时间线证词：时序临床假设的循证显著性检验
🧭 LLM 评估 · 时序假设检验
Stevens Institute of Technology
提出STRATA基准与ART分阶段范式，暴露并显著缩小LLM在时序临床假设检验中的证据-结论差距
📌 工作参考价值（4 点）
- 在电商/广告Agent做实验分析、归因或用户行为假设验证时，强制模型显式输出“分析计划 / 证据集 / 统计检验”三段，而不是只给结论；这样能定位“证据选错但结论碰巧对”的隐性失败。
- 把业务中的指标定义、统计口径、实验设计规则写成结构化的codebook注入prompt或知识库；论文显示frontier models在拿到codebook后成功率明显提升，说明确定性规则能大幅增强LLM做数据分析的可信度。
- 分层评估Agent：除最终指标外，还要评估中间检索/筛选的证据集和检验选择；否则准确率会掩盖证据-结论差距，类似只评估推荐点击率而忽视归因与排序过程错误。
- 优先优化记录筛选与过滤逻辑，而非盲目加大模型规模；实验表明主要瓶颈是“哪些记录算数”而不是统计方法选择，对应RAG或Agent中检索质量比生成模型规模更影响最终可靠性。
生成式搜索的采样完整性：重复查询下品牌与引用域累积
🧭 LLM品牌推荐的采样完整性评估
Estonian Entrepreneurship University of Applied Sciences (EUAS) · Rankfor.AI
通过稀疏化与Chao2评估，发现无检索LLM品牌推荐持续新增，检索收敛品牌但引用域名不饱和
📌 工作参考价值（4 点）
- 在电商品牌监控、竞品分析或LLM选品/品类拓展中，不要依赖单次或少量运行；应做多次采样（5-10次以上），用开放抽取而非固定候选表，否则会误判覆盖度并漏掉长尾品牌。
- 为LLM增加检索（RAG）可显著收敛品牌推荐列表，适合需要稳定主流品牌的场景（如搜索结果页优先展示、品牌白名单），但须知道引用来源/域名仍会持续增长，合规审查仍需多次采样。
- 跨引擎聚合很关键：中位每个query涌现38个组织，约15个仅出现在单一引擎；构建品牌库、竞品库或黑名单时应跨平台/跨模型收集，单引擎覆盖不足。
- 用稀疏化曲线（rarefaction）和Chao2估计器可以量化“还有多少未观测到”，可作为生成式推荐系统评估指标，监控输出多样性是否被吃干。
HarmVideoBench：面向大模型的有害视频多层理解基准
🧭 多模态安全审核 · 动态检索增强
Central South University · Tsinghua University · ByteDance Inc · Tencent · Nankai University
构建首个多层次有害视频诊断基准并配套边界感知检索方法，将LVLM理解能力提升至84.4%
📌 工作参考价值（4 点）
- 在商品视频审核中，可借鉴“可观察证据→片段内含义→超出片段推理”三层框架设计评测集，避免只做二分类漏判隐性违规。
- BCR 的推理边界预测机制可嵌入多模态 RAG 审核链路：模型先判断是否需要检索外部知识，降低高并发审核场景的推理延迟与成本。
- 该基准暴露了现有模型依赖表面捷径的缺陷，建议在推荐系统的内容理解评测中加入对比测试，防止因浅层匹配误判而放过违规内容。
- 动态按需检索的思路可迁移至 Agent 的视觉推理任务，例如商品短视频的自动解说生成，仅在需要外部产品知识时触发检索，提升生成效率。
RAID：语义图扩散实现真正冷启动与跨语言预测
🧭 语义图扩散 · 冷启动预测
University College of Engineering, Anna University Tiruchirappalli · Central University of Karnataka · National Institute of Technology Tiruchirappalli · Jawaharlal Nehru University
利用元数据语义检索与图扩散，在无历史数据的真冷启动场景下实现时间序列预测并显著降低延迟
📌 工作参考价值（4 点）
- 物品冷启动预测：用商品的文本描述（标题、描述等）生成语义嵌入，检索相似商品的历史时间序列，聚合邻居序列得到基础预测，可解决新品销量/需求预测无历史数据的问题。
- 不确定性量化：门控扩散模块在基础预测上建模残差分布，输出预测区间而非点估计，适合库存管理、促销决策中的风险控制。
- 低延迟非自回归解码：非自回归生成方式使推理延迟降低一个数量级，对在线推荐、实时定价等时效性要求高的场景尤其重要。
- 多语言共享语义空间：利用冻结的多语言嵌入模型，单一英文训练模型可直接预测其他语言描述的商品，降低跨国业务的多语言维护成本。
可检索梯度：无累积权重漂移的持续后训练
🧭 持续后训练 · 梯度检索与临时权重适应
Department of Computer Science and Technology, Tsinghua University
将梯度视为可检索的知识单元，通过即插即用的临时权重调整实现持续学习，避免参数漂移与灾难性遗忘。
📌 工作参考价值（4 点）
- 即插即用的知识更新：将新领域文档（例如新品详情、政策变化）预先计算梯度并存入梯度库，推理时根据query检索相关梯度临时调整模型，实现零遗忘的在线知识注入，避免全量重训。
- 可逆性与版本管理：梯度库天然支持知识卸载，移除对应梯度即可擦除引入的知识，适合广告/推荐场景中需要频繁上下线的商品或活动，无需回滚模型参数。
- 组合式适应：多个文档的梯度可以按需组合（如多商品叠加推荐），提供类似LoRA的模块化适配能力，但更灵活且无需事前训练适配器，降低工程复杂度。
- 元学习重塑梯度：通过任务驱动的元目标，将文档梯度优化为更通用的适应信号，可借鉴此思路将商品描述、用户评论等转化为对推荐任务有判别力的梯度，提升下游CTR预估等性能。