生成模型 · v6
扩散生成的概率路径：噪声预测、采样误差与潜空间建模
从前向扰动推导信噪比，分清训练目标、离散采样与图像质量的证据。
阅读研究导读 →AUTURNAL / RESEARCH LIBRARY / 2026.10从智能到发现，
从智能到发现，
深入研究的核心。
170篇中英文研究综述，连接一手文献、数学模型与可核查的证据。
170篇导读526项来源510幅插画与图解
THE RESEARCH COLLECTION
深入研究
高效学习与适配 · v6
知识蒸馏的可迁移信息：温度、教师误差与学生容量
解释软标签提供什么，推导温度尺度，并把模仿教师与接近真值分开。
阅读研究导读 →
高效学习与适配 · v10
参数高效适配的低秩假设：LoRA 的优化结构、容量与合并等价性
推导低秩更新的自由度与梯度，区分可训练参数、运行显存和推理合并的不同收益。
阅读研究导读 →
评估与测量 · v10
超越单一排行榜：能力测量、污染控制与统计不确定性
让分数重新附着于样本、任务、判断规则和误差范围，建立可以复核的评价报告。
阅读研究导读 →
隐私与分布式学习 · v6
联邦学习的隐私账本：加权聚合、裁剪噪声与安全聚合边界
分清数据不出设备、更新不可见与差分隐私三个不同承诺。
阅读研究导读 →
等离子体物理 · v5
聚变等离子体的学习控制：形状跟踪、撕裂回避与闭环可靠性
从 TCV 到 DIII-D，分析学习策略如何跨越仿真、实时执行和物理失稳之间的证据鸿沟。
阅读研究导读 →
图学习 · v6
图神经网络的表达与传播：聚合可辨性、平滑和评估泄漏
用确定性路径图观察传播，再区分过平滑、信息挤压和数据划分问题。
阅读研究导读 →
天体物理 · v5
AI 引力透镜反演：快速参数推断、质量片退化与宇宙学选择效应
从卷积网络到后验校准，解释高推理速度为何不能消除透镜物理中的非唯一性。
阅读研究导读 →
气候科学 · v5
从天气技巧到气候可信性：可微分动力核心与学习参数化的稳定性
解析 NeuralGCM 的混合路线，区分短期误差、长期统计、守恒预算与未来强迫外推。
阅读研究导读 →
数学与计算 · v5
从生成猜想到可检查证明：神经符号搜索中的验证器、规格与发现
比较 AlphaGeometry 与 FunSearch，推导搜索效率、验证器可靠性和有限测试之间的逻辑边界。
阅读研究导读 →
可信AI与方法论 · v6
机制可解释性的证据阶梯：叠加表示、干预与忠实性检验
从二维叠加玩具模型出发，区分可视化、相关性与真正的机制证据。
阅读研究导读 →
多模态学习 · v10
多模态表征的可迁移性：对比目标、信息瓶颈与跨分布失效
解释配对学习究竟约束了什么，区分检索对齐、定位、计数和组合推理等不同能力。
阅读研究导读 →没有符合筛选条件的文章。