新闻、仓库与研究，按时间排列。
GitHub 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。方法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机制，无需全量重训练。实验显示在话题切换、新领域、混合上下文和时间变化四类环境中分别较基线提升 17.4%、18.1%、16.8% 和 19.1%，代码采用 Apache 2.0 许可证。
GitHub 仓库 spanellisnikolaos564489/enhancing-llms 发布了论文《Enhancing Large Language Models with Advanced Fine-Tuning Techniques》的实现与实验，探索面向特定领域任务的 LLM 微调方法。其方法在 GLUE 上取得 92.5%（基线 84.2%，+8.3%）、在 SuperGLUE 上取得 89.3%（基线 76.8%，+12.5%）的结果，项目基于 MIT 许可开源，并提供训练、评估脚本与实验配置。
Vansika Sonthalia 发布 OperatorBench，作为论文 Lower Disagreement Through Exclusion 的代码与证据配套仓库，研究 LOTUS 流水线中减少分歧是否等于标签改善。在 500 篇 arXiv 文档上，将 filter 从"about machine learning"收紧为"machine learning is the primary topic"后，分歧从 36/38 降至 4，但保留文档标签零变化，recall 从 87.83% 跌至 61.74%。仓库含 8,000 请求对照实验代码，MIT 许可；论文为作者预印本，未经同行评审，原始数据因版权未开放。
GitHub 仓库 AgentGuard 自动追踪 arXiv 上大语言模型 Agent 安全方向论文，每日更新并按关键词分类，截至最近更新已收录 31896 篇论文，近 30 天新增 4840 篇。论文按越狱攻击、提示注入、记忆投毒、红队测试、对齐等类别导航，其中隐私泄露类最多，达 4319 篇。完整列表含摘要、分类筛选与搜索，可通过 GitHub Pages 查看。
一个题为"Optimizing Large Language Models for Contextual Reasoning in Multi-Task Environments"的论文仓库显示，该论文正投稿 COAI 2025 会议评审，提出增强 LLM 跨任务上下文推理的优化策略，实验结果显示在动态环境中适应性更优。仓库状态为"待发布"，后续将放出实现代码、实验配置、benchmark 结果、预训练模型检查点和文档教程。
论文《Adaptive Learning Strategies for Large Language Models in Dynamic Environments》被 ICML 2025 接收，其实现代码已在 GitHub 开源。方法支持 LLM 在动态环境中实时调整参数与行为、持续学习且避免灾难性遗忘，无需全量重训练。在四类动态环境中相比基线提升 +16.8% 至 +19.1%（如 Shifting Topics 从 72.3% 提至 89.7%），项目采用 Apache 2.0 许可证。
GitHub 仓库 enhancing-llms 实现了论文《Enhancing Large Language Models with Advanced Fine-Tuning Techniques》的微调方法，用于提升 LLM 在领域特定任务上的表现。其技术在 GLUE 上达 92.5%（基线 84.2%，+8.3%），SuperGLUE 达 89.3%（基线 76.8%，+12.5%）。仓库含源码、实验配置与结果，基于 MIT License 开源。
shenlinyou222-ux 在 GitHub 公开了 2026-09 至 2026-10 的技术研究笔记库，含 28 篇技术调研、8 篇论文精读笔记与 LaTeX 合集、AIGC 2D 游戏 Demo 的 28 份设计文档、权重驱动 Roguelike 生成设计及太空战斗 Demo devlog v0.1–v0.5。本地实测 27.1 万高斯点在 RTX 5060 8GB 上满帧 60FPS，配套代码 aigc_demo_framework 单测当前实测 223 通过；仓库采用 MIT 许可，代码与文档在 Claude Code / DeepSeek Harness 等 AI 辅助下完成，人工定方向并逐项核对。
kawe63pludenid-ci 在 GitHub 开设仓库，将开源论文 "Optimizing Large Language Models for Contextual Reasoning in Multi-Task Environments" 的实现与实验代码，该论文正处于 COAI 2025 会议审稿中。论文提出优化 LLM 以增强多任务环境下上下文推理能力的策略，实证结果显示其在动态环境中具备更好的适应性。仓库标注 "To be released"，实现代码、benchmark 结果、预训练模型 checkpoints 和文档教程尚未发布。
GitHub 开源了 physics-to-math-research v0.1-alpha.2（公开 Alpha），一个用于 Claude Code 的中英双语 Skill，审查科学问题是否被恰当数学化、检查 claim 的实质承诺与推断依据，并通过有界诊断推导检验数学结论是否被无依据升级为因果或机制性 claim。新版可在有依据且可行时补全最小的必要操作步骤；当前验证仍有限，欢迎 alpha 用户用真实问题报告可复现失败。
作者 Chien-Hsin Lin 在 GitHub 开源 HeliosLM，一个从零实现的 PyTorch 参考实现，涵盖 MLA 注意力、sigmoid 门控 MoE、混合线性注意力、FP8 训练、DualPipe、投机解码与 vLLM 风格推理引擎，全部可在 CPU 上运行并有 115+ 单元测试和位级等价校验。仓库同时是 RLCD 决策层范式的开源参考，在 8.5M/360M/Qwen3-0.6B 三个规模上测量错误答案上的过度自信（0.94 到约 1.0），在 7,193 条实例的 RLCDAlignBench 上开源读出器达到 0.726 中位 AUROC，并在 11/41 项基准上超过商业 Jev 检测器的零样本成绩，配套论文草稿与版本化基准数据。
推荐理由：这是一个可读可改的 DeepSeek-V3 级架构 CPU 参考实现，并附带 RLCD 决策层的开源校准审计数据，适合想拆解模型内部结构的人。
GitHub 仓库 huhusmang/Awesome-LLMs-for-Vulnerability-Detection 收录了利用 LLM 进行漏洞检测与发现的论文、项目和 Agent 技能。论文部分仅展示 2025 年及以后的成果，涵盖 VulnGym、VulnLLM-R、LLMxCPG、CVE-Bench 等发表于 NDSS、ACL、ICSE、Usenix 等会议的工作。
GitHub 仓库 jomanne3-gif/optimizing-llms-contextual-reasoning 对应论文《Optimizing Large Language Models for Contextual Reasoning in Multi-Task Environments》，作者为 John Smith 等，论文正在 COAI 2025 审稿中。该论文提出优化策略以增强 LLM 在多任务下的上下文推理能力，实验结果显示其在动态环境中适应性更优。仓库目前标注"即将发布"，将提供实现代码、benchmark 结果、预训练模型 checkpoints 和文档教程。
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不发生灾难性遗忘。该方法采用选择性参数更新、动态记忆管理和环境检测等轻量机制，无需全量重训练，在主题切换、新领域、混合上下文、时序变化四类场景中较 baseline 分别提升 17.4%、18.1%、16.8% 和 19.1%。项目采用 Apache 2.0 协议。
GitHub 仓库 jomanne3-gif/enhancing-llms 公开了论文 "Enhancing Large Language Models with Advanced Fine-Tuning Techniques" 的实现与实验，探索超越传统方法的高级微调与领域自适应技术。其方法在 GLUE 上从基线 84.2% 提升到 92.5%（+8.3%），在 SuperGLUE 上从 76.8% 提升到 89.3%（+12.5%），并配有优化训练管线实现更快收敛。项目以 MIT License 开源，含源码、实验配置与评测脚本。
AdaCast 是一个时间序列预测的条件参数生成框架，由生成器为冻结的预训练时间序列基础模型产出针对每个输入的低秩参数更新。相比现有一次性方法只学习单一数据集级参数更新的静态适配方式，AdaCast 在训练和推理阶段都能按输入适配模型参数。在六个公开基准上，AdaCast 在域内预测中持续超越静态适配基线，并提升了跨域留出数据集的 zero-shot 泛化能力。
研究者提出 Cluster-TNN，一种领域无关的拓扑深度学习框架，通过预处理划分图、运行时动态采样节点簇并在 mini-batch 内局部执行 graph lifting，避免全图提升带来的计算瓶颈。在与全图执行的 21 组对比中，Cluster-TNN 在所有配置下都降低峰值 GPU 显存，平均降幅 83.2%，同时保持有竞争力的预测性能。这一方法据作者所知首次使多种高阶 Topological Neural Networks 能在 Reddit（233k 节点、57.3M 边）和 OGBN Products 等大数据集上训练。
arXiv 论文构建统一 benchmark，对比经典规划方法与基于学习方法在含旋转扇形危险区域的动态环境中的实时运动规划表现。结果显示：确定性环境中经典规划器成功率接近满分但规划耗时更长；随机障碍动态下，低计算预算常导致失败，而 PPO 策略在延迟、成功率和路径质量上全面占优。研究表明障碍演化中的不确定性而非部分可观测性，是决定规划范式有效性的主导因素。
一项 arXiv 研究通过配对源重建评估音频编码器中保留的信息：用共享的 Stable Audio Open 潜在扩散解码器，从 VGGish、ConvNeXt、CLAP、EnCodec 的冻结表示中重建 5 秒 44.1kHz 立体声音乐。在 Million Song Dataset 上的评测显示不同编码器族可重建性差异明显，接口暴露的时间与频谱结构越细，恢复效果越好；即使是压缩的任务导向嵌入，重建结果仍保留可测的源特异性和高层音乐内容。
研究者提出 Syn-Omni 全模态嵌入框架，包含 OME-LoRA（共享 LoRA 通路加各模态专家 LoRA 通路）与渐进协同路由（PSR），让模态专家先建立模态专属先验再逐步跨模态交互。在覆盖图像、视频、音频和视听任务的 81 个基准任务上，Syn-Omni 持续超越全模态基线，论文已被 EMNLP 2026 Findings 接收。
研究者提出动态向量解码方法 DVD，统一 2D 与 3D 感知任务的表示，将边界框、掩码等感知表示转为 1D 向量序列并映射为紧凑离散 token，再由轻量 de-tokenizer 解码回原始表示，可无缝接入 MLLM。在 RefCOCO 系列、SUN-RGBD、KITTI、Hypersim、nuScenes 等 2D/3D 基准上，DVD 取得更优性能，并显著降低 token 开销与推理延迟。
ARGUS（Agentic Regulatory Genomics for an Uncertainty-aware Scientist）提出一个证据约束的智能体框架，将确定性生物计算与 LLM 推理分离，用于解读非编码调控区的单核苷酸变异。框架封装 458 个基于 DNABERT 的转录因子结合模型，在假设驱动的调查循环中由 planner 选择证据源、verifier 确定性解读观察结果。在 8q24 癌症风险位点变异 rs6983267 上，对 FOXA1、KLF6、RAD21、SP1 四个转录因子给出不同判定，所有观察均来自真实 ADASTRA、JASPAR 和 ENCODE cCRE 查询。该工作已被 NeurIPS 2026 AgenticLS 工作坊接收。
一篇 arXiv 综述梳理了机器学习在高能核物理中从事件分类、模式识别走向物理融合式工作流的进展。文章覆盖重离子碰撞、中子星物理、格点 QFT 与全息 QCD 中的贝叶斯提取物质性质、生成式事例建模、神经退卷积与可微逆求解器等应用，并强调对称性、守恒律等物理约束及不确定性量化对可靠物理结论的作用。
研究者提出多智能体第一人称世界模型 ME-World，将多智能体世界建模表述为多个智能体在共享世界中通过细粒度动作交互的同步 ego-stream 生成。该模型在共享 token 序列中联合去噪多路 ego 流，以各智能体目标视角位姿为条件，并用共享环境记忆锚定生成，同时引入环境、更新与身份一致性的 shared-world 一致性指标。在真实与合成多智能体数据上的实验显示，ME-World 在共享世界一致性、动作控制、身份保持和视频质量上均优于现有方法。
研究者提出神经符号框架 grasp（Gradient-boosted Synthesis of Probabilistic logic programs），将关系结构学习转化为函数梯度提升，弱学习器为一阶规则，难解的内部符号搜索交给 LLM 提议预言机。在 Tox21 分子毒性预测、诱变性和 Cora 引用匹配四个关系型 benchmark 上，grasp 超越纯符号、神经网络及基于 LLM 的基线，同时生成可解释的加权规则集成。
arXiv 论文提出以小世界指数（SWI）作为 LLM 推理能力的结构签名：基于注意力头激活相似度构建功能图，发现 SWI 越高越能预测流动推理表现。据此提出的层级稀疏分配方法 Small-World Allocation（SWA）在 6 个 LLM 上比其他分配策略更好地保留小世界组织与性能，将 WikiText 困惑度最多降低 20%。
arXiv 论文提出一个关于认知表征与问题求解的最小结构化框架，将情境形成、不变性识别、代表选择、抽象与过程复用等表征操作显式化。情境被形式化为底层状态空间子集的一个划分，框架实现为由 Concept Graph 与 Procedure Graph 两个耦合图结构组成的 Knowledge Space。论文以简单示例和有限弱求解器演示说明：即使求解器固定且能力有限，恰当的表征组织也能简化可容许规律的形式与范围，其贡献是结构性的而非算法性的。
arXiv 论文研究 LLM 智能体在神经算子微调配置选择中如何决策：在 PDE 族间迁移的匹配比较中，LLM 的 held-out 测试 nRMSE 几乎全面优于随机搜索和贝叶斯优化。干预实验显示，其首个配置在未见验证分数前已接近随机搜索池前列，且重分配验证分数会改变后续提议，表明 LLM 同时依赖任务先验和实验反馈。论文已被 NeurIPS 2026 AI for Science Workshop 接收。
该 arXiv 论文提出一个预测驱动数据融合框架，在不对手观察性研究（OBS）作特殊假设的情况下，将小规模 RCT 与大规模 OBS 融合，保持 RCT 估计无偏的同时借 OBS 提升精度。基于此框架，作者构建了带闭式权重和置信区间的 ATE 估计器 AIPW-Fusion，以及两个 CATE 学习器 DR-Fusion 和 R-Fusion，实验验证了方法有效性。
RiCo 通过对接触表面点的稀疏邻域建模，将物体间推理限制在邻近表面，从而提升刚体交互模拟的精度与接触保真度。在 MOVi-benchmark 上，RiCo 将 100 帧位置误差降低 31-35%、方向误差降低约 38%，相对真值的穿透时间和平均深度差异分别为 11.0% 和 2.22 mm。该模型可零样本泛化至含 270 个物体的场景，真实世界多球碰撞实验初步验证了 sim-to-real 迁移能力。
研究者提出 ContiLNN，通过双向闭式连续时间（Bi-CfC）模块为二维修复骨干网络增加跨切片建模能力，用于医学图像修复。在五个训练种子下，CT 去噪、MRI 超分辨率和减计数 PET 修复的 PSNR 较 Restore-RWKV 分别提升 0.1907、1.0176 和 1.2482 dB，三任务 RMSE 均更低。同等参数量下，Bi-CfC 比 Bi-GRU 延迟低 52.8%、峰值 GPU 显存占用低 57.0%。
论文提出 GPD（Geometry-Privileged Distillation），将深度、语义和鸟瞰图线索以紧凑文本形式路由给教师模型，通过特权 KL 仅对错误轨迹增强 GRPO，进行在线自蒸馏。在 4B 骨干模型上，GPD 在 VSI-Bench 达到 57.1，在 MindCube、SPARBench、MMSI-Bench 和 ViewSpatial 平均 37.6，超过 GRPO 和答案特权 OPSD，且部署模型保持仅 RGB 输入。
研究者推出 HANS，首个面向真实教育场景的手写答题卡数据集，涵盖数学表达式、自然语言文本、手绘表格及涂改、划除等噪声模式，并附细粒度标注。基于 HANS 提出 NA-GOT 端到端框架，通过特征级噪声抑制模块与解码阶段噪声感知注意力实现两段式噪声抑制。实验显示 NA-GOT 在解题过程识别的准确率和稳定性上均显著提升，数据集将在论文发表后公开。
ARC 是一种无需新机器人数据即可提升机器人基础模型（RFM）零样本性能的推理配方，由推理轨迹、可扩展的自动标注管线和微调策略三部分组成。基于 DROID 演示可自动构建 ARC-Trace-DROID，π₀.₅ 和 Cosmos3-Nano-Policy 等模型经适配后在 RoboLab-120 和 MolmoSpaces 上刷新 SOTA，RoboLab-Reasoning-50 提升最多 50 个百分点，真机实验中 π₀.₅ 任务成功率提高 82.2 个百分点。
GeoReform 是一个反思式形式化演化框架，将几何形式化视为可优化的策略，通过收集失败推理样本、诊断表示缺陷并迭代改进几何实体、关系与约束的组织方式。在 Geometry3K 上，GeoReform 将 Qwen3VL-2B 的准确率从 42.0% 提升至 56.0%，表明有效的形式化是多模态几何推理提升的关键。
HRIL（Higher-order Representation and Information Learning）提出用模态嵌入构建经验交叉矩张量，并经 Tucker 分解得到核心张量，配合协同感知正则项防止能量集中，以保留多模态表示中的高阶耦合信息。在受控协同任务和真实基准上，该方法持续优于现有多模态对比方法，在协同交互主导的任务上提升显著。论文已被 NeurIPS 2026 接收，代码已开源。
SpaceFlow 是一个无需训练的 3D 生成管线，可从文本描述加一组几何基元实现局部可控生成，用户能为每个区域指定严格遵循输入形状或允许生成式补全。生成结构会分割并与基元匹配，各部位仅以其分配的文本或图像线索为条件，限制跨部位泄漏。在固定几何的外观评测中，其 text-conditioned routing 达到 SOTA 的提示词忠实度与颜色/材质准确性。
论文提出 LeWAM，一种基于无解码器 JEPA 潜在空间、端到端训练的双向 Transformer，可同时进行前向、后向、逆动力学和策略预测。线性探针显示其潜在表征读取机器人与物体状态的能力优于常规 Le World Model，且像 LeWM 一样忽略视觉干扰。闭环评估中其表现与同规模 flow-matching 策略相当，同时在策略头噪声空间而非原始动作空间做规划，可提升 WAM 的 MPC 闭环性能。
一项针对 HELM Safety 的心理测量学审计发现，「有害拒答」（模型拒绝危险或违规提示的倾向）可能并非单一可测属性。HELM Safety 四个相关数据集中三个已饱和，对其余的 HarmBench 进行的多维 item response theory 建模与 differential item functioning 分析均显示其分数背后不存单一属性，且 HarmBench 将不同危害行为压缩为一个分数。作者主张安全评分在用于模型比较前应先证明其单一属性解读成立。
研究者提出 MAMHOI，一种场景感知人-物交互（HOI）生成方法，通过显式的 motion-affordance 接口将任务分解为场景条件模型预测可行交互方式、affordance 条件 HOI 模型生成人-物运动两步。该分解使场景理解与交互动态可从互补监督来源学习，无需成对的人-物-场景数据。复杂室内环境实验显示，MAMHOI 减少了物体与场景的穿透，并更好地保留人-物交互质量。