别再只看成交率了！这个新框架用博弈论把LLM的谈判能力拆解得明明白白，告诉你模型到底是在“装聪明”还是真懂策略，很硬核。
arXiv:2605.13909v1 Announce Type: cross Abstract: Negotiation is a central mechanism of economic exchange, shaping markets, procurement, labor agreeme…
这篇论文直击LLM的下一个挑战：如何安全利用分布在各机构的私有数据。通过联邦微调与参数高效策略，它证明在不共享数据的前提下也能逼近集中训练效果，为医疗、金融等敏感领域的大模型应用铺平了道路。
arXiv:2605.13936v1 Announce Type: cross Abstract: The recent success of large language models (LLMs) has been largely driven by vast public datasets. …
LLM代理的第三方技能市场暗藏安全陷阱！AgentTrap精准定位运行时信任失败——恶意技能伪装成正常流程，模型在无意识下执行有害操作。141个任务基准揭示：最危险的并非直接越狱，而是无害任务中的隐蔽副作用。开发者必读的安全评估框架。
arXiv:2605.13940v1 Announce Type: cross Abstract: Third-party skills are becoming the package ecosystem for LLM agents. They package natural-language …
告别手动调参！这个自进化记忆架构让LLM Agent的检索机制也能“成长”，从错误日志中自动改进策略，效果碾压基线，还能跨基准迁移，简直是AI自治的典范。
arXiv:2605.13941v1 Announce Type: cross Abstract: Long-term memory is essential for LLM agents that operate across multiple sessions, yet existing mem…
别光盯着模型大小，提示策略才是王道。这篇实证研究发现，同一模型换三种提示策略就能覆盖全部故障模式，而结构化提示反而让多样性归零。他们提出的GuidedFewShot策略，用突变分类学加例子，两个系统都跑出了最高覆盖率。搞微服务测试的值得一看。
arXiv:2605.14202v1 Announce Type: cross Abstract: Malformed, missing, or boundary-value inputs in microservice APIs can cascade across dependent servi…
别再被PRP排序的噪声和预算困扰了！这篇工作巧妙地把成对排序重构成主动学习，用单次LLM调用的随机方向oracle消除位置偏差，在有限预算下大幅提升top-K排序质量，是实打实的效率革新。
arXiv:2605.14236v1 Announce Type: cross Abstract: Pairwise Ranking Prompting (PRP) elicits pairwise preference judgments from an LLM, which are then a…
做鼓点音轨不用再靠采样和手动调整了——这个AI模型能把MIDI直接变成高质量鼓声，还能参考你想要的音色风格，精确控制节奏和音色，制作人的福音来了。
arXiv:2605.14555v1 Announce Type: cross Abstract: Current methods for creating drum loop audio in digital music production, such as using one-shot sam…
文化遗产的跨语言传播面临术语翻译难题，这篇研究给出了一个低成本的AI解决方案——用术语库增强的大模型比传统机器翻译在岩画文献翻译中准确率高出17%，而且不需要复杂的技术改造。对关注文化数字化和AI落地应用的人很有参考价值。
arXiv:2605.14679v1 Announce Type: cross Abstract: Cultural heritage institutions increasingly disseminate research and interpretive materials globally…
通过被动追踪LLM代理的交互行为，就能以高达96%的准确率识别出背后的模型。这暴露了严重的隐私和安全风险，值得所有AI开发者警惕。
arXiv:2605.14786v1 Announce Type: cross Abstract: As LLM-based agents increasingly browse the web on users' behalf, a natural question arises: can web…
AI不再只是工具，开始在宇宙学里当起“科学家”了！本文介绍了两个自主发现系统CMBEvolve和CosmoEvolve，一个通过代码进化攻克弱引力透镜异常检测，另一个在真实科研中自动分析数据并产出专业诊断。通向自主科学发现的路上，宇宙学正在成为最好的试验场。
arXiv:2605.14791v1 Announce Type: cross Abstract: Recent advances in artificial intelligence (AI) agents are pushing AI beyond tools toward autonomous…
还在为LLM生成的代码提心吊胆？Viverra自动给代码加上形式化验证的注释，让正确性有据可查，不再需要逐行审阅AI写的bug。400+人参与的用户研究表明，这真的能帮你更快理解代码。
arXiv:2605.14972v1 Announce Type: cross Abstract: A fundamental limitation of Text-to-Code is that no guarantee can be obtained about the correctness …
前沿LLM也会犯医生一样的错误
arXiv:2605.15000v1 Announce Type: cross Abstract: Premature closure, or committing to a conclusion before sufficient information is available, is a re…
LLM持续预训练最头疼的灾难性遗忘问题，TFGN给出了一个优雅的解法：无需回放数据、无需任务标签，靠读写分解架构让模型在多个领域间正向迁移，遗忘率几乎为零。对做大模型预训练的同学很有参考价值。
arXiv:2605.15053v1 Announce Type: cross Abstract: Continually pre-training a large language model on heterogeneous text domains, without replay or tas…
大模型量化并非绝对安全——最新研究发现，攻击者可以通过注入异常值，让看似无害的全精度模型在量化后瞬间“黑化”。这一招攻破了AWQ、GPTQ等主流高级量化方法，为AI安全敲响警钟。
arXiv:2605.15152v1 Announce Type: cross Abstract: LLM quantization has become essential for memory-efficient deployment. Recent work has shown that qu…
想让AI在复杂任务里像人类一样学会“反思与纠错”？这篇新研究把自蒸馏和强化学习巧妙结合，解决了多轮交互中奖励信号太粗、训练不稳定的难题，效果直接拉满。
arXiv:2605.15155v1 Announce Type: cross Abstract: Reinforcement learning (RL) has emerged as a central paradigm for post-training LLM agents, yet its …
LLM要学新知识还得重新训练？MeMo让你不用动原模型，加个专用记忆模块就能即插即用，不怕检索噪声也不会遗忘旧知识，简直是为动态知识更新量身打造的利器。
arXiv:2605.15156v1 Announce Type: cross Abstract: Large language models (LLMs) achieve strong performance across a wide range of tasks, but remain fro…
几何解题向来是MLLM的软肋，特别是需要辅助线和长步骤推理的题目。这项研究搞了个新基准GeoLaux，发现模型在长步骤问题上表现骤降超50%，而有限提示反而能提升推理过程正确性。做AI几何推理的同学别错过这些关键洞察。
arXiv:2508.06226v4 Announce Type: replace Abstract: Geometry problem solving (GPS) poses significant challenges for Multimodal Large Language Models (…
LLM智能体做长程推理时，
arXiv:2601.21714v4 Announce Type: replace Abstract: The evolution of Large Language Model (LLM) agents towards System~2 reasoning, characterized by de…
你以为AI只能解数学题？这篇研究发现，用学术界的“发表记录”当训练信号，能让小模型学会识别社会科学研究的“品味”——什么值得关注。在多个学科中，它的判断比专家小组还准，而且越有把握越正确。科研评价的未来，可能得靠AI当裁判了。
arXiv:2603.16659v3 Announce Type: replace Abstract: Reinforcement-learned reasoning has powered recent AI leaps on verifiable tasks, including mathema…
大模型用搜索工具，不是会搜就行，关键是搜什么、怎么搜。这篇论文提出让模型先选搜索技能再生成查询，并通过演化技能库不断优化，轻量高效地解决了LLM搜索查询质量差的问题，实测命中率和检索行为都显著提升。
arXiv:2605.09038v2 Announce Type: replace Abstract: Teaching language models to use search tools is not only a question of whether they search, but al…