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。
大模型押注世界杯：104 场比赛预测完，开卷考只涨了 0.023
昨天刷 arXiv 看到一篇有点意思的论文，来自慕尼黑工业大学那帮人。他们搞了个叫 LLM-SoccerArena 的基准测试平台，专门测大模型在真实体育赛事上的预测能力——不是考
发布日期：
阅读全文 →SIREN：一篇把极端天气预警拆成600道题的论文，暴露了LLM Agent的短板也补了它
做极端天气预警这件事，比想象中更不"AI"。气象局里真正干活的人，不是坐在那等一个模型输出就发警报的。他们要同时盯雷达回波、卫星云图、地面观测站、数值预报、历史相似案例，然后在一个
发布日期：
阅读全文 →一篇新论文把「AI 如何改变创新」这事拆成了三个空间
arXiv 今天上线了一篇有意思的论文。标题很长，核心问题很直接：AI 到底在怎么改变「创新」这件事本身？ 文章署名 Zhimin Zhang、Chengzhen Ma 等八位作者
发布日期：
阅读全文 →AI 自主研究跑出高分但烧掉太多经费？这篇论文捅破了一层窗户纸
做 AI 研究的都懂一种焦灼：模型最终效果很好，回头看中间那堆实验——冗余的调参、撞墙的搜索路径、白花花的算力打了水漂。更难受的是，学术界和工业界目前评一个自主研究系统好不好，几乎
发布日期：
阅读全文 →LLM 当模拟受访者，别只看它选了什么，要看它怎么想的
现在有不少团队在用 LLM 做「社会模拟器」——拿模型当合成受访者填问卷、做概念测试。省钱、快、样本量大，看起来很美。但这两天 arXiv 上有一篇论文，点名说了一个很多人选择性忽
发布日期：
阅读全文 →ERUnderstand 基准实测：VLM 看 ER 图，常规元素稳了，多值属性和多元关系直接崩
做数据库设计的人都知道一个尴尬事：ER 图通常是图片，不是机器可读的 schema。拿到一张实体关系图，想用 AI 帮忙解析、审查或者转换成 DDL，得先把图里的符号再认一遍。这事
发布日期：
阅读全文 →Anthropic CEO 亲自辟谣：我们从未主张禁止开源模型
Dario Amodei 的中间路线 这几天美国科技圈在吵一件事——要不要禁止美国公司用中国的开源模型。一些官员在推禁令，一大批科技公司签了公开信力挺开源，然后有人把矛头指向 An
发布日期：
阅读全文 →印度语用户交的"分词税"：等效内容多花 8 倍 Token，马来雅拉姆语上下文直接缩到 12%
用 GPT-4 处理非英语内容时，同样的意思，中文、日语或印地语好像比英语多吃了不少 token。不是错觉。最近 arXiv 上挂了一篇论文，专门把这件事量化了——对象是印度语言，
发布日期：
阅读全文 →Agent 自己改代码自己打分，分数越来越高，活越干越差
前两天看一篇新论文，摘要读完就笑了——这不就是我们踩过的坑吗。 论文来自 arXiv，标题挺长，但核心问题一句话就能讲清楚： 一个能自我改进的 Agent，如果让它自己改策略、自己
发布日期：
阅读全文 →扩散模型也能「从左到右」并行生成了，这篇论文找到了关键
做 LLM 推理的人应该熟悉这个纠结：想要生成质量，就老老实实自回归，一个 token 一个 token 地等；想要速度，就上扩散模型或者并行解码，但生成顺序是乱的，质量经常打折扣
发布日期：
阅读全文 →RAG 向量库去重提速 7 倍：为什么余弦相似度又慢又漏，以及 cross-attention 怎么修
做 RAG 的大概都碰过这个场景：文档切完 chunk 塞进向量库，检索越来越慢，看一眼库大小——比预想多了一倍。回头翻 chunk 列表，大量文本块是重复的。不是完全一样，是语义
发布日期：
阅读全文 →RAG + 消费级硬件 + 本地模型，一篇论文测了个很多人在干的活
有一类论文，一看摘要就知道作者自己也在现场干活。 这篇 7 月 27 日挂到 arXiv 上的 preprint，标题很长——《Retrieval-Augmented Large
发布日期：
阅读全文 →测试了 3 个开源模型 960 次，发现 LLM 离进医院只差一个闭环
试过让 LLM 输出一段符合 ICD-10 标准的诊断编码的，大概见过这种场面：问它「高血压用什么编码」，回的是「HTN」或者「I10—hypertension」。前者是临床随手写
发布日期：
阅读全文 →