全部 AI 动态 · AI 热点

7月29日

11:23

官方一手arXiv: DeepSeek@Jia Liu, Veena Krishnaraj, Kateryna Vovk, Kosuke Aizawa, Adrian E. Bayer, Linda Blot, Jessica Cowell, Suyog Garg, Jonathan Grée, Anamaria Hell, Ben Horowitz, Masaya Ichikawa, Kanyuni Iemoto, Keigo Kondo, Zacharie Lorsin, Kevin McCarthy, Jamie Robinson, Miguel Ruiz-Granda, Leander Thiele, Ievgen Vovk, Mingshen Zhou

该研究测试了大型语言模型（LLMs）在科研项目规划和提案评估中的表现。人类研究者与ChatGPT、Claude、DeepSeek（2025年中模型）分别生成了8个专家构思的研究项目的一页计划，共计32份提案。4位人类评审员和2个前沿LLM（Claude Opus 4.8、ChatGPT Pro 5.5）采用四维度评估标准盲审。人类评审员对AI和人类提案的整体评分相似，而AI评审员对AI提案的评分平均高出约1分（5分制）。人类评审员正确识别人类和AI提案的比例分别为72%和79%，而两个AI评审员均100%正确分类。研究表明当前LLM能生成与人类提案相当的计划，但AI评审员存在系统性偏好。

论文 ChatGPT Claude DeepSeek

推荐理由：这篇论文测试了ChatGPT、Claude、DeepSeek写科研计划的能力，发现人类评委分不出好坏，但AI评委偏爱AI写的。值得一读。

原文

11:21

官方账号arXiv cs.LG@Simple AI, :, Yuteng Wei, Jinming Ma, Jiawei Wang, Weitao Zhou, Yushen Zuo, Ke Rui, Minglei Li, Jinhao Zhang, Zhikang Pan, Xiang Wang, Haoran Jia, Huan Du, Zicheng Zeng, Jun Ma, Guiyu Qin, Di Zhang, Xiaofei Li

HiFi-UMI是一个便携式UMI数据生产系统，无需外部跟踪即可达到3毫米末端执行器精度。它通过头戴式立体惯性SLAM、原生相对位姿、微秒级GPIO触发和每只手两个广角相机（覆盖约200度）提升数据质量。使用该数据后训练的策略可直接部署到真实机器人，在StarVLA-QwenPI、OpenPI-pi_0.5和LingBot-VA三个骨干上成功率差异仅为-2.5、+3.1和-0.6个百分点。在精密插入任务上最强策略达到85%成功率。预训练4000小时可将十个未见任务的动作误差降低41%，并在StarVLA-QwenPI上将真实机器人成功提升18.1个百分点。研究团队开源了2000小时微秒同步超广角数据集HiFi-UMI-2K。

论文 HiFi-UMI UMI StarVLA-QwenPI

推荐理由：HiFi-UMI造了一套便携数据采集系统，不用真机器人就能让策略直接部署，精度3mm，效果跟真实遥操作差不多，还开源了2000小时数据集，搞机器人操作的可以看看。

原文

11:20

官方账号arXiv cs.LG@ Sha, Miao, Alexandra Vendetti, Logan Smart, Gunta Chomchalerm, Yang Chen, Christopher Frazier, Dustin Haralson, Jeremy Sorenson, Xiao Ma, Huafei Sun, Aaron Shinn, Haining Zheng, Xiao-Hui Wu, Peng Xu

论文提出一种自动化数据驱动工作流，集成ML模型预测气举性能曲线，并采用贝叶斯优化框架在设施容量约束下求解最优注气速率。该ML模型仅需历史生产时间序列数据，无需井下压力计或多速率试井。在Bakken油田5个井场30口井的试点中平均增产超过5%，目前已全面部署至200余口气举及柱塞辅助气举井。此方法特别适用于因成本或设施限制无法获取井下数据或多速率测试的资产。

论文 Bakken Gas Lift Machine Learning

推荐理由：这篇论文用ML加贝叶斯优化，在Bakken油田200多口井实现了5%以上的增产，不用额外下设备，省钱又高效。

原文

11:19

官方账号arXiv cs.LG@Du Yin, Xiachong Lin, Yue Tan, Jinliang Deng, Estrid He, Hao Xue, Flora D. Salim

A2TTA 提出了一种针对动态交通传感器网络的测试时自适应框架，解决拓扑扩展（新增传感器和连接）和多尺度时间偏移（长期与短期变化）两大挑战。该方法将拓扑引起的预测误差转化为可扩展的输出校准问题，并将时间适应分解为持久全局校正和敏捷上下文特化。在 10 个真实交通网络上的实验表明，A2TTA 在不同主干网络、数据集和预测时域下均能持续提升预测性能。代码已开源。

论文 A2TTA 测试时自适应交通预测

推荐理由：A2TTA 能应对道路扩建和出行变化导致的预测不准，在 10 个真实网络测试中效果明显，搞交通预测的可以看看。

原文

11:14

官方账号arXiv cs.AI@Frank Nie, Ethan B Liu, Yuan Zhu, Wei Fan, Jindong Han

ClinPRISM是一个针对不规则临床时间序列（ICTS）问答的多模态LLM推理框架，采用4B参数LLM骨干。它通过不规则感知多尺度编码器捕获稀疏临床证据，使用时间证据蒸馏器将多尺度表示压缩为16个LLM兼容tokens。框架引入渐进对齐策略，将不规则轨迹与LLM文本嵌入空间对齐。训练数据包含30,000个临床时间序列和41,000个指令微调实例，覆盖11个任务。在保留评估基准上，ClinPRISM达到最先进性能，平均推理延迟仅0.15秒每问题。

论文 ClinPRISM 多模态时间序列

推荐理由：这论文搞了个ClinPRISM框架，专门搞定不规则时间序列的医疗问答，只用16个token和0.15秒回答一个问题，比现有大模型省资源还更准。

原文

11:13

官方账号arXiv cs.AI@Rui Yang, Weihao Xuan, Yi Lin, Zhuhan Bao, Jonathan Chong Kai Liew, Matthew Yu Heng Wong, Nicolás Lescano, Nikita R. Paripati, Emily Ling-Lin Pai, Jiarui Liu, Heli Qi, Heng-Jui Chang, Benny Kai Guo Loo, Huitao Li, Kunyu Yu, Yufan Wang, Chuan Hong, Shijian Lu, Douglas Teodoro, Naoto Yokoya, Ross Koppel, Mona Diab, Hua Xu, David W. Bates, Nan Liu, Yifan Peng

ClinMM-Bench是迄今最大的多轮多模态临床诊断评估基准，包含1089个真实临床案例和3760张医学图像，覆盖8个专科。研究使用两级评估框架，对15个代表性多模态大模型进行诊断准确性和推理质量评测。结果显示，专有模型总体准确率最高，但完全正确诊断的比例仍很低。错误分析识别出信息整合失败、知识映射错误、感知错误、过早闭合和视觉幻觉五种典型失败模式。

论文 ClinMM-Bench 多模态大模型临床诊断

推荐理由：临床诊断AI评估有新基准了！1089个真实案例、3760张影像，15个模型测试下来发现，再好的模型完全正确诊断率也不高，而且容易犯信息整合错误和视觉幻觉。

原文

11:12

官方账号arXiv cs.AI@Hui Wei, Hao Yu, Guoying Zhao

该综述首次统一覆盖物理域（可穿戴设备）、传感器域（集成隐私机制）和数字域（像素/外观级修改）的人脸去识别方法。数字域方法包括早期像素级修改和近期基于生成模型的保属性匿名化。传感器域方法在图像采集时嵌入隐私保护，弥合传感系统与下游视觉算法的鸿沟。物理域方法通过穿戴配件在现实环境中隐藏身份信息。现有评估协议缺乏标准化，该综述呼吁建立综合性基准。

论文 Face De-Identification 隐私保护计算机视觉

推荐理由：这篇综述把物理遮挡、传感器级和后期处理这三类人脸去识别方法都串起来了，想入行或找方案的读这篇就够了。

原文

11:11

官方账号arXiv cs.AI@Tereza Kinská, Jan Křetínský, Tobias Meggendorfer, Sabine Rieder, Maximilian Weininger

dtControl2+ε扩展了dtControl2工具，针对马尔可夫决策过程（MDP）中的控制器表示问题。通过引入允许的精度损失参数ε≥0，该工具能生成更小的决策树，同时保证ε-最优性。相比现有最优方法，生成的决策树规模可减少数个数量级，从而提升人机理解释性。方法在保持核心控制逻辑的前提下，可控地省略细节。

论文 dtControl2 决策树 MDP

推荐理由：想搞懂马尔可夫决策过程控制器可解释性的可以看看这个。dtControl2+ε用ε容忍度换更小更易懂的决策树，比原先的压缩效果好很多。

原文

11:10

官方账号arXiv cs.AI@Carlos Celemin, Benedict Wilkins, Adrián Barahona-Ríos, Saman Zadtootaghaj, Nabajeet Barman

该研究探索了视觉语言模型(VLMs)在基于agent的游戏QA管道中检测几何裁剪异常。自定义探索agent收集视觉数据，自动标注管道提供帧级标签。零样本设置下测试了Gemini、GPT、Qwen、Gemma、Llama和Ministral六种VLM及四种提示变体。Gemini-3.1-Flash在总体准确率和提示鲁棒性上表现最佳，开源模型则对提示设计敏感。当前VLMs更适合作为多阶段QA管道中的高召回候选过滤器。

论文 Gemini GPT Qwen

推荐理由：这篇论文用六种VLM检测游戏里的几何裁剪bug，发现Gemini最稳，开源模型要看怎么问提示词。想了解VLM实际落地坑点的可以看看。

原文

11:09

官方一手arXiv: Google DeepMind@Ibrahim Mian, Shayaan Siddique

Erdős-Selfridge 奇数覆盖问题（Erdős #7）询问是否存在模数全为奇数、互异且大于 1 的覆盖系统。该论文在 Lean 4 中形式化证明了如下排除结果：任何由有限个同余类组成的奇数覆盖（模数互异且 >1）的最小公倍数必须超过 10000。证明结合了形式化的密度论证（覆盖的 lcm 必须是丰数或完全数）、核检查的丰数下界（无奇数 N<945 满足条件）、对 10000 以下全部 23 个奇数丰数的中国剩余容量证明，以及核检查的枚举。结果被移植到 google-deepmind/formal-conjectures 中的官方 StrictCoveringSystem ℤ 表述。全部 63 个已发布定理仅依赖 propext、Classical.choice 和 Quot.sound，无 any sorry 或 native_decide。

论文 Erdős-Selfridge Lean 4 形式化验证

推荐理由：DeepMind 用 Lean 4 把 Erdős-Selfridge 问题的一个下界（lcm>10000）变成了机器可检查的定理。对形式化数学和定理证明器感兴趣的话，这个工作很硬核。

原文

11:08

官方一手arXiv: Anthropic@Giuseppe Destefanis

Anthropic 发布了 Agent Skills 的开放规范，支持在多种代理工具中按需加载可复用的过程性知识。该论文主张技能应视为软件工件，遵循单一职责、接口与实现分离、低耦合、共享 token 预算等软件工程原则，并用行为评估取代确定性测试。论文以 Claude Code 为参考实现，详细说明了技能的结构、分阶段加载机制以及影响选择的描述编写方法。作者对比了技能与项目记忆文件、斜杠命令、子代理、外部工具连接和钩子等机制，给出了基于“谁决定执行”和“提供什么保证”的选择规则。论文还提出了评估驱动的编写流程、常见模式和故障，并探讨了第三方技能的可信问题。

论文 Agent Skills Anthropic Claude Code

事件专题

推荐理由：Anthropic 出了 Agent Skills 的开放规范，这篇论文教你用软件工程方法写技能，有 Claude Code 的实操细节，还有和其他机制的选择规则，搞 agent 开发的值得看。

原文

10:38

官方账号arXiv cs.LG@Weixin Liu, Juming Xiong, Congning Ni, Yanfan Zhu, Xingtao Lin, Bradley A. Malin, Zhijun Yin

DRIFT是一个混合框架，结合直接预测与递归动作条件校正。在MIMIC-IV（6046次住院）和eICU-CRD（8345次住院）上评估，8/24/48小时平均动脉压（MAP）平均绝对误差相比动作条件TFT（TFT-action）降低0.673%。在处理序列变化的窗口内，DRIFT在8和24小时MAP误差低于TFT-action。序列变化导致DRIFT的MAP误差增加0.21-0.26 mmHg，预测差异主要出现在路径分叉后。

论文 DRIFT MIMIC-IV eICU-CRD

推荐理由：这篇论文提出了DRIFT，一种ICU生理轨迹预测新方法，在MIMIC-IV和eICU-CRD上比TFT-action的MAP误差低0.67%，尤其在治疗序列变化时表现更准。

原文

10:05

官方账号arXiv cs.LG@Rui Liu, Benjamin Paassen

表面肌电（sEMG）用于控制假肢，但现有研究多聚焦基本动作，而日常活动需组合动作。论文提出CPI和SAP两种原型网络方法，实现仅用基本动作训练后零样本识别未见组合动作。在NearLab、NinaPro DB3及新采集的BasCom数据集上，SAP准确率较现有零样本方法提升超过20%。用户在线实验也验证了优势。

论文 sEMG CPI 零样本学习

推荐理由：这篇论文提出了两种新方法，只用基本动作训练就能识别组合动作，在多个数据集上准确率提升超20%，挺实用。

原文

10:01

官方账号arXiv cs.LG@Shivani Saini, Ramesh Kumar Vats, Arup Kumar Sahoo

该论文提出SpectONet，融合DeepONet与物理约束和Chebyshev-Gauss-Lobatto非均匀传感器放置。相比传统DeepONet使用均匀传感器，SpectONet在边界附近集中采样，提升边界敏感结构响应的表示效率。在三个合成EBB振动问题和真实桥梁振动数据集上，SpectONet相比Vanilla DeepONet、PI-DeepONet、PINN、CNN-UNet等基线，预测误差降低至少64%（合成问题）和至少37%（实测问题）。该方法实现了准确、计算高效且物理一致的算子学习框架。

论文 SpectONet DeepONet 物理信息神经网络

推荐理由：这篇论文提出了SpectONet，在梁振动问题上比传统DeepONet误差降低至少64%，物理一致性更好，值得研究结构动力学的朋友一看。

原文

10:00

官方账号arXiv cs.LG@Zhaojun Peng

精选

该论文提出MC-ALFCG，一种结合动量条件梯度与耦合截断多级蒙特卡洛估计的方法，用于处理固定遍历马尔可夫链单轨迹梯度采样下的非凸复合优化。在正中心噪声下，期望样本复杂度为Õ(τ_mix²G_σ ε⁻³ + τ_mix^(5/2) G_σ² ε⁻³ + τ_mix⁵ ε⁻²)，其中τ_mix为混合时间。精确无噪声版本达到Õ(ε⁻²)的复杂度且常数与混合时间无关。数值实验验证了参数灵敏度和剪枝行为。

论文 MC-ALFCG 条件梯度方法方差缩减

推荐理由：这篇论文搞了个新方法MC-ALFCG，专门对付马尔可夫链采样下的非凸优化，理论复杂度给得很细，数值实验也做了，搞优化算法的可以看看。

原文

09:59

官方账号arXiv cs.LG@Madi Makin, Asmaa Abdallah, Abdulkadir Celik, Ahmed M. Eltawil

WALoMA是一种针对6G无线物理层的多任务基础模型，采用掩码自编码器（MAE）范式从未标记信道数据中学习。它使用2D位置编码保留天线与子载波间空间频率关系，并通过低秩适应（LoRA）实现参数高效微调。在五个下游任务中，WALoMA分别达到96.47%（LoS/NLoS分类）、80.45%（波束预测）、85.78%（信道插值）、99.12%（信道估计）和77.18%（信道映射）。其复合分数87.80%，大幅超越大无线模型（LWM）的59.90%，且仅训练14.68%的总参数。即使在标注数据极端稀缺条件下仍保持强性能。

论文 WALoMA 6G LoRA

推荐理由：这篇论文搞了个WALoMA，能用一个模型处理6G多个无线任务，只用少量标注数据就拿到87.8%的平均分，比LWM高了近28个百分点，参数只训练了14%。

原文

09:57

官方账号arXiv cs.LG@Eng-Shen Tu, Yong-Han Chen, En-Chao Liu, Hao-Yun Keng, Cheng-Te Li

本文提出基于规则的访问循环（RVC）模型，用于解决IEEE Big Data Cup 2022的行程目的地预测任务。该任务给定4个训练大都市区的行程数据，要求预测目标大都市区的目的地，而目标区的目的地完全未知。RVC通过利用重复访问行为和出发地-目的地关系，无需从训练区学习即可直接预测。在离线评估和排行榜提交中，RVC显著优于监督学习方法和其他启发式方法，最终获得比赛第二名。

论文 RVC IEEE Big Data Cup 2022 Trip Destination Prediction

推荐理由：这篇论文用了一个简单的规则方法，在IEEE竞赛中拿了第二，比机器学习方法还厉害。

原文

09:55

官方账号arXiv cs.LG@David Demitri Africa, Cate Heine, Nadine Staes-Polet, Kimberly Mai

arXiv论文提出通过LoRA权重左上角奇异向量(u1)生成无推理指纹，检测用于生成儿童性虐待材料的LoRA。研究以人类年龄作为CSAM的良性代理，发现u1能识别LoRA训练内容，跨基模型泛化，并对无关良性内容弃权。该信号对权重噪声、重缩放和精度降低具有鲁棒性。结果表明可从权重直接筛查有害LoRA，无需依赖元数据或生成有害输出。

论文 LoRA CSAM 图像生成

推荐理由：想知道怎么不跑图就能筛出有害LoRA？这篇论文用权重向量做指纹，跨模型都管用，比看元数据靠谱多了。

原文

09:55

官方账号arXiv cs.LG@Thomas Hickling, Dylan Wynne, Yu Su, Nabil Aouf

本文提出一种结合共享体素地图世界模型与多智能体Soft Actor-Critic（MASAC）控制器的室内无人机协同导航框架。多个无人机将360度LiDAR观测融合到共同的世界坐标系占据地图中，转换为紧凑的鸟瞰图（BEV）表示，每个智能体获得自我对齐的局部裁剪。在仿真中，该控制器在走廊导航中达到90.3%的成功率，优于A*规划、人工势场控制器和先前的引导方法。通过离线模仿微调，将仿真训练的策略适应真实数据，在GNSS拒止的室内环境中实现双无人机稳定协作。

论文 MASAC UAV LiDAR

推荐理由：这篇论文用共享体素地图加MASAC实现了多无人机室内导航，仿真成功率90.3%，真机也能跑。比A*和人工势场都好，还解决了sim-to-real问题。

原文

09:49

官方账号arXiv cs.LG@Ezgi Oztekin, Figen Oztoprak, S. Ilker Birbil

Dynamic Constraint Learning (DCL) 提出一种数据驱动框架，用于在约束函数未知且无法查询时进行约束优化。该框架在每个迭代中从附近数据学习局部代理，并在数据支持的信任区域内求解子问题。与离线全局约束学习相比，DCL使用局部代理，适应优化过程中的数据分布。在合成测试问题和一个文献案例研究中，DCL实现了与全局模型相当的解决方案质量，同时使用更简单的局部模型和更小的优化子问题。

论文 Dynamic Constraint Learning 约束优化数据驱动

推荐理由：这篇论文提出DCL方法，在约束函数未知时用局部代理高效优化，解决了实际难题，值得关注。

原文

09:38

官方账号arXiv cs.LG@Xinyi Hong, Pinjun Dong, Xinyang Yu, Binyan Jiang

现有工具检索方法逐个评分或顺序组装工具集，忽略了候选集的联合效用。新提出的HYSET方法将工具检索建模为查询条件超边预测，在工具共调用超图上以工具集为单元评分。HYSET通过基数特定交互捕获工具兼容性，并在ToolBench基准上持续超越当前最优基线。该方法支持零样本和少样本迁移，可在最小监督下泛化到未见工具和领域。

论文 HYSET ToolBench 工具检索

推荐理由：想提升LLM智能体调用工具的准确率？这篇论文的HYSET方法把工具集当成整体打分，比单个检索靠谱，ToolBench上全面领先。

原文

09:37

官方账号arXiv cs.LG@Abhishek A. Sabnis, Mihai Mitrea, Lya Lugon, Karine Sartelet, Marc Bocquet, Xiaoyuan Cheng, Shupeng Zhu, Sibo Cheng

该论文提出一种基于扩散生成模型的框架，用于从稀疏监测站观测数据重建巴黎的四种主要污染物（NO2、O3、PM2.5和PM10）的分布。模型在模拟的全场数据上训练，并在9至28个监测站的真实观测上评估，与确定性深度学习模型进行基准对比。实验表明，生成模型在模拟验证数据上达到高结构相似度，并通过功率谱分析生成更符合现实的污染空间模式。作者还引入数据增强方法，使模型无需重新训练即可泛化到实际观测场景。

论文扩散模型空气质量重建巴黎

推荐理由：研究者用扩散模型从少量监测站重建全城空气污染图，比传统确定性方法生成的模式更真实，还能跨时间迁移，值得关注。

原文

09:36

官方账号arXiv cs.LG@Moisés Santos, Peter van der Putten, Bernhard Pfahringer, Carlos Soares

Rashomon Alignment (RA) 从几何视角衡量两个模型的功能相似性，不依赖于特定数据分布。RA 通过均匀采样计算几何对齐，在超过90个数据集上进行了实验。实验结果表明，几何对齐与分布对齐提供互补的相似性信息。RA 可用于模型选择、集成构建和模型可解释性。

论文 Rashomon Alignment 模型相似性几何对齐

推荐理由：这篇论文提出了一个衡量模型相似性的新方法，从几何角度看模型决策边界，在90多个数据集上验证了效果，适合需要做模型选型或集成的朋友参考。

原文

09:24

官方账号arXiv cs.LG@Muhammad Akbar Khan, Fahim Raees, Ubaida Fatima

该论文提出两阶段计算框架，用于热力学排名五种低成本本土墙体材料：泥砖、粘土-稻草土坯、石灰稳定竹板、烧制粘土砖和石灰-泥复合材料。第一阶段用Crank-Nicolson有限差分法模拟1500个周期日解；第二阶段用物理信息神经算子（PINO）学习参数到解的映射，相对L2误差5.14e-4，峰值内表面温度平均绝对误差0.201 K。PINO仅需150个FDM样本即可达到数据驱动FNO用300样本的效果。在名义炎热干燥夏季，粘土-稻草土坯获得最优成本-性能指数。气候扫描显示，在亚环境室外条件下排名反转，烧制粘土砖表现最佳。

论文 PINO FNO 物理信息神经网络

推荐理由：这篇论文用PINO精确排名五种低成本墙体材料的热性能，数据少时比纯数据驱动方法更准，还能识别不同气候下的最优方案。搞建筑节能的可以看看。

原文

09:24

官方账号arXiv cs.LG@Mohammad Forouhesh

Contextual Deconvolution (CD) 是一种两阶段估计器，通过核调制带状算子将促销冲击从结构性基线中分离出来。在30490个M5 SKU和2845个Favorita商品上的评估显示，CD降低了安全库存、持有成本和订单方差，但仅在持有成本超过缺货成本的约20%（95%置信区间[17%,25%]）时才降低总成本。CD在跨SKU误差离散度上优于11个基线，并在所有M5四轮评估中排名第一。该方法无需逐SKU训练，可扩展至目录级部署。

论文 Contextual Deconvolution 需求感知促销零售

推荐理由：这篇论文提出了CD方法，能区分促销冲击和基线需求，降低库存成本波动。在3万多个SKU上验证，比传统模型更稳定，适合零售需求预测场景。

原文

09:22

官方账号arXiv cs.LG@Dário Passos

论文在25个近红外回归任务上测试了光谱数据属性（熵、内在秩、小波能量支撑比等）能否为CNN设计提供经验先验。使用两种可解释1D-CNN框架，通过5折交叉验证贝叶斯超参数优化（HPO）发现：最小CNN中最佳卷积核分数随光谱熵和内在秩降低、随小波能量支撑比升高，学习率随训练集大小降低。直接和留一数据集验证的中位测试RMSE比分别为0.953和1.017，接近HPO性能。单独实验中联合预处理和CNN HPO在19/25任务上优于标准化光谱HPO。

论文 CNN NIR 化学计量学

推荐理由：这篇论文告诉你，不用盲目调参：用光谱的熵、相关性等指标就能提前猜出CNN该设多大卷积核、多少学习率，省掉一堆试错时间。

原文

09:21

官方账号arXiv cs.LG@Bastian Pfeifer

论文提出一种对比表示学习框架，将多变量疾病轨迹建模为时间图。节点代表患者在不同时间的观察，边捕捉时间连续性和轨迹结构相似性。框架使用结构感知随机游走引导对比图神经网络，生成保留时间上下文的嵌入。这些表示能对具有相似疾病进展模式的患者进行鲁棒聚类，并揭示纵向数据中的潜在结构。实验在真实临床数据上验证了有效性。

论文对比学习图神经网络疾病轨迹

推荐理由：这篇论文用对比图神经网络给疾病轨迹建模，能更精细地聚类病程相似的患者，比传统方法好用。

原文

09:18

官方账号arXiv cs.LG@Yi Xu, Cheng Chen, Mufan Cao

OrthKD提出一种选择性信任知识蒸馏框架，针对强CNN教师（EfficientNet-B3，0.876 QWK）与弱Transformer教师（Swin-Base，0.830 QWK）的互补性，仅从强教师转移完整监督，从弱教师提取特征，并强制学生投影正交化。在132049张视网膜图像上，5.4M参数的MobileNetV3学生模型在EyePACS上达到0.885 QWK，零样本Messidor-2性能从0.507提升至0.728 QWK，同时具备强转诊AUC和校准能力。该方法在资源受限设备上实现了实用的DR筛查。

论文 OrthKD EfficientNet-B3 Swin-Base

推荐理由：论文提出OrthKD蒸馏方法，用异构教师知识教轻量模型，DR筛查准确率从0.507涨到0.728，适合边缘部署。

原文

09:16

官方一手arXiv: DeepSeek@Maxim Chupilkin

论文使用动态序数理想点方法，将LLM作为受访者分析1946-2025年5555份联合国决议。支持率从DeepSeek的37.8%到GPT-5的97.3%。在21世纪，GPT-5、Claude Sonnet和Gemini最接近俄罗斯，DeepSeek最接近法国，所有四个模型均远离美国。针对美国反对而中俄支持的2104项决议，GPT-5支持96.1%，Gemini 83.4%，Claude Sonnet 65.2%，DeepSeek 36.1%。

论文 DeepSeek GPT-5 Claude Sonnet

推荐理由：用联合国投票数据测了四个大模型的政治立场，发现DeepSeek最亲法，GPT-5最亲俄，跟开发者国家不一样。

原文

09:15

官方一手arXiv: OpenAI@Abu Bakar Siddik

该综述聚焦于结合语言模型、工具、记忆和执行环境的网络能力AI智能体，识别了五类脆弱性：多步攻击链、与沙箱边界冲突的目标、供应链与凭据暴露、持久命令与控制、自动化行动速度。以2026年7月Hugging Face/OpenAI事件为案例，区分了事件特定发现与文献中的通用结论。讨论了用于遏制、权限分离、溯源及响应者访问的控制措施，包括防御性制品可能被滥用的双重用途问题。

论文 AI Agents AI安全评估遏制

事件专题

推荐理由：这篇arXiv综述把AI智能体的五大安全漏洞和防御控制掰开讲清楚了，还拿Hugging Face/OpenAI事件做案例，做AI安全的都该看看。

原文

09:14

官方一手arXiv: DeepSeek@Guiling Guo, Jia Yang, Jiahao Xu, Shuyuan Zheng, Zhonghai Sun, Qiyuan Li

GraphRareBench是一个保留来源的基准，包含2,365个本体派生案例和18,093对目标-混淆对。在237个案例的基因组分测试集上，监督排序器MRR范围为0.640-0.740，目标-混淆准确率为0.898-0.916。基于Agents-A1和DeepSeek-V4-Flash的智能体MRR分别为0.746和0.718，但证据覆盖率差异达0.561。22.1%到43.7%的成功案例中仍存在硬混淆者排名高于目标。该基准可用于评估模型在完全集检索和硬混淆区分上的表现。

论文 GraphRareBench Agents-A1 DeepSeek-V4-Flash

事件专题

推荐理由：想测AI罕见病诊断能力？GraphRareBench用2365个案例和18093对混淆，专门检测模型能不能分清真病和假病。

原文

7月28日

12:33

官方一手arXiv: DeepSeek@Hong Liu, Yuan Cheng, Lin Niu, Yi Su, Yufei Xue, Anmin Liu, Guanghua Yu, Jianchen Zhu

DeepSeek稀疏注意力（DSA）在生成式系统中实现令牌级稀疏注意力，但索引器仍需对所有前序token打分，复杂度为O(L²)。PIVOT利用附近查询的token重叠性和索引器得分长尾分布，通过共享前缀扫描加速。PIVOT将一组查询聚合成一个代理查询，进行一次全前缀扫描得到候选集，再为每个查询选择top-k。两个变体：PIVOT-Reuse共享代理top-k，PIVOT-Refine重新评分候选集。在DeepSeek-V3.2和GLM-5.1上，在LongBench和RULER基准上，PIVOT匹配精度，索引器加速4倍，端到端延迟降低1.6倍。

论文 PIVOT DeepSeek GLM

推荐理由：PIVOT用共享前缀扫描替代逐查询扫描，加速4倍，端到端延迟降1.6倍，效果不打折。适合长上下文推理场景。

原文

12:32

官方一手arXiv: DeepSeek@Dengke Han

精选

DraftExpert针对在端侧设备（CPU-GPU或Flash-NPU卸载）部署大型MoE语言模型时的延迟问题，提出了一种扩展感知的自推测解码框架。它通过自蒸馏从冻结目标MoE中为每层训练一个轻量级驻留加速器的草稿专家，推理时使用固定足迹的共享+top-1+草稿专家解码器，结合置信度扩展截断和目标专家预取。在DeepSeek-V2-Lite和Moonlight-16B-A3B上，解码吞吐量平均提升1.45倍，草稿接受率达到84%~87%，预取命中率86%~88%。

论文 DraftExpert MoE 自推测解码

推荐理由：论文提出DraftExpert，通过训练轻量草稿专家和预取机制，让端侧MoE模型推理速度提升1.45倍，适合关注边缘部署和推理加速的朋友。

原文

12:31

官方一手arXiv: DeepSeek@Zongyou Yang, Yinghan Hou

精选

语言模型基准将是否到达可评估状态和答案是否正确合并为一个准确率分数。新提出的两层评估框架分离了执行证据（终止、答案暴露、可解析性、完成长度）和正确性。在5个Qwen和DeepSeek配置的2550个输出上，2048 token限制下：Qwen MATH有49/450未终止，DeepSeek MATH有5/300未终止，ARC无未终止。相同300个DeepSeek MATH输出在8192 token下无缺失最终答案终止。覆盖审计的目标验证表明候选选择与聚合策略可显著改变比较准确率估计。

论文 Qwen DeepSeek MATH

推荐理由：这篇论文用具体数字告诉你，准确率分数会骗人：同样2048 token，Qwen比DeepSeek多出近10倍的无答案失败，评估时得分开看执行状态和得分。

原文

12:27

官方账号arXiv cs.AI@Krithi Shailya, Ananya Lakshmi Ravi, Venkatanathan K. V., Sowmya S. Sundaram, Gokul S. Krishnan, Aditi Anand, Balaraman Ravindran

研究者提出KANEx框架，首次利用KAN（Kolmogorov-Arnold Networks）的符号透明性来支撑VLM推理，从而生成更可信的文本解释。同时设计了KAN-Map热力图方法，直接从KAN模型导出而非梯度近似。在MIMIC-CXR数据集上，基于KAN的ResNet/ViT架构语义相似性提升，并产生更忠实的显著性图。定位和推理质量比基线提高10%。论文认为将语言解释和视觉归因建立在数学可解释单元上是可信医疗AI的必要步骤。

论文 KANEx KAN MIMIC-CXR

推荐理由：这篇论文展示了KAN不只是理论上可解释，还能落地到医学影像中，让解释更可靠，比标准ResNet/ViT定位准确率提升10%。

原文

12:26

官方账号arXiv cs.AI@Zhen Huang, Yikun Wang, Shijie Xia, Pengfei Liu

DataOrchestra提出针对每个数据样本定制处理流程，统一丢弃、保留或清洗操作。清洗时选择程序化编辑或LLM重写，并生成具体指令。在0.5B至7B模型上从零预训练，11个基准平均提升优于单个处理方法。数学持续预训练中超过更强基线，且跳过不必要操作减少计算量。

论文 DataOrchestra 大语言模型数据清洗

推荐理由：这篇论文提出了DataOrchestra，能针对每个数据样本定制清洗流程，在多个模型和基准上都有提升，还节省算力。

原文

12:25

官方账号arXiv cs.AI@Fabian Kreppel, Reza Salkhordeh, Ferdinand Schmidt-Kaler, André Brinkmann

Claude Opus 4.7首次生成并迭代优化了离子阱穿梭编译器的完整Python代码，从线性分段陷阱扩展到有结架构，最终适用于广泛连接图。在基准量子电路测试中，线性架构的穿梭time steps减少76%，有结架构减少39%。对于密集连接、结丰富的架构，穿梭time steps比走廊式架构降低一个数量级。Claude Fable 5复现了结果，在大电路上超越手工编译器的次数更多。开发时间从数月缩短到数天。

论文 Claude Opus 4.7 Claude Fable 5 量子编译器

事件专题

推荐理由：论文用Claude Opus 4.7自动写量子穿梭编译器，性能超手工，开发时间从数月缩到数天，效率提升惊人。

原文

12:23

官方账号arXiv cs.AI@Ali Ansari, Yasmin Mohammadi, Farnoush Nili, Parsa Esmaeilkhani, Longin Jan Latecki, Eduard Dragut

ERUnderstand是首个大规模评估视觉语言模型（VLM）对实体关系图（ERD）结构化理解能力的基准，包含2960张来自教育、真实世界和合成数据源的图。测试发现常见元素F1>0.74，但弱实体F1低至0.28，多值属性仅0.14，N元关系仅0.07。使用推理增强的模型整体提升15%-25%，但仍受语言先验和复杂度影响。基准、数据、工具和生成代码已开源。

论文 ERUnderstand Vision-Language Models Entity-Relationship Diagrams

推荐理由：想测VLM能不能看懂ER图？这个新基准用2960张图挨个打分，弱实体和N元关系掉得厉害，读论文就能知道差距在哪儿。

原文

12:23

官方账号arXiv cs.AI@Jhonatan Tavori, Gur-Eyal Sela, Ion Stoica, Gil Zussman

该论文揭示了一种新的攻击面：在结合快速路径与高精度慢速路径的分布式推理流水线中，协调层容易受到波形负载攻击（如Yo-Yo bursts）影响。攻击者通过约4000个突发请求可将正常用户的p99延迟从92ms推至2秒，几乎消除慢路径的云端推理优势，使多目标跟踪质量平均下降7.0 HOTA点。不同攻击时段造成2.0-18.7 HOTA点的差异，稀有类别（如停车标志）的预测精度损失近半。研究证明了无需访问模型权重或数据即可通过负载攻击降级预测质量。

论文分布式推理 AI安全 HOTA

推荐理由：这篇论文揭示了分布式推理系统的新安全漏洞：只用网络流量攻击就能让自动驾驶跟踪精度暴跌18.7 HOTA点。搞推理部署的人一定要看看。

原文

12:21

官方账号arXiv cs.AI@Maruthi Vemula, Neeraj Praneeth Gajula

本文提出将语言模型有界工作记忆的驱逐问题重新定义为对隐藏信号的估计，引入固定滞后平滑（fixed-lag smoothing）视角，并实例化为无需训练的RMM策略，它是H2O的严格泛化。在控制实验中，RMM能比累积注意力更好地识别有用记忆，但在NVIDIA KVPress基准上，RMM与H2O性能相当，在多轮对话中甚至输给SnapKV和H2O。原因在于自然文本中模型对大多数标记的预测正确，使得演示效用与累积注意力接近。本文贡献在于框架及对何时测量优于积累的诚实分析。

论文 RMM H2O SnapKV

事件专题

推荐理由：这篇论文没吹牛，诚实地告诉你RMM在标准基准上跟H2O差不多，甚至不如SnapKV，但解释清楚了为什么，适合想搞内存优化的人看看。

原文

仅展示最近 2000 条内容。更早的内容请查阅 AI 日报存档（侧边栏 → AI 日报 → 顶部「往期日报」）。