分类：学术论文

腾讯混元革新AI绘画微调范式：全扩散轨迹优化技术实现人工评估分数超300%跃升

腾讯混元AI绘画技术实现重大突破，融合Direct-Align全扩散轨迹优化与SRPO语义相对偏好优化，解决传统微调奖励作弊、效率低等瓶颈。人工评估显示真实感与美学质量提升300%，仅需10分钟即可完成模型训练，支持灵活风格控制，推动AI绘画向高质量、个性化应用迈进。

Lyra

2025-09-16

语音语言模型(LSLM)破局：全球首个开源端到端框架LLaSO树立研究新基准

在语音语言模型（LSLM）面临架构碎片化、数据不透明等瓶颈时，北京深度逻辑智能推出全球首个完全开源、端到端语音大模型框架LLaSO。该框架含数据对齐（1200万样本）、指令微调（1350万样本）、评估基准（1.5万测试样本）三大核心组件，解决行业痛点，推动语音AI迈向开放可及未来。

Lyra

2025-09-16

上海交大与字节跳动联合推出RhymeRL 强化学习训练速度提升2.6倍

强化学习训练中Rollout阶段效率瓶颈突出，上海交大与字节跳动联合发布RhymeRL框架，通过挖掘历史数据序列与长度分布相似性，创新HistoSpec批量验证与HistoPipe调度策略，实现端到端吞吐量2.6倍提升，且精度零损失，有效突破大模型训练效率瓶颈。

Lyra

2025-09-14

LiveMCP-101框架：开启AI智能体真实世界评估新阶段

AI智能体评估存在“模拟到现实鸿沟”，虚拟测试难测真实可靠性。微软与北大联合发布LiveMCP-101，系首个直接交互真实计算机系统的评估协议，含101项任务，覆盖系统操作、网络管理、安全响应等真实场景，解决传统虚拟测试局限，推动AI从实验室到真实世界的可靠落地。

Lyra

2025-09-14

脑启发式大模型SpikingBrain发布：长序列处理提速百倍能效优化破Transformer瓶颈

中国团队研发的SpikingBrain脑启发大模型，突破LLM长上下文处理瓶颈，通过脑启发脉冲计算、线性注意力机制及动态路由MoE结构，实现百倍推理加速与97.7%能耗降低。支持4M-token超长文本分析，适配法律、医疗及边缘计算场景，依托国产MetaX硬件平台，为非Transformer架构LLM提供自主可控高效方案。

Lyra

2025-09-14

NVIDIA发布SATLUTION：LLM自主进化SAT求解器

布尔可满足性问题（SAT）作为NP完全问题，是芯片验证、漏洞检测等领域的技术基石。传统SAT求解器依赖专家手工优化，面临代码复杂、迭代低效瓶颈。NVIDIA推出SATLUTION框架，以LLM驱动完整代码库进化，通过AI自主迭代与分布式验证，在国际竞赛中超越人类冠军方案，多场景性能领先，开启AI重塑复杂系统开发新范式。

Lyra

2025-09-12

Backprompting技术革新LLM健康建议防护栏：小模型准确率超GPT-4o

LLM健康建议安全需防护栏保障，数据稀缺成技术落地瓶颈。IBM提出Backprompting技术，通过四步流程生成合成不良数据，破解数据难题。其训练的1000万参数小模型健康建议识别准确率超GPT-4o，推动医疗等垂直领域AI安全防护普及，为AI安全提供新范式。

Lyra

2025-09-12

字节跳动发布AgentGym-RL：多轮智能体强化学习框架，摒弃监督微调性能超商业模型

字节跳动推出业界首个统一多轮智能体强化学习框架AgentGym，采用纯强化学习路径，无需监督微调，智能体通过与环境交互自主掌握多样化任务。框架含AgentEvo环境集合及模块化设计，覆盖网页交互、游戏策略、具身智能、科学数据分析等27项任务，多项核心指标超越主流商业模型。

Lyra

2025-09-12

Skypilot研究：网络与存储优化让分布式生成式AI训练提速10倍，打破GPU性能瓶颈惯性思维

生成式AI训练中，网络与存储性能是被低估的隐藏瓶颈。Skypilot团队实验显示，在不更换GPU、不修改代码的情况下，仅优化网络带宽（10Gbps→100Gbps）和存储类型（标准云SSD→本地NVMe），分布式训练速度可提升10倍，打破“GPU决定一切”认知。这一发现凸显数据传输与读取效率的关键作用，Skypilot框架助力简化基础设施优化，为AI训练提速提供新路径。

Lyra

2025-09-12

顶级大模型“扰动文字”测试集体“翻车”

顶级视觉语言模型（如GPT-4o、Gemini等）在扰动文字前识别能力大幅下降，人类却可轻松解读，暴露AI非标准文本理解局限。因AI依赖模式匹配缺乏结构理解，在中文成语切割重组、英文彩色叠加等实验中近乎崩溃，且在多书写系统中普遍存在。此缺陷致教育、文献处理受限，更存安全漏洞，攻击者或用扰动文字绕过AI审查。研究建议通过强化结构先验知识、扩充复杂训练数据等改进，揭示AI与人类认知本质差异。

Lyra

2025-09-11

ETH与MATS发布突破性研究：实时检测AI长文本实体幻觉筑牢高风险领域安全防线

大模型“幻觉”问题制约医疗、法律等高风险领域应用，ETH与MATS团队提出创新实时检测方案。该方法突破传统局限，实现实体级精准识别，低成本实时标记错误实体，无需昂贵外部验证，支持700亿参数模型。可提升AI生成内容可靠性，相关数据集与代码已开源，助力高风险领域安全应用。

Lyra

2025-09-11

杜克大学陈怡然团队DPad方法：破解扩散大模型全局规划与效率两难，实现61倍加速

扩散大语言模型（dLLM）凭借全局规划能力在长文本生成等任务中表现突出，但因需对未来文本进行双向注意力计算，存在计算冗余、推理速度慢的痛点。杜克大学陈怡然团队提出的DPad方法，通过动态窗口聚焦近处关键“草稿纸”（后缀token）、先验丢弃远处冗余信息，实现效率与规划的平衡。该方案无需训练即可即插即用，在主流dLLM上实现61倍推理加速，精度损失不足0.5%，为实时长文本生成、边缘设备部署等场景扫清障碍，推动扩散模型工业化落地。

Lyra

2025-09-10

学术论文 [78]

学术论文 ^[78]