闲记算法

本篇博文主要内容为 2026-04-22 从Arxiv.org论文网站获取的最新论文列表，自动更新，按照NLP、CV、ML、AI、IR、MA六个大方向区分。 说明：每日论文数据从Arxiv.org获取，每天早上12:30左右定时自动更新。 提示: 当天未及时更新，有可能是Arxiv当日未有新的论文发布，也有可能是脚本出错。尽可能会在当天修复。 目录 概览 自然语言处理CL 多智能体系统MA 信息检索IR 人机交互HC 人工智能AI 机器学习LG 计算机视觉CV 概览 (2026-04-22) 今日共更新639篇论文,其中: 自然语言处理共103篇(Computation and Language (cs.CL)) 人工智能共189篇(Artificial Intelligence (cs.AI)) 计算机视觉共120篇(Computer Vision and Pattern Recognition (cs.CV)) 机器学习共141篇(Machine Learning (cs.LG)) 多智能体系统共15篇(Multiagent Systems (cs.MA)) 信息检索共1 ...

0. 太长不读 今天这篇文章源于最近半年深度使用 Claude Code、两个账号每月 40 刀氪金换来的一些踩坑经验，希望能给大伙一些输入。 刚开始我也把它当 ChatBot 用，后来很快发现不对劲：上下文越来越乱、工具越来越多但效果越来越差、规则越写越长却越不遵守，折腾了一段时间，研究了 Claude Code 本身之后才意识到，这不是 Prompt 问题，而是这套系统的设计就是这样的。 这篇文章想和大伙聊聊这几个事：Claude Code 底层怎么运作、上下文为什么会乱以及怎么治理、Skills 和 Hooks 应该怎么设计、Subagents 的正确用法、Prompt Caching 的架构影响，以及怎么写一个真正有用的 CLAUDE.md。 我觉得最直接的理解方式，是把 Claude Code 拆成六层来看： 层 职责 CLAUDE.md / rules / memory 长期上下文，告诉 Claude “是什么” Tools / MCP 动作能力，告诉 Claude “能做什么” Skills 按需加载的方法论，告诉 Claude “怎么做” Ho ...

【速读摘要】：该论文提出 Feature Activation Coverage (FAC) 指标，用于在 LLM 内部可解释特征空间度量数据多样性。基于 FAC，作者设计了两阶段数据合成框架 FAC Synthesis：首先通过 Sparse Autoencoder (SAE) 识别种子数据集中缺失的任务相关特征，然后生成显式激活这些特征的合成样本。实验表明，FAC 与下游任务性能呈强正相关（Pearson r=0.95r=0.95r=0.95），且该方法仅用 2K 合成样本即可达到 MAGPIE 300K 样本的指令跟随性能（150× 数据效率提升）。此外，作者发现 LLaMA、Mistral、Qwen 三大模型家族共享可解释特征空间，支持跨模型知识迁移。 【论文链接】：arXiv:2602.10388 【机构信息】：University of Georgia（美国佐治亚大学）；University of California, San Diego（美国加州大学圣地亚哥分校）；Mohamed bin Zayed University of Artificial Intellige ...

【速读摘要】：本文系统研究了语言模型训练中"中训练"（Midtraining）阶段的作用——即在预训练和后训练之间插入一个混合专业数据的中间阶段。研究发现：1）Midtraining对代码、数学等与通用预训练数据差异较大的领域效果最显著；2）Midtraining能有效减少后训练阶段的灾难性遗忘；3）专业数据引入的时机和混合比例存在强交互作用——早期引入支持高混合比例，晚期引入则需保守混合；4）在减少遗忘方面，Midtraining始终优于纯持续预训练。 【论文链接】：arXiv:2510.14865 (ICML 2026) 【机构信息】：Carnegie Mellon University - Language Technologies Institute 【开源链接】：https://anonymous.4open.science/r/midtraining-E5D8/ 【关键词】：midtraining, pretraining, finetuning, domain adaptation, catastrophic forgetting, distri ...

【速读】：该论文提出了一种新的推理质量度量指标——深度思考率（Deep-Thinking Ratio, DTR），通过分析模型内部各层预测分布的收敛行为来量化推理努力程度。研究发现，DTR与任务准确率呈现稳定正相关（平均r=0.683），显著优于基于token长度（r=-0.594）或置信度（r=0.605）的基线方法。基于此，作者设计了Think@n采样策略，在保持或超越标准自一致性性能的同时，将推理成本降低约50%。 【论文链接】：arXiv:2602.13517 【机构信息】：University of Virginia（弗吉尼亚大学）；Google（谷歌） 【开源链接】：未开源 1. 背景与核心洞察 (The Core Insight) 当前大语言模型（LLM）的推理能力主要通过生成显式的思维链（Chain-of-Thought, CoT）来实现，业界普遍采用"测试时计算扩展"（test-time compute scaling）策略——即通过生成更长的推理轨迹来提升任务性能。然而，一个日益凸显的问题是：token数量并非推理质量的可靠代理指标。 近期多项 ...

前言 实验室如何训练一个拥有数百亿参数的前沿大模型？本文深入剖析七个开源权重的前沿模型：Hugging Face的 SmolLM3、Prime Intellect的 Intellect 3、Nous Research的 Hermes 4、OpenAI的 gpt-oss-120b、Moonshot的 Kimi K2、DeepSeek的 DeepSeek-R1 以及 Arcee的[Trinity series](https://github.com/arcee-ai/trinity-large-tech-report/blob/main/Arcee Trinity Large.pdf)。本文旨在提炼这些模型训练中使用的技术、动机和考量因素，重点关注训练方法而非基础设施。 本文的结构主要参考 Hugging Face 详尽的 SmolLM3 技术报告，因其内容最为详尽，并补充了 Intellect-3、gpt-oss-120b、Hermes 4、DeepSeek 和 Kimi的相关笔记。Hugging Face 在这里 详细介绍了 gpt-oss-120b 的基础设施。 概述 核心要点 ...

TL;DR: 本文系统梳理了当前 GitHub 上 10 个主流 AI Skills 仓库（累计超过 5,000+ Stars），揭示了一个正在形成的去中心化 Agent 能力市场。Anthropic 主导的 Agent Skills 开放标准正在获得 OpenAI、Google、Microsoft、Cursor 等主流厂商的广泛采纳，这标志着 AI 辅助开发从"一次性 Prompt 工程"向"可复用、可组合、可交易的技能单元"的根本性转变。 一、核心洞察：为什么 AI Skills 正在重塑开发范式 1.1 从 Prompt 到 Skill：抽象层级的跃升 传统的大模型交互模式是命令式的——开发者每次都需要精心构造 Prompt。而 AI Skills 引入了一种声明式的抽象： 12345Prompt Engineering (v1.0) ↓ 抽象封装Skill-as-Code (v2.0) ↓ 标准化Agent Skills Standard (v3.0) 这种抽象层级的跃升带来了三个关键收益： 可复用性: 一个 Skil ...

【速读】：本文揭示了Agentic RL中一个被长期忽视的核心问题——推理（Reasoning）与工具使用（Tool-use）能力在共享参数空间下的联合优化会产生严重的梯度冲突，导致"跷跷板"现象（提升一个能力会损害另一个）。作者提出LEAS（线性效应归因系统）定量验证了这一干扰的存在，并设计了DART框架：通过为两种能力分配独立的LoRA适配器，在token级别进行梯度隔离，从而在单模型内实现与双模型系统相当的性能，同时避免了多Agent系统的存储与推理开销。 【机构】：Renmin University of China（中国人民大学）；Bytedance Inc.（字节跳动） 【开源】：未开源 1. 背景与核心洞察 (The Core Insight) Agentic Reinforcement Learning（ARL）旨在训练能够交错执行复杂推理与外部工具调用的大语言模型。当前主流范式（如Search-R1、ToolRL等）普遍采用单一共享参数空间来联合优化这两种能力，其隐含的假设是：推理与工具使用可以和谐共存于同一参数子空间，且联合训练能够带来协同增益 ...

【速读】：该论文试图解决SFT与RL在LLM推理任务中的最优整合问题。核心洞察是：SFT对策略分布进行粗粒度全局调整，而RL进行细粒度选择性优化；熵可作为训练有效性的关键指标。解决方案是SRFT——一种单阶段方法，通过熵感知权重机制统一SFT和RL，同时利用演示数据和自探索rollout直接优化LLM。 【机构】：中国科学院自动化研究所（Institute of Automation, Chinese Academy of Sciences）；中国科学院大学人工智能学院（School of Artificial Intelligence, University of Chinese Academy of Sciences）；美团（Meituan）；上海交通大学（Shanghai Jiao Tong University） 【开源】：模型已开源至 https://huggingface.co/Yuqian-Fu/SRFT 1. 背景与核心洞察 (The Core Insight) 大语言模型在推理任务上的进展令人瞩目，但如何最优地整合监督微调（SFT）与强化学习（RL）仍是一个根本性的 ...

【速读】：该论文试图解决深度研究（Deep Research）智能体在长程任务中面临的三大核心问题：(1) 上下文噪声累积导致的认知过载；(2) 执行脆弱性引发的级联错误；(3) 架构僵化带来的扩展性缺失。解决方案的核心在于构建一个层次化多智能体框架，通过子目标驱动的结构化记忆机制将上下文复杂度从 O(t)\mathcal{O}(t)O(t) 降至 O(n)\mathcal{O}(n)O(n)，并引入 Supervisor 模块实现主动异常检测与上下文修剪，从而在 GAIA、BrowseComp、Humanity’s Last Exam 等基准上取得 SOTA 表现。 【机构】：腾讯 BAC（商业广告中心）；清华大学；复旦大学 【开源】：https://github.com/Tencent-BAC/YunqueAgent 1. 背景与核心洞察 (The Core Insight) 深度研究（Deep Research）作为大语言模型向自主智能体演进的关键能力，旨在让模型能够主动发现、验证并综合来自动态真实环境的信息。OpenAI、Google、Kimi 等机构近期相继推出 Deep ...