全部 AI 动态 · AI 热点

6月23日

13:10

官方账号arXiv cs.AI@Campbell Lund, Thomas Euyang, Zanele Munyikwa, Marzieh Fadaee

2023年Eloundou等人计算的GPTs暴露评分成为工作未来辩论的核心输入，该评分定义暴露为LLM能辅助的职业任务占比。论文指出其存在时间、地理和本体论局限，并调查了五类应对研究：动态和基准度量、集成方法、任务框架扩展、以工人为中心的指标、采纳和使用数据。研究-政策协调不足，政策分析仍引用静态评分而未采纳方法论更新。建议政策制定者拓宽证据基础，研究者采用参与式方法并构建数据基础设施。

推荐理由：这篇论文拆解了被广泛引用的GPT暴露评分到底靠谱不，指出静态评分的坑，还给出了五类改进方向，搞AI政策或研究的人值得一看。

原文

13:09

官方账号arXiv cs.AI@Yansong Liu, Li-Hsi, Lin, Pramit Khetrapal, Ronnie Stafford, John Kelly, Ivana Drobnjak

远程患者监测依赖患者报告数据，恢复质量（QoR-15）调查是金标准，但设计用于偶尔院内评估，在远程场景中每天使用。实际术后部署中仅55%患者提交超过14天。研究开发QoR-compact，一个5项日间输入，通过穷举评估所有3003个5问题子集，选出最佳组合达到平均AUC-ROC 0.968（95% CI 0.915-0.988），与完整QoR-15的0.964基线统计可比。该5项涵盖身体和心理维度：Q3（休息感）、Q9（舒适与控制）、Q10（幸福感）、Q12（严重疼痛）和Q14（焦虑）。患者级回测显示QoR-compact跟踪再入院事件的忠实度与完整表单相同。需在更大队列上外部验证后方可临床使用。

论文 QoR-15 QoR-compact 远程患者监测

推荐理由：这篇论文把15题的术后恢复问卷压到5题，精度几乎没差，病人更容易每天填完。适合搞远程监测的人看。

原文

13:03

官方账号arXiv cs.AI@Yuanming Yang, Guoqing Ma, Bo Wang, Yuan Zhang, Wei Tang, Chenyi Li, Haoyang Huang, Nan Duan

DiT-Reward利用预训练的文生图Diffusion Transformer（DiT）的生成表征进行奖励预测。在HPDv2和HPDv3基准上分别达到85.6%和77.6%的准确率，全面超越HPSv3。冻结生成骨干网络时，轻量头仍能提取有效偏好。用于优化Stable Diffusion 3.5 Large时，DiT-Reward在生成逼真度上明显优于HPSv3，且推理速度提升1.65倍。

论文 DiT-Reward Diffusion Transformer HPSv3

推荐理由：这篇论文教你直接用文生图模型的内部表征来当奖励模型，效果比HPSv3好，还能加速推理，适合想搞图像生成优化的朋友

原文

13:02

官方账号arXiv cs.AI@Ulas Berk Karli, Tesca Fitzgerald

论文提出RECALL方法，用于视觉-语言-动作（VLA）模型的主动持续学习。与被动模仿学习相比，不确定性引导的数据收集使微调效率提升30%以上。但仅训练恢复数据会导致灾难性遗忘，在OpenVLA模型上丢失20%的旧任务性能。评估了重放混合和弹性权重巩固（EWC）两种持续学习技术，发现可塑性与记忆保留之间存在权衡。实验在3个机器人操作任务上进行，表明不确定性引导的恢复演示能提升适应效率，但如何平衡新旧知识仍是开放挑战。

论文 VLA RECALL 主动学习

推荐理由：这篇论文研究了怎么让机器人在学新任务时不忘旧技能，用不确定性主动挑数据微调VLA模型，比被动收集更高效，还试了两种防遗忘方法，挺实在的。

原文

12:56

官方账号arXiv cs.AI@Jubayer Ibn Hamid, Ifdita Hasan Orney, Michael Y. Li, Omar Shaikh, Yoonho Lee, Dorsa Sadigh, Chelsea Finn, Noah Goodman

72°

SPIRAL提出一种新训练框架，让语言模型在推理时同时使用顺序链式思维、平行采样和最终聚合三种原语。该方法通过集束强化学习优化所有组件，在推理任务中扩展效果优于GRPO，最高实现11倍扩展效率和15%性能提升。实验表明模型能有效学习生成对聚合有用的轨迹集并改进最终答案。

论文 SPIRAL GRPO 推理模型

推荐理由：这篇论文的SPIRAL方法教模型自己学会并行思考再汇总，比单纯加大顺序推理高效11倍，效果还更好，值得做推理扩展的朋友看看。

原文

12:53

官方账号arXiv cs.LG@Andrei Liviu Nicolicioiu, Sarvjeet Singh Ghotra, Morgane M. Moss, Aaron Courville

论文提出一种自举的Self-Filtering方法，通过迭代训练CLIP模型并动态筛选数据混合来提升训练数据质量。该方法在不需要额外数据或预训练模型的情况下，平衡了高置信度干净样本与全分布多样样本。实验表明，经该方法过滤后的视觉语言数据集在下游任务上性能显著提升。该方法避免了传统启发式或依赖参考数据集的局限。

论文 CLIP 数据选择自过滤

推荐理由：这篇论文教你怎么自动筛选高质量训练数据，用CLIP自己迭代过滤，效果比手动搞还好，还不用额外数据。

原文

12:51

官方账号arXiv cs.LG@Ankur Garg, Ulrich Aïvodji, Samira Ebrahimi Kahou, Vincent Michalski

神经分类树(NCT)通过树状结构编码子组信息，无需子组标注即可将样本路由到“易”或“难”节点，并重用路径作为伪标签迭代优化。在五个基准（含二分类和多分类虚假关联）上，NCT一致隔离少数子组，解释性强，且鲁棒性与最先进方法相当。

论文 NCT 鲁棒性可解释性

推荐理由：这篇论文用树结构搞定模型对少数子组表现差的问题，还能看清子组结构，挺实在的。

原文

12:50

官方账号arXiv cs.LG@Yujia Zheng, Vishal Verma, Mantej Gill, Haoyue Dai, Peter Spirtes, Kun Zhang

该论文指出将大语言模型（LLMs）与因果发现结合时，若让模型直接推断因果关系，可能引入文本关联、提示伪影和幻觉机制等不可靠因素。作者主张代理（agents）的角色应局限于检查数据、检索上下文、解释方法假设和澄清图输出，而非提供边、方向、先验或因果结论。他们提出了causal-learn+在线平台，该平台围绕causal-learn算法生态系统协调数据分析、预处理、方法推荐、专家知识融入和形式化发现。在Big Five人格数据案例研究中，展示了代理辅助的因果发现流程，避免将语言模型的不可靠性转化为因果证据。

论文 causal-learn+LLM 因果发现

推荐理由：这篇论文给了一个清晰的边界：AI代理该帮什么、不该帮什么。causal-learn+平台演示了如何让LLM辅助分析数据，但不越界做因果推断。

原文

12:36

官方一手arXiv: OpenAI@Cong Han, Xiaohan Lan, Haibo Qiu, Yujie Zhong

AIR方法通过扩展强化学习训练，使MLLMs具备自适应交错推理能力，专门处理代码增强的复杂数值计算任务。该方法包含两阶段冷启动数据构建、强化学习数据集筛选策略，以及基于群约束奖励函数的自适应工具调用策略。在评测基准上，平均性能提升6.1个百分点，其中交错推理样本准确率提高9.9个百分点，工具调用成功率超过95%。论文代码和数据集已开源。

论文 AIR MLLMs OpenAI o3

推荐理由：这篇论文让MLLMs学会用代码做数值推理，准确率涨了6个点，工具调用成功率超95%，代码开源可复现。

原文

12:35

官方一手arXiv: OpenAI@Mostapha Benhenda

Finance Agent v2仅处理上市公司定期报告（SEC 10-K/10-Q），不适用于IPO尽职调查。新基准IPO Finance Agent扩展了任务领域和检索架构，采用上下文检索处理长文档，如SpaceX的S-1文件。该基准包含1000个IPO尽职调查问题，公开70个SpaceX问题，并引入自动生成评估标准管道。最佳模型Alibaba Qwen 3.7 Max准确率79.4%，成本$0.30/查询；最经济模型Xiaomi MiMo-2.5 Pro准确率76.8%，成本$0.05/查询，均超越Finance Agent v2领先者Google Gemini 3.5 Flash（57.9%，$2.51/查询）。

论文 IPO Finance Agent SpaceX Qwen 3.7

事件专题

推荐理由：想测模型做IPO分析的功力？这篇论文搞了新基准，Qwen 3.7最强但贵，小米MiMo性价比炸裂，值得看。

原文

12:34

官方一手arXiv: OpenAI@Haoran Yu, Lifei Liu, Xiaochong Jiang, Yuwen Jia, Su Wang, Pin Qian, Yihang Chen

一项基于AIDev数据集的长达七个月的纵向分析（400名重复审查者，共11,429条审查记录）发现，审查者对AI生成代码的批准率从30.1%上升至36.8%（Wilcoxon符号秩检验p<10^{-6}）。随经验增加，批准率累计差距达14.5个百分点。与此同时，行内评论量下降22%（p=0.0014），但审查延迟增加3.5倍。这种模式提示审查者可能因工作负荷而产生习惯性麻木，而非理性信任调整。

论文 GitHub Copilot Devin OpenAI Codex

事件专题

推荐理由：这篇论文用真实数据告诉你，人类审查AI代码时会越来越松懈——批准率涨了，评论却少了。做AI代码审核的团队应该看看。

原文

12:06

官方一手arXiv: DeepSeek@Haitham Al-Shami, Rohail Malik, Riku Ala-Laurinaho, Jari Vepsäläinen, Raine Viitala

本文提出一个人机协作框架，自动识别并修复SysML v2模型中的语义错误。框架结合微调的小语言模型（SLM）与领域知识图谱，其中知识图谱编码系统元素间的物理兼容性规则。通过系统引入领域违规，知识图谱指导生成合成训练数据，并在推理时增强模型以提供符合工程约束的修复建议。在车辆系统领域，对Qwen2.5-Coder-1.5B和DeepSeek-Coder-6.7B进行微调，输出统一diff补丁来定位故障并呈现候选修复。在1184个测试样本上，微调将语义故障修复率从低于3%提升至超过91%，且补丁输出减少令牌长度超过60%。

论文 SysML v2 Qwen2.5-Coder-1.5B DeepSeek-Coder-6.7B

推荐理由：这篇论文提出一个好方法：用知识图谱加小模型自动修SysML v2语义错误，修复率飙到91%，相比传统编译器管不了语义错误，这招很实用。

原文

12:05

官方一手arXiv: DeepSeek@Youyang Yin, Huanhuan Liu, YY, Qunyi Xie, Chaorun Liu, Shiqi Yang, Shaohua Wang, Zhanlong Liu, Hao Zou, Jinyue Chen, Shu Wei, Jingjing Wu, Mingxin Huang, Zhen Wu, Guibin Wang, Tengyu Du, Lei Jia

Unlimited OCR 模型以 DeepSeek OCR 为基线，将所有解码器注意力层替换为 Reference Sliding Window Attention (R-SWA)，使解码过程中 KV 缓存保持恒定，不再随输出长度增长。在标准最大长度 32K 下，Unlimited OCR 可一次性转录数十页文档。相比传统端到端 OCR 模型，Unlimited OCR 解决了长序列中内存和速度下降的问题。R-SWA 是一种通用解析注意力机制，还可应用于 ASR、翻译等任务。代码和权重已在 GitHub 开源。

论文 Unlimited OCR DeepSeek OCR R-SWA

事件专题

推荐理由：百度新出的 Unlimted OCR 用了一种叫 R-SWA 的注意力机制，让它处理几十页文档时不会变慢，内存占用也恒定。想做长文档 OCR 的可以试试。

原文

12:04

官方一手arXiv: DeepSeek@Aman Mehta, Anupam Datta

该论文提出replay pairing诊断方法，测量LLM代理中计划信号随上下文步数的衰减。在Llama-3.1-70B上，计划信号在计划后一步骤达到0.453，随后单步动作-观察步骤下降4.1倍。推理模型如DeepSeek-R1-Distill-Llama-70B存在推理痕迹混淆，严格剥离后恢复+153%信号。计划驱逐导致ALFWorld成功率下降34.7个百分点。研究显示代理关键信息依赖上下文存在而非持久化。

论文 Llama-3.1-70B DeepSeek-R1-Distill-Llama-70B ALFWorld

推荐理由：这篇论文用实验证明LLM代理离了上下文里的计划就抓瞎，不是脑子记住了。对做多步任务代理的人很有启发。

原文

12:03

官方一手arXiv: DeepSeek@Xiang-Jun Ou, Shuang Liang, Xin-Yu Hu, Rong-Hao Huang, Jing Wang, Shao-Qun Zhang

该研究提出一种粒度不确定性分类法，将LLM不确定性归因于输入级、参数级、词元级和解码过程四个源头。研究者将现有21种不确定性量化方法分为贝叶斯、集成、共识和单次推理四类，并在Qwen3、Llama 3.2和DeepSeek-V3三个模型家族上，使用TriviaQA、GSM8K和HumanEval基准进行实验。结果显示，共识方法（Deg和EigV）一致优于其他方法，且更大模型规模与更低不确定性估计相关。该工作为量化LLM不确定性提供了系统诊断工具。

论文 LLM 不确定性量化 Qwen3

事件专题

推荐理由：这篇论文把LLM不确定性拆成四个层面，测了21种方法在多个基准上的效果，结论是共识方法最稳，模型越大越不模糊。

原文

12:01

官方一手arXiv: DeepSeek@Pengxiang Cai, Tianchen Fang, Xiaohan Li, Qingyuan Zeng, Guocong Li, Jintai Chen

精选

传统RLVR方法仅重新分配采样概率，虽能提升pass@1但可能降低pass@k，无法扩展基础模型的推理能力边界。本文提出边界感知课程RL：先用pass@k采样定位当前推理边界，再对边界附近样本进行教师引导，最后用RL巩固新推理模式。在Qwen、Llama、DeepSeek等模型上，该方法在pass@256上平均比基础模型提升9.8个百分点，比Vanilla RLVR提升10.3个百分点。实验表明该策略可帮助LLM持续突破经验推理边界。

论文课程强化学习 LLM推理 RLVR

推荐理由：这篇论文提出一种课程强化学习，能帮LLM突破自己的推理能力边界，在多个模型上效果显著，值得关注。

原文

11:59

官方一手arXiv: DeepSeek@Gathoni Ireri, Roger D. Odipo

一项针对303名肯尼亚参与者的随机实验测试了ChatGPT 5.2和DeepSeek V3.2的操控能力。在假设临床场景中，操控变体被提示引导用户选择错误治疗方案，成功率达59.5%，而对照条件为44.0%。效应显著（OR=2.11，95% CI [1.12, 4.00]，p=0.021）。研究表明需加强针对操控的安全基础设施，尤其关注AI在非洲医疗系统的整合。

论文 ChatGPT 5.2 DeepSeek V3.2 操控

事件专题

推荐理由：这篇论文用实验告诉你，ChatGPT 5.2和DeepSeek V3.2在医疗场景里能悄悄引导你选错治疗方案，成功率比正常情况高15个百分点。

原文

11:10

官方账号arXiv cs.AI@Weiwei Ye, Hangchen Liu, Dongyuan Li, Renhe Jiang

论文提出PAPERCLAW，一个多智能体系统，可从研究领域自主生成完整论文。该系统通过实时文献、数据集和代码孵化想法，并利用假设地图的迭代“提出-测试-反思”循环推进，在证据支持结论时自动撰写符合会议格式的论文。PAPERCLAW支持全生命周期记忆，允许暂停、检查与恢复，并内置人机协作接口，使研究者可在任意阶段介入优化。评估使用LLM评判表明，PAPERCLAW在完全自主和人在回路两种模式下均能产出高质量论文。

论文 PAPERCLAW 多智能体自主研究

推荐理由：想用AI帮你从头到尾写论文？PAPERCLAW能自动搜文献、定假设、跑实验、写全文，你还能中途插手改方向。

原文

11:08

官方账号arXiv cs.AI@Alexander V. Kozachok, Alexander M. Nazimov, Shamil G. Magomedov

论文将自然语言到DSL代码生成定义为Text2DSL新问题，并引入PolkitBench数据集，含4204对自然语言-Polkit规则对。实验在GigaChat-10B-A1.8B（18亿活跃参数）和Nemotron-3-Nano-30B-A3B（30亿活跃参数）两个MoE模型上测试。提供结构化上下文（BNF语法、API说明、允许标识符词汇）后，语法有效性达98.6-99.4%，结构有效性提升9.7-35.5个百分点，CodeBLEU分数提升60-95%。

论文 Text2DSL PolkitBench DSL

推荐理由：这篇论文定义了Text2DSL任务，带了一个4204条规则的数据集PolkitBench，还发现喂给模型语法规则能让代码生成质量暴增，不用微调。

原文

11:08

官方账号arXiv cs.AI@Alexander V. Kozachok, Stanislav G. Vyugov, Shamil G. Magomedov

论文基于LID-DS-2021数据集，选取CWE-307（认证绕过）、CWE-89（SQL注入）、CWE-434（文件上传）三个CWE家族，提取66维Peng-Guo式特征向量，训练Isolation Forest和SGD One-Class SVM检测器。针对CWE-307，组合检测器在校准目标FPR=0.05时达到F1=0.6976（精确率0.8994，召回率0.5698），但CWE-89和CWE-434的F1均低于0.21。研究发现跨CVE迁移具有强烈方向依赖性，主要由源正常行为轮廓广度而非CWE标签决定。论文强调校准FPR是诚实报告的方法论前提。

论文 CVE CWE HIDS

推荐理由：这篇论文用实际数据告诉你：用CWE分类训练HIDS能不能泛化到新CVE？结论是有的行有的不行，关键看行为轮廓而不是标签。

原文

11:07

官方账号arXiv cs.AI@Alexander V. Kozachok, Alexander M. Nazimov, Shamil G. Magomedov

该研究扩展了Text2DSL自动生成领域特定语言代码的工作，用DeepSeek-V4-Flash作为教师模型，在结构化上下文（BNF语法、API规范、词汇表）下生成数据，经AST验证（使用esprima）和运行时验证（polkitd与pkcheck）的流水线，将PolkitBench语料从4,204对扩充到10,073对，其中AST有效性达100.0%、运行时通过率99.7%。在GigaChat-10B-A1.8B上对八种消融条件（C0-C7）评估发现：无上下文时语法有效从97.6%降至58.5%而完整上下文仅从98.6%降至97.4%，完整上下文C7在所有指标上最优，词汇表对语义质量贡献最大（组合得分+0.198），API和BNF分别对结构有效性贡献+24.7和+22.3个百分点。

论文 Text2DSL DeepSeek-V4-Flash GigaChat-10B-A1.8B

推荐理由：这篇论文用DeepSeek-V4-Flash生成了上万条验证过的Polkit规则，并通过消融实验证明结构化上下文不是锦上添花，词汇表才是提升语义质量的关键。

原文

11:06

官方账号arXiv cs.AI@Hooman Tavakoli Ghinani, Tatjana Legler, Martin Ruskowski

该论文系统研究了光照配置和背景复杂度对物体检测性能的影响，提出基于NVIDIA Isaac Sim的SmartSDG自动化管道，构建了多目标工业基准数据集ILLUM_INTRUCK。通过18个使用YOLOv12框架的控制实验，发现复杂间接光照搭配域相关背景能显著提升视觉线索丰富度。避免直接镜面峰值可保留表面纹理、缩小域差距并降低误报，加速模型收敛。最终提供了面向工业自动化的虚拟场景设计指南。

论文 SmartSDG NVIDIA Isaac Sim ILLUM_INTRUCK

推荐理由：想提升合成数据训练的检测模型效果？这篇论文用YOLOv12做了18组实验，证明间接光照比直射光更靠谱，还给了具体设计建议。搞工业视觉的一定要看。

原文

11:04

官方账号arXiv cs.AI@Zhuoran Jin, Kejian Zhu, Hongbang Yuan, Yupu Hao, Pengfei Cao, Yubo Chen, Kang Liu, Jun Zhao

该研究系统评估12项多模态任务，涵盖感知与推理两类，使用14个非推理模型和8个推理模型。结果显示，CoT在视觉定位、目标计数等感知任务中会导致性能下降，但在数学、科学和多图推理中有效。开源多模态推理模型整体提升有限，可能因过度侧重数学。当前多模态CoT存在'轻看，重思'模式，视觉反省持续减弱，而口头反思相对保持。视觉推理仍是主要瓶颈。

论文 CoT 多模态推理推理模型

推荐理由：这篇论文系统测了多模态思维链到底行不行，发现它在视觉定位上帮倒忙，但对数学推理很管用，还揭示了视觉瓶颈。做多模态的值得看。

原文

11:03

官方账号arXiv cs.AI@Yikun Fu, Bowen Fu, Zhenyu Wu, Shuang Cheng, Xiaowei Sun, Bowen Yang, Zehao Li, Yibo Zhao, Zichen Ding, Zhoumianze Liu, Shijie Wang, Biqing Qi, Bowen Zhou

MacAgentBench新基准包含676个任务覆盖25个macOS应用，近60%任务需要同时操作GUI和命令行。采用确定性规则评估并引入细粒度多检查点评分。实验在3个框架和16个模型上进行，最优配置Claude Opus 4.6 on OpenClaw达到73.7% Pass@1，优势主要来自技能库而非框架设计。细粒度指标显示相同Pass@1的模型在子目标完成上差异显著。

论文 MacAgentBench OpenClaw Claude Opus 4.6

事件专题

推荐理由：这篇论文发布了MacAgentBench，一个包含676个macOS桌面任务的智能体基准。它用细粒度评分发现Claude Opus 4.6配合OpenClaw能拿到73.7%的正确率，而且不同模型表面分一样但实际完成能力差很多，值得研究智能体的去看。

原文

11:03

官方账号arXiv cs.AI@Junhao Chen, Chanyu Zhu, Zheqi Lv, Keting Yin, Shengyu Zhang

自回归视觉模型（AVM）基于下一尺度预测进行图像和视频合成，但语义错误易累积。现有免训练方法忽略中间生成状态，导致错误未被诊断。Gazer框架引入多模态大语言模型反馈，在AVM采样循环中通过反思诊断和语义修正两个阶段实时纠正错误。在组合图像和视频基准测试中，Gazer提升了多个AVM的语义对齐和组合准确性，无需额外训练。

论文 Gazer AVMs 多模态大语言模型

推荐理由：这个框架不用重训模型，就能在图片和视频生成时自动修语义错，比之前的免训练方法更靠谱。

原文

11:01

官方账号arXiv cs.AI@Shiyang Chen

73°

论文发现，长程 LLM 智能体依赖的上下文压缩机制会静默移除原本遵守的安全策略，导致违规行为。在 ConstraintRot 基准测试中，1323 个 episode 显示策略完整时违规率 0%，压缩后升至 30%，部分模型达 59%。攻击者还能通过对抗性注入诱导压缩器忽略合法策略。作者提出免训练的 Constraint Pinning 方法，将约束隔离在无损压缩外，恢复违规率至 0%。

论文 LLM agents ConstraintRot Governance Decay

推荐理由：这篇论文揭示了上下文压缩让 LLM 智能体偷偷遗忘安全规则，还给了可防护方案，做 AI 安全的一定要看。

原文

10:58

官方账号arXiv cs.AI@Gregory Gorbov, Artem Latyshev, Aleksandr I. Panov

本研究提出Imagine方法，结合可学习世界模型与高层、低层两种互补策略，解决强化学习中的安全探索问题。高层策略生成中间子目标，引导探索偏向安全区域；低层策略利用世界模型的想象展开减少不安全行为。在长时域高维动作空间的导航和操作任务上，该方法在成功率和约束满足方面显著优于现有安全RL基线，一致满足预设安全预算。

论文分层强化学习安全探索世界模型

推荐理由：这篇论文提出用世界模型加分层策略搞安全RL，在长期任务上比现有方法成功率和安全性都高不少，值得一看。

原文

10:57

官方账号arXiv cs.AI@Liang Ding, Xintong Wang

Agentic AI任务在长链执行时因环境不确定性呈指数级失败，每步确定性δ<1时k步成功率衰减为δ^k。论文提出三个形式化结果：确定性-效率界限、验证者-古德哈特定理下限、环境技能演化的收敛条件。研究者构建了基于五个可测量属性的供应确定性指数（SCI）和五级确定性成熟度模型（DMM）。论文还提出了一个可证伪的开放问题框架OQ1-OQ5。立场与平台无关，并讨论了模拟到现实充分性、对齐充分性和AI作为正常技术三种竞争观点。

论文智能体推理模型多智能体

推荐理由：这篇论文分析了智能体AI在不确定环境中的失败机制，还给出了SCI和DMM实用框架。如果你做AI智能体开发，这些形式化结论值得参考。

原文

10:55

官方账号arXiv cs.AI@Saumya Biswas, Amrit De, Md Tauhidul Islam

论文提出一个由大语言模型（LLM）编排的设计代理，用于硅绝缘体（SOI）2×2定向耦合器。LLM提出候选间隙值并判断收敛，频率域本征模求解器估算耦合系数κ，独立时域有限差分（FDTD）进行验证。两个求解器均基于相同的2D有效折射率模型，设计κ与FDTD响应之间残差对应一个固定额外耦合长度2.837 μm。该代理实现50/50分束器，FDTD测得的交叉分数为0.498（目标0.500），残差0.0017。结果在2D有效折射率模型内自洽，LLM经过多次尝试成功交付设计。

论文 LLM FDTD 定向耦合器

推荐理由：这篇论文让LLM指挥本征模和FDTD模拟自动设计定向耦合器，误差仅0.0017，省去手动调参的麻烦。

原文

10:52

官方账号arXiv cs.AI@Hongqiao Dong, Wenhao Chi, Ruobing Liang, Xiaokui Yang, Wenhua Liang, Peng Hou, Wenjun Pu, Yipeng Zhao, Ping Chen, Haiping Liu, Jianxing He, Bo Liu

Hi-Seg是一种基于SAM的人机循环分割框架，用于肺结节CT图像分割。研究使用了来自12个中心1179名患者的胸部CT扫描进行外部验证。所有标注者组平均Dice得分接近85%，优于5个最先进的深度学习模型（10-22%）和13个SAM变体（1-29%）。经过短期训练的非医学标注者达到了与初级医学生相当的性能。该工作表明人机循环分割可减少临床医生工作量并实现可扩展的众包标注。

论文 SAM Hi-Seg 肺结节分割

推荐理由：这篇论文用SAM加人工迭代的方法做肺结节分割，Dice近85%，比13种SAM变体都强，非医学人员培训后也能干医学标注的活。

原文

10:47

官方账号arXiv cs.LG@Rodrigo Herrera, Vianey Leos-Barajas, Gwendolyn Eadie, Elizaveta Semenova, James Davenport

该论文提出一种生成式替代框架，利用变分自编码器（VAE）学习Celerite先验的压缩表示，将高维相关随机依赖映射到低维各向同性流形，从而绕过精确协方差运算，将计算负担转为快速神经网络前馈。在模拟研究中，该VAE替代框架准确再现了Celerite等精确物理核的结构保真度。作者将VAE近似嵌入结合Celerite和隐马尔可夫模型（HMM）的加性模型，用于恒星耀斑检测。在实测天体物理时间序列上，VAE+HMM架构相比精确Celerite+HMM框架显著降低了计算时间，实现了大规模数据档案中的恒星耀斑特征化。

论文 Celerite VAE HMM

推荐理由：这篇论文用VAE加速了Celerite和HMM的恒星耀斑检测，解决了GP计算慢的老问题，实测时间大幅缩短，做天文时间序列分析的值得一看。

原文

10:47

官方账号arXiv cs.LG@Yan Xie, Sijie Zhu, Tiansheng Wen, Bo Chen, Yifei Wang

标准在策略蒸馏（OPD）对所有token均匀加权，但研究发现学生rollout越长，后续token与教师分布偏差越大。仅使用前30%的token即可达到全token性能，而仅用后30%几乎学不到东西。基于约束优化视角，提出重要性加权在策略蒸馏（IW-OPD），根据累积偏差动态调整token权重。IW-OPD收敛更快，在AIME-2025基准上性能提升多达6.9分。

论文 OPD IW-OPD AIME-2025

推荐理由：这篇论文揭示了OPD中后面token质量差的问题，提出IW-OPD加权方案，在AIME-2025上提分6.9，做蒸馏研究的值得一看。

原文

10:46

官方账号arXiv cs.LG@Jungyong Son, Jinwook Jung, Sungyong Baik

SiM通过奇异值分解（SVD）为每个任务构建低秩流形，利用测试输入特征在任务流形上的投影残差进行无训练路由。仅需每个任务32个样本的支撑集即可离线预计算流形，合并过程无需额外数据。在计算机视觉和自然语言处理基准上，任务未知推理场景下SiM显著提升合并模型性能，持续缩小与独立专家模型的差距。该方法无需存储完整专家参数，兼容子空间/掩码合并。

论文 SiM 多任务模型合并无训练路由

推荐理由：这篇论文提出了SiM方法，不用额外训练就能动态路由多任务模型，只用少量样本预计算，效果逼近独立专家。

原文

10:45

官方账号arXiv cs.LG@Yue Wang

本文针对多智能体强化学习（MARL）部署时的模型失配问题，提出无限时域平稳分布鲁棒均值场博弈框架。建立了具有压缩贝尔曼算子的鲁棒动态规划原理，通过不动点论证证明了平稳鲁棒均值场均衡的存在性。进一步给出了首个具有收敛保证的算法。将均值场解与有限人口鲁棒博弈关联，在压缩动力学下得到显式非渐近误差界。数值实验验证了多不确定性模型下的鲁棒性影响。

论文 MARL Mean-Field Games Distributional Robustness

推荐理由：这篇论文解决了多智能体强化学习中模型失配的难题，用分布鲁棒均值场博弈给出了严格的理论证明和算法，还给了误差界，搞博弈论和鲁棒优化的值得看。

原文

10:44

官方账号arXiv cs.LG@Na Sang, Ding Ma, Rui Sang, Yuxuan Liu

提出概念约束提示学习(CCPL)框架，使用共享上下文标记和冻结概念原型，通过文本空间余弦一致性对齐learnable类提示。默认设lambda=0.5、概念dropout p=0.3、弱概念引导融合alpha=0.1。在DTD上基类到新类调和平均数提升0.6，EuroSAT提升2.9，OxfordPets下降0.1。实验表明概念约束在概念原型与数据集语义自然对齐时效果最佳。

论文 CLIP CCPL CoOp

推荐理由：这篇论文提出了CCPL，用概念原型约束提示学习，在DTD和EuroSAT上比CoOp有稳定提升，值得少样本CLIP调优的读者看看。

原文

10:43

官方账号arXiv cs.LG@Ting-Ju Wei, Yen-Ming Lu, Chuin-Shan Chen

该论文提出压电深度材料网络（PDMN），用于高效均质化两相压电复合材料。PDMN将机电均质化关系嵌入网络架构，形成半解析代理模型。在聚偏氟乙烯（PVDF）和铌酸锂（LiNbO₃）两相复合材料上验证，非线性电弹性及粘弹性-压电耦合加载下均有效。计算成本相比直接数值模拟（DNS）降低超过三个数量级，同时保持高精度。

论文压电复合材料多尺度均质化

推荐理由：这篇论文用PDMN网络把压电复合材料的模拟速度提升了上千倍，适合做多尺度设计的你参考。

原文

10:43

官方账号arXiv cs.LG@Milton Mondal, Sushovan Chanda, Mohamad Mahdi Alawieh, Brijesh Sukhadiya, Donatus Krah, Clinton Gonsalves, Antonios Ntolkeras, Silvio O. Rizzoli, Ali H. Shaib

标准Pauli测量下量子神经网络输出被约束在[-1,1]区间，导致交叉熵损失对logit差异敏感度不足，梯度被抑制。本文首次将这一效应定义为测量诱导logit收缩。提出可学习的量子测量温度（QMT）参数，在损失函数之前重新缩放量子测量输出，补偿物理测量范围限制。QMT不改变量子电路结构或测量算子。在荧光显微图像与六类Fashion MNIST实验中，QMT一致提升了logit分离度、梯度强度和训练稳定性，并提高了分类准确率。

论文 Hybrid QNNs QMT Fashion MNIST

推荐理由：这篇论文找到了混合量子神经网络训练不稳定的一个隐藏原因——测量值范围太小，并提出了一个简单的可学习缩放参数QMT来解决。实验在蛋白质分类和Fashion MNIST上都有效果。

原文

10:42