在 AI 技术迅速发展的今天，学术界的研究成果及其研究论文层出不穷。据《科学智能白皮书 2025》显示，全球人工智能期刊论文数量在过去十年间激增至 3 倍多——从 30.89 万篇增至 95.45 万篇。这些庞大的数据背后，不仅仅科研人员们智慧的凝聚，更是他们攻坚克难、探索未来的烙印。
从 Transformer 架构让语言模型实现跨越式突破，到 Diffusion 模型重新定义图像生成的可能性；从强化学习在自动驾驶领域的深度应用，到 AI 辅助医疗诊断的重大进展…… 人工智能领域的每一次飞跃，都始于一篇篇凝聚智慧的论文。正是这些学术的宝贵财富，共同编织成了推动行业发展的「技术图谱」。
为了让更多用户了解学术界在人工智能领域的最新动态，HyperAI 超神经官网（hyper.ai）现已上线「最新论文」板块，每天都会更新 AI 前沿研究论文，涵盖机器学习、计算语言、计算机视觉和模式识别、人机交互等多个垂直领域。快来看看吧~
最新 AI 论文：go.hyper.ai/owxf6
下面，HyperAI 超神经为大家精心挑选了 6 月 9 -13 日期间更新的 5 篇热门 AI 论文，一起来学习一下吧～
本周论文推荐
1 Reinforcement Pre-Training
本研究提出了一种新的语言模型预训练方法——强化预训练（RPT），通过将下一个词预测任务转化为一个推理任务，并利用强化学习进行训练，以激励模型基于给定上下文正确预测下一个词。实验结果表明，RPT 不仅能显著提高语言模型的预测准确性，还为后续的 RL 微调提供了更强大的基础，从而在零样本迁移学习任务上提升了性能。
论文链接：go.hyper.ai/Pxpgk**
模型架构图
论文思维导图
2 Confidence Is All You Need: Few-Shot RL Fine-Tuning of Language Models
本研究介绍了一种利用大型语言模型（LLM）进行强化学习的方法，即通过自我信心（RLSC）实现无监督的模型微调。实验结果显示，在少量样本（每次问题 16 个样本，训练步数 10 或 20 步）下，该方法能显著提高模型在多个数学推理任务上的准确率。
论文链接：go.hyper.ai/rFuVl**
模型架构图
论文思维导图
3 Will It Still Be True Tomorrow? Multilingual Evergreen Question Classification to Improve Trustworthy QA
本研究提出了一种新的评估和改进大语言模型（LLMs）在问答任务中表现的方法，特别关注了问题的时间敏感性或是否为「永恒」问题。研究表明，EG-E5 对永恒问题的判断能力领先于所有测试的模型。进一步的研究指出，在利用不确定性指标来评估 LLMs 的知识时，结合「永恒」问题的概率信息能显著提升评估的质量和准确性。
论文链接：go.hyper.ai/zOGjT**
论文介绍
论文思维导图
4 ReasonMed: A 370K Multi-Agent Generated Dataset for Advancing Medical Reasoning
本研究介绍了一种利用多代理系统生成的大型医疗推理（ReasonMed）数据集，旨在提高基于语言模型的医疗问题解答能力。该数据集由大约 170 万个初始推理路径通过不同大语言模型生成，经过严格验证和优化，最终精炼为 37 万个高质量示例。文中还探讨了多种训练策略对医疗推理模型性能的影响，发现结合详细链式思考（CoT）推理与简洁答案总结的混合方法最有效。
论文链接：go.hyper.ai/XyO0s**
论文介绍
论文思维导图
5 UniSim: A Unified Simulator for Time-Coarsened Dynamics of Biomolecules
本研究介绍了一种新型的深度学习模型——统一模拟器（UniSim），旨在通过跨域知识增强对分子系统原子级行为的理解，并实现高效的长期动力学模拟。实验结果表明，UniSim 在小分子、肽链以及蛋白质等多个领域均展现出高度竞争力的性能，特别是在转移学习能力和长程动力学模拟方面表现突出。
论文链接：go.hyper.ai/0Eqsu**
模型架构图
论文思维导图
以上就是本周论文推荐的全部内容，更多 AI 前沿研究论文，详见 hyper.ai「最新论文」板块。
同时也欢迎研究团队向我们投稿高质量成果及论文，有意向者可添加神经星星微信（微信号：Hyperai01）。
下周再见！
