每日论文精读 #056：检索是成本不是刚需——用模型自己的不确定性决定要不要查外部记忆
MARTA用pre-softmax logits的熵和top-1/top-2边际做"先看后跳"的门控，只在内知识不足时才检索外部记忆，匹配Active RAG精度的同时吞吐提升3.7倍、token消耗降38.4%。
论文精读
每日论文精读 #006：LLM自动安全响应的第一原则——永远别让模型直接碰shell
用封闭意图词表+参数校验器把LLM的输出锁死在白名单动作里，再用NeMo Guardrails代理把注入召回率从25%拉到94.5%——LLM应待在确定性系统的边缘，而不是中心。
每日论文精读 #055：编码助手在真实多轮交互中仍不及格——非程序员用户场景通过率不足25%
腾讯SWE-Journey基准揭示：同一批长程编码任务，模型在软件架构师配合下Final F2P达78.5%，而在非程序员用户下仅23%，差距55.5个百分点——瓶颈不在解题能力而在交互能力。
每日论文精读 #054：跨分词器在线蒸馏——追求覆盖不如保证监督可靠，top-16共享词表足矣
跨分词器OPD中严格1:1对齐已覆盖86-97%的学生token，把reverse KL限制在学生自选top-16共享词表上即可保留96%以上蒸馏收益，而补齐mismatch监督的span MSE反而全面掉点——梯度方向一致性诊断揭示了原因。
每日论文精读 #053：检索编码器改造为单次前向的类型化决策模型，CE+温度缩放打败RLCD
把生物医学句向量检索器转换为System One类型化决策模型：交叉头+交叉熵+温度缩放是最优选型，RLCD的策略梯度项因奖励归一化偏差而落后2.5-3分。
每日论文精读 #052：保形自验证让Web智能体无需昂贵裁判也能自我纠错
CLIFT用共形校准把昂贵LLM裁判的反馈蒸馏成可复用的认证问题库，训练时提供密集步级奖励，测试时做无裁判的轨迹选择，在WebArena Infinity等三个基准上达到开源SOTA。
每日论文精读 #051：1-bit KV缓存压缩的关键在于“量身定制”量化空间
TaSQ通过查询引导加权、跨头归一化和协方差感知分组三步变换量化空间，让1-bit KV缓存VQ在推理和长上下文任务上显著超越现有基线。
每日论文精读 #050：可审计的长期记忆——把LLM压缩成『可替换的读出器』
一条确定性检索链在LongMemEval-S上逼近SOTA，LLM只做最后的读出器，且全部证据可复算。
每日论文精读 #049：用越狱提示给黑盒推理模型做不确定性量化
把越狱式提示变换反过来用在良性问题上，恢复被RL对齐压制的输出多样性，让黑盒推理模型的置信度校准显著改善。
每日论文精读 #048：PaperCompiler——用「规格编译」把论文忠实变成代码仓库
把论文证据编译成带所有权和禁止项的仓库级规格，Paper2CodeBench 忠实度相对提升13.8%，高严重性错误减半。
每日论文精读 #047：CLIP安全对齐不再一刀切——按模态状态选择性重塑嵌入空间
ShieldCLIP用逐模态安全标签替代整对标注，只重定向真正不安全的分支，有害输出更少且良性表征几乎零损伤。
每日论文精读 #046：编码Agent通过率不降，代码却在悄悄变成面条
RepoReuse基准审计发现：编码Agent第5轮时50.8%的任务链留下重复实现，而通过率几乎不变——以测试为中心的评估对代码复用缺陷结构性失明。
每日论文精读 #045：把长上下文压成「答案对齐」记忆嵌入，推理显存直降50%
CMC框架将长上下文压缩为与冻结解码器嵌入空间对齐的记忆向量，问题引导Top-K检索+局部窗口双层KV缓存，QA精度反升的同时推理时间/能耗降20%、峰值显存降50%。
每日论文精读 #043：在法条被藏起来时，微调模型的引用幻觉率飙到83%
GRACE构建了1915条加拿大法律对抗推理数据集，微调后的4B小模型开卷表现大幅提升，但一旦不给法条原文，无依据引用率从19.5%暴涨至83.2%——流畅的法律腔反而更危险。
每日论文精读 #042：PaperCompiler——把论文编译成规格说明，让AI生成的代码不再偷工减料
PaperCompiler 将论文证据编译为显式的仓库级实现规格（含不可降级约束、文件所有权与跨文件依赖），在 Paper2CodeBench 上参考保真度相对提升 13.8%，高危缺陷率减半。