全部 AI 动态 · AI 热点

8月4日

12:09

官方账号arXiv cs.LG@Brandon Wang, Andrei S. Tyrin, Daniil A. Boiko

onepot-Bench 0 是面向湿实验室合成化学能力的语言模型评测基准，包含三项子评估。ChemAbacus 考查无需工具的化学信息学素养与数值推理；SynthRefusal 评测模型对苯二氮卓类、受控药物及设计药物等目标的拒绝与安全行为；SynthBench 使用实验室私有实验数据评测反应结果预测和催化剂选择。该基准旨在补充现有评测中缺失的物理实验室可靠决策能力。

论文 onepot-Bench ChemAbacus SynthBench

推荐理由：想测语言模型能不能真做化学实验？onepot-Bench 0 用私有数据考反应预测和拒毒能力，比公开题更贴近湿实验室。

原文

12:08

官方账号arXiv cs.LG@Honghao Lin, Vahab Mirrokni, David P. Woodruff

精选

arXiv:2608.02588 的论文证明了稀疏最小二乘问题的一个条件数下界：在随机化精确体积小集扩张假设（Small-Set Expansion Hypothesis）下，对任意固定的 γ∈(0,1]，不存在多项式时间随机算法能以至少 2/3 概率返回满足误差不超过最优值加 ε、且稀疏度 s=O(k·κ_{s+k}^{1-γ}) 的解。该结果甚至对有理数实例、A 为列满秩时也成立。作者表示，证明最初由 Google 内部开发的基于 Gemini 的自动化智能体系统完成，随后由人工验证并整理。

论文稀疏最小二乘条件数 Small-Set Expansion

推荐理由：Google用Gemini自动化系统先跑通了证明，人工再验证。你要是做稀疏优化或条件数相关算法，看看这个下界怎么证的。

原文

12:06

官方账号arXiv cs.LG@Zhaoxin Yu, Qi Shen, Hengli Li, Zhaowei Zhang, Song-Chun Zhu, Chi Zhang, Zilong Zheng

GradCuit在Transformer层间插入可优化潜在状态，使奖励加权梯度直接分配给潜在变量。在五个指令微调基座、三个推理基准和两种答案格式上，GradCuit平均准确率64.5%，比思维链提示高6.6个百分点，比最强对比方法高2.4个百分点。在七个学习率设置下，GradCuit准确率标准差从1.53降至0.82，其随机游走变体仍与LatentSeek相当。层分析显示早中期Transformer层是最有效的优化空间。

论文 GradCuit arXiv 推理模型

推荐理由：想让LLM更会推理？GradCuit不用改参数，直接优化内部状态，准确率比CoT高6.6个点，而且还更稳定，值得试试。

原文

12:06

官方账号arXiv cs.LG@Shuaijun Liu, Qifu Wen, Shuyang Hao, Qi Luo, Chenglong Zhang, Feiyang You, Chengyu Wu, Ningxin Su

CoWAM是为World Action Models设计的选择性干预层，把同步、角色兼容和碰撞收敛定义为协调合约。它只在某替代动作满足所有义务且带来低风险改进时替换默认策略，否则保留原动作或执行弃权回退。在8个模拟双臂任务上，CoWAM的协调有效选择率比仅用合约的变体高16.7个百分点，闭环成功率比最强选择性基线高9.6个百分点，有害干预低于1%。实验结果说明协调合约可以成为利用世界动作预测做保守策略干预的有效接口。

论文 CoWAM World Action Models 双臂机器人

推荐理由：CoWAM给双臂机器人策略把关，只在有把握时改动。模拟中成功率比最强基线高9.6个百分点，坏干预不足1%。

原文

12:05

官方账号arXiv cs.LG@Shashwat Kumar, Arafat Rahman, Anuj Srivastava, P. -A. Absil

该论文研究定义在单纯形乘积空间上的优化问题，涵盖低秩离散多变量概率分布学习和基于SRVF的函数数据配准。作者提出用逐元素严格凸的光滑重参数化替代乘积单纯形，将约束优化转化为流形上的无约束优化。该重参数化使流形上的二阶KKT点映射到乘积单纯形上的弱二阶KKT点。基于此提出的黎曼梯度下降（RGD）算法优于投影梯度下降（PGD），并在曲线配准中更忠实保留函数形状。

论文张量分解函数配准黎曼优化

推荐理由：这篇论文提出用光滑重参数化把单纯形约束变成无约束，黎曼梯度下降比投影梯度下降更好，做张量分解和函数配准更靠谱。

原文

12:03

官方账号arXiv cs.LG@Shengzhi Deng, Chenqi Ye, Yanze Guo

扩散模型在有限精度硬件上使用的随机性由伪随机规则产生，轨道结构可能成为可学习输入。研究用小型多层感知机预测轨道下一值，并用扩散探针将真实图像替换为随机张量。在MNIST和CIFAR-10上，不同伪随机源产生明显不同的扩散损失和生成质量。归一化后，探针损失与真实数据扩散损失近似遵循经验幂律，两个数据集指数不同。

论文扩散模型伪随机 MNIST

推荐理由：这篇论文发现伪随机数的选择会影响扩散模型的生成质量，不是随便什么随机源都行，看看它是怎么测的。

原文

12:03

官方账号arXiv cs.LG@Anusha Madan Gopal, Aras Pirbadian, Kristofor D. Carlson, M Anthony Lewis, Jonathan Tapson

精选

论文提出PRECOG，把语料库离线预编码为SSM隐藏状态，查询时将最优状态直接注入，省去RAG的上下文重新读取。在带192KB隐藏状态的1.2B参数TENNs-LLM上，PRECOG将prefill延迟从约27秒降到6毫秒以下，约4500倍加速，并保持与上下文RAG相当的答案质量。配套的SMC用认知域聚类构建层级持久记忆，支持保真度/存储调节和O(1)会话初始化。该机制依赖SSM固定长度、与位置无关的循环状态，Transformer的KV缓存因位置纠缠且随上下文线性增长而无法实现。

论文 PRECOG TENNs-LLM RAG

推荐理由：论文把RAG预填充从27秒压到6毫秒，1.2B模型在边缘也能交互式检索，Transformer做不了。

原文

12:00

官方账号arXiv cs.LG@Jiachen Hu, Han Zhong

精选

arXiv:2608.02538 论文研究一比特均值估计问题，其中每个样本只用一个二进制消息表示。作者构造了完全非自适应的随机协议，在分布均值位于[-λ,λ]、绝对k阶中心矩不超过σ^k的条件下，匹配了此前两阶段自适应协议的最优样本复杂度。在目标精度 ε、置信度 1-δ 下，当 k>2 时样本复杂度为 (σ/ε)^2 log(1/δ)，当 k=2 时为 (σ/ε)^2 log(σ/ε) log(1/δ)，当 1<k<2 时为 (σ/ε)^{k/(k-1)} log(1/δ)。该结果给出了 COLT 2026 开放问题“交互是否必要”的否定答案。

论文一比特均值估计非自适应协议样本复杂度

推荐理由：这篇论文说一比特均值估计不用交互也能最优，解决了COLT 2026开放问题，统计方向的可以看看。

原文

11:59

官方账号arXiv cs.LG@Chirag Pabbaraju

论文构造了一族无歧义DNF，宽度为O(n)，但0-证书复杂度达到Ω(n^2)。借助常数大小的提升引理，将证书复杂度分离转化为通信复杂度分离，得到Clique vs Independent Set问题的最优通信下界，并最优反驳了Alon-Saks-Seymour猜想。相比Balodis等人（FOCS 2021）的结果，通信下界改进多个双对数因子。该构造还给出证书复杂度与近似度之间的四次分离，以及c个标签上多类概念类的样本压缩下界Ω(√log c)。

论文 DNF Alon-Saks-Seymour猜想 Clique vs Independent Set

推荐理由：这篇论文用特制的DNF把Alon-Saks-Seymour猜想彻底推翻，还把Clique vs Independent Set的通信下界拉到最优，复杂度理论党别错过。

原文

11:58

官方账号arXiv cs.LG@Tom Saliencro, Rohan Desai, Priya Nair, Maya Lindqvist, Daniel Whitmore

VI-MoLE提出将混合LoRA专家路由视为认证信息价值分配问题。该方法在验证集上为每个专家前缀后的反事实风险输出同时有效的上界证书，并依据单位成本的边际风险降低量分配全局适配器预算。与仅依赖不确定性的动态路由不同，VI-MoLE能区分可恢复风险与残余歧义。论文在匹配计算量准确率、证书覆盖率、风险-覆盖率、分布偏移和尾延迟上与固定及动态MoE-LoRA路由对比。实验设置来自arXiv 2608.02528v1。

论文 LoRA VI-MoLE MoE

推荐理由：这论文把“不确定就多算”的LoRA路由换成了信息价值定价，能证明预算花在哪风险降最多，还带回答弃权判断。

原文

11:53

官方账号arXiv cs.LG@Yi Yang, Zhennan Chen, Yihong Zhuang, Tiehan Fan, Yinan Chen, Jian Li, Jian Yang, Ying Tai

RoMeRL将轨迹索引效用空间表示为按结果极性和记忆动态分解的固定维度任务记忆状态。在ALFWorld和LifelongAgentBench上，RoMeRL将Cold-Q比率降低80.0%，反馈密度提高约6.0倍。同时维护记忆大小减少84.4%，LLM调用减少21.1%。论文从理论上证明降阶参数化能增加每个效用坐标的平均反馈，代码已开源。

论文 RoMeRL 智能体记忆系统

推荐理由：这论文把智能体记忆里反馈分散和奖励污染的问题一起解决了，Cold-Q降了80%，记忆体积缩了84%，效果很硬核。

原文

11:50

官方账号arXiv cs.LG@Leda Wang, Zhehao Xu, Qiang Liu, Harrison H. Zhou

该论文研究c-Rectified flow，这是对纠正流引入成本项的一类变体，FLUX.1和Stable Diffusion 3背后的生成框架正是纠正流。高斯案例显示，普通纠正流只有在源和目标协方差矩阵可交换时才收敛到最优传输耦合；而迭代c-Rectified flow在紧性和一致可积条件下总能收敛到最优传输耦合。作者还针对二次和强凸位移成本建立了投影稳定假设下的单步收缩与指数收敛保证。在Hölder球假设下，他们得到极小极大最优的分数估计速率，用于迭代c-Rectified flow后可在d≥3获得速率最优的最优传输估计，d=1,2时接近参数速率。

论文 Rectified flow c-Rectified flow 最优传输

推荐理由：普通Rectified flow可能不收敛到最优传输，c-Rectified flow能保证收敛，d=1,2还有近参数速率。做生成模型可以读。

原文

11:49

官方账号arXiv cs.LG@Iaroslav Chelombitko, Ekaterina Chelombitko, Mika Hämäläinen

一项研究对18个开源大模型进行跨文化神话知识探测，覆盖8个架构家族。模型能准确识别宙斯、朱庇特、托尔，但在芬兰、斯拉夫、埃及或中国神话中表现明显下降。研究者使用线性探针、logit lens、激活修补等方法，发现残差流能清晰区分文化，但解码器将特定文化token坍缩为主导传统。失败发生在读出阶段而非表征阶段，且解码行为受提示语言门控。论文发布了逐实体分解框架、跨文化基准及18个模型的预测结果。

论文开源模型多模态 LLM

推荐理由：这篇论文用18个模型告诉你：LLM其实知道芬兰神话，但输出时故意不说。想看AI文化偏见的根源，读这篇。

原文

11:46

官方一手arXiv: DeepSeek@Yonghan Gao, Zehong Chen, Lijian Xu, Jingzhi Chen, Jingwei Guan, Xingyu Zeng

以DeepSeek-OCR为代表的视觉-文本压缩方法在长上下文任务中宣称了很高的token压缩比。但现有评测依赖下游任务表现，MLLM的语义先验会掩盖文本保留的真实质量。新框架将视觉与语义能力解耦，ZeroSense Benchmark特意降低测试样本的语义关联。跨多个数据集的实验显示，压缩质量和下游准确率出现明显分歧，说明解耦式评测是必要的。

论文 DeepSeek-OCR ZeroSense 视觉-文本压缩

推荐理由：DeepSeek-OCR这类压缩方法旧评测没测准，ZeroSense基准去掉语义干扰后，压缩质量和下游准确率明显脱节。

原文

11:46

官方一手arXiv: DeepSeek@Sicong Liao, Zhi Chen, Yaohua Tang

TCPO是一种面向验证器引导多轮强化学习的回合级信用分配方法，将验证器分数转换为回合级优势。它通过参考比较构建三种信用估计：回溯信用衡量相对最优状态的即时进展，事后延迟信用识别有后续回报的非改进回合，选择性反事实估计修正高意外回合。在数学推理、代码生成和AppWorld智能体任务上的实验显示，TCPO在Qwen3-4B和DeepSeek-R1-Distill-Llama-8B上取得最佳或并列最佳的最优回合Pass@8，并减少成功所需轮次。

论文 TCPO 强化学习多轮推理

推荐理由：TCPO把验证器分数拆成每一步的信用，让模型知道哪个回合真正有用，在数学、代码和Agent任务上都有效果。

原文

11:32

官方账号arXiv cs.AI@Chuyan Chen, Peng Sun, Kun Yuan

CMuon是一种针对Diffusion Transformer（DiT）训练的新优化器，通过将参数矩阵分块后再做正交化，解决了原版Muon在后期收敛停滞的问题。在ImageNet 256上，用CMuon训练的675M参数DiT仅用200个epoch就达到FID 1.18。相比AdamW，训练速度提升超过2倍。该方法能有效避免融合张量引发的隐式子空间耦合，保持更新方向准确。

论文 CMuon Muon DiT

推荐理由：写了个新优化器CMuon，训练扩散Transformer比AdamW快两倍多，675M模型200轮就跑到FID 1.18，厉害得很。

原文

11:31

官方账号arXiv cs.AI@Yuqiao Tan, Jinxiang Meng, Fangyu Lei, Minzheng Wang, Shizhu He, Jun Zhao, Kang Liu

SWE-Touch是一个新基准，通过注入与任务冲突的代码改动来测试编码代理在共享工作区中的适应能力。在SWE-bench Verified上，Counter-Edit使九个编码模型的平均解决率下降7.7个百分点。在SWE-Bench Pro和DeepSWE等更长周期任务上，退化依然存在。轨迹分析显示，代理可能保留冲突代码，或在没有重新检查仓库和运行定向测试的情况下直接替换。

论文 SWE-Touch SWE-bench Verified Counter-Edits

推荐理由：编码代理平时跑分很强，但用户中途改代码就露馅。SWE-Touch实测9个模型，成功率平均掉7.7个百分点，原因挺有意思。

原文

11:28

官方账号arXiv cs.AI@Jiayu Gu, Yiwei Wang, Jie Zhang, Guojun Cao, Keshen Lyu, Song Zhou, Yimeng Chen, Haorui Wang, Qingmin Feng, Shenchao Shi, Huan Zhao, Wenbin Chen, Caihua Xiong, Chidan Wan, Jing Samantha Pan, Xiong Cai, Han Ding

DiffeoAfford 框架从已完成手术中回顾性生成视觉注意力监督，无需人工逐帧标注。它结合微分同胚约束的组织追踪与器械轨迹分析，生成 affordance 热点标签。基于这些标签训练的实时预测模型驱动 AffordView 自动取景系统。系统与专家标注和术中外科医生凝视一致，实测降低认知负荷。

论文 DiffeoAfford AffordView 腹腔镜手术

推荐理由：论文提出了 DiffeoAfford，不用手工逐帧标注就能学会预测手术关键区域，带动了自动取景系统，实测医生认知负荷更低。

原文

11:27

官方账号arXiv cs.AI@Vishwajeet Shivaji Hogale, Anjali Pai, Nitya Ravi

论文 TinyDamage Qwen-VLM LangGraph

推荐理由：Qwen-VLM做车辆损伤评估会瞎编，TinyDamage用分割模型接地，幻觉率从92%降到31%，修车定损能用了。

原文

11:26

官方账号arXiv cs.AI@Sunny Dubey

该研究提出用单类回声状态网络集成加CUSUM警报监控LLM Agent的步骤遥测，成本约每步200微秒。在2,823条episode上，以5%误报率检出71%的故障，AUROC达0.872。在外部数据集AFTraj-2K和ATBench上，排名迁移分别达0.745和0.779。确定性验证层在63个负例中零误报地捕获60%失败，回滚重跑将任务成功率从52%提升至73%。

论文智能体故障检测模型监控

推荐理由：不用每步都请大模型当裁判，用轻量监控就能抓到71%的Agent故障，自动回滚重跑后成功率从52%涨到73%。

原文

11:25

官方一手arXiv: Anthropic@Hayder Tirmazi, Sam Markelon, Allison Bishop, Michael Mitzenmacher

精选

一篇arXiv论文首次对LLM上下文压缩进行形式化分析。作者提出两个博弈框架：Context Selection Game和Context Generation Game，分别对应子集保留和摘要生成两种压缩策略。论文证明Context Generation Game与单向通信复杂度等价，压缩预算等于同一误差下的单向通信复杂度。还证明存在一组查询，生成式压缩比选择式压缩需要更少预算。案例研究评估了Anthropic上下文压缩端点在一组集合成员查询上的表现。

论文上下文压缩通信复杂度智能体

事件专题

推荐理由：这篇论文把上下文压缩和通信复杂度打通了，还测了Anthropic的端点，适合搞Agent的人看看。

原文

11:19

官方账号arXiv cs.AI@Yuni Susanti, Moritz Schubotz

该研究探讨科学公式的语法与语义两种模态的对应关系，发现其原生表示空间虽存在潜在相关性，但可观察对应极弱。作者用图编码器表示语法结构、文本编码器表示语义信息，并通过对比学习构建共享空间。实验表明，学习到的对齐显著提升跨模态检索性能。

论文科学公式跨模态检索对比学习

推荐理由：这篇论文把科学公式的语法和语义分开建模再对齐，发现原生表示差异很大，但对比学习能救回来，做检索的可以看看。

原文

11:18

官方账号arXiv cs.AI@Christoph Weinhuber, Maximilian Prokop, Giuseppe De Giacomo, Moshe Y. Vardi

本文提出首个从线性时序逻辑LTL到LTLf+的翻译方法，LTLf+是一种保留LTL表达能力的无限迹逻辑，但推理可基于有限字上的有限自动机。作者先将LTL公式归一化为Manna-Pnueli层次中的语法反应性片段，再对该片段各组件给出线性翻译。该翻译使LTLf+的有限自动机技术可用于AI中的LTL问题，且从LTL经LTLf+到自动机的整体复杂度保持双重指数，无额外渐近代价。

论文 LTL LTLf+时序逻辑

推荐理由：这篇论文把LTL规约转成LTLf+，以后处理无限迹目标就能用有限自动机的成熟工具了，而且复杂度不涨。

原文

10:15

官方账号arXiv cs.AI@Kehan Wang

论文提出Role-Decoupled Attention Residuals（RD-AttnRes），将查询/键与值的深度路由分开。在FineWeb-Edu上用五组种子训练120M和343M参数模型，各用2.0B token预算。RD-AttnRes在全部10项对比中降低验证负对数似然，120M和343M平均降幅分别为0.0301和0.0247，困惑度降低2.97%和2.43%。早期预算对照排除参数数、重复路由执行和固定值路由的干扰。路由诊断显示查询-键与值的深度分布持续分离。

论文 RD-AttnRes 注意力残差深度路由

推荐理由：只给值路由多加一条独立通道，120M/343M模型10组对照全胜，困惑度降2-3%。做Transformer的可以看看。

原文

10:10

官方账号arXiv cs.AI@Yinghan Hou, Zongyou Yang

CompressAgent 基准覆盖 9 个代理控制上下文（ACC）、3 个任务族、3 个 Qwen API 模型和 6 档保留上下文预算，共运行 15,525 次。在保留 75% 上下文时，通用改写和章节式压缩分别达到 92.7% 和 92.4% 成功率，接近完整上下文的 93.8%。当预算降到 35%，章节式、义务感知式、通用改写成功率分别为 47.0%、39.0% 和 19.9%。压缩失败主要表现为工具执行和动作解析错误，且不同 ACC 间可靠性差异显著。

论文 CompressAgent Qwen 工具智能体

推荐理由：CompressAgent 新基准显示：35% 预算下压缩方法成功率从 19.9% 到 47%，选压缩法别只盯省 token。

原文

09:52

官方账号arXiv cs.AI@Xinheng Han, Jianfei Wang, Yu Chen, Xiang Wang, Shuai Li, Weixing Li, Feng Pan

现有GRPO等组相对强化学习方法只提供响应级监督，与结构化多目标预测存在粒度失配。MCR-GRPO通过留一比较估计每个预测框的边际贡献，并利用连续匹配集值评估器改进归一化与定位。在REC、DOD、分割和计数基准上，该方法超越了现有GRPO基线。

论文 MCR-GRPO GRPO 多模态

推荐理由：GRPO以前只看整体得分，现在MCR-GRPO能逐个框算功劳，定位和分割都更准了。

原文

09:45

官方账号arXiv cs.AI@Muhammad Yousaf Rehman, Muhammad Islam

DeBERTa-Sentinel 基于 DeBERTa-v3 的解纠缠注意力，用于识别 AI 生成的文本。研究者在 GLC-AIText 数据集的 28,057 条 GPT、LLaMA、Claude 样本上以 60-20-20 划分训练，验证准确率 98.21%。该模型测试准确率 97.53%、召回率 99.33%、ROC-AUC 99.53%，超过 NeurIPS 2025 的 RoBERTa-Sentinel 基线。与黑盒检测器不同，它提供 token 级解释，帮助记者、教育工作者和平台审核人员审计检测结果。

论文 DeBERTa-Sentinel DeBERTa-v3 GLC-AIText

推荐理由：想查一段文字是不是AI写的？这个检测器能看到词级线索，准确率97%以上，还公开代码和数据集，可自己跑。

原文

09:42

官方账号arXiv cs.AI@Chi Wang, Hanwen Wang, Yu Xia, Zihan Wang, Guangdong Bai

Caliber是一种针对分数返回API的模型提取防御方法，通过向内部logits添加独立同分布高斯噪声来干扰攻击者。论文证明噪声尺度与预测一致性单调递减，并推导了固定输入下恢复干净logits所需查询次数的闭式极小极大下界。在三十多个模型-数据集组合上，逐模型校准的平均绝对相对误差为0.6%-1.4%。端到端实验显示替代模型性能与配置的退化程度一致。

论文 Caliber 模型提取 API安全

推荐理由：这篇论文提出了Caliber，一种给API返回分数加噪的防御方法，能控制攻击者提取模型的成本，还给出了理论保证和实验数据。

原文

09:40

官方账号arXiv cs.AI@Yuzhou Liu, Xiyang Hu

Cloud-ScPO 提出从大模型内部表征的几何结构中挖掘偏好信号，无需外部奖励模型。它利用少量标注样本构建正确与错误的参考云，将每条推理轨迹映射为平均池化隐藏状态，并用组件级软k近邻打分。在GSM8K和MATH-Numeric数据集上，Cloud-ScPO相较ScPO最高提升4.49%和4.19%。对配对轨迹的分析显示，该方法在保持正确率的同时，能更有效筛选出高质量的正确轨迹。

论文 Cloud-ScPO ScPO GSM8K

推荐理由：这篇论文教模型用自己脑内的几何结构来挑正确答案，不用额外奖励模型，在GSM8K和MATH上比原版ScPO高出4个多点。

原文

09:39

官方账号arXiv cs.AI@Simiao Ren

该研究提出CallScreenBench基准，用来评估手机端侧模型代接未知来电的表现。评测从五个质量维度打分，不合并为单一总分。研究用6个0.6B到4B参数的端侧模型，在4-bit量化下做测试，发现能力越高回答质量越好，但来电分流质量并不随之提升。修正脚本化退化基线后，11/15个模型对的分流差异在预注册操作点归零。一个只会挂断和复述对方的智能体也能拿到完美消息保真分数。

论文 CallScreenBench 端侧模型智能体

推荐理由：别只看模型跑分，这篇论文拆穿了端侧模型的电话代接短板，还附了踩坑评测方法，做手机智能体的值得读。

原文

09:38

官方账号arXiv cs.AI@Haoyu Zhang, Xiangchen Guan, Shibo Zheng, Mohammad Zandsalimy, Shanu Sushmita

论文报告了一个反直觉现象：在编码越狱提示旁附加一张无关诱饵图像，能显著降低视觉语言模型的黑盒防御攻击成功率。实验覆盖五个前沿VLM、两种编码攻击和三种黑盒防御，其中ECSO防御在纯文本输入下ASR几乎不变，附加诱饵后最多下降73个百分点。空白画布和自然照片均能复现效果，表明起作用的是图像存在而非内容。但无条件附加诱饵会使良性拒绝率升至20%–79%，需配合轻量检测器使用。

论文 ECSO VLM 越狱

推荐理由：这篇论文发现，给越狱提示配张无关图片，能让ECSO防御的攻击成功率掉73个百分点。不是新防御，但交互很反直觉。

原文

09:37

官方账号arXiv cs.AI@Tezan Sahu, Himani Arora

该论文来自arXiv 2608.01042，提出一个从真实研究生成人物驱动、随时间演化的企业世界的系统。传统离线评估只用单一静态快照，只能验证最终状态，无法覆盖问答时刻之前的数据变化。新系统通过schema推断时间描述，结合确定性与LLM重建每条记录的过去状态，并预计算为紧凑差分缓存。评估时可在任意时刻重放场景，快速复现且无模型干扰，早期实验已用于企业代理评测。

论文智能体企业场景时间演化

推荐理由：这篇论文搞了个评估系统，能生成随时间变化的企业数据，在任意时间点重放来测试AI代理，比只看最终快照靠谱多了。

原文

09:35

官方账号arXiv cs.AI@Dongfu Yin, Jinquan Zhang

VLAGuard是一个针对VLA机器人物理注意力劫持漏洞的评估与缓解框架。其攻击模块VASA通过可打印补丁严重干扰机器人的动作条件交叉注意力；防御模块APFT稳定时空注意力并强制几何一致性，且零推理开销。在LIBERO模拟中，APFT将OpenVLA的失败率从100.0%降至25.9%。在2000次真实世界试验中，APFT将平均成功率从23.0%提升至67.4%。

论文 VLAGuard OpenVLA VLA机器人

推荐理由：VLAGuard这套框架挺实在，能让OpenVLA机器人在被贴纸攻击时成功率从23%提到67%，而且不增加推理开销。

原文

09:30

官方账号arXiv cs.AI@Timothee Mickus, Claudio Savelli, Eduardo Calò, Emilio Raimond, Stella Frank, Hengyu Luo, Flavio Giobergia, Vincent Segonne, Chuyuan Li, Aman Sinha, Lorenzo Vaiani, Jörg Tiedemann, Raúl Vázquez

该研究构建了包含1,600个人类编写的幻觉样本数据集，覆盖中、英、法、意四种语言，并同时收集了来自五个视觉语言模型的18,400个样本进行对比。所有样本采用细粒度的跨度级标注方案来标记幻觉。实验发现，人类编写的样本在标注一致性上更高，且便于控制数据集内容，同时与模型生成样本在分布上保持相似。这表明人类数据可以替代模型生成的幻觉基准，用于更稳定的模型幻觉评估。

论文幻觉检测基准测试视觉语言模型

推荐理由：这篇论文用1,600个人类写的幻觉样本对比了18,400个模型生成的样本，发现人类样本更稳定、更好控制，以后测幻觉不用老换模型了。

原文

09:29