全部 AI 动态 · AI 热点

7月3日

09:01

官方账号arXiv cs.LG@Debopriya Ghosh

本研究提出基于临床数据、神经心理学测试和神经影像指标的机器学习模型，用于检测阿尔茨海默病早期阶段。数据来自ADNI（Alzheimer's Disease Neuroimaging Initiative），使用迭代插补处理缺失值，Borderline SVM-SMOTE处理类别不平衡。特征选择后，基于Logistic Regression、Extra Trees、Bagging KNN和LightGBM构建堆叠集成模型，并单独训练人工神经网络。模型性能通过精确率、召回率、F1分数和AUC-ROC对比，旨在找出最佳分类器和关键生物标志物。

论文 ADNI 阿尔茨海默病机器学习

推荐理由：想用机器学习做早期疾病诊断？这篇论文用ADNI数据对比了集成模型和神经网络，还识别出了关键生物标志物，实操参考性强。

原文

7月2日

12:35

官方账号arXiv cs.LG@Zijian Zhang, Rizhen Hu, Athanasios Glentis, Dawei Li, Chung-Yiu Yau, Hongzhou Lin, Mingyi Hong

本文基于Qwen3和Qwen2.5共7个模型，使用GRPO、GiGPO、Dr. GRPO三种RL算法，在数学推理、代码生成和智能体决策任务上实验。研究发现训练单层Transformer即可恢复全参数RL训练大部分甚至全部改进。作者引入“层贡献”指标量化单层训练相比全参数训练的收益比例。结果显示RL收益高度集中于少数中间层，输入输出层贡献显著较低。

论文 Qwen3 GRPO Transformer

推荐理由：这篇论文发现RL训练只需调优一层Transformer就能接近全参数效果，还揭秘中间层才是关键，刷新认知。

原文

12:25

官方账号arXiv cs.LG@Chuanming Yu, Jiaming Liu, Zihao Ge, Xiongfei Wu, Lulu Zhu, Pengzhan Zhao, Jianjun Zhao

该论文对7个模型对（跨越监督学习和强化学习）进行了量子机器学习与经典方法的统一实证比较。结果显示，量子模型在整体预测性能、策略稳定性和训练时间上尚未超越经典基线。不过，量子方法在噪声过滤和假阳性控制上展现了潜力。研究还总结了量子ML在硬件环境、训练效率和收敛稳定性方面的挑战。代码已开源在GitHub。

论文量子机器学习经典机器学习实证比较

推荐理由：这篇论文用7组模型对比告诉你：现阶段量子机器学习还没跑赢经典方法，但在过滤噪声上有戏。想了解量子ML实际表现可以看看。

原文

12:24

官方账号arXiv cs.LG@Jingyi Chen, Xinyuan Zhang, Xinwu Qian

精选

组合优化问题因可验证的离散结构导致指数级搜索空间。该研究提出神经证书定价（NCP），在无监督学习框架下训练神经网络预测证书级对偶价格，并通过结构恢复层构建原始边际。满足证书一致性条件时，恢复的边际全局可行，且一阶预测误差仅引起目标值的二阶损失。在三个组合优化问题类别上，NCP大幅超越或匹配现有最优神经基线，同时计算时间显著减少，且分布外泛化能力更强。

论文 NCP 组合优化神经网络

推荐理由：新论文提出NCP方法，用神经网络直接预测组合优化问题的对偶价格，比之前的方法更快更准，泛化也好，值得关注。

原文

12:22

官方账号arXiv cs.LG@Michael Y. Li, Anthony Zhan, Kanishk Gandhi, Noah D. Goodman, Emily B. Fox

论文提出QuasiMoTTo，利用准蒙特卡洛（QMC）生成相关但边际分布正确的样本，替换传统的独立同分布（i.i.d.）采样，减少冗余。在四个推理基准上，QuasiMoTTo以25-47%更少的样本达到相同的pass@k准确率，甚至常饱和边际保持采样器的理论上限。应用于策略梯度强化学习（GRPO）时，QuasiMoTTo以50%更少的训练步骤匹配i.i.d.性能。研究者还开发了无偏bootstrap估计器以评估相关采样器的pass@k。

论文 QuasiMoTTo quasi-Monte Carlo pass@k

推荐理由：这篇论文提出QuasiMoTTo，用相关采样替代独立采样，在推理和强化学习中大幅减少样本需求，效果显著。

原文

12:21

官方账号arXiv cs.LG@Kornelius Raeth, Nicole Ludwig

该论文提出决策感知训练方法，在基于样本的生成模型训练中，将能量分数（energy score）目标与可微决策损失（decision loss）结合，直接惩罚下游决策成本。决策损失本身是严格适当的评分规则，具有理论保证。在1个合成任务和2个真实世界任务上验证，该方法在成本敏感区域提升性能，同时保留完整概率预测。

论文 sample-based generative models energy score 决策损失

推荐理由：这篇论文提出一个很实用的思路：训练生成模型时直接考虑下游决策成本，而不是只匹配数据密度。在概率预测场景中特别有价值。

原文

12:20

官方账号arXiv cs.LG@Landon Dyken, Sharmistha Chakrabarti, Nathan Debardeleben, Steve Petruzza, Qi Wu, Will Usher, Sidharth Kumar

本文提出一种基于3D高斯原语的显式模型用于体数据压缩。该模型将3D高斯集合重新解释为标量场的显式表示。采用采样策略通过加权聚合重建标量值，并开发了CUDA加速的采样管线。与隐式神经表示相比，在结构化体数据上实现有竞争力的重建质量和显著训练加速，在非结构化体数据上全面优于现有方法。

论文 3D Gaussian 体数据压缩显式表示

推荐理由：这篇论文用3D高斯替代隐式网络来压缩体数据，速度更快、省去网格存储，对非结构化数据尤其厉害。

原文

12:16

官方账号arXiv cs.LG@Siwon Kim

本文提出Event Reconstruction Joint-Embedding Predictive Architecture (ER-JEPA)，一种用于多变量时间序列的轻量级自监督学习框架。其两阶段层次结构受心脏病专家诊断方法启发，先构建每个时间间隔的表示，再将表示作为单变量时间序列处理，层次整合两个JEPA和Vision Transformer (ViT) 骨干。在约18万条10秒12导联ECG数据上预训练后，模型在ST-MEM基准上达到下游任务SOTA，且计算快速、资源占用极低。

论文 ER-JEPA H-JEPA ViT

推荐理由：想用少量标注数据做心电图分析？这篇论文提出的ER-JEPA用18万条无标注ECG预训练，在ST-MEM基准上跑出SOTA，计算量还比同类方法小。

原文

12:14

官方账号arXiv cs.LG@Meenakshi Krishnan, Pranav Pulijala, Ke Chen, Haizhao Yang, Ramani Duraiswami

GAIA 是一种几何自适应积分自编码器，用于任意几何域上的偏微分方程正问题和反问题的算子学习。它通过将几何边界和内部场分布编码为几何令牌，并利用交叉注意力机制使积分变换核局部适应几何特征，无需重新训练或迭代优化。在 7 个 2D 和 3D 基准测试中，包括电机阻抗断层扫描（EIT）、光学断层扫描、变化几何上的 3D Darct 流以及机械零件泊松 BVP 基准（MCB），GAIA 在所有反问题和 BVP 任务上取得 SOTA。与次优方法相比，在机翼流重建任务中降低了 64% 的中位相对 L2 误差，在 EIT 上降低了 27%，且在 MCB 每个形状类别上超越所有基线。

论文 GAIA operator learning PDE

推荐理由：GAIA 能用一个模型同时搞定正反问题，在七种几何任务上都拿了第一，尤其反问题精度提升明显，做 PDE 模拟的可以看看。

原文

11:50

官方账号arXiv cs.LG@Jingwei Song, Haofeng Xu, Jie Xiao, Chengke Bao, Jingwei Shi, Pengbin Feng, Weixun Wang, Yuhang Han, Chuan Wu, Linfeng Zhang, Bill Shi

该论文研究异步GRPO（群体相对策略优化）中陈旧rollout对策略优化的影响。作者将行为策略显式纳入GRPO替代目标，并区分学习器使用的替代梯度映射与依赖分布的总体目标的真实全导数。在局部有界性、分布平滑性和行为策略平滑性假设下，证明陈旧rollout引入的每步替代梯度偏差为O(S * eta)，其中S是最大rollout滞后，eta是学习率。进一步导出条件性崩溃时间缩放定律：当周期内漂移低于批量级裁剪半径时，崩溃主要由累积学习器漂移T * eta决定；当陈旧rollout约束激活时，稳定性显式依赖于S * eta。从而得到双约束稳定性条件eta << min{R_batch/(S*G_upd), R_crit/(T*G_upd)}，解释了在有限时间范围内最大稳定学习率对陈旧性依赖较弱的原因。

论文 RLHF GRPO 异步训练

推荐理由：想搞异步RLHF训练的可以看这篇，把陈旧rollout对学习率的影响定量化了，推导了缩放条件，比经验调参更靠谱。

原文

11:47

官方账号arXiv cs.LG@L. C. Ayres, J. C. M. Bermudez, S. J. M. de Almeida, R. A. Borsoi

GRINCO是一种基于群不变性的核心集主动学习框架，通过在变换群诱导的商空间中选择轨道而非原始样本，避免重复标注同一实例的变换版本。框架使用规范代表或轨道分离不变嵌入定义实用的商空间度量，结合商空间k-center选择与轨道平均损失进行不变训练。推导的泛化界将轨道平均风险上界表示为商空间覆盖度、标签不确定性和轨道内变异性的函数。在合成尺度不变数据和旋转冗余图像基准上，GRINCO比传统核心集基线显著提升轨道覆盖度和标签效率。

论文 GRINCO 核心集主动学习

推荐理由：GRINCO解决了主动学习里重复标注变换样本的浪费问题，用商空间选轨道来省钱，比普通核心集方法更聪明。

原文

11:17

官方账号arXiv cs.LG@Yahya Aalaila, Mouad Elhamdi, Gerrit Großmann, Daniel Jenson, Elizaveta Semenova, Sebastian Vollmer

本文研究时空点过程模型在事件历史稀疏时的泛化能力，使用AlphaEarth嵌入作为线性空间上下文。在固定log-Gaussian Cox过程骨干下，对比仅事件模型与加入AlphaEarth的模型。在8个留出区域的紧急医疗服务（EMS）预测任务中，AlphaEarth在所有历史长度（w=1-104周）上均提升留出区域预测性能。尤其在w=1-2周的稀疏历史下，提升达2到6倍；在w=20-104周时提升约10%到20%。

论文 AlphaEarth EMS 时空点过程

推荐理由：AlphaEarth用空间上下文帮EMS预测在历史稀疏时性能提升了2-6倍，实实在在的效果。

原文

11:16

官方账号arXiv cs.LG@Yuqi Huang, Vincent Y. F. Tan, Sharu Theresa Jose

该论文研究量子核诱导的高斯过程（GP）Bandit优化问题，假设均值奖励函数位于量子核的RKHS中。针对NISQ时代任务（如量子控制、状态制备），作者指出全量子核因高维度过高导致信息增益大、累积遗憾高。他们提出投影量子核和经典核近似技术，降低特征维度同时保留关键量子性质。基于近似核开发的误指定GP Bandit算法，推导出遗憾界以权衡近似误差与信息增益。实验表明，该方法在样本效率上超越全量子核，并显著降低计算开销。

论文 Quantum Kernel GP Bandit NISQ

推荐理由：这篇论文教你用更省事的核函数解决量子优化问题，省计算省样本，还能量化精度损失，做量子控制或VQA的人值得看看。

原文

11:15

官方账号arXiv cs.LG@Xuecheng Liu, Daman Arora, Gokul Swamy, Andrea Zanette

论文提出Message Passing Language Models（MPLMs）框架，通过轻量级send/receive原语让多个LLM线程直接通信。在Sudoku任务中，MPLM所需的上下文比串行CoT和并行FJ方法渐近更小，并成功微调出能解25x25数独的单一模型。在3-SAT任务中，抢占机制可提前终止无效分支提升效率。在长上下文问答上，适当提示的大型预训练模型能遵循MPLM协议，性能与流行fork-join方法相当。

论文 MPLM 推理模型消息传递

推荐理由：这篇论文解决了LLM推理的计算瓶颈，用消息传递代替长链条，在数独和SAT上效果显著，对关注推理效率的人值得一读。

原文

11:12

官方账号arXiv cs.LG@Andrzej Szablewski, Gabriel Konar-Steenberg, Raffaello Fornasiere, Nikita Menon, Stefan Heimersheim

研究构建了54个基于OLMo2-1B和gemma-3-1b-it的模型有机体，采用7种不同训练技术（包括后训练SFT、DPO以及更现实的集成训练）。通过激活oracle、激活引导、logit lens和稀疏自编码器等基准测试发现，模型有机体的可解释性强烈依赖于训练目标、目标行为、模型架构和数据生成流程。即使控制目标行为表达强度，各条件下的可解释性方差依然显著。更现实的集成训练方法往往比标准后训练方法产生更不可解释的模型有机体。这些结果质疑了当前模型有机体作为可解释性代理的有效性。

论文 OLMo2-1B gemma-3-1b-it 可解释性

推荐理由：这篇论文用大量对比实验告诉你：训练方法不同，模型可解释性天差地别。想用模型有机体做可解释性研究的话，得先看看训练方式合不合适。

原文

11:11

官方账号arXiv cs.LG@David Shulman

本文揭示射频信号识别基准测试中数据泄露导致精度高估的问题。通过Cover函数计数定理证明，当独立录音数R小于等于特征维度d/2时，分类器可记忆录音-标签映射，使朴素准确率趋近1。在合成实验中，10次种子测试显示，朴素平衡准确率从贝叶斯水平升至1.0，而分组评估降至随机水平，最大差距约0.5。在公开DroneRF数据集上，无人机型号识别（AR vs Bebop）的宏F1从0.74骤降至0.46（二类随机水平）。消融实验证实几乎所有通胀源自片段级数据泄露。

论文 DroneRF 数据泄露 UAV

推荐理由：这篇论文用严格的数学证明和实验告诉你，为什么很多射频无人机识别论文的99%准确率不可信——数据泄露让测试集形同虚设。

原文

11:10

官方账号arXiv cs.LG@Yahya Aalaila, Gerrit Großmann, Sebastian Vollmer

Seahorse是一个统一基准框架，用于可重复的时空点过程（STPP）实验。它通过编码-演化-解码接口形式化神经STPP，并在单一可执行协议下训练、调优和评估所有模型家族。Seahorse附带HawkesNest合成压力测试套件，能暴露不同模型家族（如强度模型、条件密度模型）在复杂事件模式下的归纳偏差。该框架解决了现有实现因预处理、坐标归一化等差异导致的比较不可靠问题。

论文 Seahorse STPP 时空点过程

推荐理由：这篇论文搞了个Seahorse框架，专门统一各种时空事件模型的评测标准，还带压力测试套件，能看清哪个模型在复杂场景下更强。

原文

11:09

官方账号arXiv cs.LG@Chandni Nagda, Mayank Shrivastavam Gudrun Thorkelsdottir, Gan Zhang, Morteza Mardani, Arindam Banerjee

论文提出Flow Proposal Particle Filters（FPPF），通过生成模型学习最优提议分布进行粒子传播。FPPF能降低权重方差、延缓退化，并保留贝叶斯更新步骤。通过局部化策略扩展到高维问题。在多个非线性、非高斯、高维动力系统实验中，FPPF优于统计基线和其它生成方法。

论文 Flow Proposal Particle Filters 粒子滤波数据同化

推荐理由：这篇论文提出了一种叫FPPF的新粒子滤波方法，用生成模型做提议分布，解决了高维和非线性场景的退化问题，实验结果很扎实。

原文

11:08

官方账号arXiv cs.AI@Ziyu Chen, Yilun Zhao, Arman Cohan

这篇论文构建了一个大规模评估框架，从高质量人类研究论文中逆向工程出可能激发核心想法的少量相关先前工作。通过提示LLM从论文标题和摘要生成新想法，作者引入双轴研究品味分类法（机会模式和研究范式）来量化人类与LLM想法之间的差异。在多个LLM生成的想法集中，观察到一致的分布差距：LLM想法过度集中在桥接式机会和综合方法上，而人类论文参考分布更广泛地分布在构建差距和贡献的方式上。结果表明，即使强大的LLM能产生合理想法，其范围仍比人类研究品味窄且系统性偏移。

论文 LLM 研究想法论文

推荐理由：这篇论文用一套严谨的方法测出了LLM和人类科研人员在脑洞上的真实差距，发现LLM的想法集中但套路化，和人比还是有明显偏差。

原文

11:07

官方账号arXiv cs.AI@Chih-Han Yang, Dai-Jie Wu, Yun-Ping Huang, Ping-Chun Hsieh, Kenneth Marino, Shao-Hua Sun

提出语言批评模仿学习框架，利用自然语言作为结构化监督信号替代标量反馈。通过构建演示的语言标签，明确描述进度、识别次优行为并提供纠正指导。引入语言批评损失，实例化为LC-BC（行为克隆）和LC-DP（扩散策略）两种变体。理论证明该目标上界专家性能差距。在导航、操作和游戏等连续控制任务上，LC-BC和LC-DP优于强模仿学习和离线强化学习基线。

论文 LC-BC LC-DP 语言批评模仿学习

推荐理由：这篇论文教你用自然语言批评代替标量信号，从糟糕的演示中学更好，LC-BC和LC-DP在多个任务上都赢了。

原文

11:06

官方账号arXiv cs.AI@Shengguang Wu, Hao Zhu, Yuhui Zhang, Xiaohan Wang, Serena Yeung-Levy

73°

AutoMem 框架将 LLM 的记忆管理视为可训练技能，通过两轮优化自动改进。第一轮由强 LLM 审查完整轨迹并迭代修改记忆结构（提示、文件模式、动作词汇）。第二轮从多个回合中识别出好的记忆决策，作为训练信号直接提升模型记忆熟练度。在三个程序化生成的长周期游戏（Crafter、MiniHack、NetHack）中，仅优化记忆（不修改任务动作行为）使基础 32B 开放权重模型性能提升约 2-4 倍，达到与 Claude Opus 4.5 和 Gemini 3.1 Pro Thinking 等前沿系统竞争的水平。

论文 AutoMem LLM 记忆管理

事件专题

推荐理由：想让你家 32B 模型在长任务上干翻 Claude 和 Gemini？试试 AutoMem——不动任务行为，只优化记忆管理，效果翻倍。

原文

11:04

官方账号arXiv cs.AI@Giovanni Monea, Nathan Godey, Kianté Brantley, Yoav Artzi

该论文提出状态-预测分离假设，认为Transformer中预测下一个token与存储有用状态可被分离。作者设计双流Transformer变体，将两个功能分配到不同计算流。在多个规模下的预训练实验中，该方法在数据和计算效率上持续优于标准Transformer，验证损失更低，下游任务平均提升2-3个百分点。额外实证分析排除了潜在混淆因素，揭示了设计带来的梯度差异。

论文 Transformer 状态-预测分离语言建模

推荐理由：这篇论文把Transformer的预测和记忆分开了，实验证明效果更好，下游任务平均提了2-3个点，搞LLM架构的值得细看。

原文

11:02

官方账号arXiv cs.AI@Zhi Chen, Zhensu Sun, Yuling Shi, David Lo, Lingxiao Jiang

该研究审查了GSO、SWE-Perf和SWE-fficiency三个代码优化基准，发现740个任务中参考补丁在不同Google Cloud机器上重复满足有效性规则的比例分别仅为39/102、11/140和411/498。SWE-Perf尤其脆弱，许多参考补丁产生接近零的运行时间变化。在8个公开提交中，9/28对提交的官方排名不一致，SWE-fficiency的评分规则将最差10个任务的权重提高到58.5%-82.8%。在450个可重复任务中，85.3%的任务至少有1个公开提交匹配或超越参考补丁，99.8%的任务优于未优化基线。该研究揭示了聚合排名掩盖的剩余性能差距。

论文 GSO SWE-Perf SWE-fficiency

推荐理由：这篇论文告诉你那些牛逼的编程智能体排行榜可能不靠谱——参考补丁在不同机器上结果都不一样，排名还受评分规则摆布。做相关研究的人必读。

原文

11:01

官方账号arXiv cs.AI@Shayan Talaei, Abhinav Chinta, Devvrit Khatri, Amin Karbasi, Azalia Mirhoseini, Amin Saberi

76°

预训练语言模型可能被植入隐蔽偏好，仅通过上下文蒸馏传递，信号隐藏在soft logit分布中而文本不可见。Distill to Detect (D2D) 方法将模型与基模型的分布差异蒸馏到KV-cache前缀适配器（cartridge）中，放大偏差信号至可生成文本。实验在多个偏差类型上验证D2D能可靠检测隐蔽偏好。理论框架用Fisher加权投影解释其有效性，为部署模型审计提供实用工具。

论文 LLM Distill to Detect Cartridge

推荐理由：Arxiv新论文发现LLM隐蔽偏好很难查，D2D方法把隐藏偏差放大到文本可见，适合做审计工具。

原文

11:00

官方账号arXiv cs.AI@Jeffrey Fang, Keyi Shen, Anutam Srinivasan, Glen Chou

精选

本文提出GPUSLS-LEO方法，为非线性与神经网络动力学系统的线性时变（LTV）近似提供紧致、可微、GPU并行的线性化误差界（LEBs）。针对解析动力学，引入基于路径的Hessian界，比标准区间方法更紧；针对神经网络动力学，通过NN验证器生成的仿射松弛和局部雅可比修正导出认证LEBs。该方法在高达168维状态的非线性与神经网络动力学系统上，以67 Hz的速率在GPU上计算鲁棒控制策略，相比基线降低了求解时间和保守性，同时保持形式化保证和实时性能。

论文 GPUSLS-LEO LTV GPU

推荐理由：这篇论文把鲁棒控制加速到67 Hz，处理168维非线性动力学的车，GPUSLS-LEO在GPU上跑得比现有方法更快更紧，适合搞实时控制的人。

原文

10:27

官方账号arXiv cs.AI@Liyuan Zhu, Shengyu Huang, Amrita Mazumdar, Tianye Li, Zan Gojcic, Gordon Wetzstein, Iro Armeni, Shalini De Mello, Alex Trevithick

该方法提出从单目视频生成可自由渲染的动态3D高斯表示。通过视频模型条件化密集像素对齐渲染，编码外观、几何和3D场景运动，以纠正初始重建的伪影并填补缺失区域。训练时构建了多视角视频对和动态3DGS数据集，模拟单目重建的典型伪影。测试时将模型生成的新区域和运动蒸馏回单一一致的高质量动态3DGS，在4D重建上达到新SOTA，并泛化到视角变化大的野外视频。

论文 3D高斯重建动态场景单目视频

推荐理由：想从普通视频生成能自由旋转看的3D场景？这个新方法用高斯点云重建动态效果，超越现有4D重建技术。

原文

10:26

官方账号arXiv cs.AI@Austin McDannald, Julia Tisaranni, Howie Joress

本文针对自主实验室中AI代理规划实验时的硬件资源约束问题，提出一种两步方法。第一步使用约束规划找到最优调度，最小化总时间并满足设备容量和限制。第二步为每个任务建立状态依赖系统，确保最优调度稳健执行。该方法在金属有机框架（MOF）合成平台上验证有效。

论文约束规划自主实验室资源调度

推荐理由：这篇论文教你怎么让AI实验室同时用好多个仪器，不浪费时间，搞材料合成的朋友可以看看。

原文

10:25

官方账号arXiv cs.AI@Mehul Damani, Isha Puri, Idan Shenfeld, Jacob Andreas

该论文提出对抗生成器-判别器框架，将可验证奖励（RLVR）与人类演示信号结合。在bug修复任务中，该方法在匹配RLVR基线性能的同时，将编辑距离显著降低。在故事生成任务中，该方法将胜率提升，并产出更接近人类的多样故事。在奖励黑客基准测试中，该方法几乎消除模型异常行为，同时保持高分。

论文 RLVR 对抗训练语言模型训练

推荐理由：这篇论文能让AI不仅算对答案，还能写出像人话的风格，用对抗训练把RLVR和人类示范结合起来，效果很实在。

原文

10:23

官方账号arXiv cs.AI@Zhuoxuan Zhang, Kangqi Ni, Yuhang Chen, Mingfu Liang, Xiaohan Wei, Yunchen Pu, Fei Tian, Chonglin Sun, Frank Shyu, Adam, Song, Sandeep Pandey, Luke Simon, Tianlong Chen, Xi Liu

生成式推理重排序器（GR2）通过自回归解码生成推理链后再排序，准确率高但推理速度慢。论文提出Diffusion-GR2，将自回归重排序器转换为块扩散模型，并行解码多个位置。通过转换微调（CFT）解决结构间隙，确保输出有效排列；通过在线蒸馏（OPD）和强化学习（RL）弥补分布间隙。在Amazon Beauty数据集上，Diffusion-GR2准确率接近自回归基线，推理吞吐量提升2.4-3.5倍。消融实验显示CFT恢复大部分转换损失，在线蒸馏进一步缩小差距。

论文 Diffusion-GR2 GR2 AR re-ranker

推荐理由：想加速推理重排序又不想掉精度？这篇把自回归GR2换成块扩散，速度提升2.4倍以上，准确率几乎没降，干货满满。

原文

10:22

官方账号arXiv cs.AI@Brett Reynolds

该论文提出对抗性语用学作为评估语言模型安全性的基准与标注协议，涵盖指令冲突、嵌入命令、引用、范围歧义、指示语、间接言语行为和多轮智能体转录。论文贡献包括一个18条目的种子基准（含验证者强制元数据）和一个54行的本地种子试点实验。专家评估协议区分任务成功、政策合规、安全风险、拒绝结果和评估者置信度。框架为验证安全评估、LLM裁判、黄金集构建、提示注入测试和安全文档提供了实用工具。

论文对抗性语用学 AI安全基准

推荐理由：这篇论文搞了一个对抗性语用学基准，有18个具体条目，专门测试模型被指令冲突、嵌入命令搞昏头的情况，比以前只打通过/不通过标签靠谱多了。

原文

10:21

官方账号arXiv cs.AI@Binglin Ji, Anindya Sarkar, Hengchang Lu, Jens Sjölund, Yevgeniy Vorobeychik

论文提出IMPFM框架，通过多粒子流映射实现样本高效的在线反馈驱动搜索。该框架引入基于流映射的后验样本共享机制，在每次重采样步骤中用全体粒子的集体后验样本纠正个体漂移，从而最大化样本效用并实现全局探索。同时，采用多粒子交互的探索-利用重加权机制，维持结构多样性并克服标准SMC采样器的权重退化。理论证明该框架产生多粒子交互感知的Feynman-Kac修正器，逐步将多粒子系统引导至KL倾斜目标分布，防止模式坍缩。在多种搜索和对齐任务上的实验表明IMPFM优于现有基线。

论文 IMPFM 流映射多粒子

推荐理由：这篇论文提出了IMPFM，一个用多粒子流映射做在线反馈搜索的方法，能全局探索还不容易过拟合。跟标准SMC比，它解决了权重退化问题，效果更好。

原文

10:17

官方账号arXiv cs.AI@Changguo Jia, Tianqi Zhao, Runzhi He, Minghui Zhou

论文提出Agent Skill Supply Chains (ASSCs)概念，用于描述智能体技能的混合依赖图。作者设计SkillDepAnalyzer工具，在SKILL-DEP基准上准确恢复元数据和依赖图，优于LLM基线及SBOM工具。对143万+技能分析发现四种结构模式：元数据激活就绪但治理不足、依赖图跨技能包服务、递归复用扩展依赖、依赖集群围绕相关工作流。研究指出仅检视技能会遗漏依赖中的安全信号，并发现已知恶意技能在ASSCs中的持续存在。建议引入类型化依赖清单、依赖集群管理、风险警告命令和锁文件记录。

论文 Agent Skill Supply Chains SkillDepAnalyzer SBOM

推荐理由：这篇论文像给智能体技能装了依赖扫描仪，用SBOM思路挖出143万+技能里的隐藏风险和安全漏洞。

原文

10:15

官方账号arXiv cs.AI@Hao Huang

论文将Muon优化器解释为隐式残差连接。正交化更新牺牲局部梯度保真度，但改善下游层的表示保留。在受控线性优化中，Muon学习对局部目标拟合慢但下游层易利用的表示。该视角为设计平衡局部下降与下游可用性的优化器提供了新思路。

论文 Muon 优化器残差连接

推荐理由：这篇论文给了Muon一个新视角：它不只是优化器，更像隐式残差连接，专门为下游层保留好的表示。想理解Muon为什么管用的可以看看。

原文

10:14

官方账号arXiv cs.AI@Md Abu Hanif Shaikh, Abdullah Al Shafi

论文 RAG 多模态 LLM

推荐理由：这篇论文介绍了一个大学多模态聊天助手，用RAG把幻觉从31.7%压到6.6%，还能处理图片提问，代码也开源了。

原文

10:13

官方一手arXiv: DeepSeek@Zewen Liu

该论文提出了EPC（评估者偏好耦合）协议，这是一种RFC风格的标准化协议，用于隔离和测量LLM代理系统中评估者偏好动态的四个阶段。协议包含了执行器和评估器配置、策略与任务设计、TTRL更新规则以及gamma、JSD、ECE、Brier等度量指标的计算方法。同时发布版本化的参考快照v1.0，包含GPT-4o、Qwen、DeepSeek等八个评估器条件的122次独立实验重复测量结果，并标注了版本标识符、API端点与测量日期。该协议、参考快照及实现代码已作为开放基础设施发布，旨在支持第三方复现、跨评估器比较以及检测专有评估器无声更新导致的测量衰减。

论文 EPC GPT-4o Qwen

推荐理由：这篇论文搞了个标准协议EPC，专门用来测LLM代理系统里评估器偏好怎么耦合的，还附带了GPT-4o、Qwen、DeepSeek等8个评估器的大规模实测数据，方便你复现和对比。

原文

10:12

官方一手arXiv: DeepSeek@Robson Alves Vilar, Emanuel Dantas Filho, Ademar França de Sousa Neto, Mirko Perkusich, Danyllo Wagner Albuquerque, João Paiva, Kyller Gorgônio, Angelo Perkusich

一项研究评估了GPT-5 mini、Gemini 3 Flash和DeepSeek Chat 3.2在993道PSM I风格Scrum认证题上的表现，使用零样本、链式思考和源接地三种提示策略。Gemini 3 Flash准确率最高，GPT-5 mini次之，DeepSeek Chat 3.2最低。模型在单选题上表现最好，但在多选题和判断题上错误更多。定性分析发现错误系统性源于过度泛化、限制性措辞和复合干扰项。

论文 GPT-5 mini Gemini 3 Flash DeepSeek Chat 3.2

推荐理由：想了解GPT-5 mini、Gemini 3 Flash、DeepSeek Chat谁更适合Scrum考试？这篇论文用993道真题实测了准确率和稳定性，还分析了典型错误原因。

原文

10:11