ALL HERE INDUSTRY INSIGHTS
行业咨询
来自一手发布、开源社区与论文平台的前沿动态。
GLM-RAG：三类知识图谱检索器硬碰硬，跨域泛化才是真差距
知识库从纯文本换成知识图谱之后，常规的向量检索就不太够用了。单跳问题还好——问「iPhone 16 的芯片是什么」，向量匹配上就完事。但问题一旦变成「iPhone 16 的芯片供应
发布日期：
阅读全文 →世界模型跑不动实机？这篇新论文把 WAM 量化到 29% 显存，精度只掉零点几个点
做机器人操作的同行应该都有这个体感：世界动作模型（World Action Model，WAM）效果好是真效果好——它同时预测下一帧视觉和下一步动作，闭环跑起来比开环模型稳得多。代
发布日期：
阅读全文 →LLM 推理的「动态剪枝」困局，终于有人用 Token 级宽度解决了
做 LLM 推理的人心里都有一本账：模型越大，每 token 越慢，但不可能让它每步都跑满全部参数——因为很多 token 其实「不值得」那么多计算量。于是剪枝（pruning）一
发布日期：
阅读全文 →LLM 太信任智能手表数据了：一篇论文量化了「衍生特征过度信任」有多严重
AI Agent 如果正靠智能手表的心率数据做判断，这篇东西得先看完。 它来自 arXiv 上刚挂出来的一篇论文，核心问题很简单但很少有人认真量化过：当 LLM 拿到的不是原始信号
发布日期：
阅读全文 →UNICON 发布｜一个能跨学科「读数据」的数值基础模型来了
最近跟几个做科学计算的朋友聊，发现一个共同的卡点：LLM 在文字上已经够用了，但一碰到数值系统——气象、流体、代谢网络、市场价格序列——就基本帮不上忙。LLM 的预训练语料是文本，
发布日期：
阅读全文 →arXiv 2607.28434: 不训练，不微调，一次前向传播就能读到模型在「理解」什么
有一篇 arXiv 论文发出来，光看摘要就能让人停下来想一会儿。它叫 Metaphor Tracer ，7 月 30 日提交，39 页，8 张图，目前还没有开源代码或权重。 核心主
发布日期：
阅读全文 →SVR 论文速读：模型学会自验自停，推理不用算死账
部署模型做数学推理时有一个两难：同一个模型，有的题一步就解对，有的题绕了十轮还在改答案。固定预算浪费算力，挂外部 verifier 又增加部署复杂度。 arXiv 上这篇 SVR（
发布日期：
阅读全文 →LeanCSP 论文｜Lean 给约束求解上了「双验证」，搜索量压到两千万分之一
做调度、规划、配置、验证的人，日常跟约束求解器打交道。一个问题丢进去，求解器跑完返回 SAT 或 UNSAT，拿过来就用。这些求解器几十万行代码起步，堆满了启发式和剪枝策略，没人能
发布日期：
阅读全文 →28 万份肠镜报告「训」出一个接近专家水平的 AI，关键不在模型结构
每天早上，AI 圈都会消化几篇新论文，大多数是基线往上挪了零点几个点。但偶尔会出现一篇，读完第一反应不是「又涨了」，而是「之前怎么没人这么干」。刚挂上 arXiv 的这篇 Endo
发布日期：
阅读全文 →把AI推理塞进纳米卫星：不传图片，只传结论
前两天翻arXiv看到一篇有意思的preprint，标题很长但痛点一句话就能说清楚——纳米卫星拍了一堆航空影像，但传不回来。 不是设备坏了，是设计逻辑的问题。传统叫法叫「bent-
发布日期：
阅读全文 →下水道里的可解释AI：一篇新论文把管道缺陷检测从黑箱变成了可追溯推理
下水道、模糊规则、神经符号，这三个词同时出现在一篇论文标题里，看起来确实容易让人滑走。但如果关注 neuro-symbolic 的实际落地，或者正在想怎么让模型输出不再只是黑箱猜测
发布日期：
阅读全文 →供应链终于有了一个「端到端」的AI大脑｜SCOPE论文解读
前两天在arXiv上翻到一篇新论文，标题叫SCOPE，全称是"Supply-Chain Operations through Coupled Policies for End-to
发布日期：
阅读全文 →InfoOps Bench 测了 17 个大模型：大部分能被用来搞信息战，中国模型的「选择性拒绝」最微妙
一篇新论文发了：InfoOps Bench，一个实时更新的 AI 安全基准。 它专门测前沿语言模型会不会被国家背景的信息操作（information operations）利用——
发布日期：
阅读全文 →