成本优化 LLM-DailyDigest 2026-08-13 2026-08-13 约 100 字 预计阅读 1 分钟 成本优化 本主题由提交工具自动创建，可在此补充洞察与资料。 相关消息（按子主题自动聚合） 上下文压缩 12 DCKV：混合语言模型提示词 KV Cache 的学习式变换编码 10-29 软件工程智能体轨迹删除的隐性成本 10-27 有界键查询相似度下的注意力：空间复杂度与 Transformer 各向异性 10-27 编码智能体上下文的物理成本：质量约束下的资源核算 10-27 CarryOn：面向长时程智能体的对象化上下文运行时 10-20 从长上下文到选择性记忆：记忆中心压缩综述 10-18 Attic-KV：按需预演的 KV 缓存压缩方法 10-09 UNREAL：单一模型统一检索与长上下文证据选择 10-08 ReCAP：基于持久上下文图的智能体记忆压缩 10-01 Triage：语言模型运行前预测并裁剪音频 Token 10-01 ICLR：长程智能体何时可遗忘历史推理 09-25 StateComp：长程智能体的状态条件历史压缩 09-24 不确定性量化 1 Forking Fast：高效估计文本生成的不确定性动态 08-22 世界模型 1 LaLa-World：以自然语言动作扩展潜在世界模型 10-24 事实核查 2 PremiseCheck：高效核查人类与 AI 同行评审中的事实错误 10-18 TypeSafe Jev以1/500成本实现97.5%事实核查准确率 10-08 交互成本 1 TACT：面向语言智能体的通信高效社会智能训练 09-30 产业动态分析 4 Personal Agent商业前景：通用入口烧钱，垂直场景突围 10-27 Jev成Vercel平台采用最快的轻量级决策模型 10-19 TypeSafe AI完成8.7亿美元融资，决策模型Jev估值推至75亿美元 10-18 AI 决策模型 Jev 走红，TypeSafe AI 估值达 75 亿美元 10-10 人工智能辅助编程 2 CodeHealth 可预测智能体代码审查的 Token 成本 10-18 RepoAtlas：以动态多模态仓库视图引导编程智能体 09-16 代码评测 1 Claude Code 上线官方插件评测功能 09-13 令牌消耗 1 智能体 token 用量已达人类 5.2 倍 08-26 任务采样 1 Task-CoEvolve：自适应验证任务驱动的高效 Harness 优化 08-21 信用分配 6 FOCUS：面向长程语言智能体的主动评论家学习 10-27 TWICE：同噪声孪生世界的智能体强化学习信用分配 10-23 CATS：面向多智能体系统的对比归因拓扑搜索 10-22 ReAPO：面向高效探索的重试感知策略优化 10-22 Mosaic：多会话智能体强化学习 10-18 Trust the Critic More：基于动作分块的 Actor-Critic 训练 10-01 偏好优化 2 DPO 计算图随机剪枝：训练提速 1.4 倍并降低峰值显存 10-22 小模型生成更优拒绝样本：偏好蒸馏的规模规律 10-01 元编排 1 Omnigent 开源多 Agent 元编排层 08-28 医疗人工智能 1 RetiJev：快速且来源可溯的眼科决策模型 10-23 医疗人工智能评测 4 JEV用于临床试验入组标准评估 10-27 System 1 模型在医疗决策中的价值与局限 10-23 决策语言模型：低成本快速替代临床 AI 的 LLM 评判器 10-22 Jev 医疗能力基准评测：初步结果 09-29 协同演化 1 RLDiscover：LLM 驱动的强化学习算法协同进化 10-08 反思早停 1 EvoResearcher：免训练的推理时自我反思与成本约束早停 08-20 可信执行 1 OnTrack：基于流式结构感知最优传输的 LLM 智能体轨迹实时监控与干预 10-09 在策略蒸馏 8 OnQ：以自生成轨迹恢复量化模型推理能力 10-22 ReCal：面向在策略蒸馏恢复的结构化剪枝校准 10-10 何时需要在策略蒸馏？离线学生轨迹往往更优 10-10 ReTaCo：基于残差目标控制的在策略蒸馏 10-01 在线蒸馏缓解强化学习的长度扩展税 10-01 DivOPD：面向多轮智能体的异步在策略蒸馏 09-30 EOPSA：高效在策略自蒸馏安全对齐 09-30 BAS-OPD：预算感知的选择性在策略自蒸馏 09-23 多教师蒸馏 1 Jev：从概率判断到搜索决策与多教师蒸馏 10-08 多智能体协作框架 6 图结构分布式块优化实现并行智能体安全协作 10-22 FlowMAS：用生成流网络学习多智能体工作流拓扑 10-18 Claude动态多智能体工作流：11.6万行代码检出66个Bug 10-18 Jev-LiteMAS：分离多智能体工作流中的决策与生成 10-18 MAGIC：密集奖励强化学习构建混合粒度智能体图 09-23 CREW：面向相关工作生成的协作式多智能体强化学习框架 09-15 多智能体协作风险 2 多智能体通信可能适得其反：强模型指导使准确率下降23.6个百分点 10-24 MAScope：基于通信拓扑的多智能体 LLM 故障诊断 10-08 多智能体系统 7 4个Gemini智能体自主协作通关《我的世界》 10-18 序贯拍卖驱动的去中心化 LLM 工作流 10-18 1393个智能体重构单个Python文件，成本高达2万美元 10-10 条件渐进剪枝提升多智能体辩论效率 09-29 任务分解提升完整性，而非信息产出 09-16 CoAdapt：面向工业物联网机器人群的自适应协同感知框架 09-16 合作驱动优化的多智能体学习 09-16 多模态学习 1 面向指代表达分割与视觉定位的低成本主动学习 09-01 多模态推理 1 DirCast：单一流式视频语言模型实时完成电竞导播与解说 10-27 多跳推理 1 EIR：分离证据检索与推理重建，减少多跳智能体重试 09-29 奖励建模 2 基于项目反应理论的量规奖励 09-30 HSRM：用于测试时验证的隐藏状态奖励模型 09-01 奖励机制设计 2 面向任意测试时约束的预算感知多轮智能体奖励设计 10-21 QGLAS：开放式强化学习的响应长度控制 09-30 奖励模型评测 1 廉价验证器足以支撑稳健的 LLM 后训练 09-29 学术论文生成 1 Spark-to-Paper：以可组合技能端到端生成研究论文 08-14 安全评测 1 Jev：零样本检测 AI 对齐失效的校准决策模型 09-25 定价机制 1 LLM 推理服务的默认设计与 Token 定价 08-16 容量规划 1 自我精炼流水线中的非对称模型容量分配 08-24 工具使用训练 1 单策略强化学习超越树搜索的化学工具调用 09-01 工具调用 4 重新审视多轮工具使用中的工具图记忆 10-18 TRACER：面向智能体轨迹的工具检索 10-18 PhoneCLI：将移动应用界面编译为可调用命令 09-30 小米 MiMo-V2.6 用 MOPD 低成本修复工具调用重复 09-28 幻觉检测 3 决策模型作为幻觉检测评判器 10-29 RAIM：聚合低成本模型进行幻觉检测 10-01 RAGScope：面向 RAG 幻觉分流的防泄漏低成本证据门控协议 10-01 开源模型 2 Project Greenhouse：低算力构建全开放自主智能体搜索模型 10-10 千问、智谱开源低价新模型，Qwen4 架构提前亮相 08-27 弱到强泛化 1 SWIFT：基于目标外推的自引导弱到强扩散模型 10-22 强化学习 3 Jev 能否充当强化学习中的 Q 函数或策略？ 10-09 RollVerify：兼顾长尾 Rollout 强化学习的效率与精度 10-08 TGRL：温度分组强化学习提升 LLM 探索效率 09-29 形式化证明 3 NanoProof：开放高效的 Lean 4 自动定理证明器 10-10 LEVER：基于 AND/OR 图的自适应成本感知证明搜索 10-09 CoCo-Prover：智能体编排驱动的低成本程序定理证明 10-08 思维链 2 CoTranslator：从逆向到正向的思维链翻译与推理蒸馏 10-18 MIST：基于模型内部显著性的思维链 Token 压缩 09-01 成本感知路由 1 Pandora 路由：估值有成本时的高效 AI 模型分配 08-21 扩散模型 2 Policy-Mask：扩散特征的预算感知判别适配 10-24 循环式均匀扩散语言模型 10-22 技术生态 1 OpenClaw热潮退去，Agent竞争转向Harness 08-30 技能优化 3 BiPA：用二部归因重新评估智能体技能优化 10-29 智能体技能的渐进式披露与按需加载 09-30 COBRA-Skills：上下文老虎机引导的智能体技能优化 09-11 技能压缩 3 D-Skill：通过自然语言技能蒸馏教师智能体知识 10-22 工具智能体的行为定位与软技能适配 10-22 SkillZip Pro：面向自进化智能体的执行感知技能动态压缩 09-01 技能选择 1 LLM 智能体技能选择的双准则最优保证 08-21 拓扑优化 1 RGA-Designer：奖励引导的多智能体通信拓扑生成 08-21 拓扑解释 1 E2-Explainer：用因果推断解析多智能体通信拓扑 08-16 持续学习 6 Jev-DLC：基于类型化反馈的决策级持续学习 10-23 DRiC：标签延迟下冻结多变量预测器的在线残差校正 10-22 功能子网络定位实现高效持续学习 10-18 Co2In：知识编码、巩固与整合的双层记忆增量学习框架 10-18 PILOT：由预测误差伪标签触发的在线时序模型重训练 10-01 JitRL：免梯度实现 LLM Agent 测试时持续学习 08-22 推理优化 3 并非所有测试时计算都是证据：LLM 推理中的模型特定偏差 10-19 CORE：基于冲突核回跳的可验证语言模型搜索 10-01 VC-Attention：低比特注意力的数值平滑与 Softmax 转换 09-18 推理扩展 2 LEV：通过循环决策模型实现快速与深度思考 10-18 Trace as State：轨迹前置提升长上下文推理 09-14 推理效率 28 文心 Unlimited OCR 2 开源：KV 缓存降低 96% 10-29 BellowsKV：按需展开的跨层共享潜变量 KV 缓存 10-27 BeNice! 通过 KV 共享弥合循环架构的推理内存差距 10-23 RIFT：面向草稿模型的 KV Cache 压缩与可压缩性训练 10-23 OpenAttention：用尾部代理实现 1% 稀疏注意力读取 10-23 VLA-Rolling：自适应复用动作尾部以加速具身控制 10-22 分层稀疏注意力：缩小极端稀疏下的稀疏—稠密差距 10-22 S&Q：面向智能体上下文发现的高效策略筛选 10-22 BitMTP：面向超低比特模型的多词元并行预测 10-22 多智能体共享上下文中的 Token 预算理论：多思考还是多阅读？ 10-19 VisionWeave：弹性视觉表征编织提升 MLLM 推理效率 10-18 SpecAgent：面向工具智能体的轨迹级推测与语义验证 10-18 Celeris-1 Decision以67ms延迟刷新决策模型速度纪录 10-10 RACE：基于跨轮估计的智能体自适应推理 10-09 低价模型未必省钱：Gemini 3 Flash部分任务总成本反超GPT-5.2 10-08 AA-AgentPerf-Local评测本地智能体硬件性能 10-01 MassAlloc Attention：让注意力自适应分配计算资源 09-30 TokenProbe：利用词元价值不均衡提升推理效率 09-29 JET：基于候选似然与前缀复用的高效决策推理 09-29 Claude 编程 effort 参数实测：日常选 Low，漏洞挖掘再开 Max 09-26 Jev-Mobile：移动 GUI 智能体的轻量级执行器 09-26 FLEET：基于熵轨迹记忆的高效文本生成 09-24 CliffCompaction：长程编程智能体的低成本上下文压缩 09-23 Claude 优化 30 余个开源生物分子模型，平均提速约 4 倍 09-18 SKIP：自知识引导的逐步偏好学习实现简洁推理 09-16 BeaconKV：查询引导的 KV 缓存压缩提升大型推理模型推理效率 09-10 Random Attention：随机驱逐 KV 缓存提升推理效率 09-07 极稀疏监督可有效激发大模型推理能力 09-07 推理早停 5 StreamStop：语言模型智能体的流式推理自适应早停 10-21 StartLux-Decision v1.1：RLCD² 驱动自适应决策推理 10-18 AURA：效用引导的自适应推理提升文本检索效率 10-18 AI 何时停止过度思考？长推理模型的早停难题 09-14 知道何时停止：LLM 评测的贝叶斯最优停止 08-17 提示优化 4 批处理反思优化循环：并行候选让 GEPA 更快更优 10-29 Claude Code让AI自动评测并迭代优化应用 10-09 AdaGEPA：面向反思式提示优化的自适应反馈分配 10-01 LDE：单次局部编辑优化大模型上下文示例 09-29 插件架构 2 LangChain Deep Agents 按需加载千级技能库 10-08 MCP 插件分担 Codex 规划任务并节省额度 09-17 搜索能力评测 1 扫描还是索引？长文档 RAG 的证据覆盖、答案质量与成本 10-22 数据合成 1 Proximal以AI合成代码数据实现2亿美元年化收入 10-01 数据混合 2 指令微调混合中的有向任务迁移：A 帮助 B，B 却伤害 A 10-01 难度感知数据策展缩小文档 VLM 成本与质量差距 09-02 数据策展 8 数据策展究竟提升上限还是加速训练？ 10-29 DDF：智能体评估管线中的边际数据价值量化 10-22 大语言模型数据策略：训练全生命周期统一视角 10-18 最难样本训练的可证明优势：仅保留 2N 个样本实现最优误差率 10-18 MAP4CS：面向代码检索器微调的多维数据剪枝框架 10-09 无标签线性规划数据集剪枝方法 10-08 D-RAC：面向企业文档的检索感知分块 09-23 结构优先：面向高效文本转语音的社区感知核心集选择 09-22 智能体微调 1 Agentic ESOpt：低显存微调长时程 LLM 智能体 08-20 智能体框架 7 ReDence：面向社会工程诈骗的证据驱动混合智能体框架 10-23 Mistral 发布 Voxtral 3 语音 Agent SDK 10-22 清华开源 PilotDeck 2.0：智能体任务成本降低 83%，记忆可查可改 10-18 JevAgentHarness：决策模型与 LLM 共享智能体控制 10-18 智能体脚手架如何创造价值：规划信息与发布控制 09-18 SKILL.state：面向长周期智能体技能的可扩展状态运行时 09-10 面向嵌套企业模式的成本感知 NL-to-SQL 智能体架构与新基准 09-07 智能体训练 2 EnvSched：面向高效 Rollout 的环境感知智能体强化学习调度 10-29 InterQ-RL：交互感知纠正量化智能体强化学习的执行失配 10-27 智能体评测 22 简单 LLM Harness 在微服务根因分析中胜过手工智能体 10-27 Agent Behavior Maps：无需运行即可定位智能体行为 10-22 后悔前先备份：编程智能体备份意识评测与自动化 10-22 DeepSeek-V4.1-Flash 登顶 Agent Arena 开源模型榜 10-20 ToolBottleneckBench：固定脚手架预算下的工具智能体评测 10-18 同一上下文，不同智能体：数据智能体的语义层、编排与压缩行为研究 10-18 Learn2Play Bench：评测智能体在陌生环境中的经验学习能力 10-10 AgenticBBO-Bench：LLM 智能体黑盒优化基准 10-09 模型与 Agent Harness 适配关系的系统评测 10-08 GeoNatureAgent：地理空间与环境工具智能体的预部署评测框架 10-08 风险感知自适应评测：有限预算下发现高影响故障 10-01 Agent Arena：GPT-6 Luna (Max) 排名第 23，单任务成本仅 0.05 美元 09-29 Claude Opus 5.5 (High) 跻身 Agent Arena 第 2，成本显著下降 09-29 相同运行、不同结果：开放权重模型上的 AI 编程智能体评测 09-29 DrivingBench实测大模型驾驶丰田卡罗拉 09-28 GPT-6 Sol（Max）以+7.7%净改进进入Agent Arena第6名 09-28 Arena 上线 GPT-6 Sol 与 GPT-6 Luna 测试 09-23 DualViewEval：融合结果与过程关系的高效智能体基准压缩 09-17 同模型 Token 相差 70 倍：AI 编程智能体框架成本实测 09-15 Harbor Adapters：大规模智能体评测基础设施与 Harbor-Index 09-10 τ^τ-Bench：端到端真实智能体构建评测环境 09-07 EarlyEval：通过早期结果预测降低智能体评测成本 09-03 框架演化 1 CMAS：非平稳环境下的保守元智能体架构适应 10-23 框架评测 1 DeepSeek + Pi：轻量 Harness 提升智能体成功率与缓存效率 08-16 检索停止 1 多轮 RAG 何时停止：Search-R1 的结构化停止判断 08-16 模型发布 15 OpenAI 发布 GPT-6.1 Terra：电脑操作能力比肩 Astra，成本降至十分之一 10-29 OpenAI 发布 GPT-6.1 Terra，强化电脑操作与写作能力 10-27 Kimi K3.1 Pro发布：智能体评测领先并强化3D工作流 10-25 蚂蚁数科发布决策模型 LingDT-Decision-1.0 10-23 MiniMax 开源 M3.1 Flash：428B 参数与百万 Token 上下文 10-23 MiniMax发布M3.1 Flash，智能体任务成本降低70% 10-21 DeepSeek 发布 V4.1-Flash-1017 优化版 10-19 Claude Sonnet 5.5 发布：提速降价，性能逼近 Opus 5.5 09-30 GPT-6 Sol、Luna 与 Claude Opus 5.5 同日发布，竞逐单位任务成本 09-23 Jev全网开放：新用户获1.2亿输入Token额度 09-22 DeepSeek V4.1 Flash 正式发布 09-13 Kimi K2.8 Preview 全量上线 Kimi Code 09-13 Meta发布旗舰模型 Muse Spark 1.3，主攻长上下文与编程 09-07 Mitra-v2：高效开放表格基础模型 09-07 Grok 4.6 发布：智能体能力与性价比显著提升 08-14 模型可靠性 3 超越准确率：低精度快速矩阵乘法的前缀不变实现 10-01 FIRE：基于失败信息的智能体运行时可靠性工程 09-23 Speculative Uncertainty：基于草稿模型的编程智能体失败预警门控 09-07 模型微调 3 Unsloth 本地微调 Qwen3.5 0.8B 决策模型，准确率提升至 74.3% 10-08 依赖感知轨迹精炼：高效多轮智能体微调 09-17 Compile by Training：将自然语言规范编译为本地神经函数 09-07 模型架构创新 6 NUS推出原生决策架构Jeva 10-27 Meta Expert：跨层专家共享提升 MoE 存储与检索效率 10-24 非对称循环 Transformer：固定全局表征驱动迭代解码 10-22 LatentLoop：非对称计算分配扩展循环式 MoE 10-18 多流注意力残差：网络深度上的多头注意力 10-18 神经谱容量：无需训练的架构测量与设计 09-26 模型训练 6 Decision Model Factory：构建专用主权决策模型 10-27 单人训练大模型，EvolveLRM 指标挑战 K3V4 10-24 不要丢弃 Dropout：优化层稀疏性以加速 LLM 训练与推理 09-08 SFT-RL 标注预算的跨模型规模近优分配 09-02 从生产流量到后训练：构建覆盖企业请求的自托管 LLM 09-02 Puro-2B：单卡 RTX 5090 低预算训练 2B 模型 09-01 模型评判 1 JEV-as-a-Judge：高置信接受、低置信升级的低成本评判 09-24 模型评测 7 RubriX：可微调的快速非自回归量规评判器 10-27 Our Own Jev：单次前向传播的类型化决策与开放 LoRA 评判模型 10-22 SkillEval：基于认知诊断的可解释能力画像评测 10-22 PolyRating：低成本、偏差感知的 LLM 评测系统 10-18 面向决策的推荐重排序：Jev 实证研究 10-01 JEV 对比 LLM 量规评判：更低成本、更快但错误高度相关 09-25 增量池化 LLM 评测：低成本选择检索模型 09-03 模型路由 24 EvoRouter：洞察引导在策略蒸馏的低成本多智能体路由 10-27 OpenAI 发布 Decisions API，面向低延迟低成本决策 10-23 HiRoute：基于 Jev 的智能模型路由实践 10-20 谁为高效推理买单？基于置信度的跨任务与跨语言大小模型路由 10-19 RIVET：面向成本感知多轮 LLM 路由的响应知情价值估计 10-19 MARS：面向会话级 LLM 助手的记忆感知路由 10-19 ScoutRoute：利用语言模型内部信号实现高效专家路由 10-19 TokenRouter：Token 级 LLM 路由高效服务系统 10-18 Liquid AI发布多模态决策模型d1-ultra，零输出Token成本登顶决策榜 10-18 LEASH：计算机操作智能体的不确定性感知弱强升级与监督 10-18 分歧引导的弱到强模型路由 10-18 TokenRouter：高效 Token 级 LLM 路由服务系统 10-10 openJiuwen X-Router发布：自演进路由降低Agent Token消耗 10-08 部署式家庭自动化智能体中的逐调用点小模型评测 10-08 AutoAdapt：自动领域发现与低成本模块化扩展 10-08 GPT-6 Luna Decisions 上架 OpenRouter 10-08 OpenRouter：用置信度阈值实现模型分级升级路由 10-01 Fireworks AI 发布缓存感知路由器 FireRouter with Opus 09-30 SeLMRoute：基于概率语义证据的大模型路由 09-30 RSI-Router：递归演化子任务路由与模型技能，降低智能体成本 09-30 有限反馈下的 LLM 专家在线路由学习 09-15 Spotify 用 shunt 插件为 Claude Code 降低 90% Token 消耗 09-13 LLMRouter：统一大模型路由开发、评估与部署框架 08-15 英伟达开源 Nemotron 3.5 Lightning 与 NeMo Switchyard 08-13 模型轻量化 18 TWIG：将神经网络权重表示为共享离散决策路径 10-27 封闭集决策中的联合与逐选项紧凑编码器 10-23 PACE：周期与通道对齐的四比特循环状态量化 10-22 GoiBERT：两阶段知识蒸馏打造紧凑型越南语模型 10-22 SPARE：基于路由熵的高效 MoE 稀疏分配 10-22 pplx-embed-v2-late：多模态后期交互检索模型 10-22 BrainCodes：基于离散神经编码的轻量级 EEG 基础模型 10-22 QSelect：面向太空机器人的行为保真低比特压缩 10-22 LADDER：面向大语言模型的嵌套式非结构化后训练剪枝 10-22 SpecMRL：参数谱空间中的套娃式表征学习 10-21 SoloQ：扩散语言模型的免校准量化 10-18 STEPQuant：面向 Delta 规则循环状态的时空量化 10-09 TRACE：面向 MoE 强化学习的 FP4 滚动引导量化感知训练 10-08 TAP：基于轨迹锚定恢复的长程智能体高效剪枝 10-08 解耦量化：分别优化 LLM 预填充与解码 09-29 Jev低成本匹敌7B模型的语音神经假体重排序 09-29 GeoPair：免训练 Transformer 保几何跨层压缩 09-25 Gated DeltaNet 混合式 27B LLM 的 NVFP4 全量化机制 09-07 模式匹配 1 JevNexus：以决策为中心的模式匹配 10-08 测试时优化 7 ARR：在修订与重采样间自适应分配测试时计算 10-21 SPLIT：不完美验证器下的测试时计算分配 10-19 从帕累托到偏好：摊销式策略发现实现个性化测试时扩展 10-08 CANOPY：利用分段平滑树先验的多保真老虎机 09-25 ExpBoN：基于指数噪声 Best-of-n 的高效测试时对齐 09-21 MASA：以稀疏 MLLM 语义锚点实现密集测试时适应 09-16 对话生成工件的修订传播与经济型测试时计算 09-09 测试时训练 1 Agentic-TTT：学习测试时训练策略，实现自主参数级改进 10-09 状态追踪 1 BELIEFRAG：面向演化证据的状态感知自适应 RAG 10-01 用量增长 1 智能体Token用量升至人类的5.2倍 08-25 知识编辑 1 LadderEdit：面向终身知识编辑的编辑级残差压缩 10-10 科研智能体 1 RPM 用研究偏好提升科研智能体算力分配效率 09-02 程序修复 2 PAUSE：首次源码编辑前的无搜索编程智能体引导 10-22 JevVibe：分类引导的高效安全代码生成 09-30 程序进化 3 AgenticEvolve：持久化智能体驱动的进化程序搜索 10-23 EvoAlloc：面向高效程序进化的自演化资源分配智能体 10-09 Discovery Loop：LLM 程序进化打破 10 项圆堆积纪录 09-07 端侧框架 1 端侧专用 Harness：Qwen 3.8 27B 实现近零成本推理 08-30 端侧模型 2 30B 模型端侧运行，Ember 推理引擎探索自进化 10-25 开源版 Jev：Laya 登顶 Hugging Face 热榜 09-24 答案验证 1 迁移式验证：精确信息前沿与调用成本 10-09 策略优化 6 Fed-GRPO：奖励信号驱动的联邦群组相对策略优化 10-10 CERO：强化学习后训练的 Rollout 时空预算分配 10-08 腾讯混元将临界批大小理论扩展至大模型在线强化学习 09-25 PoEM：从现有策略预测强化学习结果 09-25 EPIG-Tree：面向梯度效率的计算最优分支策略 09-18 ThinkPrior：RLVR 冷启动提示选择的零 Rollout 难度先验 09-09 算力分配 1 Learning When to Think：自适应分配测试时推理算力 08-21 系统优化 15 ForgeKernel 登顶华为与英伟达算子评测榜 10-29 SPARTA：面向长上下文端侧推理的稀疏三值 LLM 加速器 10-27 System-1 决策模型能否替代 RAG 专用重排器？ 10-27 芯生代融资数千万元，打造Agent自进化推理引擎 10-23 TrainBridge：GPU 编译证据引导的智能体式 NPU 训练优化 10-22 JaxMARL-BC：秒级宏观经济多智能体强化学习模拟器 10-22 面向智能体的 KV 缓存工程 10-22 QwenGyre：千问超长程 Agent 强化学习训练框架 10-18 RippleCP：衡量编程智能体的反事实检查点优势 10-08 TokenCast：预测 LLM 智能体执行中的 Token 消耗 09-30 PEARL：面向智能体强化学习的弹性 Prefill-Decode 执行系统 09-30 HiLoRe：面向高效 GRPO 训练的激活存储、压缩与重计算 09-29 麦肯锡：智能体运行成本最高相差 30 倍 09-24 DeepSeek-V4.1-Flash：突破 KV Cache 压缩极限 09-19 面向智能体工作流的协议保持式上下文裁剪 09-16 经验学习 5 Learn2Play Bench：评测智能体在陌生环境中的经验学习能力 10-18 EEM：面向自主研究的实验经验建模 10-01 离线指导、在线推理：用可复用潜在纠正增强小语言模型 10-01 AgentLoop 经验自进化：自动挖掘与验证经验资产 09-21 经验链：通过测试时交互持续改进 LLM 08-19 置信度评估 5 基于Z数不确定性的低碳旅游行程规划 10-22 Chinese Decision：单次前向传播的中文概率决策模型 10-19 置信度校准的评估器引导测试时推理扩展 10-18 TypedBench：System One 决策模型的校准、措辞敏感性与成本评测 10-10 COGNIT-Guard：面向低延迟与低误报的置信度级联安全护栏 09-29 置信度调度 1 ParaTempo：基于时间置信度的高效并行推理 08-18 能力迁移 1 AI4AI 测试时强弱模型能力迁移：用 Harness 提升小模型表现 08-14 脚手架优化 7 HGM-Dual：面向长程规划的谱系感知智能体脚手架优化 10-22 环境无关编码智能体中的脚手架作用 10-18 AutoOnboarder：自主适配与优化 LLM 智能体 10-18 Claude 自动构建评测并 Hillclimb 调优 AI 应用 09-29 Cursor 团队分享 Agent Harness Token 降本提示词 09-24 编码智能体 Harness 组件设计实证研究 09-18 英伟达开源 SoL-Pi：AI 自动优化 Harness，最高节省 64% Token 09-11 脚手架演化 14 LLM 智能体脚手架演化中的评估预算分配 10-29 RRSI：正则化智能体脚手架的递归自我改进 10-27 HarnessPro：无标签多智能体进化将 Agent 成本降低 53% 10-24 SSR：通过连续尺度竞赛改进智能体脚手架演化 10-22 RRSI：正则化智能体 Harness 递归自我改进框架 10-08 面向 Rocq 与 Lean 的智能体证明器接口演化 10-01 Growing Harness：将重复控制演化为可复用专家智能体 09-23 英伟达 SoL-Pi：智能体 Harness 的递归自我进化 09-21 SoL-Pi：递归扩展自动研究循环以优化智能体脚手架 09-18 HarnessDev：评测 LLM 创建与演化智能体脚手架的能力 09-07 字节 HarnessDev：让 LLM 自主构建并演化 Agent Harness 09-07 HarnessDev：LLM 自主创建与演化 Agent Harness 09-03 JIT-Agent：按任务即时生成并演化智能体 Harness 09-02 JIT-Agent：通过即时脚手演化扩展智能体能力 08-27 自动化科学研究 2 SpecEvo：面向低成本科学发现的推测式演化框架 10-22 Claude Mythos 5 闭环优化量子电路，八项任务刷新最优设计 10-18 自博弈 1 近似价值迭代在自博弈中的意外高效性 09-09 自我验证 1 LLM-as-a-Verifier：自验证让 DeepSeek V4 Flash 低成本反超闭源模型 08-21 自蒸馏 3 智能体强化学习自蒸馏方法的现实检验 10-18 基于熵增益采样与答案混合的递归离线蒸馏 10-18 SAPD：步骤对齐特权蒸馏 10-08 视觉推理 3 Spatial-TRM：递归细化空间上下文区域预测 10-19 MJev-Spatial：原生注意力匹配实现系统一空间智能 10-18 VLM-in-Sandbox：面向智能体视觉推理的可控视觉工作区 09-22 视频生成 2 GRACE：生成感知潜在压缩加速视频生成 10-09 FrameMorrow：以前瞻性标记引导长时程视频帧选择 10-08 记忆能力评测 4 MemoryTax：智能体记忆的苦涩教训 10-22 DolphinBench：智能体记忆的成本、延迟与准确率 Pareto 评测 09-22 LSREP：面向对话记忆的纵向状态回放评测协议 09-16 编码智能体工作记忆的语义化评估 09-01 评测基准 3 Gemini 4 Argon 在 ARC-AGI-3 Verified 评测中得分 97.5% 10-18 System1-Arena：哪些决策可交给 System 1？ 10-18 SymbolicArena：符号回归基准蒸馏与动态评测基础设施 09-30 评测审计 3 Claude Sonnet 5.5在ARC-AGI-3适配框架下得分72.4% 10-22 MICRO：多保真主动搜索发现严重错误 09-23 GPT-6 Astra基准成绩因测试环境从99.9%降至62.7% 09-11 贝叶斯优化 1 贝叶斯进化优化自动设计多智能体系统 10-22 超参数迁移 1 MoE 大模型的计算高效超参数迁移 08-24 软件开发流程 1 智能体软件开发生命周期：可靠性、验证与成本经济学 09-07 过程评测 1 Probe-and-Resume：何时及如何评估智能体执行 10-18 进度感知路由 1 ProgRouter：面向质量—成本权衡的多智能体在线进度路由 08-27 递归自我改进 5 ComRSI：面向任务语义通信的递归代码演化 10-22 预算约束下的递归自我改进：执行前评估代码编辑 10-22 MaD-RSI：以模型为数据的智能体脚手架递归自我改进 10-21 基元律动：从多模型调度到反馈闭环，探索 Agent 持续进化 09-23 RRSI：正则化智能体脚手架的递归自我改进 09-22 配置供应 1 面向关键基础设施运维的任务感知 Harness 配置 08-19 采样控制 1 先测量再分配：MCP 智能体的校准式 Rollout 预算 10-22 量规评分 1 评分靠量规，而非模型智能 08-19 长期记忆 16 TTME：测试时记忆演化以更低成本助力科学发现 10-29 Deep Fusion Memory：分块级参数化记忆 10-24 语言智能体中的记忆价值：决策论框架 10-23 MemT 1.0：近300B参数记忆原生模型补齐RSI记忆拼图 10-20 MemCompile：面向长期智能体记忆的查询条件化证据编译 10-19 openJiuwen推出WorkSwarm个人知识空间 10-18 MemComposer：用强化学习组装智能体记忆 10-18 ExperienceIndex：基于知识载体的经验记忆 10-08 MemCodex：可自编程演化的分层智能体记忆 10-01 Galahad 字节精确记忆让 LLM 文档读取成为一次性成本 10-01 GEM：面向长程智能体的证据保留式历史压缩 09-24 JustMem：面向长期对话的恰足式记忆访问 09-18 EchoPath：GUI 智能体的执行级可回放记忆 09-16 内核托管共享记忆实现系统级个性化 09-10 RSM-full：基于在线聚类与原子感知打包的紧凑记忆智能体 09-07 面向长程智能体的实时轨迹模型与观察视图 09-02 长程任务执行 4 Claude Opus 5.5 长任务中断的原因与迁移指南 09-28 DRSR：面向长程智能体的集合级删除风险剪枝 09-24 Agent 长任务上下文工程：预算、压缩、Todo 与记忆 09-14 Claude与Manus长程Agent的四类续命脚手架 09-14 音源分离 1 DBS：用于音源分离的动态频带拆分 10-18 预算分配 1 轻量多模态模型估计 LLM 推理表现，实现文档推理预算优化 08-20 预训练 1 合成预预训练可扩展，但并非源于语法先验 10-01 额度异常检测 1 Codex 额度异常查明：自动标题等三处 Bug 导致超额消耗 08-24
