- 论文公开站arXiv
读取不等于使用：检索、判断与AI金融研究工作流的设计
Reading Is Not Using: Retrieval, Judgment, and the Design of AI Financial Research Workflows
摘要显示，大型语言模型在金融分析中的评估通常基于检索能力，而非检索信息对判断的影响。研究发现，在长上下文金融分析中存在“检索-整合缺口”：当无关上下文从2000增至128000个token时，风险披露对投资判断的影响降至噪声水平，尽管直接检索仍准确。该现象在多个模型家族和任务中复现，且更强大的模型仅推迟而非消除此缺口。因果记忆干预表明，压缩摘要和源文本查找共同传递披露信息，而工作流架构（如分块-总结流水线会逐出相关信息）决定传递成败。因…
意义：对AI行业而言，提示了仅靠检索评估的不足，强调工作流设计对模型实际决策的影响，为金融AI系统开发提供关键考量。
- 论文公开站arXiv
Prime Agent：一种自我改进的递归语言模型工具链
Prime Agent: A Self-Improving RLM Harness
Prime Agent是一个开源工具链，用于长时程评估和编码智能体工作流。它采用递归语言模型抽象，通过持久化IPython REPL进行程序化上下文处理，并持续保存历史、记忆、技能和子智能体配置。递归子智能体可直接通信，人类可通过代理视图监控会话。该工具标准化执行、恢复、验证和资源核算，将策略构建留给模型，防止工具链故障影响模型表现。在ARC-AGI-3上，其RHAE Best@1从30%提升至95.5%，并在多项任务上达到或超过其他主…
意义：提供标准化工具链，减少环境故障干扰，提升模型真实能力评估，对长时程智能体开发具有参考价值。
- 论文公开站arXiv
重新思考测试时训练的表示能力与效率：E²-TTT 方法
Rethinking Expressivity and Efficiency in Test-Time Training
摘要介绍了一种名为 E²-TTT 的新方法，旨在平衡测试时训练（TTT）中逐 token 更新动态的表示能力与分块近似的硬件效率。该方法在标准近似下推导出闭式状态转移，精确复现逐 token 循环的块端快速权重和动量状态，实现完全并行化的块级训练，同时保留先前分块方法丢弃的时间结构。通过在最多 1.3B 参数模型上的验证，E²-TTT 在语言建模上与现有 TTT 和混合注意力基线相当，但在上下文检索上表现更优，尤其在长度外推上优势显著，…
意义：E²-TTT 为长上下文处理提供了兼顾表示能力与硬件效率的解决方案，有望提升语言模型在长序列任务中的性能，并推动 TTT 方法的实际应用。
- 论文公开站arXiv
TurboBias 2.0：面向生产高效ASR系统的流式上下文偏置
TurboBias 2.0: Streaming Context-Biasing for Production-Efficient ASR Systems
摘要显示，TurboBias 2.0是一个面向生产环境的ASR上下文偏置框架，基于Transducer架构，扩展了GPU加速的TurboBias，支持大小写不敏感的偏置图和每流批量解码，允许每个批次中的话语使用独立的上下文配置，实现多用户个性化偏置而无需共享列表。该框架支持离线和流式推理，兼容贪心和束搜索解码，实验表明能提升上下文短语识别，同时保持低延迟和高吞吐量。
意义：对开发者而言，该框架解决了生产ASR中多用户个性化上下文偏置的实际需求，兼顾流式推理与低开销，有助于提升实时语音识别系统的准确性和效率。
- 论文公开站arXiv
PerturbRx：学习治疗条件下的潜在状态转换以预测患者药物反应
PerturbRx: Learning Treatment-Conditioned Latent Transitions for Patient Drug Response Prediction
摘要显示，PerturbRx是一个治疗条件下的表示学习框架，用于预测患者级别的癌症治疗反应。它从上下文匹配但细胞未配对的对照和处理的单细胞群体中训练药物和剂量条件的转换预测器，然后冻结并迁移到预处理患者概况，无需治疗后测量。在TCGA和患者来源异种移植基准上，PerturbRx取得了最强的综合预测性能。
意义：该框架利用扰动预训练的潜在转换作为特征，无需治疗后数据即可预测反应，为精准肿瘤学中的药物反应预测提供了新思路。
- 论文公开站arXiv
MidTool：面向智能体工具使用的中期训练数据合成
MidTool: Mid-training Data Synthesis for Agentic Tool Use
摘要显示，MidTool是一个用于智能体工具使用中期训练的开源语料构建流程，整合大规模网页、PDF和代码数据，并利用真实工具API、MCP技能和文档相关工作流合成监督信号。该流程旨在教会模型识别工具功能、从上下文获取参数、组合工具调用工作流并从不完整信息中恢复。在Qwen3-4B-Base和Qwen3-8B-Base上进行中期训练，并配合监督微调和强化学习，MidTool-Mix在BFCL、tau2-Bench和MCP Universe…
意义：为通用工具使用提供专门的中期训练方法，提升模型在真实工具调用场景中的能力，对智能体开发具有重要意义。
- 论文公开站arXiv
G-CARL：面向患者导向的医学报告解读的基于清单对齐的奖励学习框架
G-CARL: Grounded Checklist-Aligned Reward Learning for Patient-Oriented Medical Report Interpretation
摘要显示，研究者提出患者导向的医学报告解读（PMRI）任务，要求模型根据用户查询和对话历史，以准确且通俗的语言解释医学报告。为解决事实性和沟通性目标难以联合优化的问题，提出G-CARL框架，结合多源检索进行原子声明验证，并采用上下文感知的加权清单确保响应覆盖，从而提供结构化监督。同时构建了真实世界基准MMedReport和临床医生设计的三维评估协议，实验表明G-CARL在整体质量、声明级精度和清单达成率上优于现有基线。
意义：为医学报告解读提供了兼顾事实性与用户沟通的强化学习框架，并引入新基准，对医疗AI的个性化交互和可验证生成有重要参考价值。
- 开源项目公开站GitHub
Firecrawl：面向大规模网页搜索、抓取与交互的上下文API
firecrawl/firecrawl — The context API to search, scrape, and interact with the web at scale. 🔥
Firecrawl 是一个开源的上下文 API，用于大规模地搜索、抓取网页并与之交互。它支持将整个网站转换为干净的 Markdown 或结构化数据，提供爬虫、抓取和搜索功能，并可通过 API 调用，适用于 AI 应用的数据收集与处理。该项目在 GitHub 上已获得超过 17 万星标。
意义：为 AI 应用提供便捷的网页数据获取与转换工具，简化数据预处理流程，可能促进更多 AI 项目的开发。
- 开源项目公开站GitHub
claude-mem：为所有AI代理提供跨会话持久上下文记忆工具
thedotmack/claude-mem — Persistent Context Across Sessions for Every Agent – Captures everything your agent does during sessions, compresses it with AI, and injects relevant context back into future sessions. Works with Claude Code, OpenClaw, Codex, Gemini, Hermes, Copilot, OpenCode + More
claude-mem 是一个开源工具，旨在为 AI 代理提供跨会话的持久上下文记忆。它会捕获代理在会话期间的所有活动，利用 AI 进行压缩，并将相关上下文注入到未来的会话中。该工具支持多种代理，包括 Claude Code、OpenClaw、Codex、Gemini、Hermes、Copilot、OpenCode 等。目前该项目在 GitHub 上已获得 91537 颗星。
意义：该工具解决了AI代理在会话间丢失上下文的问题，通过自动记忆和注入，提升开发效率与交互连续性，对开发者构建长期任务代理具有重要意义。
