大厂专区
机构 * Stanford University（斯坦福大学） ； Databricks AI Research（Databricks人工智能研究院） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Stanford University School of Medicine（斯坦福大学医学院）
AI总结 本研究以SEER数据库为基础构建SEER-Repro基准，开发LLM智能体复现77.4%的原子主张，通过智能体分析流程识别9.5%发现的关键分析选择，为科学审查提供支持。
机构 * Harvard University（哈佛大学） ； Google DeepMind（谷歌DeepMind） ； Databricks（Databricks公司）
AI总结 针对跨领域持续学习的灾难性遗忘问题，论文提出 SFA，在训练中平均当前模型与早期检查点，无需数据缓冲或额外参数副本，并在图像和语言任务上优于多种合并与惩罚方法。
Introducing Consort：一种面向实时数据库分支的强制测试驱动开发的规格优先智能体框架
机构 * Databricks（Databricks公司）
AI总结 Consort是一个规格优先、测试驱动的智能体框架，通过确定性编排器和不可变测试等不可绕过的控制，在实时数据库分支上强制工程纪律，确保代码诚实可验证且可维护。
Comments 9 pages, 2 figures, 3 tables, for associated framework, see https://github.com/databricks-solutions/consort
机构 * Cornell University（康奈尔大学） ； UC Berkeley（加州大学伯克利分校） ； Databricks（达特布拉克斯）
AI总结 Sintr 是一个加固现有拜占庭容错数据库系统的框架，通过冗余执行和异构策略框架防止拜占庭客户端破坏数据库完整性，仅带来 3%-16% 的吞吐量开销与 3%-21% 的延迟开销。
机构 * Cornell University（康奈尔大学） ； Microsoft（微软） ； Harvard University（哈佛大学） ； Databricks AI Research（Databricks AI研究）
AI总结 研究揭示提示优化有效性取决于系统提示与响应方差，提出$p1$过滤方法提升优化效果，实验显示其在推理基准上优于基线方法。
OriginBlame：人工智能训练数据集的记录级和令牌级数据溯源
机构 * HuggingFace（拥抱脸） ； Datatrove（数据宝库） ； The Linux Foundation（Linux基金会） ； Databricks（Databricks公司） ； Weights & Biases（权重与偏差公司）
AI总结 研究针对模型训练者在数据删除时无法精准定位记录所属作者的问题，提出OriginBlame系统，通过记录级和令牌级溯源及确定性查询解决，评估显示能消除过度删除并提升遗忘效果，增加少量吞吐量开销。
Comments 13 pages, 5 figures
机构 * Manning College of Information and Computer Sciences, University of Massachusetts, Amherst（马萨诸塞大学阿默斯特分校曼宁信息科学与工程学院） ； Databricks（达布里克公司）
AI总结 该研究提出基于列采样的次线性时间特征向量近似算法，可高效近似大矩阵离群特征向量，成果可应用于量子启发算法框架，还给出基于截断Nyström方法的替代方案。
Comments 60 pages
法律检索增强生成（RAG）中的时间错位：面向法国税法的版本化语料库基准
机构 * Talia（塔利亚） ； Databricks（Databricks公司）
AI总结 该研究针对法律RAG的时间错位问题，构建法国税法版本化语料库基准FiscalQA Pro，发现现有模型时间推理能力差，端到端多版本检索器性能优异，还发布了相关数据集与代码。
Comments 13 pages, 1 figure, 4 tables. Accepted at the ICML 2026 Workshop on AI for Law (AI4Law), Seoul. Code and data: https://github.com/rosecymbler/fiscal-fr-bench
机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Databricks Mosaic Research（Databricks Mosaic研究）
AI总结 AutoIndex框架通过搜索对文档进行多种操作的程序来优化文档表示，在CRUMB基准上评估，相比BM25基线显著提升召回率，证明文档表示应作为优化目标，而非固定预处理选择。
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Microsoft Core AI（微软核心人工智能） ； Amazon AWS（亚马逊AWS） ； Databricks
AI总结 提出SEVRA-BENCH基准，通过社会工程攻击框架评估LLM代码审查智能体拒绝恶意PR的能力，发现闭源与开源模型间存在显著安全差距。
机构 * Databricks
AI总结 针对合成控制法在弱信号下系统偏差导致置信区间偏移的问题，提出时间安慰剂自举法直接估计偏差分布，实现轨迹无关的覆盖。
机构 * Databricks（达特布莱克斯）
AI总结 提出基于自适应近邻的同行比较评分系统，用于企业软件合同折扣治理，实现秒级反馈并显著提升收入。
机构 * Databricks Inc.（Databricks公司）
AI总结 本文研究LLM智能体技能库扩展导致性能下降的现象，提出将性能下降分解为技能遮蔽和上下文开销两种效应，并通过实验证明技能遮蔽是主要瓶颈。
机构 * Zalando SE ； Databricks
AI总结 提出一种预测-优化框架，结合梯度提升树与多目标优化，实现时尚电商促销活动的每日高频定价，通过23次A/B测试验证，利润提升约6%。
机构 * Stanford University（斯坦福大学） ； Databricks
AI总结 本文探讨了在大规模并行和分布式环境中实现随机矩阵算法的理论与实践，重点在于随机投影和采样算法在大规模ℓ1和ℓ2回归问题中的应用与性能优化。
机构 * Databricks, Inc.（Databricks公司） ； Google, Inc.（谷歌公司）
AI总结 本文提出Enzyme，一种用于数据工程的增量视图维护引擎，通过自动化刷新策略减少计算成本，提升大规模生产管道的效率。
Comments 12 pages, 11 figures, SIGMOD 2026
QPP能否选择正确的查询变体？评估RAG流水线中的查询变体选择
机构 * UC Berkeley（伯克利大学） ； Databricks（Databricks公司）
AI总结 本文研究了在RAG流水线中如何选择最佳查询变体，通过大规模实验评估了预检索和后检索预测器的性能，发现检索相关性与生成保真度之间存在'效用差距'，但QPP能有效提升端到端质量。
机构 * University of Maryland, College Park（马里兰大学帕克分校） ； Amazon Web Services (AWS)（亚马逊云服务（AWS）） ； Databricks
AI总结 CodeScout通过轻量级预探索将模糊请求转化为完整问题陈述，提升软件代理性能，实验表明其在解决率上提升20%。
机构 * Databricks AI Research（Databricks AI研究院）
AI总结 FlashOptim通过减少每参数内存消耗50%以上，同时保持模型质量和API兼容性，显著提升内存高效训练性能。
Comments Source code is available at https://github.com/databricks/flashoptim
OfficeQA Pro：一个企业级端到端 grounded 推理基准测试
机构 * Databricks AI Research（Databricks人工智能研究）
AI总结 OfficeQA Pro 是一个企业级基准测试，评估 AI 代理在大规模文档语料库上进行端到端 grounded 推理的能力，发现结构化文档表示可显著提升性能。
Comments 24 pages, 16 figures. Introduces the OfficeQA Pro benchmark for grounded reasoning over enterprise documents
机构 * Databricks AI Research（Databricks人工智能研究）
AI总结 KARL通过强化学习训练企业搜索代理，结合多任务学习和定制合成数据，实现高效且高性能的知识代理，在多个复杂任务中表现优异。
Comments 77 pages, 43 figures, 17 tables
超越人类表现：一种视觉-语言多智能体方法用于制药制造中的质量控制
机构 * GSK, Enterprise AI（葛兰素史克、企业人工智能） ； Databricks
AI总结 本文提出一种结合深度学习与视觉-语言模型的多智能体框架，用于提高制药制造中菌落形成单位检测的准确性和效率，实现高质量的质量控制。
机构 * UC Berkeley（加州大学伯克利分校） ； Stanford（斯坦福大学） ； Notre Dame（圣母大学） ； Databricks（Databricks公司） ； MIT（麻省理工学院）
AI总结 GEPA通过自然语言反思优化提示，以更少的回放次数在多个任务中超越强化学习方法GRPO和MIPROv2。
Comments Accepted to ICLR 2026 (Oral). Code: https://github.com/gepa-ai/gepa
机构 * Databricks Mosaic Research（Databricks Mosaic 研究院） ； Boston University（波士顿大学） ； Google DeepMind（谷歌DeepMind）
AI总结 本文提出了一种基于用户修改的LLM微调方法，通过融合偏好、监督和奖励反馈，提升模型在不同任务中的适应能力。
Comments Accepted at NeurIPS 2025
app.build：一种用于扩展基于代理的提示到应用程序生成的生产框架
机构 * Databricks ； THWS University of Applied Sciences Würzburg-Schweinfurt (CAIRO)（THWS应用科学大学沃尔夫斯堡-施维林（CAIRO））
AI总结 app.build通过结构化环境和系统验证提升基于代理的应用程序生成效率，实现高可行性与质量，为生产级代理系统提供参考实现。
机构 * CSAIL MIT（MIT计算机科学与人工智能实验室） ； MIT Broad Institute（MITBroad研究所） ； MGH（麻省总医院） ； MosaicML ； DataBricks ； MIT ； HMS, MGH（哈佛医学院、麻省总医院）
AI总结 Tyche通过上下文学习方法，无需重新训练即可为医疗图像分割生成随机预测，提升分割任务的灵活性和鲁棒性。
Comments Accepted at IEEE / CVF Computer Vision and Pattern Recognition Conference (CVPR) 2024 as a highlight. Code available at https://github.com/mariannerakic/tyche
机构 * UC Santa Cruz（加州大学圣克ruz分校） ； Washington University in St. Louis（华盛顿大学圣路易斯分校） ； Databricks（Databricks公司） ； Google DeepMind（谷歌DeepMind） ； UC Berkeley（加州大学伯克利分校）
AI总结 提出一个可解释的上下文感知缩放定律框架，联合建模训练计算量和上下文对下游任务性能的影响，在Llama-2模型上验证了其准确性和泛化能力，为高效长上下文LLM设计提供指导。
机构 * Databricks
AI总结 BlackIce是一个受Kali Linux启发的开源容器化红队工具包，通过版本固定的Docker镜像集成14个精选工具，简化LLM和经典ML模型的安全测试，降低入门门槛并支持社区扩展。
机构 * University of Waterloo（滑铁卢大学） ； Databricks（Databricks公司）
AI总结 本研究提出FreshStack框架，通过自动语料收集、信息点生成、融合检索三步构建技术文档IR评估基准，实验发现现有模型表现弱于最优参考方法，部分主题重排器无增益，为构建真实可扩展的IR/RAG基准提供支持。
Comments 21 pages, 4 figures, 8 tables
μnit Scaling：简单且可扩展的 FP8 大语言模型训练
机构 * Databricks Mosaic Research
AI总结 本文提出 μnit Scaling 方法，通过基于第一性原理的最小干预实现无需动态缩放因子和特殊超参数的简单可扩展 FP8 大语言模型训练，在 1B 至 13B 模型上取得与高精度基线相当的质量，训练速度提升最高 33%。
Comments ICML 2025; 17 pages, 13 figures
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈