DeepSeek mHC之后，xHC重新设计「16路残差流」架构
上交、小红书等团队提出 xHC，用多尺度写回和稀疏更新继续改造 DeepSeek mHC。DeepSeek mHC 发布后，多路残差流迅速成为大模型架构研究中的热门方向。原始 HC 把单一残差状态扩展
阅读全文ECCV 2026 | MoKus打通跨模态迁移：文本一改，生成图像也跟着变
统一多模态模型中，生成与理解是否共享一个知识空间？动机作为人类，我们可以阅读、倾听、观看，并把来自不同模态的信息整合进同一个大脑。之后，无论是写字、说话还是绘画，我们都能调用这些知识。那么，当一个统一
阅读全文模型权重不动，Harness改写100轮：「递归自我改进」首获实证
模型权重保持不变，研究 agent 却在 100 轮筛选中重写了自己的搜索、上下文与评测机制。100 轮改写，约九成候选版本未能通过评测，真正刷新历史最佳的只有 7 轮。Weco AI 让一个研究 a
阅读全文AgentCompile让大模型做“编译参谋”，CUDA推理平均加速5.66倍
随着大语言模型进入真实应用，推理成本正在成为限制落地的重要瓶颈。一次生成任务背后，往往包含长上下文预填充、逐 token 解码、KV cache 读写、矩阵乘法、注意力计算和大量框架调度开销。PyTo
阅读全文NeurIPS 2026出分倒计时，杰出AC开源Rebuttal Skill
哪些问题值得回，哪些实验可以不做，这套 skill 先帮你排一遍。EMNLP 2026 rebuttal 刚刚收官，NeurIPS 2026 也将在 7 月 22 日出分。就在这个节点，港大 NLP
阅读全文中科大等团队开源长视频Agent：剪辑翻车，只改出错片段
无需从头重来，只要定位一个故障的中间工件，就能让跑偏的 AI 剪辑“悬崖勒马”？近年来，大型语言模型（LLMs）在长篇视觉叙事中展现出卓越潜力，生产方式正迅速从单一模型生成转向面向生产的智能体系统。但
阅读全文视觉版「下一个token预测」找到了？何恺明等押注视频生成
何恺明、Andrew Zisserman 等视觉大牛联手，把文生视频模型做成了多任务感知模型。靠着预测下一个 token，语言模型逐步把翻译、摘要、问答甚至推理收进同一套系统。计算机视觉却仍然高度分工
阅读全文人大×小红书开源UnityMAS-O，多智能体实现联合强化学习
角色、工作流、模型映射和奖励都可自定义，UnityMAS-O 让多智能体系统拥有统一的强化学习优化接口。©PaperWeekly 原创 · 作者 | 陈逸群单位 | 中国人民大学博士生研究方向 | 多
阅读全文AAAI 2027投稿指南：这些新规和细节，可能让论文直接拒稿
AAAI 2027 的时间线、匿名要求、格式限制和合规风险，都集中整理在这份清单里。AAAI 2027 投稿已经启动。每到截稿季，作者反复确认的往往不只是论文有没有写完，还包括今年的规则有没有变化、提
阅读全文大模型“想太多”也能成攻击？浙大阿里揭示推理模型DoS新风险
研究背景与摘要近年来，⼤语⾔模型正在从“会聊天”⾛向“会推理”。以 DeepSeek-R1 为代表的⼤语⾔推理模型，已经被⽤于数学求解、代码⽣成、科学分析、智能体决策等复杂任务场景。但推理能⼒的提升，
阅读全文标题取得好，Accept跑不了：NeurIPS in ICML真来了
有些论文赢在方法，有些论文连名字都很会：标题先让人停一秒。这两天刷到一张 ICML 2026 现场图，忍不住多看了两眼。〓 图源：@实对称齐次正定的炼丹变换一篇 ICML 论文，方法名缩写叫 Neur
阅读全文首篇VLA安全综述出炉：机器人听懂指令，安全评测也要升级
当大模型不再只是聊天，而是开始控制机械臂、车辆和服务机器人，AI 安全问题就不再只是“说错话”，而可能变成真实世界里的物理风险。过去我们谈大模型安全，更多关注的是幻觉、越狱、有害文本生成。 这些问题
阅读全文直播预告 | 香港城市大学许凯第教授：判断大模型识别可信的边界
PaperWeekly × 星弧 STARC 科研觉醒AI前沿讲座 直播主题 判断大模型识别可信的边界：面向决策任务的不确定性量化 直播嘉宾 许凯第香港城市大学数据科学学院终身副教授 直播时间 20
阅读全文大模型到底能记住多少？ICML 2026获奖论文给出答案：每个参数约3.6 bit
大模型到底记住了多少训练数据？这篇论文给出一个具体估计：GPT 类模型每个参数约 3.6 bit。大模型训练过的文本，究竟有多少真的留在了参数里？这个问题长期悬而未决。模型能补全一段训练文本，不一定说
阅读全文ICML 2026 | 不用文本编码器推理，脉冲神经网络也能看懂3D开放世界
脉冲神经网络（SNN）因其高能效和时空处理能力，在 3D 感知中具有巨大潜力。然而，现有的 SNN 在预训练和推理阶段面临挑战，限制了其在 3D 开放世界理解（如零样本 3D 分类和开放世界问答）中的
阅读全文翁荔再写万字长文：AI自我改进，先从Harness开始
AI 要自我改进，短期内最先被改写的，可能不是模型权重，而是模型外层的 Harness。AI 如果走向自我改进，第一步会发生在哪里？很多人会想到模型权重：模型读自己的代码，改自己的参数，训练出更强版本
阅读全文ICML 2026 | 从提取漂移到聚合漂移，南大AREA重做CLIP增量学习
类别增量学习要求模型不断学习新类别，同时保持旧类别的识别能力。近年来，基于 CLIP 等视觉语言模型的类别增量学习受到广泛关注，因为 CLIP 已经具备强大的视觉-文本对齐能力，可以通过冻结主干并训练
阅读全文一步生成SOTA也不够，何恺明团队「漂移模型」遭ICML拒稿
这篇论文结果很强，关注度也不低，但 ICML 2026 最终给出的决定仍是 Reject。今年年初，何恺明团队用漂移模型把一步生成重新推到了台前。过去几年，扩散模型和流匹配模型不断刷新图像生成质量，但
阅读全文WWW 2026 | RAG黑箱被打开！OpenDecoder把文档质量写进解码
大语言模型越来越多地被用于生成跨领域问题的答案。然而，当这些模型单独使用时，常常会出现错误或不准确的答案。检索增强生成（RAG）可以部分解决这个问题。目前的方法将语言模型视为一个黑箱（black-bo
阅读全文HuggingFace热榜第一！清华上交推出MemSlides，精准锁定PPT局部修改
AI 生成 PPT 往往“一改就乱全篇” 。清华、上交、北邮联合提出的 MemSlides 通过层次化记忆，让 Agent 实现了精准的局部修改 。清华大学、上海交通大学、北京邮电大学合作完成的 Me
阅读全文CVPR 2026 | 只改少量关键方向，模型就能连续适应？南大GOLD来了
上线后的视觉模型，面对的从来不是一个静态测试集，而是一条持续变化的数据流。自动驾驶摄像头会从白天驶入黑夜，从晴天进入雨雾；视频分析系统会不断遇到新的光照、视角和场景；医学影像模型也可能因为采集协议、设
阅读全文AI科学家再聪明10倍，科学也快不起来：瓶颈是300年前发明的「论文」
自动读文献、做实验、写论文之后，AI for Science 的下一步，轮到科研协议本身。©PaperWeekly 原创 · 作者 | 刘嘉晨单位 | 密歇根大学研究方向 | AI for Scien
阅读全文ICML 2026 | 南大SAME稳住MoE，缓解多模态持续微调双重遗忘
多模态大语言模型（MLLM）通过指令微调获得了强大的视觉-语言理解能力，但真实部署场景中，模型往往需要持续学习新的任务、领域和回答格式，这使多模态持续指令微调（Multimodal Continual
阅读全文Om AI三连发收官！VLX-Go压轴：0.6B跑通导航，VLM从「看懂」走向「行动」
从目标定位到下一步行动，VLX-Go 补上 VLX 系列的行动决策层。让机器人跟上前面的人，并绕开突然出现的障碍物。这个任务听起来简单，但对 VLM 来说，文字回答远远不够。真实设备要的是下一小段可以
阅读全文最高影响因子29.1！Advanced期刊家族最新排名出炉
近日，科睿唯安发布2026年度期刊引证报告（Journal Citation Reports, JCR）。Wiley 旗下The Advanced Portfolio 整体表现亮眼，多本期刊的影响因子
阅读全文直击GPU集群真实故障，首个AI Infra运维智能体基准开源
当智能体走进 GPU 集群运维现场，真正难的不是回答问题，而是定位问题。随着全球智能体加速落地，算力需求呈指数级爆发，以 GPU 为核心的 AI 基础设施正变得愈发关键。据摩根士丹利报告预测，2028
阅读全文美团ICML 2026入选论文精选，两场直播聚焦Agent与视频生成
点亮👆“☆”星标，不错过推送内容~🎯 活动预告：美团&顶会论文分享会继续！ACL'26 两场及搜推 ASX 团队专场已结束，视频沉淀见【美团技术团队小红书】，还有 2 场【 ICML'26 美团论文分
阅读全文Om AI第二弹！VLX-Seek来了：3B小模型，细粒度感知反超Gemini
继 VLX-Flow 之后，Om AI 把 VLX 系列推进到第二层能力：让模型在实时视觉场景中看准目标。3B 参数的 VLM，能在细粒度感知上超过 Gemini 3.1 Pro 吗？在 Om AI
阅读全文4300万论文、30亿三元组，科研Agent实现多视角创新评估
当科研 Agent 越来越会生成 idea，真正稀缺的能力，开始变成判断什么值得做。当大模型深度介入科研流程后，研究想法的生成门槛被显著降低，科研产出随之呈现出爆发式增长。与此同时，全球科研论文数量持
阅读全文刚刚官宣！Om AI三天连发3款模型，物理AI的「端侧大脑」来了
VLX-Flow、VLX-Seek、VLX-Go 三款模型连发，联汇科技把流式多模态推向真实设备和物理世界。过去一年，多模态模型越来越会看图、看视频、听语音，也开始把摄像头和屏幕变成新的交互入口。但真
阅读全文