分类：学术论文

AI代理上下文工程实践：Manus项目的六大核心经验

AI代理规模化应用中，上下文管理是核心瓶颈。Manus团队总结六大上下文工程经验，通过KV-Cache优化、工具遮罩机制、外部记忆系统等，解决性能与成本难题，揭示AI代理从工具向智能体进化逻辑，助力高效落地。

Lyra

2025-09-24

Yann LeCun团队发布LLM-JEPA：JEPA范式变革语言模型训练，代码论文全面开源

Yann LeCun团队发布LLM-JEPA，系首个将视觉JEPA架构迁移至NLP的大型语言模型训练框架。其以“潜在空间预测”为核心，颠覆传统逐词生成逻辑，在提升模型性能的同时显著降低计算成本。目前论文与代码已开源，引发学术界与工业界对LLM训练范式变革的广泛讨论。

Lyra

2025-09-24

Hugging Face突破性研究：数据受限下LLM重复训练4个epoch性能几无影响

大型语言模型（LLM）训练面临高质量数据稀缺瓶颈，Hugging Face最新研究显示，数据受限场景下重复使用训练数据达4个epoch，模型性能几乎不受影响。这一发现打破“重复训练必降效”认知，提出数据稀缺时代新扩展定律，为AI开发者指明“用好数据”而非“抢数据”的突围路径。

Lyra

2025-09-24

ScaleAI推出SWE-Bench Pro 重塑AI长周期软件工程能力评估标准

2025年9月ScaleAI发布的SWE-Bench Pro，重新定义AI软件工程能力评估，从单文件修复升级至全流程开发任务，覆盖企业级代码库（平均20万行）、多模块协同及依赖处理。基于Docker+Modal框架构建可靠评测环境，支持分布式测试，微软、Waymo等企业应用后显著提升开发效率，推动AI从代码助手迈向工程伙伴。

Lyra

2025-09-23

CMU研究：数据受限环境下扩散模型表现优于自回归模型

AI领域高质量数据增长速度已落后算力提升，数据危机加速逼近。卡内基梅隆大学研究显示，在数据稀缺但算力充足场景下，扩散模型性能显著超越长期主导生成任务的自回归模型。其“加噪-去噪”的隐式数据增强机制，能提升数据利用率，为生物医学等数据稀缺领域模型选型、数据策略调整提供新路径。

Lyra

2025-09-23

斯坦福大学Paper2Agent：科研论文变身交互式AI智能体

斯坦福大学Paper2Agent框架，将静态科研论文激活为交互式AI智能体，通过多智能体协作解析论文与代码，整合知识、方法与工具，支持自然语言提问直接获取结果。解决传统论文理解门槛高、复用成本大难题，大幅降低知识迁移门槛，提升科研效率，推动科研协作从被动阅读转向主动对话新范式。

Lyra

2025-09-23

NeurIPS 2025聚焦大模型记忆化风险：训练数据复现引版权挑战

大模型“记忆化”现象引行业警惕，其逐字复述训练数据的特性成版权风险“隐形炸弹”，威胁信息安全与内容合规。NeurIPS 2025聚焦此议题，推动技术（数据去重、参数优化）与管理（数据授权、人工审核）双重破局，探索AI在创新与版权保护间的平衡之道。

Lyra

2025-09-22

《全同态加密初学者教科书》新发布：详解密文计算与数据隐私保护，推动FHE技术普及

全同态加密（FHE）作为隐私计算“圣杯”，可让加密数据不解密直接计算，破解医疗、金融等领域数据隐私与计算需求的矛盾。《全同态加密初学者教科书》降低技术门槛，助开发者掌握原理。搭配开源工具，FHE正重塑隐私机器学习、区块链等场景，成数据安全新基建。

Lyra

2025-09-22

Hugging Face Transformers梯度累积修复引发多GPU训练兼容性问题

Hugging Face Transformers库PR #34191修复梯度累积机制以提升损失函数灵活性，却在多GPU环境下引发Mistral等模型序列分类任务“张量设备不匹配”错误。原因为设备同步逻辑缺失，官方已恢复同步机制并完善测试，保障分布式训练稳定性。

Lyra

2025-09-22

OpenTelemetry与SigNoz破解Claude Code黑盒：AI编码助手实现使用、性能与成本全维度可观测性

AI编码助手（如Claude Code）成开发团队提效工具，但企业常遇"黑盒困境"，难量化价值、成本及性能。本文解析如何用OpenTelemetry与SigNoz构建可观测性管道，让使用数据"可见可衡量"，实现数据驱动的工具优化与决策，助力降本增效。

Lyra

2025-09-22

模型蒸馏驱动AI小型化革命：DeepSeek R1引发技术创新与伦理争议

模型蒸馏技术是破解AI算力饥渴与落地成本矛盾的关键，通过让小型“学生”模型学习大型“教师”模型的“暗知识”，实现小模型高性能。结合自蒸馏、量化融合等升级，可减少40%参数量并保持性能，推动边缘设备AI部署，降低中小企业门槛，同时面临法律边界挑战，助力AI普惠落地。

Lyra

2025-09-21

ATLAS突破Transformer长序列瓶颈长时记忆优化实现性能全面超越

AI处理百万字小说、跨年度医疗记录等长序列时，常陷效率与准确性困境。ATLAS模型以动态记忆重建机制突破瓶颈，实现线性复杂度，显存消耗降35%、耗时减60%，长上下文理解准确率达80%，优于传统Transformer和RNN。适用于医疗文本分析、代码仓库理解等场景，开启超长文本处理新范式。

Lyra

2025-09-21

学术论文 [78]

学术论文 ^[78]