1
如何判断信息重要性？科研人员发现大脑全新神经调控环路
IT之家 8 月 20 日消息，“中科院之声”公众号今日发文，人类大脑每天都会接收大量外界信息，只有一部分事件被判断为“重要信息”，迅速牵动人们的注意力和情绪，这一过程称为刺激显著性加工。 显著性刺激分为奖赏和威胁（惩罚）两类。杏仁核是加工情绪和显著性信息的关键脑区，但大脑如何动态调控杏仁核、完成对…
2
Weight-Adjusted Gradients Reveal Parameter Importance and Failure Modes in LLMs
权重调整梯度的新方法揭示LLM参数重要性与失效模式，为模型可解释性提供新视角。
arXiv:2607.10803v1 Announce Type: cross Abstract: Understanding which parameters are influential in Large Language Models (LLMs) is central to improvi…
3
英国央行发布系统重要性稳定币监管框架，2027年起允许稳定币在英国合规运营
英格兰银行（英国央行）6月22日发布针对系统重要性稳定币发行商的政策声明及《行为准则》（规则）草案，标志着英国稳定币监管框架建设迈出关键一步。核心政策方面，框架作出两项重要调整：其一，稳定币储备资产中利息计息资产（短期英国国债）的最高比例从60%上调至70%，其余须存放于央行存款；其二，以发行上限取…
4
近六成美国人认为到2050年美国重要性将减弱
美国皮尤研究中心12日发布的一项民意调查显示，在美国独立250周年之际，美国民众普遍情绪悲观，约58%受访者认为到2050年美国在全球的重要性将减弱。这项民调结果显示，多数美国人对美国在2050年前的发展前景持消极看法：其中三分之二的受访者认为美国的政治将愈加分裂，56%认为美国的居住环境将更加危险…
5
Learning What to Forget: Improving LLM Unlearning via Learned Token-Level Importance
通过学习token级重要性优化大模型遗忘机制，比传统方法更精准高效。
arXiv:2606.06320v1 Announce Type: cross Abstract: Machine unlearning aims to remove targeted knowledge from a trained model while preserving its gener…
6
Test-time reward-guided alignment of language models by importance sampling on pre-logit space
无需重新训练，在推理阶段通过pre-logit空间重要性采样实现奖励对齐，高效且不影响模型原有能力。
arXiv:2510.26219v3 Announce Type: replace-cross Abstract: Test-time alignment of large language models (LLMs) attracts attention because fine-tuning o…
7
Local MDI+: Local Feature Importances for Tree-Based Models
提出Local MDI+方法，提升树模型局部特征重要性解释的准确性和可靠性
arXiv:2506.08928v2 Announce Type: replace Abstract: Tree-based ensembles such as random forests remain the go-to for tabular data over deep learning m…
8
Diet Your LLM: Dimension-wise Global Pruning of LLMs via Merging Task-specific Importance Score
提出Diet-LLM方法，通过融合任务特定重要性分数实现维度级全局剪枝，在保持性能的同时显著压缩大模型规模。
arXiv:2603.23985v3 Announce Type: replace Abstract: Large language models (LLMs) have demonstrated remarkable capabilities, but their massive scale po…
9
Weasel: Out-of-Domain Generalization for Web Agents via Importance-Diversity Data Selection
ICML 2026新方法：用重要性-多样性数据选择提升Web智能体跨域泛化能力
arXiv:2605.20291v1 Announce Type: new Abstract: Large language models (LLMs) have enabled web agents that follow natural language goals through multi-…
10
DISA: Offline Importance Sampling for Distribution-Matching LLM-RL
用离线重要性采样实现分布匹配，为LLM强化学习提供新解法，论文技术细节扎实。
arXiv:2605.17295v1 Announce Type: new Abstract: Modern reasoning agents are increasingly evaluated on their ability to generate multiple valid solutio…
11
When Importance Sampling Misallocates Credit: Asymmetric Ratios for Outcome-Supervised RL
最新研究揭示重要性采样在结果监督RL中的信用分配偏差，提出不对称比率改进方法，为LLM后训练提供新视角。
arXiv:2510.06062v2 Announce Type: replace Abstract: Reinforcement learning (RL) has shown great promise in large language models (LLMs) post-training,…
12
TokenButler: Token Importance is Predictable
研究发现大型语言模型中token重要性可预测，为KV缓存优化提供新思路，显著降低内存与计算瓶颈
arXiv:2503.07518v2 Announce Type: replace-cross Abstract: Large Language Models (LLMs) rely on the Key-Value (KV) Cache to store token history, enabli…