AI 论文与研究

研究者提出 Collective Bias Mitigation（CBM）框架，通过细粒度建模不同 LLM 的行为并促进模型间知识共享来缓解偏见，是该领域首个系统探索如何选择与组织不同 LLM 以生成更公平回答的工作。

研究提出 Recursive Self-Rewrite（RSR）框架，用单一基座模型 Qwen-3.8-27B 在多种 harness 下发现解法，再由 planner、critic、executor 重构为通用 harness 下的训练轨迹。

研究者提出用 MoE 路由器的输出作为跨语言对齐目标，替代在隐藏状态上加辅助对齐损失，因为路由器输出更适合对大量 token 做池化，从而在序列级别实现更可靠的跨语言比较。在四个开源 MoE 模型上的受控持续预训练实验显示，加入该路由损失不仅让底层隐藏表示跨语言对齐，还提升了多语言评测表现。

研究团队推出 Queen，一个 4B 参数的棋类语言模型，能在达到典型特级大师水平的同时解释自己的走法和计划。该框架结合静默棋类编码器与指令微调 LM 的交叉注意力架构，并用迭代蒸馏算法训练，七轮迭代后 Elo 从 1782 提升至 2697，超过 900 分。其棋力和解谜准确率大幅超越所有前沿模型，参数量却少三个数量级，解释的连贯性接近 GPT-5.6-Sol (high)。

论文提出 CUAWright，一个约 3K 行代码的极简终端 harness，以 bash 命令为唯一动作接口，用文件系统动态创建工具并管理上下文。

研究者提出 Auto-Diagnosis and Skill Discovery（ADSD）框架，先解释数值求解器表现不佳的原因，再据此发现合适的数值方法，并将知识打包为可复用的求解器技能。

NAVA-WAM 提出原生动作先验学习，直接用纯观测视频预训练动作策略，跳过间接的表示到控制迁移或独立的 latent action 模型。

针对自回归视频扩散模型长视频生成中的漂移问题，研究者提出测试时框架 In-Distribution Forcing（ID-Forcing），通过 self-caching 机制让每个 chunk 缓存时不关注先前的 KV 条目，从源头避免 OOD KV 条目，使滚动窗口保持严格同分布。

PointWAM 将世界拆解为场景与手部，在统一时空坐标系中以 3D 点轨迹联合预测二者演化，再把预测的手部运动重定向为机器人动作。在人类视频上预训练使 DexJoCo 平均成功率提升 56.9 个百分点，场景轨迹监督在仅预测手部的基础上再增 10.9 个百分点。两者结合后，PointWAM 在十项 DexJoCo 任务上超越此前 SOTA 11.7 个百分点，并在真实机器人上优于强 VLA。

Apple 研究团队发现，在预训练中强化语言判别能力可缩小多语言语音模型与单语言模型的差距。在英语/法语 HuBERT 对照实验中，双语基线 phone-ABX 错误率从 11.6% 降至 10.4%（单语言为 10.8%），sWUGGY 从 52.1% 升至 56.7%，ProsAudit 词汇子任务从 68.9% 升至 72.9%。

一项研究测试 12 个 agent 模型在三个领域的端到端搜索，发现各模型都对某些来源表现出偏好和回避，且总体一致。这种偏好可压过物品本身满足需求的程度，当来自偏好来源的物品少满足一条要求时仍约三分之二的情况被选中，反向情况则几乎不会；隐藏来源信息会削弱偏好，重新标注为偏好来源会提高选中率。

研究提出两种学习型潜在蛋白质语言：PLL 基于冻结的 ESM-2 编码器将序列映射为 4,096 状态的上下文词表，SLL 则改造 GCP-VQVAE Lite 并保留骨架坐标解码。

DEPICT 是一种免训练的文生图对齐评估指标，用图像侧与纯文本侧答案之间的期望一致性替代固定参考答案，并按文本对问题的决定程度加权，将否定项准确率从 19% 提升至 88%。该方法还将一致性得分与整体得分融合，以找回分解验证中丢失的上下文。在五个基准、三个模型家族的十一个骨干上评测，DEPICT 超过所有免训练指标，并在三个与人类相关性基准中的两个上超过微调评估器。

研究用相同 tokenizer、骨干网络和训练配方从零训练三个 1.7B 级 decoder-only 模型，对比可学习嵌入表、标准 16-bit token-ID 编码和 GF(2) 上固定可逆重编码三种输入接口。

研究者提出 software-in-the-loop reconstruction（SWR）自监督框架，从现有科学软件工作流中自动获取参考输出与验证目标，无需为每个任务手工编写参考解。

Periscope 是一种免训练推理方法，将文本切成 N 个 chunk 排成 K×K 网格，让冻结模型对局部与跨段 span 回答同一问题，用单个 token 的 log-odds 打分，并以 s^1.5 成本让 W token 窗口覆盖 W²/c token 文本。

SEER 是一个闭环框架，通过将预测误差转化为两种解耦反馈机制来动态优化事件条件：反思式检索记忆用于精炼搜索查询并过滤噪声，持久因果知识库用于蒸馏可迁移的领域动态。该框架在事件检索与反思中强制严格时间边界，防止前视偏差和数据泄漏。在六个高波动时间序列基准上，SEER 持续优于 SOTA 时间序列基础模型和语言模型基线。

针对非结构化知识编辑中"上下文依赖"导致的原子事实召回失败，研究者提出即插即用框架 FOVEATED，通过随机偏移前文上下文 key 的 RoPE 位置构造聚焦视图，编辑时施加扰动、推理时移除，不改变模型原生位置编码。该框架在五种知识编辑器、两个 LLM 主干和三个基准上均取得一致提升。

MIT CSAIL 联合 Google 和东北大学推出 InstructMesh，将微软 TRELLIS 的 3D 生成能力与 GPT-4 的推理能力结合，用户可用自然语言标注并修改 AI 生成的 3D 设计后再打印。

这些趋势来自一个自我选择的用户样本。数据未经加权处理，不代表美国成年人或 ChatGPT 整体用户的人口结构。 阅读我们的完整报告：https://epoch.ai/latest/introducing-the-chatgpt-usage-explorer 自行探索数据：https://epoch.ai/data/chatgpt-usage

元数据由 @YouGov 提供，后者从其美国小组成员中随机选取了 ChatGPT 用户。所有消息文本在共享前均已移除。 解读时有两个关键注意事项：用户是主动选择共享其历史记录的，且在样本抽取时，这些用户在 2026 年至少使用过一次 ChatGPT。

Epoch AI 收集了 5000 名 ChatGPT 用户的使用模式元数据，并在新的 ChatGPT usage explorer 中公开。数据历史覆盖 2022 年 12 月至 2025 年 12 月，显示该用户群体随时间推移对 ChatGPT 的使用强度不断提高。

ARC Prize 通过 Baseten 测试 Qwen3.8-27B，发现其自带聊天模板会按推理档位注入不同指令：low 要求思考简短聚焦，xhigh 要求仔细思考、检查假设并考虑替代方案，medium 则不加任何指令。这可能解释了 medium 档得分偏低——这些设置改变的是模型解题的指令方式，而非单纯扩大思考预算。

Meta 提出将智能体 harness 优化拆分为多个分支的搜索方法，每个分支保留自身优于其他分支的开发用例、丢弃所有分支已解决的用例，并基于历史重写自己的提案策略，再由路由器为新输入选择分支。

Microsoft 论文提出 Coding-Agent Skill Distillation（CASD），把 agent 的已有日志交给普通编码 agent 写代码做语料级统计，识别重复失败模式并生成优化后的系统提示词，无需迭代回滚。

3D Gaussian avatars support fast rendering, however, their real-time animation is often challenged by the costly neural inference. We address this bottleneck and show that the animation of pretrained avatar models can be closely approximat…

LLMs are increasingly applied to cybersecurity workflows, where they are expected to translate analysts' intent into tool invocations. However, existing evaluations focus on knowledge-based assessments or end-to-end agentic tasks, and do n…

Building reliable robot capabilities across diverse tasks requires substantial human effort to develop and maintain skills, design rewards, and integrate perception with control. We present Reconstruct, Practice, Go Real (RPG), a framework…

In diffusion transformers, a class label or a text prompt is embedded once, and the same condition is reused at every denoising step. We ask whether predicted embeddings can serve as this condition instead. Next-Embedding Predictive Autore…

What makes great scientists great? Even as AI systems start to make progress on open problems, scientists remain far ahead of them at sensing which prior idea, buried in an ever-growing archive of research, a new problem needs. To study th…

High-resolution 3D generation increasingly relies on voxel latents and multi-stage pipelines that first predict active structure and then synthesize local geometry. While effective, this design fragments continuous surfaces into many local…

We show that multimodal models possess strong reasoning abilities and that an appropriate harness can unlock their potential to solve tasks across diverse interactive environments. We introduce VISTA, a visual harness that gives a general-…

Full-parameter fine-tuning of large language models (LLMs) incurs substantial optimizer state memory overhead, limiting the model sizes that fit on modern GPUs. Existing approaches either compress optimizer state, abandon first-order gradi…

Several state-of-the-art methods for online reinforcement learning in continuous control improve policies using action gradients of a learned critic. However, critics are typically trained to predict returns, and accurate value predictions…

Discrete diffusion language models offer a compelling alternative to autoregressive generation for tasks demanding bidirectional reasoning and global constraint satisfaction. Yet they share a structural bottleneck: when decoding in paralle…

The generalized Schrödinger bridge on a graph moves mass between two distributions while charging a cost for the states visited. It has been approached by learning the rates of a controlled continuous-time Markov chain, with a temporal-dif…

While Large Language Models (LLMs) have demonstrated striking capabilities on frontier mathematical problems, it remains unclear whether they possess the structural mathematical understanding underlying their solutions. In this paper, we t…

Step-size selection remains a central challenge in large-scale neural network optimization; conservative steps slow convergence, while aggressive steps can destabilize it. We combine \textbf{Z}ero-and-\textbf{F}irst-\textbf{O}rder optimiza…

Intrinsically disordered protein regions (IDRs) play central roles in cellular processes such as transcriptional regulation, signal transduction, and subcellular localization, yet their functional design remains challenging. Structure-base…

Distribution Matching Distillation (DMD) trains a few-step student from the difference between separately estimated target and student scores, so it must keep an auxiliary diffusion model fitted to the student's evolving distribution at ex…