一种通过代码生成构建物理世界模型的智能体框架，利用规划、编码、视觉审查和物理分析代理迭代修正，确保模拟的物理真实性和指令符合度，首次从底层解决了视频世界模型“有形无实”的缺陷。
arXiv:2605.14398v1 Announce Type: new Abstract: World models have emerged as a powerful paradigm for building interactive simulation environments, wit…
别再只用国家标签给大模型做价值观对齐了！这篇论文提出DVMap框架，通过人口统计特征映射实现细粒度多元价值对齐，数据驱动找高共识群体，效果直接碾压DeepSeek-v3.2。搞AI对齐的必看。
arXiv:2605.14420v1 Announce Type: new Abstract: Current Large Language Models (LLMs) typically rely on coarse-grained national labels for pluralistic …
别再用零散试错调Prompt了！这篇论文提出用强化学习训练轻量级prompter，通过迭代蒸馏经验让黑盒大模型的多步推理和工具调用能力飙升，逻辑推理从55%提到90%，效果惊艳且样本效率更高。
arXiv:2605.14443v1 Announce Type: new Abstract: The shift toward interacting with frozen, "black-box" Large Language Models (LLMs) has transformed pro…
还在为LLM在表格数据上的推理头疼？TABALIGN通过扩散语言模型与注意力对齐，让每一步规划都精确到单元格，表格问答准确率平均提升15.76%，推理速度还快了44%——这才是表格推理该有的样子。
arXiv:2605.14465v1 Announce Type: new Abstract: Multi-step LLM reasoning over structured tables fails because planning and execution share no explicit…
直播带货主播不只是念稿机器，得懂产品、懂情绪、懂幽默。这个新系统把大模型调教成了销售专家，用知识库和真实数据让AI说话有料又可信，效果吊打GPT-5.4，做电商的值得关注。
arXiv:2605.14542v1 Announce Type: new Abstract: A skilled live-commerce host is not merely a narrator, but a sales agent who converts viewer curiosity…
别再误解LLM是谄媚，它们其实是“自满”的机器。这个区分把责任从模型拉回开发者，并指出AI素养教育的关键是对抗确认偏误。
arXiv:2605.14544v1 Announce Type: new Abstract: Large language models are often described as sycophantic, in the sense that they appear to flatter use…
法律AI最怕编造法条和判例？这个框架用图约束代替传统向量RAG，让LLM的每一个推理都要有据可查。读它，你会重新理解“可验证AI”在司法场景的威力。
arXiv:2605.14665v1 Announce Type: new Abstract: Legal reasoning is not semantic similarity search. A court judgment encodes constrained symbolic reaso…
LLM在处理复杂跨学科知识时竟然会“推理崩溃”？这篇论文推出了XDomainBench诊断基准，揭示了组合推理中难度和交互放大的双重陷阱，对AI4S场景很有警示意义。
arXiv:2605.14754v1 Announce Type: new Abstract: Large Language Models (LLMs) are increasingly deployed for knowledge synthesis, yet their capacity for…
别再只看AI Agent的成功率了！这篇论文点出了关键：现有评估只报喜不报忧，但它的新框架却能追溯到每一个错误步骤，定位精度提升12.5倍——原来瓶颈不在模型能力，而在评估方法本身。
arXiv:2605.14865v1 Announce Type: new Abstract: AI agents execute complex multi-step processes, but current evaluation falls short: outcome metrics re…
别老盯着大模型了，这篇研究告诉你：小模型在教育评估设计上也能扛大梁，还更省资源、更隐私友好。不过别指望它全自动，关键时刻还得人把关——这才是人机协作的正确打开方式。
arXiv:2605.15015v1 Announce Type: new Abstract: Generative AI increasingly supports educational design tasks, e.g., through Large Language Models (LLM…
多智能体系统在复杂任务中容易卡在协作和计算瓶颈上，这篇论文提出的APWA架构很聪明——通过把任务拆成互不干扰的子问题并行处理，大幅提升吞吐量，而且能适应各种领域。搞LLM应用的值得一读。
arXiv:2605.15132v1 Announce Type: new Abstract: Autonomous multi-agent systems based on large language models (LLMs) have demonstrated remarkable abil…
系统梳理38篇同行研究，揭示LLM在网页无障碍中的真实图景：多数聚焦文本任务，依赖通用模型与提示工程，却鲜有人真正让残障用户参与评测。这份综述是研究者和实践者绕不开的现状地图。
arXiv:2605.13873v1 Announce Type: cross Abstract: Web accessibility aims to ensure that web content and services are usable by people with diverse abi…
量化能让大模型跑得更快，但反量化步骤反而成了瓶颈。这篇论文提出了一个巧妙思路：不把低比特权重转成高精度，而是把高精度激活拆成多个低精度分量直接运算，彻底绕过了反量化，让计算单元满负荷运转。实测精度不掉，效率却飙升。
arXiv:2605.13915v1 Announce Type: cross Abstract: Quantization is essential for efficient large language model (LLM) inference, yet the dequantization…
首次用粒子物理实验复现任务来评估AI代理，测试长程推理与科学工具使用能力，填补现有基准缺乏真实科学复杂性的空白。
arXiv:2605.13950v1 Announce Type: cross Abstract: Autonomous language-model agents are increasingly evaluated on long-horizon tool-use tasks, but exis…
别被“蒸馏=省钱省电”的说法忽悠了！这篇研究拆穿了幻觉：从数据生成到评估，蒸馏的全链路能耗其实高得惊人。作者给出了完整的测量框架和实用设计规则，想做绿色AI的话，这是必读的账单。
arXiv:2605.13981v1 Announce Type: cross Abstract: The rise in deployment of large language models has driven a surge in GPU demand and datacenter scal…
想让AI画设计图？这篇论文用大模型加强化学习，精准控制房间尺寸和连接关系，效果甩现有方法几条街，堪称建筑师的黑科技
arXiv:2605.14117v1 Announce Type: cross Abstract: An AI system for professional floor plan design must precisely control room dimensions and areas whi…
把大语言模型的水印技术迁移到游戏AI代理上，为在线游戏防作弊提供了新思路——通过隐藏信息验证代理身份，让“AI代打”无处遁形。
arXiv:2605.14283v1 Announce Type: cross Abstract: Watermarking techniques for large language models (LLMs), which encode hidden information in the out…
当LLM的上下文窗口超过有效限制时，准确率骤降。这篇论文提出的正确性感知预过滤框架，无需索引、亚毫秒级别过滤，却能压缩近90% token、提升准确率至72%，击中了LLM代码工具的效率要害。
arXiv:2605.14362v1 Announce Type: cross Abstract: Context window efficiency is a practical constraint in large language model (LLM)-based developer to…
将推荐建模为部分可观测问题，MARS用分层信念状态记忆分离短期信号与稳定偏好，首次为记忆演化提供完整生命周期——推荐系统的记忆终于不再是一团乱麻。
arXiv:2605.14401v1 Announce Type: cross Abstract: Memory-augmented LLM agents have advanced personalized recommendation, yet existing approaches unive…
处方推荐是医疗AI落地的关键痛点，RxEval首次把评估细化到「药名-剂量-途径」三要素组合的处方级多项选择。16个主流LLM中最佳精确匹配仅46%，前沿模型仍会忽略关键患者信息——距离可信处方AI还有巨大鸿沟。
arXiv:2605.14543v1 Announce Type: cross Abstract: Inpatient medication recommendation requires clinicians to repeatedly select specific medications, d…