教程｜用 HKVM-RAG 思路自建证据组织层：多跳问答 F1 提升 5-10 个点
arXiv 2606.07218 的方法实践：把「段落级密集检索」和「超图级证据组织」分离，多跳问答性能显著提升。
教程｜MMAE 风格 rubric-based 评测：把 LLM 输出变成可验证的子项
arXiv 2606.07229 的方法学到手：把「自由格式任务」分解为可验证子项，让评测从「差不多」走向「精确诊断」。
工具速递｜opencv 4.x：经典 CV 库依然在 Trending，今日 +65 stars
老牌 OpenCV 依然活跃。4.x 全面支持 Transformer 模型导出，可直接调用 Hugging Face 上的 CV 模型。
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。
快讯｜arXiv 2606.07502：EmbedFilter 用「解嵌矩阵」当文本嵌入的特征透镜
研究者发现 LLM 的解嵌矩阵里藏着一个「频繁但无信息」token 的子空间，过滤掉它能显著提升零样本文本嵌入质量。
快讯｜arXiv 2606.07299：国产 DuMate-DeepResearch 拿下 DeepResearch Bench 58.03%
中文 AI 圈里程碑：开源深度研究代理 DuMate-DeepResearch 在 DRB 上拿到 58.03%，与 OpenAI Deep Research 差距缩小到 6 个百分点。
快讯｜arXiv 2606.07410 揭示 DeepSeek-R1 数学推理是「拓扑模仿」
研究者把 DeepSeek-R1 在 AIME 2025 的 10247 个推理步骤全部标注分类：模型频繁在「回访中间结果」上打转，缺乏真正的回溯修正能力。
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。