。如同为AI配备“认知教练”，通过《When/How/Which》三模块协同，将人类专家经验融入AI推理过程，在多个STEM基准测试中实现推理步骤缩减50%的同时提升准确率。当前大型语言模型（LLM）通过思维链（CoT）提升复杂任务推理能力，但研究表明其推理路径存在严重冗余——例如反复验证或无效思维跳跃，导致计算资源浪费和“幻觉”增加。：当强制屏蔽验证词（如“Wait”→“So”），模型在保持90%+准确率时节省38%计算量（图3d），证明冗余步骤可压缩性。

2025-08-07 08:04:23 779