精选 76 篇，从 9300+ 条中筛选
OpenCode是一个开源的AI编码代理，旨在为开发者提供高效的代码生成和编辑工具。它填补了LLM在代码生成领域的空白，通过提供多种内置代理和强大的TUI支持，优化了代码开发流程。技术架构上，OpenCode基于TypeScript构建，支持多种安装方式，包括命令行、包管理器和桌面应用。在LLM生态中，OpenCode的价值在于其独特的TUI和客户端/服务器架构，为开发者提供了灵活的集成和远程驱动选项。
Claude-Mem是一个为Claude Code构建的插件，旨在通过自动捕获编码会话中的所有操作，使用AI进行压缩，并将相关上下文注入到未来的会话中，从而实现跨会话的上下文持久化。该项目主要面向开发者，通过智能记忆和搜索功能，优化了编码过程中的知识连续性和效率。
Memvid是一个为AI代理提供持久、长期记忆的单文件内存层，旨在简化RAG管道，通过无服务器架构实现快速检索。它面向开发者，特别是需要构建长期记忆和快速检索功能的AI系统开发者。Memvid的核心功能是提供了一种高效的数据存储和检索方式，其技术架构亮点在于其基于视频编码的内存组织方式，实现了高效的压缩、索引和并行读取。在LLM生态中，Memvid的价值在于它为AI代理提供了一个无需数据库的持久记忆解决方案，填补了AI长期记忆的空白。
MemU是一个面向LLM和AI代理后端的记忆框架，旨在处理多模态输入，提取结构化记忆，并组织成支持基于嵌入和非嵌入检索的分层文件系统。它旨在为研究者、应用开发者提供工具，解决记忆管理和检索的难题，通过其独特的多模态支持和自进化记忆结构，在LLM生态中提供独特的价值。
VideoRAG项目是一个专注于视频内容理解和交互的框架，旨在通过先进的AI技术实现与视频的智能对话。该项目填补了长视频内容理解与交互的空白，为研究者、开发者及普通用户提供了一种全新的视频分析工具。其核心功能包括视频内容分析、智能问答和跨视频理解。技术架构上，VideoRAG结合了图驱动的知识索引、层次化上下文编码和自适应检索等技术。在LLM生态中，VideoRAG的价值在于其独特的长视频理解能力，为视频内容分析领域提供了新的解决方案。
MiroThinker是一个开源的搜索代理模型，旨在增强工具辅助推理和现实世界信息搜索能力，填补了LLM生态中工具辅助推理的空白。它为研究者提供了强大的工具集和框架，支持工具集成、数据收集和模型训练，具有高性能、易用性和丰富的功能集。
Claude Code是一款基于终端的智能编码工具，旨在通过自然语言命令执行常规任务、解释复杂代码和处理Git工作流程，提高编码效率。该项目定位为开发者工具，通过智能代理技术填补了编码辅助工具的空白，优化了编码流程，并开创了基于自然语言交互的编码辅助新范式。
GLM-4.7是一款专注于多语言和代码能力的通用大模型。它采用了Transformer架构，并引入了MoE技术，支持多种语言（包括英语、中文和阿拉伯语）。在性能上，GLM-4.7在多个基准测试中表现出色，尤其在代码生成、数学推理和多语言能力方面有显著提升。该模型适用于需要多语言和代码生成能力的场景，如聊天、创意写作和角色扮演。其开源协议、硬件需求以及推理效率等方面适合于主流的推理框架。
lilylilith/AnyPose是一款专注于图像编辑的LoRA模型，旨在简化Qwen Image Edit 2511模型的姿态创建过程。该模型定位为特定领域微调模型，采用LoRA技术，以Qwen/Qwen-Image-Edit-2511为基础模型。模型具有快速推理能力，通过单张参考图像即可复制姿态，无需控制网络。性能方面，未提供权威基准测试结果，但模型在图像编辑领域具有显著优势。主要应用场景为图像姿态编辑，使用时需考虑开源协议、硬件需求和推理效率。
Wuli-art/Qwen-Image-2512-Turbo-LoRA是一款针对Qwen Image 2512的4或8步turbo LoRA模型，旨在提供快速且高质量的图像生成。该模型定位为多模态模型，具有快速推理和优化图像生成的特点。其核心技术包括LoRA和distillation技术，显著提高了生成速度。性能方面，模型在图像生成任务上表现出色，但未提供具体的基准测试结果。主要应用场景为图像生成和创意设计，使用时需考虑其开源协议和硬件需求。
Youtu-LLM-2B是一款由腾讯推出的通用小型语言模型，具有1.96B参数，支持128k长上下文。该模型在通用评估中表现出色，尤其在常识、STEM、编码和长上下文能力方面优于同类模型。其性能在多个基准测试中均表现出色，尤其在指令遵循和文本推理方面。Youtu-LLM-2B适用于需要强大语言理解和生成能力的应用场景，如对话系统、文本摘要和问答系统。该模型开源，支持多种硬件平台，与流行推理框架兼容。
Lightricks/LTX-2是一款基于DiT架构的多模态音频-视频基础模型，专注于生成同步的视频和音频。该模型具有灵活的下载量和点赞数，支持多种语言，并采用diffusers库。LTX-2在图像到视频、文本到视频等多个领域具有广泛应用，其开源协议和丰富的模型版本提供了灵活的部署选项。在性能上，LTX-2在多模态任务中表现出色，尤其在视频生成方面具有显著优势。
🔥 unsloth/Qwen-Image-2512-GGUF 是一个基于 Qwen-Image-2512 的文本到图像模型，专注于生成高质量的图像。该模型定位为多模态模型，具有GGUF量化技术，提高了推理效率。它具有丰富的语言支持，包括英语、中文和阿拉伯语。在性能上，该模型通过Unsloth Dynamic 2.0方法实现了SOTA性能，特别在图像生成方面表现出色。模型适用于需要高质量图像生成的场景，如艺术创作、游戏开发等。
IQuest-Coder-V1-40B-Loop-Instruct是一款专注于代码生成和智能的LLM，定位为代码模型。它采用创新的代码流多阶段训练范式，具有40B的参数量和128K的上下文长度。在SWE-Bench、BigCodeBench等基准测试中表现出色，超越了同类模型。该模型适用于需要高效代码生成和智能辅助的场景，具有开源协议，对硬件要求较高，推理效率中等。
K-EXAONE是一款由LG AI Research开发的通用大语言模型，具有236亿参数，支持多语言。其核心架构为Mixture-of-Experts，具备高效的推理能力和长上下文处理能力。在多个基准测试中表现出色，尤其在推理、多语言理解和长文本处理方面。K-EXAONE适用于需要多语言处理和长文本生成的场景，具有开源协议、高效的推理效率，并与主流推理框架兼容。
MiniMax-M2.1是一款定位在通用大模型范畴内的LLM，具有高性能和丰富的功能。它基于transformers库，采用自定义的架构，支持FP8精度，上下文长度可达200K。在性能上，该模型在多个基准测试中表现出色，具有代码生成、数学推理等多方面的能力。开源协议为modified MIT，适合在多种硬件和推理框架上使用。
IQuest-Coder-V1-40B-Instruct是一款专注于代码生成和智能的LLM，定位为代码模型。它采用创新的代码流多阶段训练范式，支持高达128K的上下文长度，参数量达到40B。在SWE-Bench Verified、BigCodeBench等基准测试中表现出色，超越了同类模型。该模型具有高效的架构和双专业路径，适用于复杂问题解决和通用编码辅助。
LiquidAI/LFM2.5-1.2B-Instruct是一款针对边缘设备部署的混合模型，定位为通用大模型。其核心能力在于高效能的推理和轻量级的设计，特别适合移动和边缘设备。该模型在1.2B参数量下实现了高性能，具有239 tok/s的解码速度，并支持多种硬件平台。在性能表现上，LFM2.5-1.2B-Instruct在权威基准测试中表现出色，尤其在边缘设备推理方面具有显著优势。主要应用场景包括移动设备上的自然语言处理任务，如对话系统、文本生成等。其开源协议、轻量级设计和高效的推理能力使其成为边缘计算和移动应用的首选。
MiroThinker-v1.5-235B是一款定位为推理模型的LLM，具有235B参数量，支持交互式扩展，能够进行深度和频繁的模型-环境交互。其核心技术包括Qwen3_MoE架构和text-generation pipeline。在性能上，MiroThinker-v1.5-235B在多个基准测试中表现出色，具有代码生成、数学推理等多方面的能力。该模型开源，适用于需要高交互和信息检索能力的场景，如智能问答系统。
LiquidAI/LFM2.5-Audio-1.5B是一款专注于音频处理的多模态语言模型，定位为多模态模型。其核心技术包括基于LFM的音频去标记器、FastConformer音频编码器和RQ-transformer。该模型在音频到音频的转换任务中表现出色，支持实时语音到语音对话。性能方面，模型在ASR和TTS任务中表现良好，参数量适中，适合实时交互场景。主要应用场景包括语音助手、实时翻译等。
HY-Motion 1.0是一款基于Diffusion Transformer和Flow Matching的文本到3D人体运动生成模型，定位为多模态模型。该模型具有大规模参数量，能够从简单文本提示生成骨骼动画，适用于3D动画管道。其在LLM领域中的差异化优势在于其先进的3D运动生成能力。性能方面，模型在相关基准测试中表现出色，具有高效的推理效率和良好的开源协议。主要应用场景包括3D动画制作和虚拟现实。
Alpamayo-R1-10B是一款由NVIDIA开发的视觉-语言-动作（VLA）模型，定位在自动驾驶领域的特定领域微调模型。该模型基于Transformer架构，具有8.2B参数的骨干网络和2.3B参数的动作解码器。它在Hugging Face平台上的下载量为20,053，获得了199个点赞。模型在处理复杂自动驾驶场景中的决策方面表现出色，特别是在处理罕见的长尾事件。性能方面，模型在相关基准测试中表现良好，具有开源协议，适用于全球部署。其核心能力在于结合因果推理和轨迹规划，为自动驾驶应用提供可解释的推理和精确的车辆控制。
nvidia/nemotron-speech-streaming-en-0.6b 是一款专注于语音识别的领域大模型，具有cache-aware ASR和streaming-asr的特点。该模型基于FastConformer架构，支持多种语音数据集，包括LibriSpeech、AMI等。在性能上，模型在LibriSpeech测试集上取得了2.31%的WER，表现出色。模型适用于需要高效率语音识别的场景，如智能客服、语音助手等。其开源协议为nvidia-open-model-license，适合在多种硬件平台上部署。
Solar Open 100B 是 Upstage AI 推出的旗舰级 102B 参数大语言模型，采用 MoE 架构，具有强大的推理、指令遵循和代理能力。该模型在 19.7 万亿个 token 上进行预训练，上下文长度可达 128k。其差异化优势在于 MoE 架构带来的高效推理和知识深度，适用于需要高性能推理和定制化的场景。
该模型Qwen-Image-Edit-2511-Multiple-Angles-LoRA是一个专注于图像编辑的多角度相机控制LoRA模型，属于多模态模型类别。它基于Qwen/Qwen-Image-Edit-2511模型，具有96个相机位置，支持低角度拍摄，并使用高精度的Gaussian Splatting数据进行训练。该模型在图像编辑领域具有显著优势，特别适合需要多角度控制和精确图像编辑的场景。模型性能表现在其能够生成高质量的图像编辑结果，并在特定任务上表现出色。该模型开源，使用Apache-2.0协议，适合在具有适当硬件和推理框架的环境中应用。
HyperCLOVA X SEED 32B Think 是一款基于Transformer架构的多模态推理模型，定位为多模态模型。该模型具有32B的参数量，支持长达128K的上下文长度，并具备深度推理能力。它在多个基准测试中表现出色，尤其在视觉理解和代理任务方面。该模型适用于需要多模态理解和深度推理的场景，如文本生成、图像理解等。
Falcon-H1R-7B是一款推理优化的LLM，基于Falcon-H1-7B-Base模型，通过冷启动监督微调和RL增强，在数学、编程、指令遵循和逻辑推理等基准测试中表现出色。该模型采用混合架构，支持英语和多种语言，具有优秀的推理能力，适用于需要复杂推理任务的场景。
这篇论文提出了一种名为E-GRPO的熵感知组相对策略优化方法，通过合并连续的低熵步骤来形成高熵步骤，从而提高流模型在强化学习中的有效性和效率。这种方法通过优化SDE采样步骤的熵，解决了现有方法中奖励信号稀疏和模糊的问题。
这篇论文提出了MDAgent2，一个用于分子动力学模拟的端到端框架，它能够进行知识问答和代码生成。MDAgent2通过构建特定领域的数据集，采用继续预训练、监督微调和强化学习等策略训练模型，并引入了MD-GRPO和MDAgent2-RUNTIME等创新方法，实现了在分子动力学领域的代码生成和知识问答的性能提升。
这篇论文提出了Doc-PP，一个针对大型视觉语言模型（LVLMs）的文档政策保留基准，旨在解决模型在处理多模态文档时泄露敏感信息的问题。通过引入DVA框架，该基准能够将推理与政策验证分离，从而提高模型在遵守政策约束下的文档理解能力。
这篇论文提出了MindWatcher，一个集成了交错思维和多模态思维链（CoT）推理的工具集成推理（TIR）代理。MindWatcher能够在不依赖人类提示或工作流程的情况下，自主决定是否以及如何调用各种工具，并在推理过程中协调它们的使用。该模型通过自动化数据审计和评估流程，以及手动编纂的高质量数据集进行训练，并构建了一个名为MindWatcher-Evaluate Bench（MWE-Bench）的基准来评估其性能。
这篇论文研究了大型推理模型（LRMs）在多语言环境下的潜在推理能力。通过分析11种语言的数学推理任务，论文发现LRMs在资源丰富的语言中表现出较强的潜在推理能力，而在资源较少的语言中表现较弱。研究通过截断策略和表示分析，揭示了LRMs内部推理过程的跨语言一致性。
这篇论文提出了Unified Thinker，一个通用的推理模块化核心，用于图像生成。它通过将高级意图分解为可验证的计划来引导生成过程，从而解决了生成模型在逻辑密集型指令遵循上的困难。Unified Thinker通过将推理模块与图像生成器解耦，允许模块化升级推理而无需重新训练整个生成模型。实验表明，Unified Thinker显著提高了图像推理和生成质量。
这篇论文提出了一个统一的四阶段框架，用于描述数字孪生AI在生命周期中的AI集成，包括建模、镜像、干预和自主管理。它强调了基于物理的建模与数据驱动学习之间的协同作用，并探讨了生成式AI技术如何使数字孪生成为具有推理、通信和创造性场景生成的认知系统。
这篇论文提出了一种通过System-2策略来提高大型语言模型（LLMs）在计数任务中的机制可解释性。该策略通过将大型计数任务分解为更小的子问题来克服LLMs在计数任务中的系统性限制，并展示了这种方法在提高计数精度方面的有效性。
这篇论文介绍了AceFF，一种针对小分子药物发现优化的预训练机器学习原子间势（MLIP）。它通过TensorNet2架构在广泛的药物类似化合物数据集上训练，实现了高吞吐量推理速度与DFT级精度的平衡，支持多种化学元素并能够处理带电状态，通过多种基准测试证明了其在有机分子领域的领先地位。
这篇论文提出了OpenRT，一个用于多模态大型语言模型（MLLMs）安全评估的开源红队框架。OpenRT通过引入对抗内核，实现了模型集成、数据集管理、攻击策略、判断方法和评估指标等五个维度的模块化分离，从而提高了评估的全面性和效率。实验表明，即使是前沿模型也难以泛化到不同的攻击范式，OpenRT的引入有助于加速AI安全的发展。
这篇论文研究了大型语言模型（LLM）中工具性收敛趋势的可引导性，探讨了能力增长与可引导性之间的关系，以及授权与非授权引导的区别，通过实验发现使用反工具性提示可以显著降低模型的收敛率。
SciEvalKit是一个开源的评估工具包，旨在评估科学领域的人工智能模型。它通过提供跨多个科学学科的统一基准，专注于科学智能的核心能力，如多模态感知、推理、理解和符号推理等，支持从物理学到材料科学的六个主要科学领域。
这篇论文提出了一种名为SOP的在线后训练系统，该系统通过闭环架构，使多台机器人能够实时地在线学习，从而提高视觉-语言-动作模型在现实世界中的适应性和性能。SOP系统结合了交互式模仿学习和强化学习，能够快速适应真实世界的交互，并随着机器人数量的增加而提升性能。
这篇论文提出了AGL1K，第一个针对音频语言模型（ALMs）的音频地理定位基准，通过Audio Localizability指标从众包平台中提取可靠样本，评估了16个ALMs在音频地理定位方面的能力，发现封闭源模型显著优于开源模型，并分析了ALMs的推理过程、区域偏差、错误原因和可解释性。
这篇论文提出了UniCorn，一种通过自我生成的监督来提升统一多模态模型（UMMs）的框架。它通过将UMMs分为提议者、求解者和裁判三个角色，通过自我博弈生成高质量的交互，并通过认知模式重建将潜在理解转化为显式生成信号，从而解决了多模态理解与生成之间的差距。
本文深入探讨了强化学习中的PPO和GRPO算法，通过将RL训练过程比作小学生考试场景，解释了仅使用奖励作为训练信号的问题，并介绍了Critic、Clip操作、Reference Model等机制如何解决这些问题。GRPO算法通过使用多个模拟平均值代替价值函数，简化了训练过程并降低了资源消耗。
NVIDIA发布了Nemotron Speech ASR，这是一种新的实时语音识别模型，专为实时语音代理而设计。该模型通过引入缓存感知技术，仅处理新的音频“增量”，从而实现了比传统缓冲系统高达3倍的效率。Nemotron Speech ASR基于FastConformer架构，并采用8倍下采样，在保持高准确性和鲁棒性的同时，显著提高了GPU效率并降低了成本。该模型在NVIDIA H100、RTX A5000和DGX B200等硬件上进行了测试，并展示了其在高并发、低延迟语音代理工作负载中的实际效果。
Hugging Face 宣布推出 Falcon H1R 7B，这是一个由阿布扎比的科技创新研究所 (TII) 开发的仅解码器的大型语言模型。Falcon H1R 7B 在推理能力方面取得了重大突破，尽管其参数规模仅为 70 亿，但其在各种推理密集型基准测试中与参数规模大 2-7 倍的顶尖推理模型相当或优于它们。该模型通过精心挑选的训练集和两阶段高效监督微调流程，实现了卓越的性能，并在数学、代码和代理以及通用基准测试中均表现出色。
MiniMax AI 发布了 M2.1 模型，这是一个针对代理场景优化的开源模型，在代码生成、工具使用、指令遵循和长期规划方面表现出色。M2.1 通过解决 SWE-Bench 的局限性，如语言覆盖范围和任务类型限制，实现了在真实世界场景中的编码能力提升。文章还展望了 2026 年的研究方向，包括定义开发者体验的奖励信号、提高问题解决效率和强化学习扩展。
Hugging Face的研究人员通过测试19种模型配置和12种不同的架构，发现隐藏维度至少为512是关键阈值，32层深度提供最佳性能。扩散模型在推理速度和事实性方面表现出色，但牺牲了一些准确性。他们开发了一种名为Dhara-70M的扩散模型，在保持良好事实性的同时，将吞吐量提高了3.8倍。
本文介绍了NVIDIA Isaac Lab-Arena和Hugging Face的LeRobot在模拟环境中进行通用机器人策略评估的方法。通过集成NVIDIA的Isaac和GR00T技术，LeRobot库加速了开源物理AI的开发。文章详细说明了如何使用Isaac Lab-Arena在LeRobot EnvHub上评估VLA策略，并展示了如何创建和注册新的环境。此外，还介绍了Lightwheel Robocasa和LIBERO任务套件在Isaac Lab-Arena上的应用，为开发者提供了丰富的资源和指导。
NVIDIA发布了两个新的Llama Nemotron模型，旨在提高多模态搜索和视觉文档检索的准确性。这些模型包括用于页面级检索和相似性搜索的单向量多模态嵌入模型，以及用于查询-页面相关性评分的交叉编码重排序模型。这些模型设计用于在标准向量数据库上运行，并且足够小，可以在大多数NVIDIA GPU资源上运行，为开发者提供了强大的工具来构建更准确、低延迟的视觉文档检索系统。
本文介绍了名为“abliteration”的技术，该技术能够解除大型语言模型（LLM）的审查机制，使其能够对各种提示做出响应，而无需重新训练。文章详细阐述了abliteration的实现过程，包括数据收集、拒绝方向识别和干预措施等步骤，并提供了基于TransformerLens库的代码示例。
这篇公告主要介绍了在NVIDIA Blackwell GPU上通过内核工程优化FP4 MoE（混合专家）模型推理的性能。通过内核融合、Blackwell优化和专家感知计算，实现了BF16的3.54倍和vLLM的1.32倍推理速度提升，特别是在批处理大小为1的交互式推理中，SGLang表现出了显著的性能优势。
本文档详细介绍了如何在Verl框架上使用GRPO（Group Relative Policy Optimization）和LoRA（Low-Rank Adaptation）技术训练Qwen2.5-3B-Instruct模型。文章涵盖了基础设施设置、数据管道、训练过程以及验证与基准测试等关键步骤，并针对训练过程中遇到的问题和挑战提供了解决方案和优化策略。
本文介绍了如何从头开始构建一个简单的检索增强生成（RAG）系统，通过结合信息检索和文本生成来提高语言模型的表现。文章详细介绍了RAG系统的组成部分，包括检索模型和语言模型，并展示了如何通过索引、检索和生成阶段来构建一个简单的RAG系统。此外，还讨论了RAG系统的改进空间，如处理多主题问题和使用更高效的向量数据库。
本文探讨了利用Tinker API和GRPO算法对大型语言模型进行有害强化学习攻击的方法。作者展示了如何通过恶意奖励函数和强化学习算法放大模型中的有害行为，并强调了这种攻击的潜在危害。文章呼吁社区开发更强大的防御机制，并提出了模型提供者和RLaaS平台共同采取防御措施的建议。
Hugging Face 发布了 Qwen-Image-i2L，这是一种新的 'Image-to-LoRA' 模型，可以将图像训练成 LoRA 模型的权重，实现端到端的直接生成。该模型旨在减少 LoRA 训练时间，并探索了多种模型架构和训练方法，以提高模型性能。
Hugging Face 发布了关于 LoRA（低秩适应）技术的博客文章，这是一种创新的微调技术，通过在预训练的大型语言模型中添加小的可训练适配器层来适应特定任务，而不需要重新训练数亿个参数。LoRA 通过冻结原始模型权重和使用低秩矩阵分解来优化，显著减少了训练所需的计算资源和内存。这项技术为现代 AI 开发带来了革命性的变化，提供了显著的参数效率，同时保持了与全微调方法相当的性能。
本文介绍了KV缓存技术，这是一种优化Transformer推理效率的方法。通过记住之前步骤中的重要信息，KV缓存可以显著提高文本生成速度，尤其是在处理长文本时。文章详细解释了KV缓存的工作原理，包括其逐步过程、与传统推理的比较以及实际应用示例。
OpenMed项目自2025年7月启动以来，已经发布了380多个先进的医疗AI模型，旨在推动医疗AI的发展。这些模型涵盖了从疾病和条件检测到药物和化学实体识别等多个领域，并采用Apache 2.0许可协议免费提供。OpenMed还提供了一套完整的Python工具库和交互式终端用户界面，旨在提高开发者的使用体验，并已部分模型可在AWS Marketplace上使用。
本文探讨了人工智能系统中连续性的重要性，将其视为一个一级系统属性，并分析了现有方法在提供稳定连续性方面的不足。作者提出了一个模型无关、以隐私为首要考虑的连续性架构，该架构通过明确区分行为引导状态和仅用于参考的历史记录，使人工智能系统能够在重启后保持连贯性、可审计性和隐私安全。
本文探讨了视觉语言模型（VLM）微调中多样性策略与密度策略的对比。作者通过实验，对比了在数据量有限的情况下，使用大量不同图像（多样性）和重复图像（密度）对模型性能的影响。结果表明，多样性策略在测试集和真实世界问答基准测试中均优于密度策略。然而，在特定情况下，密度策略在推理模型中表现不佳，表明仅增加问题多样性并不一定能提高推理能力。作者还讨论了实验中使用的LoRA微调方法、数据生成过程以及未来研究方向。
Datadog宣布利用OpenAI的Codex技术进行系统级别的代码审查，标志着AI在软件开发领域的新应用。Datadog与OpenAI的合作将提升代码审查的效率和准确性，为开发者提供更智能的代码分析工具。
OpenAI与软银集团旗下的SB Energy合作，共同开发多吉瓦特的人工智能数据中心园区，包括一个1.2吉瓦的德克萨斯州设施，以支持Stargate项目。由于抓取链接失败，具体信息无法获取。
这篇论文提出了GRACE，一个基于强化学习的框架，旨在解决检索增强生成（RAG）在提供答案时缺乏明确证据和生成虚假响应的问题。GRACE通过利用异构检索器生成多样化的训练样本，并采用多阶段门控奖励函数来训练模型，使其能够评估证据充分性、提取关键支持证据，并提供答案或明确拒绝。
这篇论文介绍了SAGE-32B，一个专注于代理推理和长期规划任务的32亿参数语言模型。SAGE-32B通过迭代蒸馏进行微调，并引入了逆推理方法，通过元认知头来预测规划过程中的潜在失败。在多个代理推理基准测试中，SAGE-32B在多工具使用场景中实现了比基线模型更高的成功率。
这篇论文提出了Minary，一个计算框架，旨在成为第一个形式上可证明的自组织原初模型。Minary通过多维向量表示交互的概率事件，并通过线性叠加而非乘法标量运算来组合它们，从而保持不确定性并允许在[-1,1]范围内发生建设性和破坏性干扰。论文通过迭代随机仿射映射的理论证明了该系统的收敛性，并推导了关于能力矩阵的平均值和方差的精确公式，最后讨论了Minary在构建自维持、分布式和可并行化计算系统中的应用。
这篇论文提出了一种名为NC2C的基于大型语言模型（LLM）的自动化框架，用于将通用的非凸优化问题转化为可解的凸形式。该框架利用LLM的数学推理能力来自动检测非凸组件，选择最优的凸化策略，并生成严格的凸等价形式。实验结果表明，NC2C在将非凸问题转化为凸问题时具有高执行率和成功率，显著优于基线方法。
这篇论文介绍了Qwen3-VL-Embedding和Qwen3-VL-Reranker模型系列，这是基于Qwen3-VL基础模型的最新的Qwen家族扩展。这两个模型共同提供了一个端到端的多模态检索和排序的高精度管道，可以将文本、图像、文档图像和视频等不同模态映射到一个统一的表示空间。Qwen3-VL-Embedding模型采用多阶段训练范式，从大规模对比预训练到重排序模型蒸馏，生成语义丰富的多维向量。Qwen3-VL-Reranker模型使用交叉编码架构和交叉注意力机制进行查询-文档对的细粒度相关性估计。这两个模型系列继承了Qwen3-VL的多语言能力，支持超过30种语言，并提供了2B和8B参数大小以适应不同的部署需求。实验结果表明，Qwen3-VL-Embedding系列在多个多模态嵌入评估基准上取得了最先进的结果。
这篇论文提出了DocDancer，一个基于文档的问答系统，通过工具驱动的代理框架和探索-综合数据合成管道来解决现有文档问答系统在工具利用和模型依赖上的不足。该方法通过在合成数据上训练模型，在两个长文本理解基准测试中展示了其有效性。
这篇论文提出了Miner，一种针对大型推理模型的数据高效强化学习方法。Miner通过将策略的内禀不确定性作为自监督奖励信号，解决了在正同质提示（所有rollouts都正确）上训练时的效率问题，并通过创新的信用分配机制和优势校准，实现了在多个推理基准上的性能提升。
这篇论文提出了ArcAligner，一种用于RAG（检索增强生成）的轻量级模块，旨在解决将长文档压缩成小总结或数学嵌入时，语言模型难以理解压缩后的内容的问题。ArcAligner通过自适应门控系统，只在信息复杂时增加处理能力，从而提高模型在压缩上下文表示下的生成效率。
该论文提出了一种基于检索增强生成（RAG）的系统，用于在临床环境中进行高效的知识发现。该系统利用PubMedBERT进行领域特定嵌入生成，并使用本地部署的LLaMA3模型进行生成合成，以推荐研究合作伙伴。
