全部 AI 动态 · AI 热点

8月11日

11:48

官方账号arXiv cs.AI@Wanying Qu, Qinghua Mao, Yu Li, Jiyao Liu, Xin Zhang, Dadi Guo, Yanxu Zhu, Qingyu Liu, Leitao Yuan, Xi Lin, Shanfeng Zhu, Yanwei Fu, Jing Shao, Xia Hu, Dongrui Liu

SHE框架将智能体安全机制分解为系统提示、规则库、安全记忆和工具策略四个组件，每个组件有明确的安全职责。该框架通过归因引导的进化循环，将轨迹失败转化为结构化诊断，并学习组件特定的边界优化。在Agent-SafetyBench上，SHE相比静态SafeHarness将攻击成功率降低3.1倍，同时提升良性效用。进化后的安全机制在AgentHarm基准上泛化到未见风险，并无需额外进化即可跨智能体模型迁移。

论文 SHE LLM智能体 AI安全

推荐理由：SHE把智能体安全从模型权重扩展到运行框架，分解成四个可独立进化的组件，实测攻击成功率降3.1倍，还能跨模型迁移，搞AI安全的值得看看。

原文

11:47

官方账号arXiv cs.AI@Yapeng Liu, Yuanzhao Zhai, Bo Ding, Huaimin Wang, Lin Wang

arXiv 新论文提出能量结构潜在世界模型（ELWM），将能量和动量显式编码进潜状态，通过耗散和控制端口保证严格因果转换。基于 RGB-D 和惯性交互历史训练，ELWM 确保预测物理一致。配套的物理条件神经时间场（PC-NTF）通过 Eikonal 方程集成到到达时间场，生成导航策略。在跨场景评估中，PC-NTF 将 0.8 秒运动预测 NRMSE 从 0.36 降至 0.29，导航成功率从 81.3% 提升至 89.7%，SPL 从 0.64 升至 0.73，物理碰撞率从 12.1% 降至 5.8%。

论文 ELWM PC-NTF 运动规划

推荐理由：这篇论文把物理规律直接塞进潜空间，导航成功率涨了 8 个点，碰撞率砍半，做具身智能的值得看看。

原文

11:46

官方账号arXiv cs.AI@Abraham Gonzalez, Raghav Gupta, Akanksha Jain, Hanna Alam, Alexander Novikov, Po-Sen Huang, Matej Balog, Marvin Eisenberger, Sergey Shirobokov, Ngân Vũ, Hank Levy, Borivoje Nikolić, Sagar Karandikar, Martin Dixon, Parthasarathy Ranganathan

ArchAgent v2 将自动化微架构搜索扩展到多级数据预取。它引入级联进化搜索，按缓存层级依次进化和冻结预取器，并加入硬件可实现性反馈回路，在进化过程中实时估算硬件规模。在 DPC4 规则下，ArchAgent v2 自动设计的三级预取器比人工设计的冠军方案表现更好，几何平均 IPC 较基线提升 3.8%，较前冠军 BertiGO 提升 0.3%。在低带宽单核配置下，其性能提升达 4.6%，而 BertiGO 仅为 2.6%。

论文 ArchAgent DPC4 数据预取

推荐理由：AI 自动设计芯片预取器，居然跑赢了 DPC4 冠军方案，单核低带宽下提速 4.6%，搞硬件架构的值得看看。

原文

11:45

官方账号arXiv cs.AI@Diandian Zhang, Tingyu Song, Lin Fu, Zheyuan Yang, Yilun Zhao

Sci-VBench 是一个评估科学领域视频生成的新基准，包含 1,253 个专家标注示例，覆盖 60 个主题和四个学科。该基准要求模型生成具有科学推理和知识基础的视频，而非仅表面视觉合理性。研究显示，非专家评估者和 MLLM-as-Judge 系统与专家判断有较高一致性。对 16 个模型的测试发现，自动感知质量分数相近，但提示接地和科学因果正确性差异显著，且专有模型与开源模型差距明显。这表明视觉真实性的进步尚未转化为对科学和因果动态的可靠建模。

论文 Sci-VBench 视频生成科学推理

推荐理由：想知道视频生成模型在科学推理上有多靠谱？这个新基准测了 16 个模型，发现视觉好看不等于科学正确，专有和开源差距不小。

原文

11:44

官方账号arXiv cs.AI@Alexander Panfilov, David Schmotz, Ilia Shumailov, Luca Beurer-Kellner, Joachim Schaeffer, Ameya Prabhu, Jonas Geiping, Maksym Andriushchenko

精选76°

Anthropic、OpenAI和Google等主流LLM提供商将推理轨迹加密后返回客户端，但研究发现这些加密块在会话、用户和模型间可互换。攻击者将加密轨迹注入同提供商的较弱模型，可强制其明文输出推理内容，无需直接越狱更强模型。通过解码315,320个推理块，研究者恢复了367个PII和182个凭证。该漏洞还支持隐形提示注入，可污染智能体部署。论文提出加密和系统级缓解措施。

论文推理模型 AI安全 Anthropic

事件专题

推荐理由：这篇论文揭露了Anthropic、OpenAI和Google推理加密的漏洞，能跨模型解密，还挖出大量隐私数据，搞AI安全的必看。

原文

11:43

官方账号arXiv cs.AI@Mahvish Nagda, Jihyeon Lee, Matthew Thompson, Chunjong Park, Tim Strother, Valentin Liévin, Roma Ruparel, Akshay Goel, Teya Bergamaschi, Suhana Bedi, Meet Shah, Pavel Dubov, Liviu Panait, Toshiyuki Fukuzawa, Sam Schmidgall, Craig Schiff, Joseph Xu, Aliya Rysbek, Yana Lunts, Jan Freyberg, Rebecca Hemengway, Sunny Virmani, David Racz, Carey Radebaugh, Joëlle Barral, Kavi Goel, Dale R. Webster, Katherine Chou, Avinatan Hassidim, Yossi Matias, James Manyika, Gregory Wayne, Tao Tu, Yun Liu, Ethan Goh, Christina Chen, Ryutaro Tanno, Po-Hsuan Cameron Chen, Mike Schaekermann, Anil Palepu

71°

谷歌研究团队推出AMIE（Video），一个基于Gemini的多智能体系统，支持低延迟对话、临床推理和实时视听感知。在包含30名初级保健医生、15名患者演员和100个临床场景的随机OSCE研究中，AMIE（Video）在病史采集、诊断、管理和体格检查方面与医生评分相当或更优。患者演员更偏好AMIE的病情评估和解释方式，但医生在建立融洽关系和伙伴关系上更受青睐。模态消融显示，患者更偏好视频界面而非纯文本聊天。研究指出在精细解剖精度、细微情感表达和高频动作方面仍有局限。

论文 AMIE Gemini 医疗AI

推荐理由：谷歌把医疗AI做到视频问诊了，AMIE视频版在100个临床场景里和真人医生打平甚至更好，患者还更喜欢它的解释方式，想看看AI看病到底行不行可以读这篇。

原文

11:42

官方账号arXiv cs.AI@Rohan Bhagra, Mahantesh Halapannavar, Uddhav Bhattarai

该论文提出在机器人规划与执行之间加入LLM驱动的验证层，评估动作的可行性。采用LLM-as-a-Judge集成，结合多模型链式推理与专家输出合成，类似专家混合与自一致性方法。该层作为中间件，在计划到达MCP服务器前进行门控，支持批准、拒绝或升级人工审查。系统在批准/升级/拒绝类别上达到近85%的精确度，对对抗性攻击的遏制率达97%。错误主要出现在升级边界，接受与拒绝任务间的误差可忽略。

论文 Agentic Harnesses LLM-as-a-Judge 机器人自主性

推荐理由：这篇论文给机器人规划加了个AI裁判，能拦下不安全或不合规的动作，对抗攻击遏制率97%，做机器人安全的值得看看。

原文

11:41

官方账号arXiv cs.AI@Yifeng He, Jicheng Wang, Yinzhe Zhao, Jiachen Liu, Hao Chen

arXiv 论文提出自主研究智能体的 generate-and-rank 范式忽略了稀疏反馈问题。研究者认为其控制循环与灰盒模糊测试器一致，需在每次实验暴露廉价密集的认知进步信号。该信号应指导下一步干预，使智能体搜索而非重复采样，最终验证仍需保护性证据避免自适应复用。论文提出测试候选信号预测验证进步、反馈导向搜索比重复采样单位成本更多验证发现、保护性验证减少假发现。

论文自主研究模糊测试反馈架构

推荐理由：这篇论文把自主研究比作模糊测试，点出反馈架构才是瓶颈，不是生成。想搞懂 AI 科研智能体该往哪走，值得一看。

原文

11:40

官方账号arXiv cs.AI@Aimilios Hadjiliasi, Louis Nisiotis

CEAA 提出一种模块化认知架构，用于在实时交互式 3D 环境中部署具身智能虚拟代理（IVA）。该架构基于 Sense-Think-Act 范式和 Belief-Desire-Intention 认知模型等既有框架，旨在弥合高层推理模型与实时具身执行之间的鸿沟。它提供可复用的实现导向框架，支持构建可扩展、自适应且可解释的智能体。论文发表于 arXiv，编号 2608.09848v1。

论文 CEAA 具身智能体认知架构

推荐理由：这篇论文给做具身智能体的人一个现成的模块化架构模板，不用从零搭，直接套用就能在 3D 环境里跑认知智能体。

原文

11:39

官方账号arXiv cs.AI@Zichao Yu, Chengzhi Yu, Shengze Xu, Yujin Han, Bingqing Jiang, Xu Wang, Difan Zou

精选

在线策略蒸馏（OPD）是LLM后训练的核心环节，但存在退化一致性问题：学生通过重复循环获得与教师近乎完美的token一致，但整体回答有缺陷。论文将焦点转向师生不匹配，发现不匹配token分为学生多余和学生缺失两类。提出的TIDE方法采用有界Hellinger整形抑制多余token，并通过教师top-K注入恢复缺失token的概率质量。在Qwen3多个师生对上的数学推理基准中，TIDE优于标准OPD及近期基线，在强不匹配场景下Avg@8从6.9%提升至20.3%，平均响应长度缩短3.6倍。

论文 TIDE 在线蒸馏 Qwen3

推荐理由：这篇论文讲了个反直觉的事：蒸馏时师生token一致反而可能有害。TIDE方法在数学推理上把准确率从6.9%拉到20.3%，还让回答短了3.6倍，值得做LLM后训练的人看看。

原文

11:38

官方账号arXiv cs.AI@Abdullah X

POLIS研究项目首篇论文探讨AI代理在系统中的安全制度设计，发布5280集冻结研究套件。预指定委托实验覆盖4个模型家族，高冲突诊断增加3个模型端点。详细宪法提示词实现0/384违规，可溯源执行守卫同样0/384，但阻止51/384次尝试，其中44次后续安全完成。本地状态守卫在洗钱场景中22/96违规，溯源执行0/96（p=4.77x10^-7）。资源分配实验显示揭示数值上限改变代理请求。

论文多智能体 AI安全 POLIS

推荐理由：POLIS首篇论文，用5280集实验证明规则只是制度一部分，权威状态和阻断路径同样关键。做多智能体安全必读。

原文

11:37

官方账号arXiv cs.AI@Yubo Jiang, Fengying Xie, Zhiguo Jiang, Haopeng Zhang

SKALD 是一种基于策略的自蒸馏框架，使用 Qwen3-Base 模型的两种上下文视图：仅问题的学生和基于抽象技能卡的教师。该方法通过退火指数倾斜目标稳定分布失配，并在验证奖励为正时激活蒸馏。在五个数学基准上，SKALD 在 0.6B、1.7B 和 4B 规模下分别比 GRPO 提升 +2.46、+4.85 和 +12.01 的 avg@8。在 1.7B 规模下，零方差蒸馏恢复 84.7% 的完整增益，且比 FLOP 匹配的 GRPO 高 +4.06。

论文 SKALD Qwen3 GRPO

推荐理由：想提升数学推理模型？SKALD 把技能蒸馏进权重，比 GRPO 最高涨 12 分，还不用改推理时的输入。

原文

11:36

官方账号arXiv cs.AI@Haoyu Yang, Meixing Shi, Zengjie Chen, Haoran Sun, Haitao Leng, Xiaoming Shi, Yuxiang Cai, Yankai Jiang

MedPixel是一个统一的医学像素-语言模型，通过共享的语言-掩码接口连接临床语言、视觉推理与像素级定位。研究团队构建了MedPLG-440K数据集，包含约44万个像素-语言任务样本，通过临床驱动的合成流程生成，无需外部LLM标注。模型采用联合多任务监督微调和像素级偏好优化训练，后者利用真实掩码作为离线验证器，从掩码质量推导响应偏好。MedPixel支持显式定位、隐式推理、空间交互、可解释分割和医学VQA等任务，在像素级预测和响应生成上均表现强劲，并具备对零样本外部基准和模糊空间提示的鲁棒性。

论文 MedPixel 医学图像分割视觉语言模型

推荐理由：医学图像分割和语言模型终于打通了，MedPixel一个模型搞定定位加问答，还自带44万样本的数据集，搞医学AI的值得看看。

原文

11:26

官方账号arXiv cs.AI@Ghanshyam Verma, Simanta Sarkar, Devishree Pillai, Hotaka Shiokawa, Yourong Xu, Fiona Veazey, Peter Hubbert, Hui Su, Paul Buitelaar

KGCaRe是一种混合方法，结合神经检索与符号推理，通过多提示提取策略从文档构建知识图谱并存入图数据库，同时将文档嵌入向量库。它采用LLM引导的迭代图遍历提取相关三元组，并在初始遍历不足时利用线索实体再次遍历。在Mistral、Mixtral、GPT-3.5和GPT-4o等多个LLM上，KGCaRe在两个复杂条件问答数据集上持续优于Vanilla LLM、Vanilla RAG、Think-on-Graph等基线。该方法已公开软件管道。

论文 KGCaRe 知识图谱 RAG

推荐理由：KGCaRe把知识图谱和RAG结合，复杂条件问答比普通RAG更准，多个模型上都赢了，代码也开源了。

原文

11:24

官方账号arXiv cs.AI@Pinzhen Chen, Koel Dutta Chowdhury, Xiaoya Xu, David Tan, Doreen Osmelak, Ona de Gibert, Ariun-Erdene Tumurchuluun, Ashok Urlana, Fedor Sizov, Hale Sirin, Jesujoba Alabi, Karrar Talib Abed, Mateusz Klimaszewski, Nikolay Bogoychev, Niyati Bafna, Patricia Schmidtova, Preksha Manjunath Shanbhag, Sherrie Shen, Vilem Zouhar, Vivek Iyer, Yasser Hamidullah, Yusser Al Ghussin, Zheng Zhao

Cultivar 是一个基于 FLORES 的本地化翻译基准，用于评估模型在特定地区文化语境下的翻译能力。该基准通过源语言对比设计，将未本地化版本与本地化版本配对，以检测数据污染和本地化鲁棒性。研究对 32 个开源权重模型进行测试，发现机器翻译专用模型鲁棒性较差，部分模型可能过拟合 FLORES，且模型普遍更擅长翻译美国内容而非其他地区内容。

论文 Cultivar FLORES 翻译基准

推荐理由：想测翻译模型有没有背答案？Cultivar 用本地化对照来抓数据污染，32 个开源模型跑下来，发现 MT 专用模型反而更脆，美国内容翻译得最好。

原文

11:18

官方账号arXiv cs.AI@Puyu Zeng, Simeng Qin, Jingzhi Li, Ju Jia, Zheli Liu, Xiaojun Jia

精选

ColluSkill是一种针对LLM智能体技能扫描器的对抗性攻击框架，通过将恶意意图分解为多个独立包装的技能子负载，利用上下文依赖和工件传递在运行时组合成有害工作流。实验显示，在六个代表性技能扫描器上，ColluSkill平均攻击成功率达96.0%，显著优于单技能和多技能攻击基线。为防御此类攻击，研究者提出ChainGuard，一种上下文感知的技能链扫描器，通过重建跨技能依赖和工件流将攻击成功率降至22.5%，同时允许99.5%良性工作流通过。该研究揭示了现有技能扫描器仅检查单个技能的安全盲区，强调链级安全分析对智能体技能生态系统的重要性。

论文 ColluSkill ChainGuard 智能体安全

推荐理由：这篇论文讲了一个新攻击思路：把恶意技能拆成多个看似无害的小技能，组合起来就能绕过扫描器。还给了防御方案ChainGuard，做智能体安全的人值得看看。

原文

11:17

官方账号arXiv cs.AI@Hasan Mahmud, Khawaja Abaid Ullah, Mohammad Javad Khojasteh, Jamison Heard, Prabu David

该论文检验了LLM作为社交评判者的有效性，基于10个心理和关系构念构建了3层人格画像（社交吸引、混合、不吸引）。研究1中，34个LLM对12个画像进行3次重复评分，表现出高稳定性和一致的3层排序。研究2通过6对匹配姓名和代词及仅代词测试，未发现性别呈现的显著影响。研究3中198名人类参与者的评分复现了3层结构，但LLM对吸引画像评分更积极、对不吸引画像更消极。

论文 LLM 社交吸引力人格画像

推荐理由：想知道AI能不能当靠谱的社交裁判？这篇用34个模型和198个人类实测对比，结论挺有意思。

原文

11:16

官方账号arXiv cs.AI@Nathan Godey, Yoav Artzi

精选

Matryoshka训练框架将500M、1.5B和3B三个子模型堆叠进单一嵌套架构，端到端训练。相比独立训练基线，该套件在基准性能和困惑度上持平，但训练计算量减少36%。嵌套结构天然支持投机解码，吞吐量提升14-26%。论文还消融了关键架构选择，为构建强Matryoshka套件提供指导。

论文 Matryoshka 语言模型训练效率

推荐理由：想省训练算力又不想掉性能？这个嵌套训练法把三个模型塞一个架构里，直接省36%算力，还顺带加速推理，值得一看。

原文

11:15

官方账号arXiv cs.AI@Kevin Murphy

Model Discovery Agent (MDA) 将大语言模型作为候选结构提议器，与序贯蒙特卡洛、模拟推断和价值信息等贝叶斯方法结合，用于从少量干预实验中学习因果机制模型。MDA 在 M-open 设定下运行，当真实模型超出假设类时，预测检查会触发提议器扩展假设空间。在物理、化学和生物学三个基准上，MDA 实现了数据高效的模型学习和可靠的干预预测，创下新 SOTA。

论文 Model Discovery Agent 贝叶斯实验设计因果模型

推荐理由：想用最少实验搞清楚因果机制？MDA 把 LLM 和贝叶斯结合，自动设计实验、发现模型，物理化学生物三领域都刷新了纪录。

原文

11:13

官方一手arXiv: OpenAI@Jędrzej Hodor, Piotr Micek

一项新研究证明，若高度为h的完全二叉树同构于某图H与一条路径的强乘积的子图，则H的路径宽度pw(H)至少为Ω(h)。该结果解决了Bose、Dujmović、Javarsineh、Morin和Wood在2022年提出的开放问题。证明由OpenAI的GPT-5.6 Sol Pro模型发现，展示了AI在数学推理中的潜力。论文已发布于arXiv，编号2608.09495v1。

论文 GPT-5.6 OpenAI 图论

事件专题

推荐理由：OpenAI的GPT-5.6 Sol Pro帮人解决了一个2022年的数学难题，想知道AI怎么证明图论下界？看这篇。

原文

11:11

官方账号arXiv cs.LG@Fan Yang, Nan Chen, Yijie Dong, Yuchen Zhang, Wei Zhang

AirFlow 是一个面向空气质量预测的污染物感知双流框架，针对不同污染物通道在周期性和分布漂移上的差异，设计了统计引导的归一化路由机制，根据24小时自相关和分布漂移为每种污染物选择归一化路径。其分层双流状态模型结合多尺度状态空间传播与可学习响应系数，通过门控双向交叉注意力交换信息并自适应融合表示。在多个城市真实数据上的实验中，AirFlow 在36项指标对比中取得34项最优，相比最先进基线将均方根误差最多降低11.11%。该模型仅需0.0483M参数和0.0215G FLOPs，在保持高预测精度的同时计算开销极低。

论文 AirFlow 空气质量预测多尺度状态模型

推荐理由：空气质量预测的新方法，AirFlow 用双流结构分别处理不同污染物的变化节奏，36项指标赢34项，参数还不到5万，轻量又准。

原文

11:10

官方账号arXiv cs.LG@Akash Gogineni, Nagur Shareef Shaik, Aasrith Mandava, Adnan Masood, Dong Hye Ye

C²A是一种新的分类头，将池化视为对学习到的每类空间注意力图的期望，为每种疾病生成局部描述符。它通过从经验标签共现初始化的可学习图耦合这些描述符，并用单次残差消息传递在相关发现间共享证据。在CheXpert上，C²A的宏平均AUROC达到0.895，优于先进上下文门控基线。增益集中在共现度高且空间证据模糊的类别上，如肺不张比GCG高出1.5个百分点，且仅增加一个线性投影和C×C边矩阵的开销。

论文 C²A CheXpert 多标签分类

推荐理由：胸片多标签分类老问题，C²A用共现先验加注意力，CheXpert上0.895 AUROC，比GCG强，开销还小，值得搞医学影像的看看。

原文

11:09

官方账号arXiv cs.LG@Ange-Clément Akazan, Ineza Remy Mugenga, Abebe Geletu, Jean Medard Ngnotchouye, Issa Karambal

ReliableNet 提出一种新的训练方法，直接约束模型同时自信且预测错误的联合概率（JCW），使其低于用户设定的风险预算 α。该方法将问题建模为机会约束的经验风险最小化，并用保守光滑内近似保证可行性。在四个表格和两个图像数据集上，ReliableNet 是唯一在所有分布内数据集和随机种子下满足 JCW 预算的方法。在多种分布偏移下，它取得最低的经验 JCW，同时保持较高的准确率和校准性能。

论文 ReliableNet 可信分类机会约束

推荐理由：想减少模型自信犯错？ReliableNet 直接约束这种错误率，比校准和选择性预测更稳，测试里表现最好。

原文

11:08

官方账号arXiv cs.LG@Zijiang Yang, Xiaomeng Wu, Dongmei Fu

MoNo提出了一种新的神经算子架构，通过CoTAP方法将跨空间分配建模为熵正则化最优传输问题，解决了现有可学习投影机制中潜在token分配不均的问题。该方法构建了平衡的双向投影和稳定的潜在空间，支持在一般几何上的多尺度架构。实验表明，MoNo在预测性能和计算效率上均优于现有最先进的神经算子。代码已开源。

论文 MoNo 神经算子 PDE求解

推荐理由：MoNo解决了神经算子中token分配不均的痛点，用最优传输做多尺度，PDE求解又快又准，代码也开源了。

原文

11:07

官方账号arXiv cs.LG@Nagur Shareef Shaik, Jeongwoo Park, Yeong-Jin Kim, Jaeuk Jung, Hyunjung Oh, Dong Hye Ye

视网膜眼底图像常同时存在多种病理，但标准深度学习分类器对所有图像施加静态相同计算。研究者提出新架构，结合引导上下文门控空间注意力和稀疏路由专家混合模块，实现可解释的数据驱动分解。专家分配显著依赖疾病，健康状态和形态学上不同的病理隔离到专属专家。在五类患者分离的5折交叉验证中，模型达到0.912±0.008宏AUC和0.653±0.014宏F1。Grad-CAM++和t-SNE可视化证实专家路由与局部病灶对齐，并将共病案例映射到其组成簇之间。

论文视网膜 MoE 稀疏路由

推荐理由：这篇论文用稀疏MoE做视网膜多病分类，专家分配能对应具体病灶，宏AUC到0.912，搞医学影像的可以看看。

原文

11:06

官方账号arXiv cs.LG@Jakub Kacper Szeląg, Aydin Abadi, Mohammad Naseri

该论文提出去中心化问题，指计算机通信系统中缺乏普遍接受的定义。作者引入基于图的本体论，将去中心化定义为关系性和主体特定属性，并区分于分布。提出两个新指标：Void Tolerance和Imperviousness，用于评估系统。提供浏览器实现，可自动分类和计算任意系统的指标。在联邦学习和区块链架构上的实例验证显示一致、可比较的评估结果。

论文去中心化本体论联邦学习

推荐理由：这篇论文给去中心化下了个清晰定义，还搞了两个新指标，能自动算系统去中心化程度。搞联邦学习或区块链的可以看看，比之前那些模糊说法靠谱。

原文

11:04

官方账号arXiv cs.LG@Xinyi Xu, Bingnan Xiao, Shuang Qin, Gang Feng, Tony Q. S. Quek

联邦学习中的LoRA微调通常将更新矩阵分解为A和B两个因子。本文通过最小二乘代理模型分析发现，共享A保留本地B（Share-A/Local-B）要求客户端更新矩阵共享输入侧秩r空间，而共享B保留本地A（Share-B/Local-A）则要求共享输出侧秩r空间，两种策略投影残差不同。据此提出FedAS-LoRA，在训练前用Rank-Aware Shared-Subspace Sufficiency（RSS）指标评估共享子空间充分性，自动选择共享侧。实验覆盖不同任务、数据分布、LoRA秩和参与率设置，验证了RSS有效性和FedAS-LoRA的优越性能。

论文 LoRA 联邦学习 FedAS-LoRA

推荐理由：联邦学习调LoRA的朋友看这篇，它告诉你A和B该共享哪个，还给了个训练前就能算的指标，省得瞎试。

原文

11:03

官方账号arXiv cs.LG@Mona Furukawa, Sai Hyne, Daniel R. McGowan, Bartłomiej W. Papież

该研究利用深度学习基于PET/CT影像预测非小细胞肺癌的EGFR、TP53和KRAS基因突变。实验采用英国新型放射基因组学队列，比较成对多标签学习与单基因分类的效果。联合预测KRAS和TP53将AUC从0.58提升至0.64（KRAS）和从0.69提升至0.71（TP53）。EGFR/KRAS对中仅EGFR受益，而EGFR/TP53对无改善。结果表明多标签学习的有效性取决于特定突变组合，提示需采用突变特异性建模策略。

论文 PET/CT NSCLC 多标签学习

推荐理由：想用影像预测基因突变？这篇论文告诉你多标签学习不是万能药，KRAS和TP53联合预测能提AUC，但EGFR组合就没用，得看突变配对。

原文

11:02

官方账号arXiv cs.LG@Yu Liu, Jan Kronqvist, Fabricio Oliveira

arXiv 上发布了一篇论文，探讨在数学优化问题中使用输入凸神经网络（ICNN）替代传统前馈神经网络（FNN）作为代理模型。ICNN 的凸结构在混合整数规划（MIP）中能产生更紧的线性规划（LP）松弛，有时甚至无整数间隙。论文提出了一种基于分支定界的算法，直接在输入变量上分支，并在特定条件下于根节点终止。在人道主义食品援助、油井路线和葡萄酒调配的案例研究中，ICNN 代理在求解时间和可扩展性上优于 FNN。

论文 ICNN 输入凸神经网络混合整数规划

推荐理由：这篇论文给做优化的人提了个新思路：用 ICNN 当代理模型，比传统 ReLU 网络算得快，还更稳。

原文

11:01

官方账号arXiv cs.LG@Aaron Haag, Altay Kaçan, Bertram Fuchs, Oliver Lohse

本文提出一种无需验证器的3D CAD生成测试时扩展方法，称为共识选择。该方法从候选池中采样N个参数化CAD程序，编译为3D模型后，选择与池中其余候选最一致的那个。几何共识在三个几何指标上优于现有方法的验证器，拓扑共识在拓扑指标上与之持平。在多种LLM和提示变体下，几何共识比随机选择降低1-10%的Chamfer距离。

论文 CAD生成共识选择测试时扩展

推荐理由：不用额外验证器，靠候选池内部共识就能挑出好CAD模型，几何指标还更准，省事又有效。

原文

11:00

官方账号arXiv cs.LG@Jian Xu

该研究指出，许多生成式时序模型基准数据集中，单一值（如零降雨、零订单）占据大量概率质量。标准滚动起点协议可能导致评估窗口与数据集结构严重不符，例如某基准数据集中42%为零，而评估窗口仅13%。这种不匹配甚至逆转了研究结论，使最强模型看似失败。研究者提出一种CRPS不变的对照方法，以衡量时间耦合对统计量的贡献。在五个种子上对七种模型进行匹配协议测试，自回归hurdle模型在六个数据集中的五个上优于条件流模型，最高提升153倍，而流的出现统计量在不同种子间变化高达62%。五种不同出现统计量下模型排序不一致，且构造不同的两种统计量一致性最差。

论文时序模型 CRPS 评估协议

推荐理由：这篇论文戳破了时序模型评估的常见坑，用具体数字说明评估协议能颠倒结论，搞时序生成的人都该看看。

原文

10:59

官方账号arXiv cs.LG@Vagan Terziyan, Artur Terziian, Oleksandra Vitko

本文提出有序结构依赖假说（OSDH），认为同一观测的多个可接受排序能揭示单一序列无法捕捉的互补结构依赖。为验证该假说，作者提出独立结构专家原则（ISEP），独立训练各投影专属序列模型，再通过融合模型整合表征。具体实现为结构演化RNN（SE-RNN），保持底层循环计算不变，仅增加投影多样性。在三个不同复杂度合成数据集上的实验表明，SE-RNN在存在隐藏结构依赖时持续受益于多投影，在简单数据集上仍具竞争力。该方法独立于底层序列模型，可扩展至其他架构。

论文 SE-RNN RNN OSDH

推荐理由：想给RNN换个思路？这篇论文提出用多个顺序投影挖掘结构依赖，实验显示在复杂数据上更稳，简单数据也不掉链子。

原文

10:57

官方账号arXiv cs.LG@Satwat Bashir, Tasos Dagiuklas, Muddesar Iqbal

FedOrbit 针对低轨卫星星座中非独立同分布数据和地面站可见性不规则问题，提出结合轨道级训练、类感知分层聚合、质量加权特征聚合及自适应特征分解的方法。在三个遥感基准和两种非独立同分布划分下，FedOrbit 在六种设置中五种取得最高准确率，第六种与最佳结果相差 0.9 个百分点。相比最强基线，在 Dirichlet 划分下提升 16.1 个百分点，在病态划分下提升 8.6 个百分点，且在六种设置中五种具有最小的轨道间准确率差异。

论文 FedOrbit 联邦学习低轨卫星

推荐理由：卫星联邦学习老被轨道数据不均衡坑，FedOrbit 用分层聚合和自适应分解，在遥感基准上最高提了 16 个点，做边缘 AI 的可以看看。

原文

10:56

官方账号arXiv cs.LG@Swastik Agrawal, Nishkal Hundia, Ziyue Liu, Michelle Bensi

该研究评估了用1DCNN、LSTM和传统机器学习方法填补热带气旋最大风速半径（Rmax）缺失值的效果。加入34节风速半径（R34）作为输入显著提升了所有模型的性能。时序模型在样本量少约一个数量级的情况下，平均相关性仍高于非时序模型，说明其能更好保留Rmax的跨风暴变异性。迁移学习未带来性能提升，因为合成数据集（RAFT、STORM）的Rmax分布比IBTrACS观测数据更低且变异性更小。研究展示了时序深度学习在重建不完整热带气旋记录方面的潜力。

论文 LSTM CNN 热带气旋

推荐理由：这篇论文用LSTM和CNN补热带气旋数据里的Rmax缺失值，发现时序模型少用10倍数据效果还更好，做沿海灾害评估的值得看看。

原文

10:55

官方账号arXiv cs.LG@Ivan Wiryadi

一项新研究在五个开源权重审查模型上测试了线性探针，用于检测代码漏洞。探针在训练时未见过的真实漏洞类型上，对单函数修复的漏洞，以61-67%的准确率区分易受攻击和已修复的函数，超过50%的随机基线。与提示模型直接给出YES/NO判断相比，探针在所有测试提示下表现更优。即使使用思维链，模型书面判断也无法区分易受攻击和已修复的函数。研究表明，模型激活包含提示无法捕捉的代码安全信号。

论文激活探针代码安全漏洞检测

推荐理由：这篇论文告诉你，光靠问模型“这代码安全吗”不够，读它的内部激活反而能发现漏洞，对做代码审查的人很有用。

原文

10:54

官方账号arXiv cs.LG@Peter Lorenz, Anjith George, Marcel Sébastien

该研究系统评估了32个基础模型在人脸呈现攻击检测（PAD）中的表现，涵盖不同架构和训练流程。零样本提示在所有模型家族和规模下性能接近随机水平。使用少于1%可训练权重的LoRA低秩适配，多数情况下可实现低于2%的集内ACER，但跨数据集ACER显著更高。研究指出LoRA主要优化集内决策边界，预训练表示和适配数据集对跨数据集泛化的影响大于轻量适配策略。

论文 LoRA 人脸防伪基础模型

推荐理由：这篇论文用32个模型实测告诉你，LoRA不是万能药，人脸防伪跨数据集还是得看预训练底子和数据。

原文

10:53

官方账号arXiv cs.LG@Logan Luna, Juan Ortiz Couder, Raul Alejandro Vargas-Acosta

研究者提出用近端策略优化（PPO）训练强化学习智能体，实现卫星自主避碰。在1000次确定性GEO场景中，智能体避障成功率达97.5%，远超基于规则基线（20.7%）和脉冲delta-v规划器（27.5%）。训练使用开源高保真天体动力学模拟器，包含日月三体摄动、燃料依赖推力及可配置碎片场。采用课程学习和塑形奖励，兼顾生存、投影距离和delta-v节省。框架已公开，代码见purl.org/sat-trajectory-avoidance。

论文 PPO 强化学习卫星避障

推荐理由：卫星避碰现在靠人工和规则，越来越难。这篇用PPO强化学习，在模拟里成功率97.5%，比传统方法高出一大截，代码还开源了。

原文

10:52

官方账号arXiv cs.LG@Oussama Boussif, Mohammed Mahfoud, Younesse Kaddar, Moksh Jain, Sida Li, Damiano Fornasiere, Xiaoyin Chen, Yoshua Bengio, Esmeralda S. Whitammer

符号回归旨在寻找描述目标变量与输入间随机依赖的代数表达式，不同于固定模型结构的参数拟合，它是在表达式空间中的搜索问题。ERRLESS（熵正则化强化学习用于表达式结构采样）通过最大熵强化学习，学习一个神经网络策略来逐步构建抽象语法树，从而从给定数据的表达式后验分布中采样。在Feynman基准上，ERRLESS取得了有竞争力的结果，同时生成简短且可解释的表达式。与SMC基线相比，ERRLESS近似后验预测均值实现了较高的决定系数（R²），凸显了贝叶斯视角在符号回归中的优势。

论文 ERRLESS 符号回归强化学习

推荐理由：想找能处理噪声数据、还能告诉你不确定性有多大的回归方法？ERRLESS用强化学习从后验里采样表达式，Feynman基准上表现不错，表达式还短。

原文

10:51