更快的傅里叶变换
Ben Recht 读了 OpenAI 那篇声称做出更快 FFT 的论文：改进只在指数上小了 10^-13，要等 n 超过 10^(10^10^15) 才回本，所以这不是突破，是钻大 O 记号空子的做法。
research
更多 research
首页
寻找一支曾上榜一次便消失的乐队，历时15年
2011年，沙希德·侯赛因买了一张名为Salvage的乐队的CD单曲，之后却怎么也找不到他们的任何踪迹。十五年后，他找到了制作人和乐队成员，得知了背后的故事。
尘埃：无需反向传播的Transformer预训练
Dust 无需反向传播即可预训练 transformer，它利用激活空间中的扰动来决定哪些权重应获得信用。论文报告了多个规模下的结果，并讨论了该方法在哪些方面仍落后于标准训练循环。
Jev校准不佳
Dylan Black 让 Jev 生成物理上合理的概率分布来检验它的校准。结果是 Jev 比彻底放弃、把概率平均分摊还差，而且失败模式很成系统，作者据此质疑把 Jev 当作自动评判器的做法是否安全。
Claude 形状的科学问题
物理学教授 Matthew Schwartz 不再逆着 Claude 的脾气用，而是去找那些恰好适合当前一代模型能力的问题：把知识当作可搜索集、用几何直觉判定边界的任务。他交出两篇完成的研究，并描述了背后的 BootLoops harness。
用 drifting 目标训练一个袖珍 TTS
Kyutai 把连续音频语言模型里的一步流匹配目标（LSD）换成 drifting：指标全部持平、推理成本不变，却不再需要 Jacobian-vector 乘积。这是首个用 drifting 训练的自回归生成模型。
用哪些硬件来考 DARPA MOCHA 的编译器
MOCHA 想让编译器快速适配从没见过的异构加速器，那测试基准怎么选？SEI 列出五个筛选维度与九项候选硬件，并请各团队自己推举目标，最终落在 AMD RDNA 4 与 Tenstorrent Tensix 上。
文本分类的语言模型：从词袋到Jev
从朴素贝叶斯、RNN、CNN 到 Transformer，Raschka 梳理了文本分类的整条技术路线，再用 IMDb 实测 Jev：Choice API 达 96.47% 准确率、成本 0.65 美元，与微调后的 ModernBERT 相当，且不需训练。
Claude 发现一种具有类 CRISPR 重复序列的新型酶系统
Anthropic 用约 950 个 Claude agent 搜了 21 小时 DNA 数据库，发现噬菌体里一个带 CRISPR 式重复序列的新型酶系统 ART；它由逆转录酶、伙伴基因和重复阵列组成，功能与用途均未知。
神经语幽灵
AI 2027 提出的神经语递归让 AI 以向量思考、无法被读懂，OpenAI 首席科学家 Pachocki 回应称并未实现。
去AI味
RL-XAR 通过元优化评分标准，让 LLM 评判者重新偏好专家人类写作，在论文段落、普利策小说续写和 Wikipedia 上大幅超越标准训练。