全部 AI 动态 · AI 热点

7月31日

12:02

官方账号arXiv cs.AI@Yuto Suzuki, Farnoush Banaei-Kashani

TCA-SIR将科学灵感检索重构为目标条件抽象任务，从候选论文中提取可迁移的抽象原理来预测对目标问题的适用性。在ResearchBench基准上，TCA-SIR的HitRate@top4%比MOOSE-Chem高出超过10个百分点，也优于直接使用LLM检索。该方法学习生成的抽象表示能更清晰地恢复与目标相关的机制，同时提供可解释的检索依据。

论文 TCA-SIR ResearchBench MOOSE-Chem

推荐理由：论文提出了TCA-SIR，用目标条件抽象替掉单纯的主题相似度排序，远程灵感检索效果比MOOSE-Chem强了十几个点，还自带可解释性。

原文

12:01

官方账号arXiv cs.AI@Yunhao Liang, Xianqi Cao, Pujun Zhang, Yuan Qu, Yongzhi Qi, Ningxuan Kang, Max Z. J. Shen

供应链补货计划中的品类选择、货源分配、补货频率和配送路线相互关联，传统分部门独立优化易导致缺货和运输浪费。SCOPE将供应链实体表示为token，通过共享运营表示和决策接口实现跨环节耦合规划。在城市生鲜补货场景中，SCOPE在叮咚买菜和京东两个不同梯级的真实运营数据上进行了评估。相比分阶段优化基线，SCOPE在两个数据集上均取得更优的端到端运营效果。

论文 SCOPE Dingdong JD.com

推荐理由：SCOPE把供应链各环节的决策打通了，在叮咚和京东的真实数据上验证过，比各自单独优化效果更好，做供应链的可以看看。

原文

11:59

官方账号arXiv cs.AI@Pouya Ardekhani, Zahra Dehghanian, Morteza Abolghasemi, Hamid R. Rabiee

论文提出 MonoVoc，一种无需训练的 3D 场景理解框架，将几何重建与语义集成解耦。它仅需单目视频序列输入，即可输出紧凑可搜索的对象级语义高斯地图。在 Replica 数据集上，该方法保持了高渲染保真度，分割精度与现有方法相当。相比 SOTA 基线，MonoVoc 通过对象级嵌入替代密集逐高斯存储，内存占用降低一个数量级。

论文 MonoVoc Replica 3D高斯

推荐理由：想用单目视频做3D语义搜索？MonoVoc把几何和语义分开处理，内存直接省一个数量级。

原文

11:56

官方账号arXiv cs.AI@Jens Lehmann, Andrei Aioanei, Sahar Vahdati

论文提出Tycho编码代理系统，在ARC-AGI-3的25个公开游戏中用Claude Opus 4.8测试四种编排策略，Actor请求委托策略获得最高平均RHAE 88.49。GPT-5.6 Sol和Opus 5在该策略下均达到100.00 RHAE，并完成全部183个关卡。Opus 5比官方人类基线少用61%的计分动作，游戏均衡首轮人类重播中位排名为100.0。自动修复策略虽能更准确复现观察转移，但RHAE仅83.07，说明还需决定何时构建、修复或绕过模型。

论文 Tycho ARC-AGI-3 Claude Opus 4.8

推荐理由：Tycho让AI在ARC-AGI-3里边玩边建模，GPT-5.6和Opus 5都满分通关，动作效率还胜过人类基线。

原文

11:55

官方账号arXiv cs.AI@Rong Wu, Daocheng Fu, Licheng Wen, Xuemeng Yang, Shu Zou, Jianbiao Mei, Yuxin Wang, Hairong Zhang, Yu Yang, Tao Hu, Cong Zhang, Botian Shi, Pinlong Cai

MemHarness 框架在决策时用统一策略模型批判并重构检索到的经验，而不是像基线那样逐字回放。重构能力通过 GRPO 端到端训练自然涌现，无需额外监督。在 ALFWorld 和 WebShop 两个基准上，MemHarness 显著超过纯 RL 和静态记忆增强基线。分析表明，MemHarness 的重构目标可防止负迁移，并在 OOD 场景中保持鲁棒性。

论文 MemHarness ALFWorld WebShop

推荐理由：MemHarness 让智能体把旧经验改写到当前场景再用，在 ALFWorld 和 WebShop 上比静态记忆基线强不少。

原文

11:53

官方账号arXiv cs.AI@Andras Ferenczi, Jordan Docherty, Mariya Bessonov, Matthew Findlay, Krishna Lingamneni

论文提出Locksmith Loop，一种代理式测试合成方法，用于验证COBOL到Java的迁移正确性。该方法在商品硬件上同时运行COBOL源码和Java目标，通过Witness Search穿透分支并执行奇偶保留变异。在三个案例研究（两个开源程序和一个内部生产程序，规模从430到4,114行）中，Locksmith将分支覆盖率提升至接近完全，内部程序达到91.90%。生成的Java在所有接受测试用例中通过确定性奇偶校验。

论文 Locksmith Loop COBOL Java

推荐理由：这论文搞了个Locksmith Loop来验证COBOL转Java，实测分支覆盖率能到91.9%，比随机测强多了。

原文

11:52

官方账号arXiv cs.AI@Simone Giano, Lorenzo Severini, Alessandro Galdelli, Adriano Mancini

该论文针对灾难管理场景的视觉语言模型数据需求，从仅含图像的Incidents1M数据集中恢复了10万张图像，并使用Qwen3.5-4B和Qwen3.5-35B-MoE两种架构生成文本描述。为验证描述可靠性，作者提出图像不可见的LLM-as-a-Judge流水线，用Qwen3.5-9B模拟无数据蒸馏中学生的模态差距。在173,179个标签对上的评估显示，两种架构的语义一致性得分78.65/100，自动评估发现高精确率（77.6%）和低召回率（46.0%）的保守描述行为。该工作提供了可扩展的LLM验证多模态数据集，并揭示了原始标注中的人类不一致性。

论文 Theia Incidents1M Qwen3.5

推荐理由：想把纯图片的Incidents1M变成图文对？这篇用Qwen3.5做生成和验证，10万条描述加自动打分，干活靠谱。

原文

11:51

官方账号arXiv cs.AI@Kostis Michailidis, Dimos Tsouros, Nguyen Dang, Tias Guns

该研究用进化框架让LLM自动重构约束模型以提升求解效率。作者提出Profile-Diverse Retention策略，用最大边际相关性对实例级运行时间向量做去重。在8个CSPLib问题上验证，迭代重构带来显著留出集加速。保留多样化上下文的策略优于仅保留最近或最快尝试的策略。基于验证集的选择进一步提升了所有策略的加速效果。

论文 LLM 约束模型进化搜索

推荐理由：论文提出用LLM做模型重构，跑8个基准问题都有明显提速，做约束求解的可以看看这个PDR策略。

原文

11:50

官方账号arXiv cs.AI@Dheeraj Poolavaram, Aanchal Rajesh Chugh, Sebastian Dorn

论文提出 OPAL，一个针对工业在线三维装箱问题的操作引导放置感知学习框架。OPAL 将 OG-EMS 候选生成器、基于 xLSTM 的放置编码器与 PPO 训练的掩码排序策略相结合，对候选位置进行综合排序。在 BED-BPP 基准上，OPAL 的平均空间利用率达到 0.49，其中操作引导候选生成贡献 15.1% 的提升，学习排序贡献 6.3%。该方法同时关注空间利用率、稳定性、紧凑性和平衡性，面向实际工业码垛场景。

论文 OPAL 3D-BPP xLSTM

推荐理由：三维装箱难题，OPAL 不只会选位置，还用操作引导生成候选加学习排序，BED-BPP 空间利用率 0.49，候选生成贡献 15.1%。

原文

11:49

官方账号arXiv cs.AI@Zexuan Yan, Yuzhou Wu, Yue Ma, Zonghang He, Kaibo Yin, Xiaobing Tu, Yinggui Wang, Jinkui Ren, Xiantao Zhang, Shijian Wang, Jinghong Liu, Linfeng Zhang

EgoGenesis是一个基于预训练视频生成先验的自我中心世界动作模拟器，用于合成可控的操作视频。它通过在线锚定投影记忆（OAPM）保留第一帧3D场景锚点，并用Action-3D RoPE编码末端执行器运动。将400条真实轨迹与400条EgoGenesis生成轨迹合并后，单臂任务真实机器人成功率从77%提升至84%。双臂任务成功率从53%提升至70%，说明合成数据能显著改善下游世界动作模型的泛化。

论文 EgoGenesis 视频生成具身智能

推荐理由：EgoGenesis是个能生成机器人操作视频的工具，用400条合成数据就把单臂成功率从77%提到84%，双臂从53%提到70%，挺厉害。

原文

11:47

官方账号arXiv cs.AI@Xiaofei Xu, Quan Z. Sheng, Zhongjie Wang, Boualem Benatallah, Xiao Wang, Ruipeng Han

arXiv 论文 2607.28242 提出 AMServ 概念，将智能体服务与元宇宙结合。Meta-AaaS 作为其实现范式，把感知、决策、执行、协作和内容生成能力封装为即服务。论文回顾了 GenAI 从聊天机器人到智能体 AI 的关键转变，并分析了 AMServ 的典型应用场景。

论文 AMServ Meta-AaaS Agent-as-a-Service

推荐理由：想知道智能体怎么变成可调用的服务？这篇论文用 AMServ 和 Meta-AaaS 把概念和应用场景都讲了，还给了例子。

原文

11:46

官方账号arXiv cs.AI@Muhammad Sajjad Akbar

一项发表在arXiv上的研究评估了6款生成式AI在50个伊斯兰知识开放问题上的表现，涵盖古兰经注释、圣训、教法等4大领域。研究招募澳大利亚和英国参与者，在真实条件下收集回复，分析领域准确率、引用验证、幻觉、教法一致性等维度。结果显示，AI系统在引用验证和来源溯源上表现不佳，存在幻觉和不完整引用，且对教法学派分歧处理不一致。作者认为，AI可作为入门学习工具，但不能作为宗教裁决或学术研究的权威来源。

论文生成式AI 幻觉伊斯兰研究

推荐理由：想拿AI问伊斯兰教法？这篇论文用50个问题实测6款AI，看它们怎么编引用、怎么处理学派分歧。

原文

11:38

官方账号arXiv cs.AI@Sina Heydari, Amirreza Abbasi, Mohsen Hooshmand, Majid Ramezani

该论文提出轻量级对比去噪自编码器CDAE，通过联合优化对比学习和重构目标来精炼BERT嵌入，使其对同义替换、掩码和词丢弃等语义保持扰动不敏感。实验在多种扰动强度下对比了原始BERT和SimCSE，CDAE在嵌入相似度上始终更高。改进幅度随扰动增强而增大，表明其能在提升表示稳定性的同时保留语义信息。代码已开源。

论文 CDAE BERT SimCSE

推荐理由：想提升句向量对微小改动的抵抗力？这个CDAE方法比SimCSE更扛扰动，代码开源，可以试试。

原文

11:35

官方账号arXiv cs.LG@Michael Ben Ali, Imen Megdiche, André Péninou, Olivier Teste

FLAMECHE是一种新的聚类联邦学习方法，通过将元数据聚类重构为分布式期望最大化过程，使服务器更新仅依赖加法运算，从而兼容标准联邦学习的加密机制。该方法在多个数据集和异构场景下的实验表明，它提升了客户端模型的有效性，同时缓解了隐私保护、通信成本和计算效率之间的CFL三难困境。

论文 FLAMECHE 聚类联邦学习联邦学习

推荐理由：这篇论文提出了FLAMECHE，让聚类联邦学习也能用上加密保护，不用再牺牲隐私换效率。

原文

11:34

官方账号arXiv cs.LG@Jaume Ros, Alessio Arleo, Fernando Paulovich

作者提出Gap Index（GI）质量指标，通过将二维投影空间分解为空白三角形，并与高维对应部分比较来计算变形。该指标可以聚合为单一标量值，也可叠加在投影上可视化局部失真模式。实验表明，与常见质量指标不同，GI能捕捉具有高视觉影响的小型结构变形，且计算快速、可解释。

论文 Gap Index 降维散点图

推荐理由：降维图里的空白区域也会失真，这个新指标能发现其他指标看不出的视觉变形，论文不长，想学方法可以看看。

原文

11:33

官方账号arXiv cs.LG@Pere Martra, Eugenio Martínez Cámara, Alfonso Ureña López

Fairness Pruning是一种轻量结构干预方法，用于定位大语言模型中的群体偏见。实验在Llama-3.2系列和Salamandra-2B等最大3B参数模型上进行，结合标准基准和定性生成测试。在Llama-3.2-1B上归零最多40个神经元（不到总MLP宽度的0.031%），推理和通用知识能力保留均值达99.49%。由于BiasScore无符号，候选集混合了促进和抑制刻板印象的神经元，干预导致双向偏见失稳。结果证实群体偏见处理与模型能力运行在可分离的电路上。

论文 Llama-3.2 Salamandra-2B 模型剪枝

推荐理由：这篇论文教你用剪枝定位偏见：最多剪40个神经元，Llama-3.2-1B能力保住99.49%，但偏见不是消失而是换了方向。

原文

11:32

官方账号arXiv cs.LG@Tim Schwabe, Lukas Ketzer, Maribel Acosta

FICE是首个可泛化到完全未见知识图谱（包括未见关系）且无需重训练的BGP查询基数估计器。它基于因子图视角的图神经网络，用编码器生成实体和关系嵌入，再用解码器按查询连接拓扑预测对数基数。论文证明BGP基数是2-hop邻域的局部函数，支撑了局部消息传递编码器设计。在10个知识图谱上，FICE将整体中位q-error从最佳基线的13.54降至5.34，尾部表现全面领先。其推理延迟低于1毫秒，且通过邻域采样扩展到百万三元组规模。

论文 FICE Cardinality Estimation 知识图谱

推荐理由：FICE这个新模型，不用重训练就能用在没见过的知识图谱上，基数估计误差比之前最好的还低一半多，而且速度快到亚毫秒。

原文

11:30

官方账号arXiv cs.LG@Erick Eduardo Ramirez-Torres, Javier Macias-Guarasa, Daniel Pizarro, Javier Tejedor, Sira Elena Palazuelos-Cagigas, Pedro J. Vidal-Moreno, María R. Fernández-Ruiz, Sonia Martin-Lopez, Miguel Gonzalez-Herraez, Roel Vanthillo

该论文发布Marlinks-NS DAS数据集，包含74,771个标注实例，来自北海28公里埋地光缆中2,554米段连续10天的记录。数据集定义了船只检测和船只到电缆距离估计两个机器学习任务。每个实例包含250个传感通道的光谱能量特征，以及AIS衍生的距离和元数据。该数据集旨在支持可复现的海底电缆保护研究。

论文 Marlinks-NS DAS AIS

推荐理由：这个论文发布了北海海底光缆的DAS数据集，带7.4万条标注，可做船只检测和距离估计，防电缆被破坏。

原文

11:29

官方账号arXiv cs.LG@Rasmus Tirsgaard, Laurits Fredsgaard, Marisa Wodrich, Mikkel Jordahn, Mikkel N. Schmidt

该论文（arXiv:2607.28304v1）提出用集成共识目标训练分子图模型，解决分子领域难以设计标签保持增强的问题。实验覆盖多种分子数据集、任务类型和图神经网络架构，显示半监督集成共识能提升预测准确率。单成员模型经此训练后，在几乎所有情况下都优于传统监督方式训练的全集成，并降低校准误差。

论文图神经网络分子图半监督学习

推荐理由：这篇 arXiv 论文用集成共识做分子图半监督学习，不用费力设计数据增强，单个模型就能超过传统全集成，还降校准误差。

原文

11:27

官方账号arXiv cs.LG@Edoardo Ragusa, Giovanni Paolo Canuti, Simone Lugani, Rodolfo Zunino, Paolo Gastaldo

论文提出两种方法，利用RGB-D数据在小型深度网络中整合深度信息，包括重构的硬件感知神经架构搜索和专用微调流程。两个真实世界数据集上的实验显示，多数生成的解决方案能识别Pareto最优前沿，平衡泛化性能和硬件要求。原型采用Jetson Nano和RealSense RGB-D相机，整体能耗与智能手机电池兼容，可实现实时性能。

论文 Jetson Nano RealSense RGB-D

推荐理由：论文给嵌入式设备上的可供性分割提供了新思路，用Jetson Nano和RealSense做出实时方案，能耗跟手机电池差不多，比同类tiny方法更能处理复杂场景。

原文

11:26

官方账号arXiv cs.LG@Anubhav Lakra, Yue Feng

CACHE-UK是一种针对量化金融大模型的稳定性感知记忆编辑框架。它在4-bit量化的OpenLLaMA-3B上，使用rank-1 LoRA扰动将编辑限制在低秩适配器子空间，并引入金融领域优先级模块和闭环稳定性控制器。在包含88,021篇英国金融文档的语料上，CACHE-UK将知识退化相对降低11-17%，测试泛化率达28%，比最强适配基线高6个百分点。绝对泛化率仍然较低。

论文 CACHE-UK OpenLLaMA-3B 4-bit量化

推荐理由：CACHE-UK给量化小模型做连续记忆编辑，在4-bit下比现有方法少掉11-17%的知识，泛化率还高6个点。

原文

11:25

官方账号arXiv cs.LG@Bertil Braun, Martin Forell

这篇论文提出用多个LLM对输出做两两比较、再用Elo评分生成排名的评估框架。通过可调的同意阈值，从全票一致到多数投票，控制评估置信度与覆盖率。作者在科学摘要生成的胜任力画像上做了验证，自动排名与专家判断相关性良好。相比人工评估显著减少干预成本，且不依赖参考标准。论文编号为arXiv:2607.28282v1。

论文 LLM评估 Elo评分自动化评估

推荐理由：多模型两两PK加Elo计分来评LLM输出，能调阈值控严格度，科学摘要上跟专家判断挺接近。

原文

11:08

官方账号arXiv cs.LG@H. Martin Gillis, Thomas Trappenberg

这篇综述系统梳理了深度学习中的不确定性量化（UQ）方法，聚焦集成近似和近似贝叶斯两大类。作者将方法分为五个家族：贝叶斯神经网络、蒙特卡洛Dropout、深度集成、高效集成近似以及最后一层或单次前向方法。文中同时讨论了证据网络、保形预测、事后校准，以及分布外检测和选择性预测。综述还对比了熵分解与成对散度度量，并单独讨论了大型语言模型中的不确定性。

论文不确定性量化深度学习贝叶斯神经网络

推荐理由：想搞清深度模型怎么给出靠谱置信度？这篇把贝叶斯、Dropout、集成、单次前向等方法全梳理了一遍，还讲了各自局限，适合入门和选型参考。

原文

11:07

官方账号arXiv cs.LG@Luigi Sigillo, Matteo Silvestri, Francesco Tabaro, Rajat Bhatnagar, Syed Irtaza Mubashar, Matt Jeffryes, Daljit Nijjer, Vittorio Perera, Ola Spjuth, Julio Saez-Rodriguez, Melissa Harrison, Fabio Petroni

EMBL AI Librarian是一个面向AI智能体的生命科学知识层，将Europe PMC的40M条文献记录升级为自然语言问答接口。它用单个LLM编排互补子查询，并由同一模型阅读选中论文以定位证据。在ScholarQABench基准上，Librarian的Citation F1比近期强基线高出16分以上。在LitQA2基准上，接入Librarian的GPT-5.4智能体比使用网页搜索得分高约8分。代码已在GitHub公开。

论文 EMBL AI Librarian Europe PMC GPT-5.4

推荐理由：生命科学智能体可以直接用自然语言查文献了，EMBL AI Librarian在LitQA2上比网页搜索高8分，代码已开源。

原文

11:06

官方账号arXiv cs.LG@Cas Decancq, Thomas Mortier, Jessica Keune, Diego G. Miralles

arXiv论文评估了Pangu-Weather、FuXi、ArchesWeather、AIFS、GraphCast和Aurora六种深度学习天气仿真器，在10-15天超前时间下预测全球近地表温度和极端高温的表现。结果显示多个仿真器在确定性温度技能上媲美甚至超过物理模型，但存在频谱模糊问题。所有模型对极端高温都有一定预测技能，但多数低估峰值强度，IFS的召回率高于所有仿真器。研究凸显AI提升延伸期温度预测的潜力，也指出可靠预警的挑战。

论文 Pangu-Weather FuXi GraphCast

推荐理由：这篇论文把六个AI天气模型和传统模型放在一起比了10-15天的高温预报，发现AI能追平但会糊掉极端值，搞气象预测的值得看看。

原文

11:05

官方账号arXiv cs.LG@Yusen Liu, Yong Wang, Yifan Yin, Tianqing Zhu, Xiufeng Liu, Huan Huo

本文提出一个基于Transformer自注意力机制的因果发现框架，用于处理多元时间序列数据。新引入的倒置因果自注意力模块（CSAM）通过翻转token并引入注意力稀疏性，突出潜在和间接因果关系，抑制伪相关。框架还包含全局因果算法与因果验证模块，前者提供整体因果影响度量，后者增强识别出的因果关系的可靠性。在线性和非线性数据集上的实验及消融研究表明，该框架优于现有方法。

论文 CSAM 因果推断时间序列

推荐理由：这篇论文把Transformer的自注意力倒过来用，专门抓多元时间序列里的间接因果，还带验证模块，实验效果比现有方法好。搞因果推断的值得看看。

原文

11:04

官方账号arXiv cs.LG@Pouya Rajabi, Mohsen Toorani

论文提出一个基于掩码安全聚合的联邦学习框架，用于TUH EEG临床数据。框架结合图通信、阈值秘密共享、抗掉线聚合、更新裁剪、布隆过滤器记录链接和公证人验证，并用Flower实现。在TUH EEG衍生数据的跨孤岛模拟中，安全变体对聚合服务器隐藏个体更新，且与联邦模型训练兼容。在Flower的多种客户端配置下，半诚实变体开销最低，恶意设置变体和辅助公证人变体提供更强一致性但增加计算、通信和轮时开销。

论文联邦学习安全聚合 EEG

推荐理由：联邦脑电训练怕泄露？这篇用掩码安全聚合在Flower上实现，TUH EEG验证，半诚实开销最低。

原文

11:02

官方账号arXiv cs.LG@Mostafa Haghir Chehreghani

该论文研究向循环图神经网络每步传播后注入独立高斯噪声的架构，并将其分析为随机动力系统。在标准全局收缩假设下，作者证明隐藏表示构成几何遍历的马尔可夫链，存在唯一不变概率测度。主要理论结果给出平稳状态Dirichlet能量的显式正下界，该下界与噪声方差和图的谱间隙成正比。这从理论上保证了平稳表示不会塌缩到常量流形，即渐近过平滑被严格防止。实验在线性和非线性循环GNN上验证了理论预测，呈现稳态分布及能量对噪声强度的依赖关系。

论文 GNN 过平滑高斯扰动

推荐理由：这篇文章用加噪声的办法治GNN过平滑，从数学上给你保证不塌缩，还和残差连接、归一化这些老办法做了对比。

原文

11:01

官方账号arXiv cs.LG@Changjian Liu, Tianyu Wang, Xiaoxuan Deng, WenTao Zhu, Yuwei Xu, Jungqi Jin, Yong Gao, Chuan Yu, Jian Xu, Bo Zheng

论文提出ReAlloc，一个用于多通道预算分配的快速-慢速因果框架。它通过正交教师从短期日志提取无偏局部梯度，再由解释引导学生蒸馏为长期边际收益场。在淘宝平台的大规模在线A/B测试中，ReAlloc同时提升了支付订单数和收入。与标准预测-优化方法相比，该方法能处理跨渠道替代效应并避免外推。

论文 ReAlloc Uplift模型因果推断

推荐理由：这篇论文教电商平台怎么在多个营销渠道间分钱，用ReAlloc框架在淘宝实测同时涨订单和收入，比传统预测-优化方法更稳。

原文

10:59

官方一手arXiv: OpenAI@Daniel Silva, Renan Alves, Emanuel Dantas Filho, Ademar Sousa Neto, Mirko Perkusich, Danyllo Wagner Albuquerque, Kyller Gorgônio, Angelo Perkusich

该论文针对OpenAI o3生成的微服务分解提出基于静态依赖分析的自动验证流程，在PetClinic和Bookstore两个系统上比较零样本与少样本提示策略。使用依赖保持（TPD）和依赖违反（TVD）指标评估，并通过鲁棒性分析控制类到服务映射覆盖差异。标准化后两种策略的结构遵从性等价，TPD值分别为68.0%和83.3%。结果表明，结构评估需显式控制映射覆盖率，否则提示策略间的差异可能是方法偏差。

论文 OpenAI o3 PetClinic Bookstore

事件专题

推荐理由：这篇论文用源码依赖实测OpenAI o3拆微服务的靠谱度，零样本和少样本结果差不多，TPD达到68%和83%。

原文

10:46

官方一手arXiv: OpenAI@Muhammad Laiq

该论文在基准数据集上比较了七种安全漏洞报告识别技术，涵盖传统机器学习与大型语言模型。SetFit取得最佳综合表现，F1分数达0.80，在四个数据集中的三个上领先。RoBERTa表现接近，在部分项目中与SetFit相当。传统方法如Logistic回归在特定场景下仍有优势。GPT-5.2在零样本和少样本设置下均表现不佳。

论文 SetFit GPT-5.2 RoBERTa

推荐理由：这篇论文把七种识别安全漏洞报告的方法拉到一起比了比，结果SetFit最猛，GPT-5.2反而拉胯。做漏洞管理的人可以参考。

原文

10:38

官方一手arXiv: OpenAI@Danyllo Albuquerque, José Renan, Guillermo Rodríguez, Guillermo Rodríguez, Emanuel Dantas, Ademar França, Mirko Perkusich, Kyller Gorgônio, Angelo Perkusich

精选

一项研究评估了 OpenAI o3 仅凭文本需求生成微服务架构的能力，测试对象为 Bookstore 和 PetClinic 两个系统。少样本提示下服务识别 F1 达 0.97，显著高于零样本的 0.79；通信恢复 F1 从 0.61 提升至 0.82。盲审专家认为少样本输出在模块性、连贯性和合理性上优于零样本。研究者指出结论受限于两个小型系统，不能视为模型无关的普遍证明。

论文 OpenAI o3 微服务需求工程

事件专题

推荐理由：OpenAI o3 能直接从需求文档拆出微服务，少样本示例让 F1 从 0.79 涨到 0.97。想用 LLM 做架构设计的可以看这篇。

原文

10:35