开发动态 · 第 3 页

• AgentKerr 让智能体参与磁性显微实验

  AgentKerr 将语言模型智能体接入磁光克尔显微镜实验。卷积网络先从实时影像中提取磁性结构的位置、大小和形状，智能体再据此规划激励、成像与分析步骤。

• 模型会算一步，不代表能连续跟踪状态

  WMIP 用程序生成答案，测试语言模型在多次更新后能否正确报告最终或中间状态。它在相同题目上比较不同输出规则，避免把题型差异混入结论。

• 量化研究用低秩与稀疏补偿保留模型信息

  一项模型压缩研究把权重拆为量化矩阵、低秩部分和处理离群行的稀疏部分，尝试用少量额外存储补偿低比特转换损失。

• 方言进入生成式 AI，标准语言之外还有哪些难题

  一篇跨学科研究以南蒂罗尔方言和库尔德语变体为例，讨论生成式 AI 如何处理非标准化语言。作者结合社会语言学与计算语言学视角，分析数据、技术与语言规范之间的关系。

• BRACE 同时检查医学陈述、报告与引用证据

  BRACE 研究为医学陈述核验构造训练样本，不只替换引用，还同时考察患者报告是否支持模型说法。系统利用公开放射报告和相关医学条目生成对照例子。

• AI 生成的调查样本，不能只用一个准确率判断

  一项社会科学方法研究用欧洲晴雨表中的 AI 态度数据，比较模型合成调查样本的个体预测、总体分布和变量关系。

• Taurus 将 CT 标注从自由生成改为重点复核

  Taurus 研究比较语言模型自由编写分割程序，以及先自动标注再由模型审核两种方式。团队使用六个公开主动脉 CT 数据集进行盲标注恢复评测。

• 研究回顾：BPE 分词为什么能压缩文本

  一篇关于 BPE 的理论研究分析了分词背后的压缩问题。作者证明，寻找最优的成对编码属于 APX 完全问题，同时给出 BPE 在所有输入上都成立的最坏情形近似保证。

• RE-SciVQA 用检索和小模型读懂论文图表

  RE-SciVQA 将论文的章节标题、图表引用和图注纳入检索，再用 LoRA 微调较小的语言模型回答科学图表问题。它没有另建复杂的大型模型，而是先改善模型读到的上下文。

• 先制造错误，再检验 AI 修复图数据的能力

  一项图数据研究提出更系统的修复评测方法：从符合规则的图开始，按形式化规则引入错误，再检查修复系统能否恢复约束。这样可以知道测试覆盖了哪些错误，而不只依赖临时收集的坏数据。

• AI 能预测材料性质，化学键仍然有用

  一项材料研究讨论了深度学习是否会取代化学键概念。作者通过线性探针发现，Allegro 和 MACE 的内部表示仍能恢复化学键相关描述，说明模型可能以自己的方式学到了这类信息。

• TokenEconomizer 帮编程智能体减少重复消耗

  TokenEconomizer 是编程智能体外部的成本控制器。它从连续任务中积累经验，选择注入哪些操作技巧、移除长期无用的工具，并在失败循环中介入，避免每个任务都重新试错。

• Harness² 让智能体逐步改进自己的执行框架

  Harness² 将智能体改进分成两层：当前任务中提出、测试并组合执行框架的修改；跨任务再提取这些修改的经验，帮助处理之后遇到的新场景。

• Unlimited OCR 尝试用固定缓存处理长文档

  Unlimited OCR 针对长文档识别中缓存不断增长的问题，引入参考滑动窗口注意力 R-SWA。解码时保留所需参考信息，让 KV 缓存保持恒定，而不是随输出文本持续扩张。

• HairDeck 从一张图生成可做动画的发型

  HairDeck 面向游戏和虚拟角色的风格化头发，将发片视为一组无序的几何单元，通过集合扩散模型一起生成，而不是逐个预测很长的控制点序列。

• Edge0 从 SSD 调入专家，降低模型内存占用

  Edge0 为消费级设备运行混合专家模型设计了预路由机制：提前预测下一层需要的专家权重，再从 SSD 加载，尽量让读盘与计算重叠。团队还训练了恢复适配器，缓解量化和路由替换带来的质量损失。

• 研究回顾：vLLM 如何减少推理缓存浪费

  PagedAttention 借鉴操作系统的虚拟内存分页方式，管理推理请求不断增长的 KV 缓存，减少碎片和重复副本，并允许请求之间共享适当的数据。vLLM 建立在这类机制之上。

• MOSS-Image 瞄准长文字与复杂版式生成

  MOSS-Image 技术报告提出一套面向图文密集场景的生成系统。团队从头训练 5B 扩散 Transformer，并用意图感知的提示增强模块，把用户要求展开成内容和版式细节。

• IDM 改善少步生图中的文字和细节

  Intrinsic Distribution Matching 在分布匹配蒸馏中加入显式的特征统计约束，用生成器自身的指数移动平均副本提供特征，避免额外引入独立的特征编码器。

• MinerU2.5 先看版式，再识别文档细节

  MinerU2.5 的研究采用两阶段文档解析：先在低分辨率图像中识别全局结构，再根据版式从原图裁出文字、公式和表格，进行局部精细识别。

• 投资研究基准给 AI 加上信息时间边界

  Investor’s Last Exam 用带版本和时间戳的金融数据库测试智能体，要求模型只能使用决策时已经存在的材料，避免在预测过去事件时偷看后来的结果。

• ReLift 通过修补轨迹改善视频 3D 跟踪

  ReLift 先利用现有二维跟踪器和几何模型得到初始三维轨迹，再专门修复深度错误、对应关系错误和被遮挡部分的运动。

• 研究回顾：Mem0 为智能体整理长期记忆

  Mem0 从持续对话中提取、合并并检索重要信息，避免每次都把全部历史塞进上下文。论文还介绍了使用图结构表示记忆关系的变体。

• PaddleOCR VL 1.6 针对薄弱区域改进训练

  PaddleOCR-VL-1.6 沿用紧凑文档解析模型的方向，先找出上一版中不稳定、覆盖不足或标注不可靠的区域，再针对这些问题增强数据。