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。
多 Agent 说你「很确定」的时候，可能在瞎编｜一篇新论文给 LLM 系统装了置信度仪表盘
多 Agent 流水线的不确定性，终于有人做了个仪表盘 用不止一个 LLM Agent 串起来干活的人，多半遇到过这种场景：每个 Agent 单独看都还行，一组成流水线就开始互相喂
发布日期：
阅读全文 →跨厂商Agent工具信任，这篇论文想把它标准化
最近arXiv上有篇论文，标题很长——「Toward Standardized Cross-Vendor Agent Tool Trust Management in Autono
发布日期：
阅读全文 →Penelope 提出「局部潜变量循环」，推理不再依赖长 CoT 吐 token
跑推理模型时有一个让人烦躁的时刻：模型在 CoT 里写了一大堆「让我想想……第一步……第二步……检查一下……」，最终答案也许是对的，但延迟和账单一起飞涨。Chain-of-Thou
发布日期：
阅读全文 →控制器的「人工可读」困境：丢一点最优性，换整整两个数量级的决策树缩小
做控制器的同学大概都有这个体验：模型跑通了，最优策略算出来了，可别人问"它到底怎么做决策的"，只能摊手。 不是不解释，是解释不动。MDP（马尔可夫决策过程）的最优策略抽成决策树之后
发布日期：
阅读全文 →ClinPRISM 发布 | 4B 参数、16 Token、0.15 秒推理，临床时序问答来了个轻量专业方案
临床时间序列数据是出了名的难搞——稀疏、不规则、不同指标采样不同步。把 ICU 监护数据、血糖监测或者心电图直接塞给 GPT-4 这类通用多模态模型，大概率得到一堆模棱两可的回应，
发布日期：
阅读全文 →JD 用 LLM 选库存分配公式，Hit Ratio 从 21% 拉到 50%，这思路比直接求解更务实
多仓库库存分配是一个典型的混合整数规划（MIP）问题，但难点在于——没有一套公式能应对所有场景。需求集中度、库存失衡、补货规模、服务约束、预测波动，随便一个变量变了，最优的数学建模
发布日期：
阅读全文 →CHARM 把图结构喂给了 LLM，顺便解决了零样本跨域迁移
做图学习的人这几年一直有两股力在拉扯。一边是 GNN 这条路，模型越做越深，但换一个图就得重新训或者至少做下游适配，零样本迁移基本没戏。另一边是 LLM，语言模型在文本、代码、图像
发布日期：
阅读全文 →AI竞赛不是赌风险，是怕掉队——一篇实验论文找到了不安全开发的真正推手
AI圈聊了两年"竞赛导致不安全开发"，从OpenAI到Anthropic到国内的几家，大家都在拼命抢速度，每次有同行发布新模型，办公室里就会有人问：我们是不是该把安全审查周期压缩一
发布日期：
阅读全文 →电脑用AI看得懂屏幕变化吗？一个新Benchmark测出明显短板
用模型操作计算机（CUA）时，场景是这样的：模型发一条指令——点击按钮、拖拽文件、切换窗口——然后等着，拿到下一帧截图，再决定下一步。流程看起来没问题，实际用起来，模型经常像在梦游
发布日期：
阅读全文 →给 AI Agent 加上「交易成本」，它才更像真人
用 LLM 模拟人类行为这件事，这两年被翻来覆去地试。给模型一个 persona，说「你是一个 35 岁、年收入 8 万欧、住阿姆斯特丹的租房族」，然后问它「如果政府给你 5000
发布日期：
阅读全文 →LLM 跑对一次不算学会，一篇新论文给了个固化经验的方案
做过几次科学计算的人大概都有体会：让 LLM 写一段数值代码，第一次跑通，你以为它学会了。换一组参数、换一个方程再来，它从零开始犯一样的错，之前那次执行好像根本没发生过。 这不是错
发布日期：
阅读全文 →一篇承认没赢的论文，把 LLM 的 KV Cache 驱逐问题重新讲了一遍
跑过本地模型的人应该都见过这个场景：上下文一长，显存先扛不住，KV Cache 把预算吃干抹净。各路驱逐策略轮番上场——StreamingLLM 保开头保新鲜，H2O 按注意力累积
发布日期：
阅读全文 →LLM 抽关系总抽出自相矛盾？这篇论文给了两条可以抄的解法
做信息抽取的同行应该都有过这种体验：让 LLM 从一份文档里抽关系三元组，它告诉你 "A 是 B 的上级，B 是 C 的上级"，但同一个模型又说 "C 和 A 没关系"。对称性、传
发布日期：
阅读全文 →