其他arXiv 2610.08740
Kosoy 提出鲁棒老虎机多项式时间学习器，推进 AI 对齐
给出线性 robust bandits 特例的多项式时间学习者并证明小推广 NP-hard
- arXiv
- 2610.08740
- 发表
- 场景
- 模型与 API
摘要欧氏球仿射特例可多项式时间达到Õ(√T)。
这是一篇关于不可实现 bandit 学习之计算边界的理论工作：线性 robust bandits 的一个欧氏球仿射特例有多项式时间、Õ(√T)遗憾的学习者，再做小推广就会落到复杂性坍塌。
- 其他arXiv 2610.05264
面向音频深度伪造检测的任务感知联合剪枝与蒸馏框架
提出任务感知的跨域蒸馏与剪枝方法以压缩音频深度伪造检测器
- arXiv
- 2610.05264
- 发表
- 场景
- 模型与 API
- 被测模型
- XLSR-AASIST
- 组件音频
- 其他arXiv 2610.02092
TESS：面向大语言模型数据选择的可扩展可迁移元网络需换损失函数
提出 TESS 与点值匹配损失，训练可迁移的数据选择网络
- arXiv
- 2610.02092
- 发表
- 场景
- 模型与 API
- 被测模型
- Llama-3-8B-Instruct、Llama-3.1-8B-Instruct、Qwen2.5-7B-Instruct 等 4 个
摘要TESS 用损失差伪标签和 PVM 训练可迁移选择网络，并在安全选择与指令微调上报告跨数据迁移。
TESS 是一个用于 LLM 训练数据选择的元学习框架：用验证集引导下的损失差做样本伪标签，训练一个能给未见样本打分的选择网络。
- 其他arXiv 2610.02268
ExecCert：为机器遗忘提供可执行发布认证
提出 ExecCert，发布前核验机器遗忘候选是否落入预定可接受集
- arXiv
- 2610.02268
- 发表
- 场景
- 模型与 API
摘要ExecCert 在发布前核验具体遗忘产物，并可改变放行决定。
ExecCert 是放在遗忘生成器与发布门之间的认证层，用来检查具体有限精度产物是否满足预先声明的契约。
摘要综述把视频后训练分成四类对齐信号，并指出奖励、长视频、权衡和安全仍开放。
这是一篇视频生成 后训练与对齐 综述：预训练模型已有强先验，但作者认为仍不能可靠遵循意图、维持时间连贯或满足物理与安全约束。
- 其他arXiv 2609.40360
SCAPO：用反事实稳定性改进 GRPO 的 token 级信用分配
提出 SCAPO，用半事实稳定性改进 GRPO 的 token 级信用分配
- arXiv
- 2609.40360
- 发表
- 场景
- 模型与 API
- 被测模型
- Qwen3-4B-Base、Qwen3-1.7B-Base
摘要SCAPO 在训练早期下调相对不稳定 token 的 GRPO 优势，两个规模上多数基准更高。
SCAPO 把固定回答在半事实提示下的稳定性，变成 GRPO 训练早期的 token 级负向信用修正。。
- 其他arXiv 2609.38895
Unmerge：用任务算术实现高效机器遗忘
提出 UNMERGE，用任务向量低秩分解做概念级遗忘
- arXiv
- 2609.38895
- 发表
- 场景
- 模型与 API
- 被测模型
- ResNet-50、ViT-S/16、Llama-3.2-3B-Instruct
摘要UNMERGE 用低秩任务向量相减做概念级遗忘，类别任务上 ToW 与隐私更接近重训。
UNMERGE 把近似机器遗忘写成模型合并的逆运算：从已微调的合并任务向量里减去一个学出来的低秩遗忘分量。作者要处理的是概念级请求（一个类或一个语义组），而不是任意单条记录。梯度上升、重标注、蒸馏和显著性方法都靠把遗忘损失写进权重，作者认为它们超参脆弱、无法表达遗忘与保留的共享方向，也缺少逐层诊断。
摘要占位。
占位。
- 其他arXiv 2609.24983
onPanda：通过 token 级修正高效标注 LLM 与智能体的 on-policy 对齐数据
提出 token 级修正工具 onPanda，高效标注 on-policy 对齐数据
- arXiv
- 2609.24983
- 发表
- 场景
- 模型与 API
- 被测模型
- Doubao-Seed-2.1-pro、GPT-5.5、GPT-5.6-sol 等 9 个
摘要onPanda 以 token 级修正标注 on-policy 对齐数据，并报告效率与基准分数。
onPanda 是用 token 级修正标注 LLM 对齐数据与智能体轨迹的交互工具。
- 其他arXiv 2609.24760
构建逆向思维：提升大语言模型的逆向推理能力
构造反向推理训练流程，让模型按题切换正反向推理
- arXiv
- 2609.24760
- 发表
- 场景
- 模型与 API
- 被测模型
- Ours-Q3-14b、Ours-Q3-8b、Ours-Q3-1.7b 等 4 个
摘要用易难两阶段数据与强化学习，让模型按题选择正向或反向推理。
作者训练大模型在数学题上建立反向推理，并按题目在正向与反向之间选择，而不是只加长思维链。
- 其他arXiv 2609.18642
STRETCH：面向 LLM 渐进式进化的统一自教框架
提出 STRETCH 自教框架，让同一模型交替出题与求解以渐进提升
- arXiv
- 2609.18642
- 发表
- 场景
- 模型与 API
- 被测模型
- Qwen2.5-7B-Instruct、Llama-3.1-8B-Instruct
- 其他arXiv 2609.17380
Open-1B：一次完全可审计的训练运行
提出 RepOps，使分布式预训练可跨硬件按位复现并被审计
- arXiv
- 2609.17380
- 发表
- 场景
- 模型与 API
- 被测模型
- Open-1B
摘要Open-1B 用跨硬件按位算子和集体审计，把 400B token 预训练变成可分步核验的轨迹。
Open-1B 是 Gensyn 发布的 1.61B 参数 decoder-only 模型，目标是把预训练从“公开配方”推进到每一步可在异构硬件上按位核对。浮点加法非结合、融合乘加、次正规数和平台相关随机数，使同一配方在不同机器上得不到同一权重。概率性的 proof-of-learning / proof-of-training-data 被作者认为不足以排除少量数据注入的后门。
摘要弹性网络给出自持加速条件。
递归自我改进会不会变成自持加速，取决于能力提高后下一代能力提高多少，也取决于外生投入不增长时增速会不会随存量上升。作者用有向图把算法效率、能力、研发投入和经济产出连起来，边的强度是弹性。
- 其他arXiv 2609.09320
研究者质疑 Alignment Whack-a-Mole 的书籍记忆化结论，称其测量方法无效
审阅书籍记忆覆盖率计量，指出其不能支撑版权替代主张
- arXiv
- 2609.09320
- 发表
- 场景
- 模型与 API
- 组件微调与开源权重
- 其他arXiv 2607.14782
GIRAI 2026 报告：135 国负责任 AI 治理评估发布
用 GIRAI 评估各国负责任 AI 治理的框架、实施与能力缺口
- arXiv
- 2607.14782
- 发表
- 场景
- 模型与 API
摘要导论式说明预训练、生成、对齐、扩展和长上下文，并转述规模数字。
Xiao 与 Zhu 的这本书是大语言模型基础导论，不是一份新实验报告。
- 其他arXiv 2407.21783
Llama 3 模型群：405B 稠密 Transformer 与 Llama Guard 3 安全模型
阐述旗舰基础模型的预训练与后训练方法并公开权重与安全模型
- arXiv
- 2407.21783
- 发表
- 场景
- 模型与 API
- 被测模型
- Llama 3.1 8B、Llama 3.1 8B Instruct、Llama 3.1 70B 等 7 个
- 其他arXiv 2402.00838
OLMo：加速语言模型科学研究
发布开放语言模型 OLMo、Dolma 数据与训练评测代码
- arXiv
- 2402.00838
- 发表
- 场景
- 模型与 API
- 被测模型
- OLMo-1B、OLMo-7B、OLMo+SFT 等 4 个
摘要OLMo 开放 1B/7B 模型、Dolma 与训练评测工件。
Allen Institute 发布 OLMo：一套从数据、训练到评测都公开的语言模型框架，用来支持对语言模型能力、弱点、偏见与风险的研究。
已经到底了