AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
7月28日
12:19
12:15
12:15官方账号arXiv cs.AI@Arseny Kravchenko, Vadim Liventsev, Innokentii Konstantinov, Ildar Iskhakov, Matvey Kukuy
arXiv论文提出APPA（Agentic Permissions Policy Algebra），一种动态信息流控制（IFC）框架，解决传统污点追踪在LLM Agent中因永久污染上下文导致效用下降的问题。APPA通过引擎管理的上下文分支和前瞻性获取执行，在读取未验证数据前评估标签降级并生成补救计划（授权、接受）。该框架在多项工具调用基准上对四个模型评估，将攻击成功率从31%-50%降至0%-7%，且分支机制恢复了大部分因污点追踪丢失的效用。
论文APPALLM Agent信息流控制
推荐理由：这篇论文讲了个新方法APPA，能让LLM Agent安全地处理混合敏感数据，既防提示注入又不牺牲太多功能。
原文
12:14
12:14官方账号arXiv cs.AI@Xueping Gao, Jianwei Yang, Qiang Yang
该研究基于30个HumanEval修复任务的900条三轮修订轨迹发现，强制修订后当前正确率从第一轮的0.820下降至第二轮后的0.673，但最终正确率升至0.847。在140亿参数模型复制实验中，使用陈旧轨迹导致34/135初始正确修复受损，而使用当前轨迹仅4/135受损（提升22.2个百分点，95% CI [8.9,37.0]，Holm p=0.0337）。前瞻性540次 rollout 政策消除了初始正确的损害，但降低了错误修复能力。论文提出状态绑定证据与类型化修订契约，并在参考实现中强制可机械验证的子集。
论文Agentic Code RepairHumanEval智能体
推荐理由：这篇论文用实验数据告诉你，让AI反复修改代码不靠谱，并给出了带状态绑定的证据机制，做代码修复的开发者值得看看。
原文
12:12
12:12官方账号arXiv cs.AI@Zhenhan Gao, Marvin Muñoz Barón, Umm-e Habiba, Daniel Graziotin, Stefan Wagner
一篇针对34名程序员的用户研究发现，在AI代码审查中提供详细解释（条件A）获得最高信任评分（3.99/5），但仅提供审查反馈（条件B）反而获得最高同意率（89.22%），说明更多解释会促使开发者更频繁地质疑AI建议。无解释（条件C）的信任和同意率均最低。解释程度并未显著影响审查耗时。该研究为设计可信的AI代码审查系统提供了实证依据。
论文LLMsCode ReviewXAI
推荐理由：这篇论文告诉你：给AI代码审查加解释，反而可能让人更不听话。详细解释信任高但同意率低，这结论挺反直觉的。
原文
12:12
12:12官方账号arXiv cs.AI@Zhimin Zhang, Chengzhen Ma, Jia Chai, Rongxin Zhan, Huansheng Ning, Lingfeng Mao, Dan Zhang, Suiping Jiang
该论文重新定义了创新生态系统（IE）并引入人工智能创新生态系统（AIIE）概念，从物理、社会、思维空间三个维度分解IE。通过演化视角分析了AI在AIIE不同发展阶段的角色，使用企业案例验证AIIE定义的可行性与合理性。最后从四个角度探讨了AIIE面临的挑战，为后续研究指明方向。
论文AIIE创新生态系统演化分析
推荐理由：这篇论文把AI和创新生态的关系讲清楚了，从概念到案例都有，适合想系统了解AI如何推动创新演化的人。
原文
12:11
12:11官方账号arXiv cs.AI@Hang Ni, Weijia Zhang, Fan Liu, Mengqian Lu, Hao Liu
SIREN-Bench基准包含600个问答实例、19个任务，覆盖4个独立预警流程和1个端到端预警链。现有天气智能体框架在SIREN-Bench上表现出显著能力差距。研究者提出SIREN，一种结合历史案例检索、技能蒸馏和预测建模的经验驱动智能体框架。实验显示SIREN在独立预警流程和端到端预警链上均超越基线。该框架利用异构天气证据和工具集成环境，提升预警自动化水平。
论文SIREN极端天气LLM Agent
推荐理由：想了解LLM智能体在极端天气预警中怎么用？这篇论文建了个600题的基准，还搞了个历史案例驱动的框架，比现有方案强不少。
原文
12:10
12:10官方账号arXiv cs.AI@Bianca Raimondi, Davide Evangelista, Maurizio Gabbrielli, Elena Loli Piccolomini
论文提出D-Score，一种基于隐藏激活矩阵奇异值分布的谱统计量，通过单次前向传播计算。在FAVA-Annotation和RAGTruth两个基准上评估，以特定层和容忍参数下奇异值接近最大值的数量作为幻觉分数。实验表明D-Score是强隐藏状态信号，无需外部验证器、检索步骤或多轮生成即可检测幻觉。该方法灵感源于模型处理与内部知识冲突的文本时，隐藏表示会沿额外奇异方向扩散。
论文D-ScoreFAVA-AnnotationRAGTruth
推荐理由：这篇论文给出一个简单检测幻觉的方法，只靠模型内部的隐藏状态算一个分数，不用外部工具，在FAVA和RAG上验证有效。
原文
12:09
12:03
12:03官方一手arXiv: DeepSeek@Bartol Bućan, Nikola Sočec, Sarah Isufi, Morena Granić, Luka Hobor, Agneza Krajna, Mihael Kovac, Mario Brcic
76°
该研究对GPT-5、Claude、Grok、Gemini、DeepSeek、Kimi、Qwen共7个主流模型进行了基于政治轴的可控性压力测试，使用12种意识形态角色提示和70个政治指南针项目，共收集63,700条回答。结果发现，上下文框架解释了经济和社会轴上约88%-93%的方差，而模型自身身份的影响不到3%。在威权提示下，不同模型在相同问题上表现出相似偏移。研究强调需要进行可操控性审计，报告分散性、对称性、饱和度和拒绝底线。数据集和代码已开源。
论文GPT-5ClaudeGrok
推荐理由：这篇论文用70道政治题+12种人格提示，测了GPT-5、Claude、Grok等7个模型，发现提示词比模型本身更能左右回答方向。想了解AI怎么被‘带节奏’的可以看看。
原文
12:01
12:01官方一手arXiv: DeepSeek@Fei Ding, Yongkang Zhang, Yuhao Liao, Zijian Zeng, Huiming Yang
GRPO 被 DeepSeek-R1 采用作为训练推理能力的主要强化学习算法，但存在响应级长度偏差。最新改进 Dr. GRPO（COLM 2025）声称通过移除长度归一化实现“无偏”，但作者证明该声称不完整。文章提出不可能定理：在标准结果奖励加 GRPO 设定下，没有长度加权方案能同时实现梯度无偏估计（P1）和长度不变性（P2）。通过参数族 f_α(L)=L^{α-1} 显示，α=0 对应 GRPO（近似满足 P2 但违反 P1），α=1 对应 Dr. GRPO（满足 P1 但违反 P2），且 Dr. GRPO 的长度偏差导致较长轨迹的梯度贡献与长度比成正比。结果表明两种算法处于不可避免的权衡两端。
论文GRPODr. GRPODeepSeek-R1
推荐理由：这篇论文把 GRPO 和 Dr. GRPO 的底裤都扒了——原来两者各占一个极端，没法同时做到无偏和长度无关，搞推理模型训练的人得看看这个权衡。
原文
12:00
12:00官方一手arXiv: DeepSeek@En-Ming Huang, An-Cheng Chang, Bai-Cheng Jeng, Shih-Hao Hung, H. T. Kung
混合专家（MoE）推理中专家GEMM的形状随运行时路由分布变化，现有系统使用静态令牌数桶选择融合内核，忽略每专家路由分布。论文提出分布感知框架，结合Effective Experts指标与Dirichlet逆向建模生成可控路由分布，并开发DA-MoE运行时系统，可在GPU上根据路由直方图与离线调优分布匹配选择近最优融合内核，无需CPU-GPU同步。在HumanEval-X服务轨迹上，DA-MoE在DeepSeek-V3和Kimi K2上将几何平均融合MoE延迟分别提升1.16倍和1.29倍，峰值加速达1.40倍和1.56倍。
论文DA-MoEDeepSeek-V3Kimi K2
推荐理由：论文提出了DA-MoE，根据路由分布动态选最优内核，在DeepSeek-V3和Kimi K2上延迟最高降低56%，做MoE推理的同学可以关注这个优化思路。
原文
11:59
11:58
11:58官方账号arXiv cs.LG@Jon Kleinberg, Amin Saberi, Xizhi Tan, Grigoris Velegkas
本文研究在有限域[n]上从多个数据提供者学习未知分布p的问题，每个查询返回条件分布p(·|S)的独立样本。可学习性由查询集的共现图决定：当图在目标支撑上连通时可达点态一致性，完全图时可达PAC学习。PAC学习的最优样本复杂度范围从近线性到二次：完全共现图族复杂度为Õ(n²/ε²)，紧界；当[n]本身可查询时复杂度为Θ(n/ε²)，即使所有子集可查询也无法改进。作者识别了层次可比性作为近线性复杂度（Õ(n/ε²)）的充分条件，并展示对于每个α∈(1,2)存在查询族达到最优PAC率Θ(n^α/ε²)。
论文分布学习PAC学习条件采样
推荐理由：你想知道从多个供应商凑数据学分布有多难吗？这篇论文给出了从线性到二次的完整样本复杂度图谱，还找到了层次可比性这个好用的结构条件。
原文
11:57
11:57官方账号arXiv cs.LG@Bingnan Li, Haozhe Wang, Haozhong Xiong, Fangtai Wu, Jinpeng Yu, Yang Shi, Jiaming Liu, Ruihua Huang
本文研究在策略蒸馏（OPD）中分类器自由引导（CFG）的作用。现有OPD方法直接匹配教师和学生模型的引导速度，但在分支级别存在欠辨识问题：正负分支误差可相互补偿。作者发现，在共享负条件时匹配仍有效，但当教师负分支包含学生无法获取的特权信息时，会导致负分支不对称（NBA）失败模式。为解决NBA，提出正方向匹配（PDM），分别约束正预测和CFG条件方向。将PDM应用于稠密到稀疏视频控制，比朴素引导匹配更鲁棒有效。
论文扩散模型知识蒸馏分类器自由引导
推荐理由：这篇论文发现了现有扩散蒸馏方法在CFG下的一个隐蔽问题，并给出了一个简单的修正方案。做扩散模型蒸馏或视频生成的同学可以看看。
原文
11:56
11:55
11:55官方账号arXiv cs.LG@Tianyi Men, Zhuoran Jin, Kang Liu, Jun Zhao
论文提出统一多轮环境，系统研究规划能力在预训练与后训练三阶段的获取、塑造与整合。预训练中，显式世界模型通过CoT状态转换建模提升长程泛化，少量长程数据即可实现组合泛化，但次优轨迹因误差累积严重损害性能。后训练中，OPD在低质长程设置下的有效区域比GRPO更广，不同知识的教师蒸馏可能损害学生先验世界模型。多教师在线策略蒸馏（MOPD）通过收敛到共享规划模式整合能力，兼容模式支持跨环境泛化，冲突模式导致干扰。
论文MOPDGRPOOPD
推荐理由：这篇用一个可控环境拆解了AI长程规划的训练机制，发现次优数据会拖累性能，多教师蒸馏能整合不同能力，值得做训练方法的人细读。
原文
11:54
11:54官方账号arXiv cs.LG@Zeyu Zhang, Xue Li, Iacer Calixto, Paul Groth, Sebastian Schelter
该论文通过控制实验比较了Qwen3家族三种匹配器架构（bi-encoder、cross-encoder、generative matcher）、三种模型变体（embedding-oriented等）和三种模型大小，在9个数据集上进行了1215次微调运行。结果显示，embedding-oriented变体对bi-encoder的初始化与表征几何至关重要。cross-encoder始终优于bi-encoder，但更大的模型可缩小这一差距。生成式匹配器仅在分布偏移（如记录模式或跨数据集迁移）下优于cross-encoder。更大的模型更依赖捷径学习，不一定表现更好。
论文Qwen3bi-encodercross-encoder
推荐理由：想用LLM做实体匹配？这篇论文用Qwen3对比了bi-encoder、cross-encoder和生成式三种架构，告诉你不同场景选什么最靠谱，还公开了代码和实验数据。
原文
11:53
11:53官方账号arXiv cs.LG@Nikhil Khatri, Stefan Zohren, Gabriel Matos
arXiv 2607.24686 提出堆叠线性组合酉算子（S-LCU）作为变分量子电路的新结构。作者通过图解分析证明了 Free Fermion S-LCU 的损失景观方差下界为 Ω(1/(n k^{3l}))，经典模拟代价为 O(k^{2l} n^3)，而量子门复杂度仅为 O(lkn^2)。层数 l 作为单一调节旋钮，允许在计算复杂性与代价集中速率之间连续权衡。该工作为构造具有可调训练难度与经典可模拟性折中的 ansätze 提供了系统方法。
论文S-LCUbarren plateaus变分量子电路
推荐理由：这篇论文告诉你如何用 S-LCU 结构在“训练不动”和“容易模拟”之间自己拧旋钮，层数 l 就是那个旋钮，适合搞量子变分电路的人参考。
原文
11:52
11:52官方账号arXiv cs.LG@Francisco Mena, Dino Ienco, Roberto Interdonato, Cassio F. Dantas, Simon Besnard
该论文提出一种多模态协同学习框架，处理训练与推理时模态不固定的缺失问题，而非传统双模态融合。实验在两种多模态分类基准上，针对任意缺失模态（单模态缺失或仅剩一模态）测试。方法一在单模态缺失时更鲁棒，方法二在极缺失条件下表现更好。代码已开源在GitHub。
论文多模态缺失模态协同学习
推荐理由：这篇论文针对多模态分类中模态任意缺失的问题提出了两种具体方法，在单缺失和极缺失场景下各有优势，代码开源可复现。
原文
11:51
11:51官方账号arXiv cs.LG@Mohammad Fesanghary
Causal-TS 是一个开源 Python 库，专为高维和非平稳多变量时间序列的因果发现设计。它提供了四种专用算法 CDNOTS、CDNOTS+、CEDAR 和 GRACE，并集成了 GES、Granger、LASSO-VAR 和 LGES 等现有方法的包装器。所有算法共享一个基于 PyTorch 的 GPU 加速条件独立性测试层。库中还包含一个体制发现管道，通过可插拔的变点检测器识别结构断点，并对每个体制独立运行因果发现。Causal-TS 支持 Python 3.10 至 3.12，可通过 pip 安装，并可选集成 DoWhy 进行因果效应估计。
论文Causal-TS时间序列因果发现
推荐理由：Bloomberg 开源了 Causal-TS，专门处理高维、非平稳时间序列的因果发现，比通用库多了专用算法和 GPU 加速，还有断点检测功能，做时序因果分析可以试试。
原文
11:50
11:48
11:48官方账号arXiv cs.LG@Tianpeng Li, Xuan Guo, Wenjun Wang, Wang Zhang, Pengfei Jiao
论文将masked flow-matching loss分解为不可约熵加散度，散度对训练时稀疏部署时密集的结构为正，经验上服从指数-0.605的幂律（R²=0.9977）。漂移使采样误差floor提高2.2-34.3倍，但采样步数不敏感：7个条件下漂移时段边际误差变化≤6%。证明任何基于过去观测的校正器至少保留跟踪统计量的条件方差，趋势外推条件μ²>v(1-2ρ)不满足。Oracle可移除60%误差，最佳观测校正仅恢复其中5.7%，外推比什么都不做更差。
论文Temporal Graph GenerationDistribution DriftSharpening-Drift Tension
推荐理由：这篇论文严格证明了时序图生成中分布漂移无法通过观测数据来校正，理论扎实且有实验支撑，做生成模型部署的朋友值得一看。
原文
11:45
11:45官方账号arXiv cs.LG@Haiqian Yang, Yuan Cao
该论文提出在自主研究（AR）系统中，除最终结果质量外，搜索过程的效率同等重要。作者用帕累托前沿曲线下面积（AUC）结合最终结果质量来评估AR系统。在12个系统优化任务上比较了爬山算法、束搜索、树搜索和进化搜索等家族，发现没有单一结构始终最高效。引入自适应过程流体搜索，通过组合bandit在搜索进程森林中动态分配预算，在评估任务中达到最高整体搜索效率，接近预知最优结构的oracle性能。
论文自主研究系统搜索算法Pareto前沿
推荐理由：这篇论文告诉你，评价AI研究系统不能只看结果，还要看它多快找到好方案。他们发明了一种叫流体搜索的方法，自动分配搜索预算，效果接近开挂版先知。
原文
11:45
11:45官方账号arXiv cs.LG@Phu Gia Hoang, Anwoy Chatterjee, Tanmoy Chakraborty, Iryna Gurevych, Subhabrata Dutta
稀疏自编码器（SAE）作为可解释性工具，常因特征与模型行为间链接不一致而受限。论文提出特征效应几何分析（FEGA）框架，通过跨上下文移除相同活跃SAE特征并分析logit变化云。发现一致的一维效应罕见，仅有少数特征像可重用方向。将特征分为value-like（静态信息）和pointer-like（上下文相关操作），前者更多表现出结构化低维效应，后者则呈现扩散效应。研究表明，特征虽可解释且有因果关联，但未必提供稳定操控方向。
论文SAEFEGA可解释性
推荐理由：这篇论文用FEGA方法分析了稀疏自编码器特征的下游几何，发现大多数特征不是单方向，value-like和pointer-like特征效果不同，对理解模型可解释性很有启发。
原文
11:44
11:44官方账号arXiv cs.LG@Gabriel Singer, Samuel Gruffaz, Olivier Vo Van, Nicolas Vayatis, Argyris Kalogeratos
该研究针对众包标注中的类别不平衡问题，提出一种生成式聚合模型，同时建模项目难度与类别相关的标注者能力。模型在33个真实众包数据集上评估，涵盖图像和文本等多分类任务，以及大规模标注和大规模项目两种场景。实验表明，模型在少数类召回率上持续保持最高，同时平衡精度具有竞争力。
论文众包标注不平衡分类少数类检测
推荐理由：想处理众包标注中的少数类检测？这篇论文的新模型在33个数据集上召回率都最高，值得看看。
原文
11:43
11:43官方账号arXiv cs.LG@Mariela De Lucas Álvarez, Melvin Laux, Arthur de Freitas Precht, Maurice Martin, Edoardo Caroselli, Frank Kirchner, Alexander Fabisch
精选
论文提出一种基于1D卷积神经网络的深度学习框架，用于陀螺仪残差角速率校正。网络结合陀螺仪和星敏感器多传感器输入，输出均值校正并产生与输入相关的偶然不确定性，同时通过集成5个独立模型估计认知不确定性。在标称条件和含加性及时间相关噪声的结构化扰动下评估，梯度归因方法揭示校正和不确定性输出的证据分解。结果表明偶然不确定性随扰动强度增加，但校准不一致；认知不确定性在分布偏移时信号更清晰，能更好区分标称与扰动工况。
论文1D CNN不确定性分解陀螺仪校正
推荐理由：这篇论文教你如何用深度学习分解陀螺仪偏差校正的不确定性，还用了梯度归因来分析模型行为，适合做状态估计或故障检测的人参考。
原文
11:42
11:42官方账号arXiv cs.LG@Kart-Leong Lim
传统随机变分推理（SVI）依赖共轭后验假设，难以处理非共轭情形。新方法PYPM-GGD基于常数步长随机梯度上升，无需闭式变分后验期望，仅要求可微分。借鉴Adam引入自适应步长，提升随机设置下的收敛性。在MIT67和SUN397数据集上使用ResNet特征，与深度聚类算法相比，聚类指标达到或超越现有最佳方法。
论文PYPM-GGDAdamSVI
推荐理由：这篇论文提出了一种新的贝叶斯非参数学习方法PYPM-GGD，用自适应步长处理非共轭后验，在MIT67和SUN397上聚类效果不错，比传统SVI更灵活。
原文
11:41
11:41官方账号arXiv cs.LG@Zhibin Kang, Hanmo You, Dong Wang, Haiming Zheng, Junjie Chen
这篇论文对强化学习智能体的模糊测试方法进行了首次全面实证研究，从有效性、多样性、效率和实用性四个维度评估了五种最先进方法（MDPFuzz、SeqDivFuzz等）和随机测试。实验在MountainCar、BipedalWalker和CARLA三个复杂度递增的环境中进行统一配置。结果显示，MDPFuzz等吞吐量导向方法在发现崩溃方面更有效，而SeqDivFuzz等鼓励探索的方法更擅长发现多样化的崩溃行为。模糊测试产生的崩溃可有意义地提升智能体鲁棒性，并支持准确的跨方法泛化安全监控。
论文强化学习模糊测试MDPFuzz
推荐理由：这篇论文系统对比了RL模糊测试方法，告诉你MDPFuzz找崩溃快、SeqDivFuzz找花样多，还测了在CARLA等环境下的实际效果，做RL安全测试的别错过。
原文
11:40
11:40官方账号arXiv cs.LG@Alberto Solera-Rico, Patricia García-Caspueñas, Carlos Sanmiguel Vila, Stefano Discetti
一篇论文研究了受控尾流中数据驱动潜空间降阶模型的压缩效率与长期预测精度之间的权衡。使用简化卡车尾流和流体弹球两种2D驱动尾流配置，对比了POD、非线性卷积自编码器（CAE）和两种变分自编码器作为空间编码器，并评估了基于LSTM的多种时序预测器。CAE压缩效率更高且短期重建更清晰，但潜在动力学更不规则，长期预测退化更快且灾难性发散概率更高。POD产生的潜在轨迹更平滑，更容易学习与外推，在超短期预测中更可靠。结果提示在基于预测的控制策略中应优先考虑潜在动力学的稳定性。
论文PODCAELSTM
推荐理由：这篇论文用具体实验告诉你，做尾流控制降阶模型时，别只盯着压缩率——POD虽然老但长期预测比CAE稳，适合做模型预测控制。
原文
11:37
11:35
11:35官方一手arXiv: DeepSeek@Dhruvil S, Fenil Sojitra, Ravirajsinh Chauhan
精选
论文首次对DeepSeek-V2引入的多头潜在注意力（MLA）进行全面的可解释性分析。研究者训练了一个114M参数的Transformer，在TinyStories上微调后通过SVD、线性探针等方法发现：共享低秩瓶颈cKV保留了98%的实体身份信息，几乎完全丢弃位置信息，实现了81%的KV缓存压缩。归纳头集中在第12层，而标准多头注意力中它们分布在不同层。瓶颈平均仅使用46%的容量，存在过度配置。这些结果揭示了MLA并非被动压缩，而是主动重塑了模型的内容组织、位置编码和电路结构。
论文MLADeepSeek-V2可解释性
推荐理由：想看MLA到底怎么工作的？这篇论文用114M模型做实验，发现cKV只记内容不记位置，还能省81%缓存，归纳头也全挤在一层，挺有意思的。
原文
11:02
11:02官方账号arXiv cs.AI@Weihuang Zheng, Tianyuan Zou, Eileen Ye, Alphet Liu, Youyong Kong, Ya-Qin Zhang, Duran Zheng, Maxm Pan
E-Bench是一个完全合成的基准，包含323个状态改变任务，覆盖Honor of Kings、QQ Music和Tencent Meeting三个产品领域。它通过图引导数据库填充创建可复用环境，并利用生成器-求解器不对称设计迫使智能体发现隐藏信息并组合多次工具调用。结果通过数据库状态差异确定性评分。评测11个前沿LLM，最强模型的Pass^3低于60%，在E-Bench-Code扩展下仍低于70%，说明多步工具使用对当前模型依然困难。
论文E-Bench多步工具使用智能体
事件专题
推荐理由：想知道多步工具调用到底多难？E-Bench测了11个模型，最强不到60%通过率，还特意选了王者荣耀、QQ音乐和腾讯会议场景。
原文
11:00
11:00官方账号arXiv cs.AI@Wendi Deng, Hang Du, Guoshun Nan, Haokun Tian, Jiaqi Yu, Xinlei Cao, Jaile Li, Jingfeng Chen, Ling Deng, Ting Li, Hao Yang, Jun Liu, Xudong Jiang, Sicong Leng
多模态大语言模型在推理任务中常出现中间步骤有缺陷但最终答案正确的问题，影响可解释性。论文提出O^2-CritiCuRL框架，在离线阶段通过多轮次分析步骤标注轨迹估计步骤重要性，提取关键推理步骤；在线阶段采用逐步强化学习策略，用截断链引导模型推理缺失步骤。在多个多模态推理基准上达到SOTA，同时训练和推理效率更高。代码已开源。
论文O^2-CritiCuRL多模态推理强化学习
推荐理由：这篇论文提出了一种新方法，能解决多模态模型推理时中间步骤乱但结果对的问题，效果SOTA还更高效，做推理增强的可以看看。
原文
10:58
10:58官方账号arXiv cs.AI@Zefeng Cai, Zerui Cai
这篇论文研究了长时程智能体复用KV缓存作为记忆时的语义具体化现象。实验发现，在Qwen3-8B上，通过构造不含答案的事件，可将关联值恢复率从6%提升到51%。作者指出，被动从对话中提取自然提及没有检测到优势，而主动构造特定表述能显著影响记忆写入。结果表明，稀疏事件KV服务存在记忆契约：写入什么、落在哪里、源事件消失后保留什么，都有明确规律。
论文Qwen3-8BKV缓存记忆机制
推荐理由：论文用Qwen3-8B做实验，发现KV缓存里的事件行能独立保存计算视图，主动构造回答无关事件能让恢复率从6%跳到51%，对搞Agent记忆的人很有参考价值。
原文
10:57
10:57官方账号arXiv cs.AI@Mingzhou Fan, Siyuan Xu, Mingxuan Yuan
论文提出 AGAO（Adaptive Goal-aware Attention Orchestration）框架，将 Transformer 式的注意力机制从令牌表示扩展到多智能体工作流级编排。AGAO 包含三个组件：目标感知注意力（评估用户目标与智能体能力的语义相关性）、拓扑感知注意力（建模智能体图的结构依赖）和资源感知注意力（分配异构智能体的预算和执行优先级）。实验在多种多智能体工作负载上显示，相比现有图执行策略，AGAO 在提升任务效果的同时减少了计算、延迟和令牌消耗。该工作将注意力工程确立为可扩展、智能多智能体系统的一个方向。
论文AGAO多智能体系统注意力机制
推荐理由：这篇论文提出了AGAO，像给智能体图装了注意力聚焦，减少无用计算，提升任务效果，值得搞多智能体系统的人看看。
原文
10:56
10:56官方账号arXiv cs.AI@Kezhao Lai, Yutao Lai, Hai-Lin Liu
SpecAHD提出了一种耦合双层优化框架，用于在单个问题实例内部实现启发式规则的区域特化。上层搜索学习暴露有界修复区域的位置，下层进化互补的可执行启发式程序池。在四个大规模路由问题（CVRP、VRPTW、PDP等）上，SpecAHD相比最强AHD基线将目标成本降低了最高57.7%，并且在大多数公开实例上超越了每实例基线包络线。该框架具有子模性，提供了(1-1/e)的贪婪选择近似保证。
论文SpecAHD自动启发式设计路由问题
推荐理由：这篇论文用双层优化让LLM自动写出针对不同区域的启发式规则，在多个大规模路由问题上比现有方法好57%，还有理论保证，值得一看。
原文
10:55
10:54
10:54官方账号arXiv cs.AI@Aayush Kumar, Avik Dutta, Sumit Gulwani, Gustavo Soares, Advait Sarkar, Emerson Murphy-Hill
这篇论文构建了一个用于电子表格编程的计划模式原型，并通过24名被试的组内用户研究，将其与无计划基线对比。研究发现，尽管任务结果相似，但使用计划模式减少了用户的调整次数（refinement），并在创造力支持和人机协作维度上获得了更好的工具感知。研究为计划模式在最终用户编程中的设计提供了启示。
论文Plan ModeSpreadsheet Agents人机协作
推荐理由：这篇论文告诉你，在电子表格里用计划模式（Plan Mode）能少改几遍代码，协作感还能变好。不是玄学，是有24人验证过的。
原文
10:50
10:50官方账号arXiv cs.AI@Yakov Kuzin, Dmitriy Shcheka, Michael Polyntsov, Kirill Stupakov, Mikhail Firsov, George Chernishev
本文研究两种OD发现算法FASTOD和ORDER，并在C++中重新实现以提升性能。在Desbordante开源数据剖析工具中集成后，重新实现版本性能提升最高3倍。结合所提优化技术，性能进一步提升至10倍，内存消耗降低2.9倍。这些改进使顺序依赖发现更贴近工业应用。
论文FASTODORDERDesbordante
推荐理由：这篇论文教你怎么在Desbordante里用C++重写FASTOD和ORDER算法，速度飙到10倍，内存省近3倍，搞数据清洗和查询优化的可以看看。
原文
10:49
10:49官方账号arXiv cs.AI@Donghao Fu, Jingxin Li, Xue Jiang, Yihong Dong
本文通过实证研究，分析了第三方API路由在编码智能体（coding agents）中的注入攻击风险。研究设计了四种逐渐隐蔽的干预级别：响应替换（L1）、响应追加（L2）、LLM润色注入（L3）和LLM润色+分布对齐注入（L4）。作者开发了SIDEL框架，包含400个样本的数据集，用于跟踪、重放、注入和防御评估。在四种代表性编码智能体上，所有注入级别下的防御成功率均为0%。现有客户端白名单执行控制和LLM审查无法完全检测拦截。论文呼吁提供商提供输出完整性保障。
论文SIDELLLM providerscoding agents
推荐理由：这篇论文告诉你，用第三方API路由调用LLM时，你的代码可能被悄悄篡改。四种攻击方式，现有防御全失效，值得搞智能体开发的看看。
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」）。