算法论文8

CDFM：开启因果发现基础模型时代

AI科技评论2026-08-12

AI 摘要

广东工业大学等团队：提出CDFM，将“选择机制”压力提前到预训练阶段，能跨机制、规模进行零样本结构推断，还可迁移到真实数据，是因果发现进入基础模型时代的重要起步。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

Causal - Copilot：集成 20 + 算法，优于 GPT - 4o

加利福尼亚大学圣迭戈分校研究团队提出自主因果分析智能体 Causal - Copilot，集成超 20 种算法。它解决因果分析使用门槛高、预训练模型有局限等问题，性能优于 GPT - 4o ，已开源邀全球研究者参与。

本文介绍苹果基础大模型团队与杜克大学联合提出的LensVLM方案，针对长上下文压缩易丢失关键信息的痛点，提出将长文本压缩为图像、模型按需展开细节阅读的新思路，相关研究已被NeurIPS 2026接收，公开了模型、代码与可体验Demo。

当前大模型效率优化多聚焦降低单位Token计算存储开销，本文解读arXiv新预印论文，针对传统BPE分词的固有局限，提出CNF-MCE分词框架，可大幅提升Token压缩率，开辟大模型效率优化新路径。

清华大学自动化系研究者针对大模型上下文学习（ICL）中示例选择成本高、效果不佳的问题，提出Jev-LDE方法，仅对初始检索示例做一次局部编辑，即可大幅提升1-shot准确率，推理成本增量很低。