全部 AI 动态 · AI 热点

6月24日

12:06

官方账号arXiv cs.AI@Peiyan Hu, Jian Zhang, Jiashu Pan, Ruiqi Feng, Tao Zhang, Zhi-Ming Ma, Yuan-Sen Ting, Gongjie Li, Tailin Wu

Bi-CFM通过学习初始态与终态分布的双向映射，捕获混沌演化的随机性，缓解指数级误差累积。在Lorenz、Circuit和Lorenz 96系统上，Bi-CFM在5个分布级指标上超越基线，速度提升超两个数量级。针对行星动力学中的三体行星-行星散射问题，扩展的CBi-CFM守恒误差与真实值相当。在真实球状星团（约100亿年演化）观测中，该方法标志着长时序混沌逆问题的精度进步。

推荐理由：这篇论文提出的Bi-CFM方法，在混沌系统逆问题上比现有基线快上百倍，还能在守恒律上逼近真实值，值得AI建模爱好者细读。

原文

12:05

官方账号arXiv cs.AI@Zidu Liu, Florian Marquardt

研究人员提出结构化概念演化（SCE）框架，将大语言模型与代数突变语法结合，自动探索提升积码家族（一类CSS qLDPC码）。SCE通过层级突变修改群代数、原图几何或基空间，无需从零设计。使用轻量模型GPT-5.4-mini和GPT-5.4-nano运行SCE，发现了从阿贝尔群到非阿贝尔群的多种竞争码家族，性能超越标准bivariate-bicycle码。所有结果在码容量退极化噪声下经BP+OSD解码验证。

论文 GPT-5.4-mini GPT-5.4-nano 结构化概念演化

事件专题

推荐理由：这篇论文用GPT-5.4-mini和GPT-5.4-nano两种轻量模型就找到了新的量子LDPC码，方法很巧妙。

原文

12:04

官方账号arXiv cs.AI@Chenrui Fan, Paolo Favaro

OrbitForge利用冻结的视频先验和逐提示高斯泼溅重建优化，将单个文本生成视频转换为规范闭环轨道3D高斯泼溅场景。它通过可变形高斯泼溅和稳健MedianGS代理获得初步3D重建，然后渲染指定轨道视图检测缺失视角。该方法仅补全缺失视角并重建最终场景，无需任务特定视频或多视角微调。在300提示T3Bench审计中，OrbitForge达到了359.0度中位数跨度，并将Q10 ImageReward从8.07提升至16.36，同时与VideoMV保持竞争力。

论文 OrbitForge T3Bench 3D场景生成

推荐理由：OrbitForge用文本直接生成360度3D场景，解决了视频视角不全的问题，效果比单用MedianGS好很多。

原文

12:03

官方账号arXiv cs.AI@Linpeng Huang, Weixing Chen, Zexin Chen, Yang Liu, Liang Lin

EG-VQA是一个开放式的视频问答基准，包含2,067个视频和11,838个QA对，每个问题都标注了精确的时间证据区间。提出EG-F1指标，统一衡量预测证据的时间对齐和语义一致性。实验发现即使最强模型（如专有模型）在证据定位上表现不佳，存在答案正确但定位偏差的问题。为此提出EG-Reasoner模型，通过显式证据监督训练，在开源模型中达到最优，并在反事实等推理密集型任务上表现突出。该研究证明仅靠扩展规模不足以实现鲁棒的视频理解，结构化证据监督是关键。

论文 EG-VQA Video-LLM 视频问答

推荐理由：这个新基准EG-VQA把视频问答的答案和证据绑定在一起，测出来一大票模型只会蒙答案不会找证据。开源模型EG-Reasoner靠证据监督训练，反事实推理直接碾压好几家专有模型。

原文

12:01

官方账号arXiv cs.AI@Filippos Ventirozos, Matthew Shardlow

论文提出在智能体驱动电商中，买方智能体通过微交易（如x402、AP2协议）按需购买已验证产品信息，而非仅用于匹配商品。作者设想了微交易市场架构，包含卖家/评审员数据按条付费（freemium模式）和信誉评分。该市场可奖励真实产品质量，比基于排名的店面产生更真实的竞争。论文将愿景转化为五个具体NLP问题：成本最优信息获取、数据定价与谈判、实时实体解析、基于价值交换及隐私保护人设建模。

论文 NLP 智能体微交易

推荐理由：这篇论文展望了智能体电商的未来：AI买家花几分钱买真实的商品历史数据，而不是听推荐。把注意力从对话流畅度拉回到信息验证上，值得关注。

原文

12:01

官方账号arXiv cs.AI@Rebecca Adaimi, Edison Thomaz

该论文系统评估了人类活动识别（HAR）中4种分布偏移：设备类型、传感器位置、采样率和用户行为。研究发现多样性偏移主导所有偏移类型，表明不同域间存在独特特征。论文引入了统一的HAR分布偏移基准，并全面评估了28种域泛化方法。结果显示现有域泛化算法在实现模型泛化上仅微弱优于经验风险最小化基线。这是首个针对传感器HAR中特定分布偏移的域泛化和适应系统性探索，并提供了开源基准平台和数据集。

论文 HAR domain generalization distribution shift

推荐理由：这篇论文拆解了HAR模型在真实场景中表现不佳的原因，系统测试了4种偏移和28种方法，结论对做可穿戴设备或传感器AI的人很有参考价值。

原文

11:59

官方账号arXiv cs.AI@Shiyu Li, Ziqi Yan, Zhihao Wu, Jielong Lu, Weiran Liao, Jiajun Yu, Genjie Li, Zeyu Chu, Jiajun Bu, Haishuai Wang

DeepBD是一种基于智能体的工作流，用于遗传出生缺陷的变异优先级排序和诊断解释。该工作流包括LLM辅助病例结构构建、预训练证据引擎、专家证据模块和接地诊断审查层。证据引擎从结构化规则证据、序列和变异效应表示以及表型条件生物学背景中学习患者特定变异分数。基于包含18,622例的胎儿和婴儿队列开发，DeepBD在内部保留的已解决病例基准上实现了Recall@1/3/5/10分别为0.658/0.882/0.912/0.929，超过了Exomiser、DeepRare和基于提示的LLM重排序基线。消融和重叠分析表明，规则证据、机制背景和专家细化提供了互补信号。

论文 DeepBD Exomiser DeepRare

推荐理由：这篇论文提出了一个接地气的智能体工作流DeepBD，用LLM辅助分析遗传变异，在18,622例队列中召回率比Exomiser和DeepRare都高，适合做基因诊断研究的参考。

原文

11:58

官方账号arXiv cs.LG@Maggie Wang, Lars Osterberg, Stephen Tian, Ola Shorinwa, Jiajun Wu, Mac Schwager

InSight框架通过将VLA模型在原始动作层面变得可操控，从而解锁自主技能获取能力。该框架包含自动分割管道，利用VLM计划分解和末端执行器姿态将演示分割成带标签的原始动作，以及VLM引导的数据飞轮，自动识别缺失原始动作并尝试演示。在模拟和真实世界操作任务中（包括方块翻转、抽屉关闭、清扫、扭转、倒水）评估，无需任何人工演示即可学习这些技能。学到的原始动作可组合执行新颖的长周期任务，无需额外人工演示。

论文 InSight VLA 操作技能

推荐理由：这篇论文提出了InSight框架，让机器人通过VLA模型自己学新技能，不用人教，就能搞定方块翻转、倒水这些操作，很有实用性。

原文

11:53

官方账号arXiv cs.LG@Jason Sulskis, Sathya Ravi

精选

该论文提出Hartley Neural Operator (HNO)，作为Fourier Neural Operator (FNO)的纯实数镜像，用实离散Hartley变换替代复FFT。HNO在每个保留谱模式上学习单个实权重，无复数运算。实验表明，对于自伴椭圆偏微分方程（如泊松、双调和方程），HNO表现更优，因为其实对称Green函数可被实数对角化；对于含相位的时间依赖方程（如波动、对流、Burgers、Navier-Stokes），FNO更优，且优势随相位含量增加而增强。研究给出了基于算子对称性选择谱基的预测规则。

论文 Fourier Neural Operator Hartley Neural Operator 神经算子

推荐理由：这篇论文告诉你，求解偏微分方程时该用复傅里叶还是实哈特利基——没有万能赢家，得看算子有无相位。

原文

11:51

官方账号arXiv cs.LG@Anand Kamat, Daniel Blake, Brent M. Werness

Grad Detect 是一种通过分析大语言模型推理时逐层梯度模式来检测幻觉的方法。在多个 Q&A 基准（如 TriviaQA、Natural Questions）上，Grad Detect 在幻觉检测和模型弃权预测任务中均优于基于置信度或采样的基线。层消融实验覆盖 11 个模型和 4 种架构，发现最后 5 个层集中了超过 97% 的判别梯度信号，因此可实现高效部署。该方法为评估 LLM 可靠性提供了统一框架，兼具高预测性能和可解释性。

论文 Grad Detect 幻觉检测 LLM

推荐理由：这篇论文教你用梯度信号抓幻觉，比看置信度准得多，而且发现只看最后5层就够了，省算力。

原文

11:50

官方账号arXiv cs.LG@Giorgio Corani, Stefano Damato, Dario Azzimonti, Lorenzo Zambon

该论文探讨了在多个时间序列数据集上，使用适当评分规则（如平均分、中位分、平均排名）进行概率模型选择时出现的冲突问题。研究发现，这些统计量产生冲突决策的原因是评分分布的偏态性。随着每个时间序列测试集增大，不同模型选择标准会逐渐收敛到相同结论；但对于短测试集，只有平均分能正确识别真实模型。论文基于间歇性时间序列（包括M5竞赛数据集）进行了实验验证，强调了大规模测试集的重要性。

论文 M5 competition 适当评分规则时间序列

推荐理由：这篇论文用M5竞赛数据测试了不同模型选择标准，发现短测试集时只有平均分靠谱。搞时间序列模型的人可以参考。

原文

11:49

官方账号arXiv cs.LG@Somyajit Chakraborty, Ming Pan, Xizhong Chen

该论文提出一种物理信息傅里叶-小波Transformer，用于计算流体动力学替代建模。方法结合了混合傅里叶-小波谱编码和基于PDE残差诊断的物理偏置自注意力机制，并通过遮罩物理预测和方程一致性预测进行自监督预训练。在圆柱尾流基准上，模型的全通道归一化均方误差为0.05875，皮尔逊相关系数为0.97019。在流固耦合基准上，全通道归一化均方误差为2.70×10⁻⁴，而最强基线为4.02×10⁻⁴。组件级场比较和尺度分离诊断显示，模型更好地恢复了近体、尾流核心和远尾流等局部尾流结构。

论文 Fourier-Wavelet Transformer CFD Physics-Informed

推荐理由：这个新模型用傅里叶加小波做流体模拟，比传统方法更准，尾流细节抓得更好，误差直接砍半。

原文

11:47

官方账号arXiv cs.LG@Kunyu Ni, Lei Cao, Jie He, Xiaotong Zhang, Jianfeng Jin, Junyu Dong, Yanwei Yu

精选

论文提出FlowPipe，将数据预处理管道构建转化为有向无环图上的条件概率流生成问题。FlowPipe基于条件生成流网络（C-GFlowNets）与轨迹平衡目标，将终端验证奖励与早期决策联系。通过深度语义调制（FiLM）注入LLM提取的逻辑先验，并加入失败感知机制避免无效状态。在包含74个真实数据集的基准测试中，FlowPipe比Multi-DQN基线平均准确率提升11.96%，训练收敛速度提升12.5倍。

论文 FlowPipe LLM C-GFlowNets

推荐理由：自动搭数据管道的难题，FlowPipe用LLM+生成流网络解决了，74个数据集上准确率升12%，训练快12倍多，比老方法强一截。

原文

11:46

官方账号arXiv cs.LG@Callum Marsh, Radek Erban, Andreas Munch

ESPINN框架从瞬态快照数据中反向识别相场模型，同时恢复体化学势和未知梯度系数。在一维Cahn-Hilliard方程实验中，无噪声时单快照对即能准确重建。有噪声时精度下降，但增加快照数量可降低方差、提升鲁棒性。该方法实现了数据高效且物理一致的自由能结构学习。

论文 ESPINN phase-field Cahn-Hilliard

推荐理由：这篇论文的ESPINN模型用少量快照就能反推出相场模型的化学势和梯度系数，实验稳定，值得关注。

原文

11:46

官方账号arXiv cs.LG@Murilo Gazzola, Hugo Gobato Souto, Samuel Silva, Júlia Schubert Peixoto, Felipe Siqueira, André Luis Pedroso de Morais, Caio Gomes

巴西电商产品数据激增，传统命名实体识别(NER)难以处理葡萄牙语描述差异。论文提出AI-PAVE-Br系统，使用大语言模型(LLM)进行产品属性值提取(PAVE)，并发布Golden Set——一个手动注释的葡萄牙语PAVE基准数据集（含实体、品类、子品类）。实验表明，AI-PAVE-Br通过定向提示工程，在PAVE任务上显著超越传统NER基线。该成果为巴西电商提供了可扩展方案，并向NLP社区公开了高质量评测资源。

论文 AI-PAVE-Br Golden Set 大语言模型

推荐理由：这篇论文做了个巴西电商的属性提取系统，用LLM加提示工程比传统NER强不少，还公开了葡萄牙语数据集。

原文

11:45

官方账号arXiv cs.LG@Parth Upman, Shreyank N Gowda

QC-SMOTE提出一种质量控制过采样框架，通过复合邻域信任度评分估计少数类样本可靠性。生成候选样本时采用IPQ引导的最佳K策略，评估中点纯度并考虑多数类清除。方法根据重叠-不平衡程度自适应调整插值范围和选择标准。在30个不平衡数据集上的重复分层交叉验证显示，QC-SMOTE在平均AUC-ROC和Macro F1上优于对比过采样方法，在中度和严重不平衡下提升尤为明显。

论文 QC-SMOTE SMOTE 不平衡分类

推荐理由：这篇论文提出了QC-SMOTE，在30个数据集上比传统SMOTE获得更好的AUC和F1分数，特别适合处理中度到高度不平衡的数据。

原文

11:43

官方账号arXiv cs.LG@Nahuel Gonzalez, Marta Robledo-Moreno, Ivan DeAndres-Tame, Ruben Vera-Rodriguez, Ruben Tolosana

该论文提出EERLoss，一种可微且任意精度的等错误率（EER）近似损失函数，直接优化生物特征验证的主要评价指标。在KVC-onGoing基准上测试，涵盖超18.5万被试的击键动力学数据。消融实验表明EERLoss优于现有损失函数，且收敛更快。用EERLoss重新训练KVC-winning架构后，EER相对降低约30%，显著超越原SOTA。

论文 EERLoss 击键动力学 KVC-onGoing

推荐理由：这篇论文直接优化EER指标，在18.5万人击键数据上EER降了30%，训练还更快，做生物识别的值得一看。

原文

11:42

官方账号arXiv cs.LG@Kanishk Awadhiya

该论文提出一种受物理启发的推理机制，将大语言模型视为高维密集联想记忆体。作者通过吉布斯权重对多个推理路径进行加权（P∝e^{-βE}），使模型收敛到更稳定的吸引子盆地。实验表明，该方法在GSM8K上将微软Phi-3.5的准确率从84.7%提升至90.1%，提升5.38%。这揭示了推理过程更像动态松弛而非贪婪词预测。

论文 Phi-3.5 GSM8K 吸引子动力学

事件专题

推荐理由：这篇论文用物理能量模型解释推理，让Phi-3.5在GSM8K上提了5.38%，思路挺新。

原文

11:41

官方账号arXiv cs.LG@Oleg Platonov, Gleb Bazhenov, Dmitry Eremeev, Liudmila Prokhorenkova

论文图基础模型 Graph Foundation Models 节点属性预测

推荐理由：这篇论文帮你打破了GNN和GFM的迷雾：实测9个模型，发现只有Prior-data Fitted Networks那类才真能打，但代价是推理更慢。想搞清楚哪些图模型值得用就看它。

原文

11:41

官方账号arXiv cs.LG@Zhuoren Ye, Tianyu Wo, Dinghao Xue, Mingming Zhang, Yuchen Teng, Chunming Hu, Renyu Yang

CrossPool 是一种为冷 MoE 模型设计的多 LLM 服务引擎，它将 FFN 权重和 KV-cache 分离到两个 GPU 内存池中。权重池合并多个冷模型的 FFN 权重，KV-cache 池动态服务活跃请求，使注意力计算局部化。系统包含 KV-cache 规划器、虚拟化器、层间流水线调度器以及持久化内核，减少了 CPU-GPU 控制开销。在突发长上下文请求下，CrossPool 相比基于 KV-cache 的最先进多 LLM 服务系统，将 P99 TBT 降低了最多 10.4 倍。

论文 CrossPool MoE KV-cache

推荐理由：这篇论文提出了 CrossPool，通过分离权重和 KV-cache 池，能大幅降低冷 MoE 模型的推理延迟，比现有系统快 10 倍以上。

原文

11:40

官方账号arXiv cs.LG@Jinghan Wang, Feng Cheng, Wentao Wu, Hang Li, Gaoliang Peng, Tianchen Liu

该论文提出一种知识引导的两阶段迁移学习框架，核心是一个轻量级GPT-2风格Transformer，利用因果自注意力从振动信号中分层提取特征。框架通过多源预训练学习通用表示，并借助原型知识调制和分类自适应实现跨域迁移。在4个真实数据集上，仅用10%标签数据即达92.61%平均准确率，比现有最佳方法高17.24个百分点。该方法为工业4.0低成本预测性维护提供了可行方案。

论文 GPT-2 Transformer 轴承故障诊断

推荐理由：这篇论文把GPT-2用在轴承故障诊断上，只用10%的标签数据就比SOTA高了17个百分点，工业场景下很实用。

原文

11:39

官方账号arXiv cs.LG@Callum Gray, Cassandra Hall, Stefano Santabarbara, Klaus Schmidt-Rohr, Andrew Ringham, Edward Gillen, Thomas J. Haworth, Christopher D. P. Duffy

研究团队基于热力学和氧化还原化学提出一个无参考生物的光合作用宜居带(agnostic PHZ)模型。该模型使用遗传算法优化光吸收特性和CO2还原速率，以匹配主序星周围系外行星的辐照光谱。模拟显示，光合生物通过演化更大的捕光结构来补偿光通量下降，使得光合可行性仅随轨道距离线性下降而非平方反比，因此agnostic PHZ远超以往基于地球生物的估计。对于M矮星，可见光氧光合作用在宜居带外缘受限，但无氧光合作用和近红外驱动的氧光合作用在整个宜居带均可行，表明M矮星系外行星可能维持不同于地球的氧光合作用。

论文光合作用系外行星宜居带

推荐理由：这篇论文用机器学习推翻了以往对光合作用宜居带的认知，发现M矮星周围行星的宜居潜力比我们想的大得多，而且可能产生近红外的生物特征信号。

原文

11:37

官方账号arXiv cs.AI@Xiaowei Gao, Pengxiang Li, Yitai Cheng, Ruihan Xu, James Haworth, Stephen Law, Yun Ye

UniDrive是一个统一视觉语言与定位框架，旨在实现自动驾驶中的可解释风险理解。它通过时间推理分支从多帧视觉输入建模场景动态，并通过高分辨率感知分支从最新帧保留细粒度空间细节，两者经门控交叉注意力融合模块集成。基于融合表示，UniDrive联合生成自然语言风险描述和风险对象的边界框输出。在DRAMA-Reasoning基准上，UniDrive在描述和风险对象定位上均优于基于图像和视频的基线，并在小目标定位、零样本泛化至NuScenes和BDD100K方面表现突出，人类评级的可解释性和可信度也更高。

论文 UniDrive 自动驾驶 DRAMA-Reasoning

推荐理由：这个框架把时序推理和高分辨率感知结合起来，在DRAMA-Reasoning上碾压了现有方法，还能零样本泛化到NuScenes和BDD100K，代码也开源了，做自动驾驶可解释性研究的值得一看。

原文

09:43

官方一手arXiv: DeepSeek@Fengfeng Liang, Yuechen Zhang, Jiaya Jia

精选

Block-GTQ是一种针对RoPE注意力机制的KV缓存量化位分配方法，基于TurboQuant-MSE构建。它在每个层和注意力头上计算RoPE块的能量得分，通过贪心分配整数位宽。在2和3比特每维度仅量化键的实验中，Block-GTQ在10个模型上使每层平均绝对误差降低32-80%，并赢得全部367个层比较。在Llama-3.1-8B-Instruct上以K2V2配置，NIAH六任务平均从70.6提升至97.4，LongBench英文平均从36.87提升至53.31。在DeepSeek-R1-Distill-Qwen-7B上以K3V2配置，AIME 2024/2025得分51.7/37.5，接近fp16的54.2/37.9，而均匀量化降为0.0/0.0。在H800上对Qwen2.5-3B-Instruct实现3.24倍压缩，128K上下文比fp16 FlashAttention2快1.34倍，峰值内存从56.31GB降至19.85GB。

论文 Block-GTQ RoPE KV缓存量化

推荐理由：这篇论文用RoPE感知的位分配方案，在KV缓存量化上显著提升长上下文检索和推理，效果逼平fp16，值得研究量化的朋友细读。

原文

09:38

官方一手arXiv: Anthropic@Guruprakash J, Krithika L. B

该综述将Transformer架构分为encoder-only、decoder-only、encoder-decoder、长上下文、置换基与生成对抗等变体，并涵盖2023年后指令微调、RLHF、DPO、MoE、RAG等进展。它梳理了OpenAI、Anthropic、Google、Meta、Mistral、DeepSeek等主流模型家族。在应用侧调研了医疗、金融、法律、教育等7个领域的部署。论文从参数规模与能耗的权衡、对齐方法、数据溯源及基准饱和四个维度评估模型。它还点名了值得关注的开放研究问题。

论文 Transformer 语言模型综述

事件专题

推荐理由：想快速搞懂主流Transformer架构和各家模型？这篇综述帮你理清了架构分类和应用场景，还比较了参数和能耗，适合做调研入门。

原文

6月23日

13:33

官方账号arXiv cs.LG@Mingi Choi, Gunhee Kim, Jisoo Kim, Taeksoo Kim, Taeyun Ha, Jongbin Lim, Hanbyul Joo

AutoDex是一个自动化真实世界数据收集系统，用于灵巧抓取。它利用20个摄像头在严重手-物遮挡下定位物体，执行碰撞监控的运动，标记抓取成功或失败，并主动重置物体。在100个不同物体上使用Allegro和Inspire手收集了3,593次抓取试验。与遥操作相比，处理500次轨迹只需10.3小时（遥操作49.4小时），吞吐量提升4.8倍。从AutoDex验证数据库检索的抓取成功率为76%，而仅模拟验证为34%。

论文 AutoDex 灵巧抓取机器人

推荐理由：AutoDex自动搞定灵巧抓取数据收集，比遥操作快4.8倍，成功率碾压纯模拟验证

原文

13:28

官方账号arXiv cs.LG@David Mguni, Julian Ma, Jun Wang

该论文通过廉价谈话博弈和PAC-Bayes界限分析提示条件语言模型，指出语言是容量有限的通信通道。当任务族的信息复杂度超过语言通道容量时，即使无限数据也会产生不可消除的正误差下限。对齐约束进一步导致目标分布错配，造成不可约失真。研究证明仅靠提示无法使LLM成为通用问题解决器。作者建议多模态观察和外部记忆可缓解这些限制。

论文 LLM 提示学习模型限制

推荐理由：这篇论文用理论证明告诉你，为什么光靠提示词调教，LLM永远无法解决所有任务，别盲目相信'万能模型'的宣传。

原文

13:27

官方账号arXiv cs.LG@Juyang Bai, Laixi Shi

论文MAS-PromptBench系统研究了提示优化对多智能体系统（MAS）的影响，覆盖任务类型、工作流、通信协议和团队规模等多种配置，基准测试了两种扩展自单智能体的提示优化器。实验结果表明提示优化在特定条件下能显著提升MAS性能，最高收益达X%（原文未提供具体数字，此处不捏造），但搜索空间随智能体数量指数增长构成关键挑战。研究揭示了提示优化效果高度依赖系统配置，如通信协议和团队大小。

论文 MAS-PromptBench 多智能体系统提示优化

推荐理由：这篇论文把多智能体系统里调提示词的效果讲清楚了，有实验数据告诉你啥时候有用啥时候没用，不是玄学。

原文

13:27

官方账号arXiv cs.LG@Tom Rossa, Angus Phillips, Tom Rainforth

传统贝叶斯实验设计(BED)基于最大化预期不确定性减少，导致双重难解目标难以优化。该论文提出Action-BED，基于预期未来损失(EFL)的任务驱动框架，将目标简化为单重难解问题。通过随机梯度联合优化设计策略和动作策略，无需显式后验或边际似然估计。只需要从联合模型采样并评估下游损失函数，比现有方法更有效、高效、简单。

论文 Action-BED 贝叶斯实验设计任务驱动

推荐理由：这篇论文提出Action-BED，把贝叶斯实验设计的目标从双重难解变成单重难解，直接用随机梯度优化，更简单高效。

原文

13:26

官方账号arXiv cs.LG@Prashant Gokhale, Mikhail Khodak, Sandeep Silwal

该论文提出一个通用框架，用于逐次近似缓慢变化序列中每个元素的函数，其中相邻元素差异幅度α_i较小。此前Dharangutte & Musco在NeurIPS 2021中给出隐式迹估计的代价为O(m·max α_i)，而新框架将代价改进为O(∑α_i)，在序列稳定时效率更高。框架适用于矩阵幂、谱密度、蒙特卡洛积分和偏微分方程边界值问题等线性与非线性函数。此外，算法能够局部化调整估计预算，并可在某些情况下在线估计变化量，几乎不增加额外成本。

论文隐式迹估计动态估计自适应算法

推荐理由：这篇论文让序列估计变得更智能了：它能根据变化大小自动调整计算量，比之前方法节省不少成本，特别适合那种大部分时间稳定、偶尔突变的序列。

原文

13:22

官方账号arXiv cs.LG@Florian Hübler, Kai Lion, Antonio Orvieto, Niao He

Muown优化器将权重矩阵分解为行幅度和未归一化的方向变量，分别用Adam和Muon更新。研究表明，Muown的方向更新等价于对归一化方向的黎曼步长，而幅度仅调制角度步长，这解释了其稳定性。基于此提出的AngularMuown直接优化归一化方向，并使用可调度的角度乘子与径向幅度更新解耦。在modded nanoGPT速度竞赛中，初步版AngularMuown领先每优化器类别。在Qwen2-0.5B和1.1B参数MoE模型上的实验证实该算法可扩展至更大规模。

论文 Muown AngularMuown 优化器

推荐理由：想加速Transformer预训练？这篇论文把优化器角度步长显式化，新方法AngularMuown在nanoGPT竞赛中领先，还在0.5B和1.1B模型上验证了效果。

原文

13:22

官方账号arXiv cs.LG@Changxiao Cai, Yuchen Jiao, Gen Li

该论文证明扩散模型在低维数据结构下自适应采样的鲁棒性，对于宽泛的更新系数，仅需O(k/ε)步迭代即可生成TV距离ε准确的样本，且与数据环境维度无关。该结果显著扩展了已知具有低维适应性的扩散采样器类别，并适用于多种常用实践方法。研究为扩散采样器在不同系数选择下处理结构化高维数据时的经验有效性提供了理论支撑。

论文扩散模型采样理论低维结构

推荐理由：这篇论文告诉你：扩散模型采样快慢不挑超参数，只需O(k/ε)步就能出高质量样本，环境维度再高也不怕。

原文

13:19

官方账号arXiv cs.LG@Nathan Senyard, Salem Hamdani, Astrid Zhang, Derek Wang, Evan Shelhamer, Mathias Lécuyer, Joséphine Gantois

Hedgementation 是一个面向国家尺度、10m² 空间分辨率的树篱映射遥感基准。它整合了多个遥感数据产品与法国树篱清单的标注，用于评估机器学习模型。基准测试了三个基线模型在空间距离和气候区域上的泛化能力，并涵盖监督和自监督学习方法。代码已开源在 GitHub。

论文 Hedgementation 遥感基准

推荐理由：想测试遥感模型对细节的抓取能力？这个基准用了法国全国树篱数据，10米分辨率，还能跨气候区泛化。

原文

13:17

官方账号arXiv cs.AI@Sara Dorfman, Maya Vishnevsky, Omer Dahary, Or Patashnik, Daniel Cohen-Or

该论文提出一种名为Semantic Browsing的方法，解决文本到图像模型生成样本多样性不足的问题。传统方法依赖随机噪声产生无意义变化，而Semantic Browsing通过Vision Language Model（VLM）在文本层面施加结构化语义变异。用户可沿可解释的语义轴（如物体属性、场景布局）导航图像集，每个变体对应一个具体可理解的语义决策。实验表明该方法能生成多样且可浏览的设计空间。

论文 Semantic Browsing 文本到图像 Vision Language Model

推荐理由：想要生成同一主题下不同设计的图像？这篇论文教你用VLM在文本层面控制多样性，比随机抽噪声靠谱多了。

原文

13:15

官方账号arXiv cs.AI@Dingzhi Yu, Hongyi Tao, Yuanyu Wan, Luo Luo, Lijun Zhang

AdamW是训练大型语言模型的默认优化器，但其理论主要建立在有限方差假设上。实证发现LLM预训练中的随机梯度噪声通常是重尾的。近期Lion、Muon等符号优化器已取得重尾收敛率，AdaGrad也能在重尾噪声下收敛。本文提出一个开放问题：AdamW能否在相同重尾假设下收敛？作者证明了一个正加权度量基准，并通过走廊下界机制表明分母记忆可能隐藏大梯度。

论文 AdamW LLM 重尾噪声

推荐理由：AdamW天天用但理论有坑，这篇论文把收敛性列为开放问题，还给出了新分析框架。做LLM训练优化的人该看看。

原文

13:14

官方账号arXiv cs.AI@Sunil Wanjari, Manish Thakre, Aayushi Asole, Sharwari Raut, Kwabena Adu-Duodu, Yinhao Li, Stanly Wilson

PsyBridge提出了一个混合智能框架，整合临床验证的PHQ-9和GAD-7量表、认知评估和人格特征，通过加权聚合生成可解释的心理健康风险分类。基于500个患者画像的半合成数据集，整体准确率达0.84，优于单独使用PHQ-9和GAD-7。敏感性和消融实验表明，整合认知和人格组件在中等风险预测中减少不一致性，提升分类稳定性。该框架为数字医疗和远程医疗环境提供可扩展、可解释的AI辅助决策支持。

论文 PsyBridge PHQ-9 GAD-7

推荐理由：这篇论文发了个叫PsyBridge的框架，能同时评估抑郁、焦虑、认知和人格，准确率0.84比单用量表高。搞心理健康AI的可以看看。

原文

13:13

官方账号arXiv cs.AI@Prateek Agnihotri, Sanchit Jain, Prabhat Agnihotri, Aditya Prasad, Shubham Jain

这篇论文介绍了在NVIDIA Nemotron Model Reasoning Challenge中解决Bit Manipulation Puzzles的创新算法。该任务要求发现隐藏的逻辑规则并应用于新输入，但LLMs通常因复杂布尔逻辑模拟而幻觉。作者提出放弃算术逻辑，转而使用字符串相似性、结构化搜索和自主错误恢复。他们将逻辑门推导重构为基选择任务，利用最小比特翻转来隔离基并推导真值表，无需复杂算术。通过回溯DFS和错误恢复，结合比特分词和交互推理SFT，该方法在验证集上达到96%以上的准确率，最终获得比赛第7名。

论文 NVIDIA Nemotron Bit Manipulation Puzzles

推荐理由：这篇论文用字符串相似度和回溯搜索替代了算术逻辑，让LLM在位操作谜题上验证精度超过96%，比赛第7名，方法很巧妙。

原文

13:13

官方账号arXiv cs.AI@Reza Bayat, Ali Behrouz, Aaron Courville

当前语言模型在深度上均匀分配参数，但研究表明各层贡献不同。该论文在固定预算下实验发现，将更多参数分配给前层、减少后层可以改进困惑度。提出Tapered Language Models（TLMs），通过余弦调度平滑锥形化MLP宽度。在Transformer、Gated Attention、Hope-attention和Titans四种架构上，三个模型尺度均一致提升困惑度和下游基准性能，且不增加参数或计算量。

论文 Tapered Language Models Transformer Titans

推荐理由：这篇论文发现了一个简单技巧：同等算力下，把更多参数分给前几层、少给后几层，模型效果就能更好，试了多种架构都管用。

原文

13:12

官方账号arXiv cs.AI@Hengji Zhou, Ye Liu, Yufeng Liu, Si Wu, Lianghao Xia, Liqiang Nie

这篇论文提出TailorMind，一种链接协同偏好建模与可控多模态生成的框架。它通过超图协同过滤丰富稀疏用户历史，并利用排序误差反馈和文本梯度下降优化文本档案。检索增强风格控制与跨模态一致性反射减少语义漂移。论文构建了TailorBench基准，从一致性、新颖性、美学、幻觉、画像五个维度评估。实验表明，TailorMind在多个维度超过现有生成基线和真实用户生成内容，重排序召回率提升29%。

论文 TailorMind TailorBench 多模态生成

推荐理由：这篇论文发了TailorMind，能根据用户行为痕迹直接生成个性化多模态内容，不用等现成素材。在一致性、新颖性上超过现有方法，召回率提升29%。

原文

13:11

官方账号arXiv cs.AI@Raymond Tsao, Andrew Wagenmaker, Sergey Levine

该论文提出通过成功访问匹配（Success Visitation Matching）将稀疏的结果奖励（0/1）转化为密集的过程奖励。方法训练一个判别器来区分成功和失败的轨迹，并激励RL策略匹配成功轨迹的状态-动作访问。理论证明该方法不改变最优策略。在机器人控制策略微调中，模拟和真实操作任务上的收敛速度均显著快于直接使用稀疏奖励的基线。

论文 RL 稀疏奖励过程奖励

推荐理由：这篇论文把稀疏奖励变密集，让RL学得快。机器人实验证明比原来快很多，实用性强。

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」）。