John Smith 等人的论文《Optimizing LLMs for Contextual Reasoning in Multi-Task Environments》代码仓库发布
一篇关于优化大语言模型在多任务环境下上下文推理能力的论文正投稿 COAI 2025，其实现代码仓库已建但标记为“即将发布”。仓库未来将包含优化策略实现、实验代码、benchmark 结果、预训练模型 checkpoint 及文档教程。论文摘要称该策略能提升 LLM 在动态环境中的适应性，目前尚未经同行评审接收。
#论文/研究
新闻、仓库与研究，按时间排列。
GitHub · 灵魂体仓库AI 评分99 GitHub · 去对齐工具与仓库AI 评分1414 LLM 多任务环境上下文推理优化（仓库待发布）
该 GitHub 仓库将发布论文 "Optimizing Large Language Models for Contextual Reasoning in Multi-Task Environments" 的实现与实验代码，论文目前正投稿 COAI 2025 审稿中。作者提出优化策略以增强 LLM 在多任务下的上下文推理，实验显示在动态环境中适应性更佳。仓库内容（含 benchmark 结果、模型 checkpoint、文档）标注为即将发布。
GitHub · 去对齐工具与仓库AI 评分1515 RM-28：从响应文本识别 LLM 模型来源
Raj Mamidala、Kenny Liang 与 Aditya Raj 组队，用 RNN、CNN 及 CNN-RNN 混合三种模型，从响应文本中识别 LLM 来源。团队基于 LMSYS Chatbot Arena 对话数据集，统一数据处理、划分与评测管线，完成 RQ1 至 RQ4 四组实验。
GitHub · 去对齐工具与仓库AI 评分2424 llm-adaptive-learning：ICML 2025 论文《动态环境下大语言模型自适应学习策略》开源实现
一个被 ICML 2025 接收的论文实现仓库，提出让 LLM 在动态环境中实时自适应调整的学习框架，支持持续学习且避免灾难性遗忘，无需完整重训练即可轻量更新。在四类动态环境测试中均优于基线：主题切换 89.7% 对 72.3%，新领域 86.2%，混合上下文 91.3%，时间变化 88.9%。项目采用 Apache 2.0 许可证开源。
GitHub · 灵魂体仓库AI 评分2626 llm-adaptive-learning：动态环境下 LLM 自适应学习策略开源实现（ICML 2025 论文代码）
GitHub 仓库 llm-adaptive-learning 开源了 ICML 2025 论文《Adaptive Learning Strategies for Large Language Models in Dynamic Environments》的实现，使 LLM 在动态环境中实时调整行为。方法包含自适应参数更新、动态记忆管理、环境检测与防灾难性遗忘机制，无需全量重训练。在四类动态环境中性能较基线提升 16.8%-19.1%，项目采用 Apache 2.0 许可证。
arXiv · cs.CLAI 评分3636 审计开源 Jev 风格模型的检索请求独立性
一项研究在 92 条 TREC 检索查询构造的 276 个三段落状态上，审计了七个开源 Jev 风格检查点的请求独立性。请求扩展使 Nimble 的判断出现 9.1%/8.0% 的严格二元翻转，并在阈值 0.5 下改变 TREC DL2019/2020 中 21.4%/18.9% 的选择或弃权动作。字段掩码将全部 70 次请求集翻转追溯到提示词中序列化的 schema 字段，Von 修复共享分隔符位置可消除两处资格性偏好翻转。
GitHub · 3D 生成新仓库AI 评分3333 CacheFlow：统一步蒸馏与特征缓存的少步生成加速方法开源仓库发布
GitHub 新仓库 shanhe321/CacheFlow 公布了 CacheFlow 的官方实现，该方法从频率感知角度统一步蒸馏与特征缓存，解决扩散模型极端少步加速下的语义保真与细节损失问题，提出频率感知策略蒸馏和可学习缓存策略。在 FLUX.1-dev、Qwen-Image 等模型上的实验显示，文生图与图像编辑质量具竞争力，实测加速最高达 55.31×，代码即将开源。
GitHub · 灵魂体仓库AI 评分1818 RishabhPandyacom/bus5001-a3-esg-automation：ESG 自动化课程作业证据仓库
该仓库存放 ESG 自动化报告的支撑材料，包含四个部分：Dialogflow CX 智能体导出与演示脚本、Snowflake 共担责任图（Graphviz）、LLM 分诊实验（使用 Qwen/Qwen2.5-1.5B-Instruct，bf16、CPU 上 greedy 解码，共 28 次 LLM 运行，每次约 30 秒，另含规则基线与 bart-large-mnli 基线），以及 NotebookLM（Gemini Notebook）实验记录。作者注明在本人指导下使用 Claude（Anthropic）作为辅助工具。
arXiv · cs.CLAI 评分2222 FASD 方法解耦多模态大模型遗忘中的知识遗忘与拒答学习
arXiv 论文提出 Forget-Aware Self-Distillation（FASD），针对多模态大模型遗忘评估只看停止输出导致的两类问题：抑制目标知识引发幻觉、拒答训练只是改变表面行为。FASD 分为行为与知识两条通道，前者从忽略提示的模型副本蒸馏拒答行为并掩蔽 target tokens，后者直接抑制 ground-truth 答案片段，实现"诚实无知"：模型真正遗忘目标知识且能识别自身知识边界，同时保留数据性能。代码和数据将在论文发表后发布。
GitHub · 灵魂体仓库AI 评分4242 oold-llm-bench：OO-LD 面向 schema 约束 LLM 抽取的假设驱动基准
OO-LD 发布 oold-llm-bench，一个衡量 LLM 在 schema 约束下抽取结构化数据质量的假设驱动基准。实验对比提示词、解码时约束、提交时约束等强制方式的组合，以 (entity, property, value) 三元组级 F1 打分，语料涵盖 schema.org、QUDT 和 Wiki-Measurements。代码采用 Apache-2.0，附浏览器 Playground 可逐步查看抽取结果与验证失败原因。
GitHub · 去对齐工具与仓库AI 评分1515 mas-daily：多智能体系统论文日报仓库
isaacveg/mas-daily 是一个 arXiv 多智能体系统 / LLM 智能体方向的每日论文日报项目，提供公开站点、Markdown 原文与图片资源。内容抓取 cs.MA、cs.AI 等分区的最新投稿，经关键词相关性过滤后仅保留能识别出明确 T0/T1 机构归属的论文，标题与摘要由运行日报的 Agent 用中文学术表达重写，全流程由 scripts/publish_site.py 每日自动同步发布。
arXiv · cs.CLAI 评分3939 微调策略而非仅数据：面向 HR 推荐系统的嵌入模型性别与刻板印象偏差的统计学严格审计
一项审计用 Bias-in-Bios 和 StereoSet 基准评估了六个多语言句子嵌入模型（LaBSE 与 E5 家族），并修正了 naive 显著性检验中的非独立性问题。结果显示 E5-Base 的知识蒸馏微调显著加大 Bias-in-Bios 偏差（Δ=-0.177，p<10⁻⁸），而二分类微调无统计学差异（p=0.218）。微调策略因此成为 HR 推荐系统设计的可操作杠杆。
arXiv · cs.CLAI 评分4040 基于均匀信息密度的偏好优化方法 UIDPO
研究者将心理语言学理论 Uniform Information Density 引入大语言模型偏好优化，提出 UIDPO 算法，通过全局标准差与局部二阶差分组合度量信息均匀度并纳入优化目标。与此前 SOTA 方法 SimPO 相比，UIDPO 在 AlpacaEval2、ArenaHard 和 MT-Bench 上取得相当或更优的表现，代码仓库已开源。
arXiv · cs.CLAI 评分4040 Reward-Aligned Distillation（RAD）：基于奖励对齐加权蒸馏信号提升 LLM 推理
论文提出 Reward-Aligned Distillation（RAD），一种双层框架，通过预测每个 token 监督信号对学生模型更新后奖励的影响来加权 on-policy 蒸馏信号。在相同训练响应预算下，RAD 在六个竞赛数学基准上比最强基线提升 Qwen3-1.7B（non-thinking）6.5 个百分点、Qwen3-4B-Instruct-2507 2.5 个百分点；在 LiveCodeBench-v6 上，Qwen3-1.7B（non-thinking）与 OLMo3-7B-Instruct 分别达到 54.69% 和 58.67% pass@1，超过最强基线 8.7 和 6.4 个百分点。简化变体 RAD-Simple 在同等预算下取得相近数学准确率。
GitHub · 灵魂体仓库AI 评分2222 taharallouche/llm-from-scratch：从零实现 GPT-2 的学习仓库
开发者 taharallouche 在 GitHub 上开源 llm-from-scratch 仓库，按 Sebastien Raschka 的《Build a Large Language Model (From Scratch)》一书从零实现 GPT-2，全程未使用编码助手。项目正在进行分类微调部分（WIP），改用 Hugging Face 开源数据集在平衡与非平衡数据上实验，发现左填充（left-padding）显著优于右填充。影评分类任务测试集 Accuracy 达 0.84，并记录了训练集疑似过拟合、需配置 AdamW weight decay 和 early stopping 的经验。
GitHub · 灵魂体仓库AI 评分2929 用 Claude 评测欺诈模型解释的真实性：fraud-explanation-faithfulness 实验
作者在 GitHub 开源了 fraud-explanation-faithfulness 项目，用 Claude（Haiku，经 Claude Code CLI）为 3 万条合成身份欺诈申请上的逻辑回归模型（AUC 约 0.95）生成的解释打分。在 40 个被标记申请中，开放提示下 16 条解释（40%）引用了模型实际反对或忽略的理由；提供模型真实 top-3 理由的 grounded 提示则将问题降到 0/40。
GitHub · 3D 生成新仓库AI 评分5050 高效 LLM 代码生成系统性文献综述复现包 v2.0 发布
高效 LLM 代码生成系统性综述（投稿 ACM TOSEM）的复现包 v2.0 发布，系统分析 141 项主要研究，覆盖 RQ1 数据准备到 RQ6 技术组合共六个研究问题，文献截止 2026-08-31。分类体系含 24 个细粒度类别，其中推理优化研究最多（63 项）；对全部 141 项研究的 8 项报告合规审计显示，功能正确性覆盖 95%，但内存报告仅 21%。
GitHub · 3D 生成新仓库AI 评分2727 RCFM 开源：区域感知条件 Flow Matching 用于跨模态生理信号生成
GitHub 新开源项目 RCFM（Region-Aware Conditional Flow Matching）可从降导联 ECG、PPG、雷达心动图（RCG）等异构源信号生成诊断级 ECG 波形。方法包含 1-D U-Net 条件编码器、区域感知速度损失和可选 minibatch 最优传输耦合，支持 ppg2ecg、rcg2ecg、ecg2ecg 三类任务。数据采用 128 Hz 预处理 NumPy 窗口，论文发表于 IEEE IOTJ，公开版本仅限 RCFM-OT 配置。
GitHub · 3D 生成新仓库AI 评分2323 design-preference-lab：一个探索“设计质量指标是否等于人类偏好”的研究小工具
GitHub 新仓库 design-preference-lab 是一个本地运行的独立研究应用：输入活动海报需求，生成两套结构化 SVG 排版，用户投票偏好后查看结构化检查结果，用于探究“可测的设计质量是否等于人类偏好”。项目要求 Python 3.11+，无运行时依赖和 API key，目前只有本地模板基线，尚无训练好的生成器、学习型评估器或云端部署，与 Canva 无关。它是生成器训练与学习型评估项目的第一部分，路线图包括 LoRA 适配、量化适配、多模态偏好模型和 reward-hacking 实验。
GitHub · 灵魂体仓库AI 评分1010 优化大语言模型在多任务环境中的上下文推理：论文代码仓库上线（待发布）
一个与论文 "Optimizing Large Language Models for Contextual Reasoning in Multi-Task Environments" 对应的 GitHub 代码仓库已创建，但目前状态为待发布。论文提出优化策略以增强 LLM 在多任务场景下的上下文推理能力，正处于 COAI 2025 审稿中。仓库未来将提供完整实现、实验代码、benchmark 结果、预训练模型 checkpoint 及文档教程。
GitHub · 灵魂体仓库AI 评分2323 spaldingpitzenur80-hash/llm-adaptive-learning：LLM 动态环境自适应学习策略实现（ICML 2025）
该仓库收录论文 "Adaptive Learning Strategies for Large Language Models in Dynamic Environments"（ICML 2025）的实现，让 LLM 在动态环境中实时调整参数和行为，且无需完整重训。框架包含自适应参数更新、动态记忆管理、环境检测和防灾难性遗忘的稳定机制。在四类动态环境评测中均超越基线，如主题切换从 72.3% 提升至 89.7%（+17.4%），时序变化场景提升 +19.1%，项目采用 Apache 2.0 许可证开源。
GitHub · 灵魂体仓库AI 评分1818 GitHub 开源仓库 enhancing-llms：用高级微调技术提升大语言模型性能
GitHub 仓库 enhancing-llms 公开了论文 "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微调方法。该方法在 GLUE 上从基线 84.2% 提升至 92.5%（+8.3%），在 SuperGLUE 上从 76.8% 提升至 89.3%（+12.5%）。项目提供训练、评估脚本与实验配置，采用 MIT 许可证开源。
GitHub · 去对齐工具与仓库AI 评分1010 优化 LLM 多任务环境下的上下文推理：论文配套代码仓库（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 GitHub 实现仓库标记为待发布状态。仓库将陆续放出优化策略实现、实验代码、benchmark 结果、预训练模型 checkpoints 及文档教程。
GitHub · 去对齐工具与仓库AI 评分2020 llm-adaptive-learning：ICML 2025 论文的大语言模型动态环境自适应学习实现开源
GitHub 仓库 eagernova66/llm-adaptive-learning 开源了 ICML 2025 论文《Adaptive Learning Strategies for Large Language Models in Dynamic Environments》的实现，让 LLM 在动态环境中实时调整行为且不发生灾难性遗忘。方法在多类动态环境上验证：相比 baseline，话题切换场景准确率从 72.3% 提升到 89.7%（+17.4%），时序变化场景从 69.8% 提升到 88.9%（+19.1%）。项目采用 Apache 2.0 许可证，包含自适应训练、动态环境评测与模拟脚本。
arXiv · cs.CLAI 评分3333 LongHisDoc：首个中文长篇历史文档理解基准发布
LongHisDoc 是首个面向长篇（整本）中文历史文档理解的基准，包含来自 101 份 PDF 的 1,012 条专家标注 QA 对，平均每份 85.1 页、42,776.4 tokens，覆盖 10 个类别和单页、跨页、多跳、不可回答四类问题。评测显示最强 LVLM 和 LLM 准确率仅 62.9% 和 69.9%，同时基准还评测了多模态检索器与端到端 RAG 性能，基准和评测代码已开源。
GitHub · 去对齐工具与仓库AI 评分2626 
ahsan-h-shihab/llm-in-education：LLM 教育应用研究的证据分级与可复现性材料库
该仓库发布综述《Large Language Models in Education》的可复现性材料，将 150 条记录中的 120 项研究（86 项一手研究、34 项二手综述）按 Tier 0–4 五级证据分类。结果显示仅 25 项（29.1%）一手研究客观测量学习结果，20 项（23.3%）与替代条件对比，机构运营与治理领域 17 项一手研究均无测量结果。附带 Python 3 脚本可精确重算论文的全部计数与图表。
GitHub · 灵魂体仓库AI 评分1111 enhancing-llms：高级微调技术增强 LLM 的论文实现仓库
GitHub 仓库 enhancing-llms 开源了论文 "Enhancing Large Language Models with Advanced Fine-Tuning Techniques"（ACL 2024）的实现与实验代码。该项目探索面向领域任务的新型微调方法，在 GLUE 和 SuperGLUE 基准上取得 SOTA 结果：GLUE 从基线 84.2% 提升至 92.5%（+8.3%），SuperGLUE 从 76.8% 提升至 89.3%（+12.5%）。仓库采用 MIT 许可证，提供训练脚本、实验配置和分析 notebook。
GitHub · 去对齐工具与仓库AI 评分2929 NALPlan：基于 LLM 的移动对象数据库自然语言查询多路径查询计划合成系统开源
NALPlan 是首个面向移动对象数据库的 Text-to-Plan 系统，将自然语言查询直接翻译为由移动对象算子组成的查询计划。系统通过多路径候选生成、约束引导的自洽性检查免执行剪枝，以及代价感知选择提升计划质量。实验显示严格执行准确率较最佳基线提升 47.4%，正确性门控后的计划效率再提升 28.6%，且小模型作 backbone 依然有效。
GitHub · 去对齐工具与仓库AI 评分1919 kgschool23/llm-authorship-classification：用 CNN 与 LSTM 从回复文本识别 LLM 来源家族
这是宾州州立大学 CMPSC 448 期中项目，由 Kyle Goodman 独立完成，目标是用文本 CNN 和 LSTM 识别回复文本由哪个 LLM 家族生成。数据集默认生成 18,000 条记录，覆盖至少三个来源可查的 LLM 家族，并对 prompt-only、response-only、prompt-plus-response 三种输入分别训练分类器，报告 accuracy、macro-F1、per-class 指标和混淆矩阵。项目已在 Windows 11、Python 3.14.4、RTX 4070 SUPER、PyTorch 2.9.1+cu128 环境下验证，六个实验可通过 scripts/run_experiments.py 一键复现，初始随机种子为 42。
arXiv · cs.CLAI 评分4949 Q-NeuS：面向大语言模型的查询自适应神经元调控框架
arXiv 论文提出 Q-NeuS，一种查询自适应的 LLM 神经元调控框架，根据每个输入动态决定调控哪些神经元及调控幅度。该框架构建主题引导的候选神经元空间，用 Query-Adaptive Gate 生成逐神经元调制系数，并通过 Neu-GRPO 基于多种干预配置的相对表现训练。基座 LLM 全程冻结，推理时无需任务或主题标签，实验显示其在多模型与 benchmark 上均有一致提升并具跨 benchmark 迁移性。
GitHub · 去对齐工具与仓库AI 评分2929 LLM Paper Tracker：每日自动追踪 MoE、KV cache 压缩等 LLM 效率论文的开源工具
开源项目 LLM Paper Tracker 是一个静态 HTML 论文追踪器，每日从 arXiv API 和 OpenAlex API 抓取 MoE、KV cache 压缩、量化、长上下文优化等 LLM 效率主题的论文。项目提供总览页和逐篇详情页（含摘要、动机、实验结果等板块），通过 GitHub Actions 每日 UTC 0 点自动更新并部署到 GitHub Pages。
GitHub · 3D 生成新仓库AI 评分1616 Haoyi-Zhang 开源 PageReuse：面向完整有限顺序 trace 的页面选择安全证书仓库
Haoyi-Zhang 在 GitHub 发布 PageReuse 仓库，提供面向完整有限顺序 trace 的 generation-aware 页面列表复用安全证书。其 C++ CPU 适配器通过 207 个正例、匹配全部 200 个保留最优结果并拒绝 400 个负例控件，审计覆盖 741951 个事件；保留的 308 样本测试中完整路径中位数为新发布的 1.037–1.245 倍。项目明确声明它不是 LServe、GPU 内存检查器或生产级 KV cache。
GitHub · 灵魂体仓库AI 评分2727 eungyun-im/testcase-staleness：确定性定位需求变更导致的过期测试用例，并对比 7B 语言模型表现
GitHub 仓库 eungyun-im/testcase-staleness 在三个汽车决策函数上生成合成需求变更，对比四种找出过期（stale）测试用例的方法：trace-link 选择、变更区域检查、按新规格重新评估，以及用 7B 语言模型（qwen2.5:7b）做判断。实验涉及 360 个变更，含 AEB-lite 预警与制动功能，设计假设预先冻结于 docs/design.md，结果存于 results/report.md。仓库附带可供质量门禁读取的变更报告接口及韩文论文草稿。
GitHub · 灵魂体仓库AI 评分1414 rithirn75-bot 开源仓库：优化大语言模型在多任务环境中的上下文推理（论文投稿 COAI 2025）
GitHub 仓库 rithirn75-bot/optimizing-llms-contextual-reasoning 为论文《Optimizing Large Language Models for Contextual Reasoning in Multi-Task Environments》提供实现与实验代码，该论文提出增强 LLM 多任务上下文推理的优化策略，目前处于 COAI 2025 审稿中。仓库状态为即将发布，将包含实验代码、benchmark 结果、预训练模型 checkpoint 及文档教程。
GitHub · 灵魂体仓库AI 评分1919 Gyanendra Pandey 的 LLM 量化软硬件协同设计研究：Oltron 与 FlightLLM 对比分析
这是一份加州州立大学长滩分校 CECS 530 课程研究项目，探讨软硬件协同设计的 LLM 量化能否超越纯软件方案。基于 LLaMA-70B 需 140 GB 显存的背景，分析显示 Oltron（ASIC）加速 1.9 倍、能效提升 1.6 倍，FlightLLM（FPGA）相对 A100 加速 1.2 倍、能效提升 6 倍，而 bitsandbytes 反而慢 0.65 倍，各方案精度损失均小于 1%。
GitHub · 灵魂体仓库AI 评分2727 llm-adaptive-learning：ICML 2025 论文的 LLM 动态环境自适应学习实现开源
GitHub 仓库 llm-adaptive-learning 开源了 ICML 2025 论文「Adaptive Learning Strategies for Large Language Models in Dynamic Environments」的实现，让 LLM 在动态环境中实时调整行为且避免灾难性遗忘。在四类动态环境测试中，该方法在 Shifting Topics 场景从基线 72.3% 提升至 89.7%，Temporal Changes 场景从 69.8% 提升至 88.9%。项目采用 Apache 2.0 License，包含训练、评估与环境模拟脚本。
arXiv · cs.CLAI 评分3232 AphaVoice：面向失语症患者模拟的文本转语音模型
研究者推出 AphaVoice，一种专为合成高度逼真失语语音设计的 TTS 框架，用于医疗人员训练模拟。对比 SOTA TTS 系统的评测显示，其能更好地捕捉构音障碍这一临床特征，在时间指标上超越现有模型并保持说话人身份一致。借助 latent space shifting，模型还支持多说话人生成，为失语症医疗训练与临床模拟提供可扩展的高保真工具。
GitHub · 3D 生成新仓库AI 评分2222 Awesome-Virtual-Spatial-Omics-Generation：H&E 病理图像生成虚拟空间组学资源合集
GitHub 新仓库 ZZhangsm/Awesome-Virtual-Spatial-Omics-Generation 整理了从 H&E 染色病理图像生成虚拟空间组学的论文、代码与数据集，涵盖空间转录组学、空间蛋白质组学和分子生物标志物方向。仓库收录 STP-BENCH、HEST-1k 等基准，以及 HINGE、CELLO、HisDiff、CoxFormer 等多个 H&E 到空间转录组学的生成模型，供研究与应用参考。
GitHub · 3D 生成新仓库AI 评分4545 RSure-Agent 遥感智能体框架开源仓库发布，验证工具观测以抑制误差传播
RSure-Agent 是一个遥感智能体框架，通过可验证观测协议和任务-工具可靠性先验来核验工具观测结果，限制错误在后续推理中传播。论文分析了 1,229 条执行轨迹，发现各基准至少 22.7% 的任务存在工具执行成功但观测错误的情况。在 EarthBench、ThinkGeo、TerraLogic 和 CHOICE-420 上，该框架将误差传播率降低 21.3 至 25.9 个百分点，在 CHOICE-420 上使 11 个 backbone 模型平均准确率提升 5.71 个百分点，核心代码将分阶段发布。
GitHub · 去对齐工具与仓库AI 评分3333 ChinaCoalIncident-SFT：541 起中国煤矿事故双语微调数据集
GitHub 上开源了 ChinaCoalIncident-SFT 数据集，收录 2014–2026 年 541 起中国煤矿事故，覆盖双语 JSONL 记录，包含事故时间线、原因分析与预防建议，用于 LLM 微调。