跳到正文
只看论文
今天10月26日周一12 条
  1. GitHub · 3D 生成新仓库22

    RC-BCJ-Dataset：钢筋混凝土梁柱节点破坏基准图像数据集

    新发布的 RC-BCJ-Dataset 包含 572 张经专家标注的钢筋混凝土梁柱节点破坏图像，覆盖节点类型、破坏机制、损伤类型与 DS0–DS4 严重程度等多属性标注。数据集提供 1,716 对图文诊断描述、全部图像的分割掩码以及预设训练-测试划分与 baseline 结果，可用于失效模式分类、图文生成与多模态建模等研究。

  2. GitHub · 3D 生成新仓库30

    CWM：可控白盒元提示框架开源，统一自适应 RAG 与推理任务

    Keuntae Kim、Eunhye Jeong 等人提出 CWM（Controllable White-Box Meta-Prompting），一种低成本白盒方法，无需外部决策模块或多采样即可完成自适应 RAG。该方法在三个自适应 RAG 基准上于 GPT-oss-20b、Qwen3-14b、Llama3.1-8b 等模型上取得 SOTA 性能，并可扩展至推理任务，通过操纵模型内部信号调控检索决策。代码已在 GitHub 开源。

  3. GitHub · 3D 生成新仓库20

    RiboCouple 开源：将 RNA 骨架生成与序列设计相耦合

    RiboCouple 通过学习的残基对交互拓扑，将 RNA 骨架生成与序列设计耦合，可从生成的骨架几何推断概率化残基对状态，并将二元与分型对信号作为软注意力偏置传递给序列解码。项目提供无条件生成流水线（sample → rank → refold，支持 TM ≥ 0.45 且 RMSD ≤ 5.5 的联合有效性评估）、固定骨架逆折叠解码（greedy / argmax / mutual 规则）等脚本，模型权重以预印本形式发布，采用 Apache-2.0 许可证，并支持 gRNAde 外部对照实验。

  4. GitHub · 去对齐工具与仓库33

    WoojinPark-Jay 发布 confidence-guided-selective-llm-re-evaluation 复现包：置信度引导的 LLM 情绪分类二次评估

    WoojinPark-Jay 在 GitHub 发布论文“Confidence-Guided Selective LLM Re-Evaluation for Emotion Classification in Social Media”的复现包。系统用校准的 DistilBERT 分类器做第一阶段，仅将低置信度样本路由到第二阶段，比较 Direct、CoT 与 SELF-DISCOVER 协议在 Llama 2 和 Llama 3 上的表现：Llama 3 SELF-DISCOVER 在 12,000 条 Reddit 测试集上准确率 97.2000%，在 Mixed Emotion 300 压力测试上达 92.6667%，高于 Direct 和 CoT。

  5. GitHub · 灵魂体仓库13

    GitHub 仓库 junli-gong/vision-internalization：包含 .claude skills 与实验、报告目录

    这是 GitHub 上 junli-gong 名下的 vision-internalization 仓库页面，展示了其目录结构，包括 .claude/skills/exp-triad-flow、configs、docs、experiments、prompts、reports、scripts、src、tests 等文件夹，以及 CLAUDE.md、PREREGISTRATION.md、RESULTS.md 等文件。仓库含 requirements.txt 和 pytest.ini，尚未呈现具体研究成果内容。

  6. GitHub · 灵魂体仓库43

    Yang--Mills LLM 实验仓库：用 LLM 推进 QED3、YM3 与 YM4 构造

    一个 GitHub 研究仓库尝试诱导 LLM 发展并扩展 Balaban 纲领，以构造四维 Yang--Mills 理论（YM4），从紫外奇异性较轻的 QED3 和 YM3 入手。仓库声称包含 QED3 在无穷体积下的完整构造及场强张量的 Osterwalder--Schrader 公理证明，内容主要由 Claude 生成的数千页草稿经 Astra 精简而成，尚未充分人工核验。YM4 论证已存在但极长难以理解，作者欢迎协作完成形式化与消化。

  7. GitHub · 灵魂体仓库55

    llm-collusion-audit：用黑盒因果审计区分 LLM 定价是串谋执行还是锚定

    作者发布 llm-collusion-audit 仓库，在 Apart Research AI Collusion Sprint（2026 年 10 月 23 至 25 日）期间构建黑盒因果审计，从存档的重复定价博弈中重启并施加单一干预（强制降价或涨价、隐藏对手价格、更换伙伴、引入第三方），区分 LLM 定价智能体是在执行卡特尔还是仅被锚定在高价。

    推荐理由：该项目用因果干预实验区分 LLM 定价是真实串谋还是锚定高价，方法预注册、含失败结果，结论可直接用于 AI 串谋检测讨论。

  9. GitHub · 3D 生成新仓库44

    pii-llm-guardrails 开源：在 LLM 生成循环内用 AES-256-GCM 加密 PII

    Jalendar Reddy Maligireddy 开源 pii-llm-guardrails 项目，提出 Sealed Decoding 方法，在 LLM 生成循环内检测 PII（EMAIL、PHONE、SSN、IP）并用 AES-256-GCM 密封，只有密钥持有者可解密。基于 Qwen3-0.6B 在 8-vCPU CPU 主机上的实测显示，密封钩子每请求约增加 2.5 ms 开销，首字节时间 209 ms（密封）vs 210 ms（原始），62 项测试通过。项目采用 Ollama 风格 CLI，支持密码轮换与提示词注入扫描，代码从第一天起公开。

  10. GitHub · 去对齐工具与仓库51

    alibelal-lang 开源 LLM 采购合谋研究冻结数据与离线复现仓库

    该仓库发布 Apart AI Collusion Research Sprint（2026年10月23-25日）的研究产物，包含 480 局完成对局、48 个条件、每条件十个匹配市场与六家厂商模型的冻结数据，场景为脚本化顾问在重复三方采购中提出轮流抬标方案。仓库提供无需 API 密钥的标准库复现脚本，可校验哈希并重算原始结果、推断、投标筛查与关键词监控；另有复现队友 22 个数值输出文件的附加回放。作者强调结果衡量的是对给定方案的易感性，而非自发合谋或现实普遍性。

  11. GitHub · 去对齐工具与仓库28

    JundaHe 开源 LLM-J-ICML：面向 ICML 的 LLM-as-a-Judge 项目第二篇论文仓库

    JundaHe 将 LLM-as-a-Judge 项目第二篇论文拆分为独立公开仓库 JundaHe/LLM-J-ICML，目标投稿 ICML，工作标题为 Beyond Mode and Mean? What Disagreement Histograms Teach LLM Judges。论文涉及 statistic-preserving donor replacement with dose certificates、LoRA/heads 实验以及 10 个 ordinal 加 ChaosNLI 面板和 learner-free finite-rater 分析，仓库于 2026-10-25 从私有仓库 JundaHe/ICSE2027-LLM-Judge 分出。

  12. GitHub · 灵魂体仓库23

    LoRiS：用 LLM 将 SPARQL 查询转化为多语言自然语言表示（ISWC 2024）

    一项 ISWC 2024 研究探索用大语言模型把 SPARQL 查询转化为自然语言，覆盖英语、德语和俄语三种语言。实验框架结合闭源与开源模型并经微调增强，在 QALD-9-plus 和 QALD-10 问答数据集上以机器翻译指标和人工评估衡量效果。结果表明 LLM 适合完成 SPARQL 查询的语言化任务，但存在问题过度具体化、语言差异和语义不匹配等错误类型。

10月25日周日
  1. GitHub · 3D 生成新仓库24

    JarvisUSTC 开源 Awesome-Multimodal-RAG：多模态 RAG 资源合集

    GitHub 仓库 JarvisUSTC/Awesome-Multimodal-RAG 整理了多模态检索增强生成（RAG）领域的最新论文、数据集与工具，涵盖文本、图像、视频、音频等多种模态。内容包括综述教程、通用与文档类多模态 RAG 论文、MMDocIR、SPIQA 等 benchmark，以及 Kiln 等工具框架，并持续接受社区贡献。

  2. GitHub · 灵魂体仓库32

    TriTetra/RSNA-Knee-Abnormality-Detection：RSNA 膝关节 MRI 异常检测竞赛方案与复盘

    theartificialteam 团队开源其 RSNA 膝关节异常检测竞赛的完整代码与知识库，该竞赛要求预测 12 项膝关节 MRI 发现，指标为 12 项平均 ROC AUC，队伍最终 private rank 约 1,730/6,425，private 0.942。仓库包含 ConvNeXt multi-view MIL 模型、Raptor CoAtNet-384 训练推理代码、预处理与 blend 流水线及实验日志。团队总结：优胜者的优势在于用多模态 LLM 从图像读取标签（gold 0.94–0.956，对比来自报告的约 0.90），而静默失败是其代价最高的 bug——首次提交仅得 0.500 且无任何报错。

  3. GitHub · 3D 生成新仓库59

    NeurIPS 2026 论文揭示上下文压缩中的 LLM 规模悖论，开源诊断数据集与提示词

    清华、百度等机构在 NeurIPS 2026 发表 When Less Is More，发现 compressor-decoder 有损压缩中的 Size-Fidelity 悖论，覆盖 27 组配置（9 个模型规模 × 3 种压缩率）：更大压缩器重构误差更低但忠实度下降，中型压缩器常优于大模型。论文归因于知识覆写（如白色草莓被改写为红色草莓）与语义漂移（如 Alice hit Bob 被改写为 Bob hit Alice），64× 压缩下 LLaMA 从 3B 扩到 90B 时知识覆写 QA 从 0.62 降至 0.53、语义漂移 QA 从 0.41 降至 0.28。

    推荐理由：论文用 27 组压缩器配置给出压缩保真度非随规模单调的证据，并公开了诊断数据集与 QA 生成提示词，方法可复用于其他压缩评测。

  4. GitHub · 3D 生成新仓库63

    code-model-reliability 开源代码模型能力与可靠性统一度量框架

    szymonkobus 发布 code-model-reliability 仓库，用贝叶斯失败率-难度曲线在同一难度尺度上同时度量代码模型的能力（D50）和可靠性（D99）。发布的拟合覆盖 71 个 arm、1,297 个任务、85,604 个 cell 和 850 万次尝试；仓库含 cmr 命令行流水线、任务集、每次尝试的判定记录和完整重拟合脚本，代码 MIT、数据 CC BY 4.0。

    推荐理由：用同一难度尺度同时刻画模型能力 D50 和可靠性 D99，覆盖 71 个模型配置的可复现评测框架。

  5. GitHub · 3D 生成新仓库21

    Awesome-RAG：面向 LLM 的检索增强生成（RAG）资源仓库

    GitHub 仓库 liunian-Jay/Awesome-RAG 汇总了大语言模型检索增强生成（RAG）的技术进展，收录 2024-2026 年论文、HotpotQA、MuSiQue 等评测数据集及 LightRAG、RAGFlow 等项目。仓库目前获 520 stars，近期更新包括 2025 年 9-10 月论文，以及 QAgent 智能体 RAG 框架、GainRAG 等自研成果；仓库近期未积极维护，欢迎贡献者接手。

  7. GitHub · 灵魂体仓库25

    GitHub 仓库 OmniJev/awesome-jev-papers：Jev 与 System One 决策模型论文精选列表

    该 GitHub 仓库收录关于 Jev——TypeSafe 的 System One 模型——及按其形态构建的开放模型的研究论文，每条均对照 arXiv 页面核验。列表分为 Survey、Open Decision Models（57 篇）、Benchmarks & Evaluations（17 篇）、Agents & Systems（49 篇）、Applications（41 篇）等分类，2026-10-25 新增 78 篇 Jev 论文，并接受 PR 投稿。

  9. GitHub · 灵魂体仓库52

    gutfeeling：开源病理切片 SSL 与 HP 判读辅助工具在 Ashby Prize Hackathon 2026 发布

    Ahaan Verma 等人在 Ashby Prize Hackathon 2026 发布开源研究工具 gutfeeling，通过热键截取任意切片查看器画面，约 2 秒内给出 SSL 与 HP 判读及证据。工具用 ConvNeXt-Base 与 MUSK 集成模型，在 977 张 MHIST 测试图上平衡准确率 0.888、AUC 0.956，与 7 病理医生共识上限相当；在 UniToPatho 上 HP 准确率 99.6% 但会低估 SSL。定位为研究工具，非诊断用途，许可证为 PolyForm Noncommercial 1.0.0。

  10. GitHub · 灵魂体仓库38

    Forcebench 开源基准：实测 AI 模型做真实 Salesforce 工程任务的能力

    Forcebench 是一个开源基准，用真实的 Salesforce 工程任务评测 AI 模型，覆盖 Apex、governor limits、fflib、Lightning Web Components、Flow、SOQL、CI/CD 等 15 个套件。评分尽可能通过实际执行完成：部署到 scratch org 跑隐藏 Apex 测试和 Jest 测试、执行 SOQL 查询、对照 sf CLI manifest 验证命令。项目支持任何 OpenAI 兼容端点，代码采用 Apache-2.0 许可，任务与结果采用 CC BY 4.0，结果与排行榜见 forcebench.ai。

  11. GitHub · 灵魂体仓库38

    sonu-2006/finalhidden：基于校准隐藏态探针的医疗 LLM 实时幻觉检测与干预实验

    该仓库基于 RTHD 框架，用轻量探针分类器（Safe / AtRisk / Hallucinating）在解码过程中监测医疗 LLM 隐藏状态，实现幻觉早期检测与模拟干预。作者在 Kaggle 上用 4-bit 量化骨干完成了 4 组试点实验，各 20 条轨迹，分别组合 EndoDiag + Qwen3-8B、MedHallu + BioMistral-7B、MedQA + Mistral-7B-Instruct-v0.3、PubMedQA + Llama-3.1-8B-Instruct；四组 EDR@K 均为 100%，平均提前量 14.85–32.50 tokens，模拟幻觉降低 76.9%–100%。作者指出样本量小、标签由启发式生成、干预为模拟而非实时引导解码。

  12. GitHub · 去对齐工具与仓库34

    LLM-CL：少数据多模态持续学习与紧凑模型研究进展记录

    LLMCL 项目记录少数据多模态持续学习与紧凑模型研究：基于 Qwen2-VL-2B-Instruct 与 LLaVA-OneVision-Qwen2-0.5B-OV 双骨干、1313 条训练数据与 21454 条测试，正式完成 8/16 组核验，唯一指标为 Answer F1。最新 FFN 真实删除对照使完整权重减少 199.5MiB（11.704%），但 DEV 宏 F1 从 43.791987 降至 19.620168，该构造已关闭；尚无权重更小且保留强参照质量的自研框架。

10月24日周六
  1. GitHub · 3D 生成新仓库15

    bone-fracture-pseudo-mask-generation：弱监督骨折分割伪掩码生成研究流水线

    GitHub 开源项目 bone-fracture-pseudo-mask-generation 提供一套可复现的弱监督骨折分割研究流水线，涵盖图像级骨折分类、Grad-CAM/LayerCAM 定位、伪掩码生成及可选 U-Net 训练，支持 ResNet-50 和 DenseNet-121 分类器，需 Python 3.10+。项目仅为研究原型，非临床诊断工具；因缺少 FracAtlas 专家掩码，无法报告分割指标，测试集仅在验证集选好阈值后评估一次。

  2. GitHub · 去对齐工具与仓库33

    AdrSkapars/slander-inversion：生成式语言模型精确反演的代码与数据集仓库

    该仓库发布论文《Was it Slander? Towards Exact Inversion of Generative Language Models》的代码与筛选数据集，仅用模型对输出的概率搜索生成该输出的输入。方法对比基于 token 的遗传算法（GA）与基于 T5 自编码器嵌入的粒子群优化（PSO），各含完整与渐进两种目标，实验使用 30 对和 50 对的 Chatbot Arena 筛选数据，目标模型为 gpt2 与 llama2，另附 Metropolis–Hastings 采样扩展脚本。

  3. GitHub · 灵魂体仓库36

    llm-poker-collusion：研究模型在等通信条件下联盟形成的开源框架

    GitHub 上的 llm-poker-collusion 是一个在研研究框架，用于研究模型在通信条件对等下的联盟形成，架构结合 OpenSpiel（kuhn_poker）、自研 Python 会话引擎与 Inspect 模型执行。当前已实现游戏协议、会话引擎、JSONL 审计、离线标注与对比分析层：2026-10-15 有 994 项离线测试通过；2026-10-17 指定的 OpenAI 候选模型通过在线兼容性测试，3 场会话 9 手牌共 64 次调用、73,701 tokens、成本 $0.06272325；2026-10-18 标注验证达 1,040 项测试。模型能力与协调控制仍未验证。

  4. GitHub · 灵魂体仓库46

    quark28/mini-llm：一个可完全在端侧运行的 19.8M 参数掩码扩散对话模型

    开发者在 GitHub 开源 mini-llm，一个从零用 PyTorch 构建的 19.8M 参数掩码扩散编码器–解码器 Transformer 对话模型，目标是在手机端侧运行。模型在 1.47B token 的 FineWeb-Edu 上完成预训练，并经过 SFT 与 GRPO 强化学习，上下文窗口 256 token，词表 12 288（byte-level BPE）。项目还包含一个实验性 Thinking 模块及参数量匹配的对照组，生产级 C++ 推理运行时仍在计划中。

  6. GitHub · 去对齐工具与仓库65

    Badrodro 实测三种 LLM 的 4-bit 权重量化格式质量差异

    Badrodro 发布 llm-4bit-quant-formats 仓库，在 Qwen2.5-0.5B、Qwen2.5-1.5B 和 SmolLM2-1.7B 上以 WikiText-2 与 C4 困惑度对比多种 4-bit 权重量化格式。结果显示等困惑度下 trellis 编码比 NVFP4 少需 11–17% 比特、比 INT4 g128 和 MXFP4 少约 15–20%，但加随机 Hadamard 旋转的标量 Lloyd-Max 量化器已能达到 trellis 增益的 6–9% 以内，未达到预先设定的 10% 阈值，因此非均匀标量格式加旋转在更低解码成本下已捕获大部分收益。测试仅覆盖权重、round-to-nearest、0.5–1.7B 小模型，无校准数据与速度能耗测量。

    推荐理由：作者预先设定了10%的决策阈值再实测，读者可以据此判断trellis量化是否值得在硬件里加解码器。

  7. GitHub · 去对齐工具与仓库18

    Vhagar181 开源仓库：优化 LLM 在多任务环境中的上下文推理（论文审稿中）

    Vhagar181 上线论文《Optimizing Large Language Models for Contextual Reasoning in Multi-Task Environments》的配套代码仓库，论文正在 COAI 2025 审稿中。该论文提出优化策略以增强 LLM 跨多任务的上下文推理能力，实验显示在动态环境中适应性更优。仓库标注“即将发布”，将包含实现代码、benchmark 结果、预训练模型 checkpoint 及文档教程。

  8. GitHub · 去对齐工具与仓库42

    Vhagar181 开源 llm-adaptive-learning：LLM 动态环境自适应学习实现（ICML 2025）

    Vhagar181 在 GitHub 开源论文 "Adaptive Learning Strategies for Large Language Models in Dynamic Environments"（ICML 2025）的实现，支持 LLM 实时适应动态环境且避免灾难性遗忘。该方法在多类动态场景上较基线提升 16.8%–19.1%，如时序变化场景从 69.8% 提至 88.9%，采用轻量更新机制无需全量重训，代码以 Apache 2.0 许可发布。

  9. GitHub · 去对齐工具与仓库18

    优化 LLM 在多任务环境中的上下文推理：论文代码仓库（待发布）

    John Smith 等人的论文《Optimizing Large Language Models for Contextual Reasoning in Multi-Task Environments》正在 COAI 2025 审稿中，其代码仓库即将发布。论文提出优化策略以增强 LLM 跨多任务的上下文推理，实验结果显示在动态环境中适应性更优。仓库将包含实现代码、benchmark 结果、预训练模型检查点及文档教程。

  10. GitHub · 灵魂体仓库10

    enhancing-llms：先进微调技术提升 LLM 在 GLUE 和 SuperGLUE 上的表现

    GitHub 仓库 enhancing-llms 发布论文《Enhancing Large Language Models with Advanced Fine-Tuning Techniques》的实现与实验，探索面向领域任务的新型微调方法。该方法在 GLUE 上取得 92.5%（较基线 +8.3%）、SuperGLUE 上取得 89.3%（+12.5%）的 SOTA 结果，并提供高效训练管线，代码以 MIT 许可开源。

  11. GitHub · 灵魂体仓库51

    ARM-Sparse 实测 Llama 3.2 1B 与 TinyLlama 1.1B 在 Apple M2 上的 FFN 块稀疏加速收益

    ARM-Sparse 项目在 Apple M2 CPU 上实测 Llama 3.2 1B 与 TinyLlama 1.1B 的 FFN 块稀疏推理，结论是 packed B8 块内核只在 40-50% 稀疏度才快过 Accelerate 稠密基线，而此时模型质量已不达标（Llama 在 20% 处困惑度 +8.773% 失败）。在 10-20% 质量门槛内，只有采用 neuron-major 权重的 per-neuron 执行器跑块对齐 mask 能比稠密快百分之几（真实 mask +0.9% 到 +3.5%，合成 mask 最高 +7.3%），且质量上限决定了收益上限，不构成端到端可部署加速；仓库附带 99 项自动化测试的完整复现包。

  12. GitHub · 灵魂体仓库13

    LLM 多任务环境上下文推理优化研究（COAI 2025 在审）

    一篇题为《Optimizing Large Language Models for Contextual Reasoning in Multi-Task Environments》的论文提出优化策略，以提升 LLM 在多任务环境中的上下文推理能力，实证结果显示其在动态环境中适应性更佳。该论文目前在 COAI 2025 会议审稿中，仓库标注"To be released"，完整实现代码、实验配置、Benchmark 结果、预训练模型 checkpoint 和文档教程尚未发布。

  13. GitHub · 灵魂体仓库17

    Beamoaadvance 开源 llm-adaptive-learning：ICML 2025 论文的 LLM 动态环境自适应学习实现

    Beamoaadvance 在 GitHub 开源了 ICML 2025 论文 "Adaptive Learning Strategies for Large Language Models in Dynamic Environments" 的实现，使 LLM 能在动态环境中实时自适应调整。该方法支持持续学习而不发生灾难性遗忘，无需完整重训练即可轻量更新，在多类动态环境中较基线提升 16.8%-19.1%（如 Temporal Changes 场景从 69.8% 提至 88.9%）。项目采用 Apache 2.0 许可证。

  14. GitHub · 3D 生成新仓库23

    PixelBudget：延迟与内存约束下的自回归图像生成研究

    UIT（VNU-HCM）研究员 Nguyen Huynh Dang Nhut 发布 PixelBudget 项目，研究在计算预算（GPU VRAM、缓存容量、内存带宽）与图像质量之间的权衡，在 NVIDIA T4 GPU 和多核 CPU 上实现像素级自回归生成。研究对比了自定义解析反向传播与 PyTorch autograd 的开销，并分析逐像素解码与并行 patch 生成的内存带宽瓶颈。项目含 68 个 cell 的 Colab notebook 及离线 HTML 报告。

  15. GitHub · 灵魂体仓库53

    Sleight 编程语言仓库发布：带依赖类型与终止检查，实现由 LLM 智能体编写

    emmarion 发布了 Sleight 编程语言仓库，语言采用 s-expression 语法、受限依赖类型、每个 binder 标注 multiplicity（erased/many/unique）以及无逃逸的终止检查，编译器会检查程序声明的性能断言如尾调用。仓库含参考实现（OCaml）、自举编译器 slc 和 Lean 4 模型，附千余个测试程序及 checked_runs、no_false、eval_sound 等机器验证定理；palindrom、heapsort、msort 等认证程序中堆排序由 LLM 智能体经多会话写成，2026 年 10 月 14 日的 talk 报告了模型表现。

  16. GitHub · 3D 生成新仓库36

    novasyne 开源 SyntheticEEG：验证合成 EEG 数据能否替代真实训练数据

    GitHub 新仓库 novasyne/SyntheticEEG 研究合成 EEG 数据能否替代或增强真实数据，用于跨数据集压力与认知负荷分类。项目使用 4 个公开 EEG 数据集（EDMA、SAM40、MentalWorkloadEEG、MentalStress），评估相关性引导插值、WGAN-GP、条件 VAE 三种合成策略，并加入 CORAL、Optimal Transport、Prototype-shift 域适应，覆盖全部 12 个 source→target 数据对。仓库提供预处理、合成、跨数据集与 LOSO 评估脚本，含 LDA、Logistic Regression、Random Forest、SVM-RBF、XGBoost 五种分类器。