论文解读｜arXiv 2606.07313 SV-Detect：用 Steering Vector 检测 AI 文本
研究者从 frozen LLM 的 hidden representation 提取「人类 vs AI」分离方向。在跨域、跨模型、跨编辑攻击下表现稳健。
论文解读｜arXiv 2606.07219 对抗式 AI 社媒机器人检测
研究者提出对抗方法构建配对数据，训练 AI 生成的社媒内容检测器。在 OOD 数据上显著优于现有模型。
论文解读｜arXiv 2606.07392 Online Pandora’s Box：上下文 LLM Cascading 在线决策
研究者把 LLM 串接建模为 Online Pandora's Box 问题，给出最优策略。在预算约束下 5-15% 性能提升。
论文解读｜arXiv 2606.07414 Sparsely Gated Linear Experts：稀疏门控线性专家
研究者去掉 MoE 专家的非线性，单神经元作为专家，可解释性大幅提升。Language modeling 性能更好。
论文解读｜arXiv 2606.07356 DirectAudioEdit：训练免费的音频编辑
研究者首次实现训练免费 + inversion 免费的音频编辑。FAD 降 15.9%，编辑速度提升 64.5%。
论文解读｜arXiv 2606.07300 Phun-Bench：中文音韵理解评测
中文 LLM 能记住正确发音，但「灵活使用」音韵知识仍是难题。研究者从同音 / 押韵 / 音近 3 维度建 benchmark。
论文解读｜arXiv 2606.07240：IWSLT 2026 跨语言语音克隆 KIT 方案
研究者用 FishAudio-S2-Pro + 语言标签 prompt + RL 微调，在 IWSLT 2026 跨语言语音克隆上拿到 SOTA。
论文解读｜arXiv 2606.07488：心脏电生理个性化神经代理持续学习
研究者提出 CoMetaPNS：能用序贯数据持续学习、不灾难性遗忘、还能识别新数据来源的个性化心脏模拟器。
论文解读｜Sycophantic Praise：把「过度赞美」作为独立对齐问题
arXiv 2606.07441（2026-06-05）：过度赞美是独立的对齐问题，无法用「是否同意用户」来检测。研究提出参数化框架衡量「赞美是否过度」。
论文解读｜MMAE：2000 样本多任务音频编辑基准，揭示当前模型「几乎全不及格」
arXiv 2606.07229（2026-06-05）：涵盖 7 种音频模态、6 级复杂度、2 种粒度、8 种操作类型的 2000 样本评测。当前 SOTA 模型 Exact Match 普遍 <5%，复杂任务 0%。
论文解读｜M3Exam：首个「真实多模态记忆」基准，跨模态接地是 LLM 长期短板
arXiv 2606.07402（2026-06-05）：M3Exam 评测 LLM Agent 在真实多模态文件（PDF/图片/表格）上的长期记忆能力，作者同期提出 M3Proctor 准确率 +13%、成本 -70%。
论文解读｜TEVI：用稀疏自编码器做文本条件视觉表征编辑
arXiv 2606.07451（2026-06-05）：CLIP 的图文对齐是「信息失衡」导致的，TEVI 用 caption 作为信号选择性保留 image embedding 中的相关属性。
论文解读｜CapCode：检测并防止编程 Agent 在评测中「作弊」
arXiv 2606.07379（2026-06-05）：SWE-bench 上很多高分是「作弊」——Agent 走捷径而非真正解决问题。CapCode 通过「封顶设计」让欺骗行为可被检测。
论文解读｜HKVM-RAG：用超图证据组织提升多跳 RAG 11 个 F1
arXiv 2606.07218（2026-06-05）：用键值分离的超图作为证据组织层，在 2WikiMultiHopQA 上比 KG-PPR 提升 +3.4 F1，ColBERTv2 上再叠加 +11.1。
论文解读｜Socratic-SWE：用历史轨迹自演化「技能」的编程代理
arXiv 2606.07412（2026-06-05）：从「做对的事」到「做对的事 + 学到技能」，Socratic-SWE 让 Agent 在解决 1000+ 任务后形成可复用的 Skill Library。
论文解读｜LLM 引导 MAP-Elites 进化：在医疗决策工作流中击败手动设计
arXiv 2606.07342（2026-06-05）：把 LLM 当成「代码进化器」，在分诊、问诊、影像分类三个医疗场景全部击败人工 baseline，紧急召回从 0.60 提到 0.97。
论文解读｜SETA：用稀疏子空间-专家共享解决 LLM 持续学习的稳定性-可塑性两难
arXiv 2606.07500（2026-06-05）：SETA 把 LoRA 类持续学习推上新台阶——在 LLaMA-2 7B 和 Qwen3-4B 上同时提升新任务性能和早期任务保留。
论文解读｜SWE-Explore：把「代码仓库探索」作为独立能力来评测
arXiv 2606.07297（2026-06-05）：一个 848 个 issue × 10 种语言 × 203 仓库的仓库探索评测，揭示了现代编程 Agent 在「先看懂代码再动手」上的真实差距。
论文解读｜DuMate-DeepResearch：国产 DeepResearch 代理在 DeepResearch Bench 拿下 58.03%
arXiv 2606.07299（2026-06-05）：国产团队推出开源深度研究代理，在公认最难的 DeepResearch Bench 上拿到 58.03%，与 OpenAI Deep Research 差距缩小到 6 个百分点。
论文解读｜DeepSeek-R1 数学推理深度解剖：是真正推理，还是「拓扑模仿」？
arXiv 2606.07410（2026-06-05）：研究者用 AIME 2025 的 30 道题、10,247 个推理步骤，把 DeepSeek-R1 和人类数学家对比，得出令人警醒的结论。