全部 AI 动态 · AI 热点

8月10日

11:03

官方账号arXiv cs.LG@Gyuwan Kim, Cheoneum Park, Tao Yang

CoinRAG是一种针对长上下文检索增强生成（RAG）的KV缓存复用优化方法，通过两阶段检索识别查询相关的语义单元，并组合复用其切片KV表示，避免处理冗长检索上下文。在LongBench多跳问答任务上，CoinRAG相比基线实现了新的帕累托前沿，在标准快速预填充延迟预算下平均F1相对提升5.3%，同时显著降低运营成本。该方法将粗粒度块级缓存细化为语义碎块级，减少了信息冗余与噪声。

论文 CoinRAG RAG KV缓存

推荐理由：想给RAG省算力又不想掉精度？CoinRAG把检索结果拆成小碎块做缓存复用，LongBench上F1平均提了5.3%，值得一看。

原文

10:57

官方账号arXiv cs.LG@Md Tarek Hassan, Dmitry Zelenchuk, Muhammad Ali Babar Abbasi

本文提出一种基于波束域机器学习的指纹定位框架，用于RIS辅助毫米波6G网络中的用户设备定位，无需信道状态信息。该方法将预设RIS反射状态下的SNR映射为用户方位角和距离，并扩展至存在跨链路干扰的SINR场景。28GHz仿真中，20x20 RIS下KNN算法在无干扰时角度MAE为0.37度、距离MAE为4厘米；有干扰时分别升至1.4度和7.6厘米。关键发现是干扰对角度估计的影响显著大于距离估计。

论文 RIS 毫米波定位 6G

推荐理由：这篇论文用KNN做RIS定位，无干扰时角度误差才0.37度，有干扰也能保持在1.4度，适合搞6G定位的人参考。

原文

10:56

官方账号arXiv cs.LG@Ali Janati, Kaoutar El Maghraoui, Andrei Kanavalau, Anass Belfatmi

论文报告，Muon优化器训练Transformer解(a+b) mod 113时，虽比AdamW更快grok，但9种配置均在后grokking阶段失去泛化，5个种子中有4个的AdamW参考准确率跌到27.59%。梯度降到10^-6后，Muon的步长弹性为-0.03，AdamW为+1.5，Muon组每参数移动快8.0倍。冻结嵌入/读出层可消除崩溃：451,400步和5个配对种子中，未冻结组出现137-321次低于阈值评估，冻结组为零。傅里叶滤波显示掩蔽场景下任务对齐族单独达100%，完整模型仅45.85%，重新缩放可恢复99.9%。

论文 Muon AdamW grokking

推荐理由：Muon grok虽快，后grokking会崩到27.59%；冻结embedding/readout就能稳。想用Muon训Transformer的注意。

原文

10:55

官方账号arXiv cs.LG@Zhaoyu Zhu, Rui Gao, Shuang Li

Wasserstein策略梯度（WPG）通过动作空间的传输更新状态条件策略。研究熵正则化折扣线性二次（LQ）控制问题时，Bellman验证论证表明该问题存在线性高斯最优策略。WPG可精确化为关于反馈增益和动作协方差的有限维常微分方程（ODE）。该ODE从任意可行初始值全局适定且指数收敛，且收敛指数在熵温度趋于0时保持正极限，不含exp(-c/τ)扰动因子。

论文 Wasserstein策略梯度线性二次控制熵正则化

推荐理由：这篇论文把WPG在LQ问题上化简成ODE，证明了指数收敛，做控制理论的可以看看。

原文

10:54

官方账号arXiv cs.LG@Elena Dumitrescu, Gert Lek, Lydia Y. Chen, Jérémie Decouchant

论文揭示Diffusion LLM的安全对齐机制稀疏且可迁移，自剪枝可将LLaDA攻击成功率从2.6%提升至73.8%，Dream从1.9%升至86.6%。作者提出SN-Guided Diffusion黑盒越狱框架，通过加权安全神经元损失引导扩散过程，在良性提示与越狱提示判别上AUROC达1.0。该框架在Llama-3-8B-Instruct上迁移成功率77.1%，Qwen2.5-7B-Instruct达86.9%，Gemini-2.5-Flash-Lite为74.3%，每个提示仅需20次生成。相比此前越狱框架，生成成本降低数个数量级。

论文 Diffusion LLM AI安全 LLaDA

推荐理由：这篇论文发现扩散LLM的安全对齐其实很脆，用剪枝就能把越狱成功率拉到80%多，还给了个黑盒攻击框架SN-Guided Diffusion，成本低效果好。

原文

10:53

官方账号arXiv cs.LG@Xulin Fan, Juan Azcarreta, Ashutosh Pandey, Jesus Alvarez, Ke Tan, Jacob Donley, Ritwik Giri, Buye Xu

该论文提出一种云边协同的语音增强框架，针对可穿戴设备低延迟、低算力的约束，利用云端模型辅助边缘模型。框架包含三项技术：延迟服务器输出作为额外输入、逐层特征提升以及协同多通道维纳滤波。实验表明，该框架相比纯边缘基线显著提升性能，且额外计算开销极小。

论文语音增强多通道深度学习

推荐理由：边缘设备算力不够？这篇论文用云端模型来帮忙，做语音增强效果好还省算力，搞可穿戴的可以看看。

原文

10:53

官方账号arXiv cs.LG@Xinyi Li, Zaishuo Xia, Chenjie Hao, Yubei Chen

论文提出直接预测世界模型DPWM，将任意长度的动作序列压缩为单一嵌入，单次前向预测终点观测。DPWM避免了递归卷展，使长时程端到端训练在自回归训练不稳定的尺度上可行。在连续控制和像素级基准上，DPWM相比递归世界模型大幅提升长时程终点预测，且预测时程越长优势越大。实验还显示，用同样的长时程目标重训递归基线也获得类似提升，说明训练目标而非骨干结构是主要驱动力。

论文 DPWM 世界模型长时程预测

推荐理由：这篇论文把世界模型的训练目标改成直接预测终点，DPWM在长时程预测上比递归模型准很多，而且越长优势越明显。想搞长时程决策的可以看看。

原文

10:51

官方账号arXiv cs.LG@Ruochen Jin, Zhanliang Wang, Zongyu Dai, Jiancong Xiao, Bojian Hou

精选

论文提出用双层优化改进LLM校准，主目标最大化预测分布熵以抑制过度自信。该方法借鉴温度缩放，在低层用参数化损失训练模型，在高层选择损失超参数。为适配大模型规模，采用一阶近似避免二阶计算。在多项选择和开放生成式问答实验中，该方法在分布外泛化上表现尤其突出。

论文 LLM校准温度缩放双层优化

推荐理由：这篇arxiv论文提出用双层优化做LLM校准，不靠事后温度缩放，在开放问答上分布外泛化更稳。

原文

10:49

官方账号arXiv cs.LG@Xindi Wu, Sven Elflein, James Lucas, Olga Russakovsky, Laura Leal-Taixé, Despoina Paschalidou, Jonathan Lorraine, Aljoša Ošep

交互式视频世界模型依赖键值缓存作为视觉记忆，但生成超过训练长度后，时间旋转位置编码偏移超出训练范围，模型无法通过注意力可靠寻址已存储内容。论文提出WorldTrace，一种无需训练的长期视觉持久化记忆框架，通过为每个摘要槽分配分布内的虚拟位置保持可寻址性。WorldTrace-Field压缩历史以提升时序一致性，WorldTrace-Landmark在场景转换处存储逐字轨迹用于情节回忆。在LoopBench基准上，WorldTrace-Field将时序一致性提升15.5%，WorldTrace-Landmark将情节回忆提升19.5%。

论文 WorldTrace LoopBench 世界模型

推荐理由：看这个，论文解决了视频生成模型长视频记忆丢失的问题，不重新训练就能把一致性拉高15个点，做视频生成的人应该关心。

原文

10:47

官方账号arXiv cs.LG@Shivi Dixit, Rishabh Gupta, Adam Kelloway, John Wassick, Qi Zhang

论文 arXiv:2608.07398 提出了一种数据驱动的逆优化框架，从历史生产计划中推断专家隐含的目标函数。该框架将生产计划建模为混合整数线性规划，并使用次优损失法学习各假设成本项的权重。在陶氏（Dow）的工业案例中，推断出的权重显示，避免库存短缺和保持生产周期一致主导了规划者的决策。

论文 Dow 逆向优化生产计划

推荐理由：这篇论文用逆向优化从陶氏的历史生产计划里反推出专家真正在意的目标，比手工调权重靠谱。

原文

10:46

官方账号arXiv cs.LG@Deepank Girish, Yi Hao Chan, Yubin Zheng, Sukrit Gupta, Jagath C. Rajapakse

FedDOSE是一个面向多站点fMRI数据的联邦学习框架，显式分解站点差异，用于动态功能连接（dFC）分析。它引入模块引导的Tucker分解块来编码高维dFC张量，提取模块级时空模式，并用最优传输重心与Procrustes分析对齐全局类别原型。在ABIDE-I、ABIDE-II和ADHD-200三个数据集上，FedDOSE在自闭症谱系障碍（ASD）和注意缺陷多动障碍（ADHD）诊断中的表现均优于现有方法。

论文 FedDOSE 联邦学习 fMRI

推荐理由：FedDOSE用联邦学习处理多中心脑影像数据，在ABIDE和ADHD-200上自闭症、多动症识别都超过现有方法，做医疗AI的可以看看。

原文

10:45

官方账号arXiv cs.LG@Ioannis Ziogas, Ensieh Khazaei, Bilal Taha, Aamna Al Shehhi, Ahsan H. Khandoker, Leontios J. Hadjileontiadis, Dimitrios Hatzinakos

arXiv 论文提出 OmniDecVAEs 框架，扩展 DecVAEs 学习模态条件时频潜在子空间，可同时处理分类、解纠缠表示、融合与生成。在多达 30 个模态的人类活动识别任务中，OmniDecVAEs 相比 Transformer 和 VAE 方法，活动识别准确率提升 1.01%，身份识别准确率提升 6.75%。合成数据的平均绝对误差改善 76.84%，最大均值差异改善 13.85%。模型仅 4.1M 参数，适合边缘可穿戴设备。

论文 OmniDecVAEs 可穿戴解纠缠表示

推荐理由：这篇论文发了个叫 OmniDecVAEs 的框架，能把几十个传感器数据揉在一起，分类和生成都行，参数才 4.1M，比 Transformer 还准。

原文

10:44

官方账号arXiv cs.LG@Xin Wang, Yingchao Huang, Yuhan Su, Shanshan Yao, Wei Peng

研究提出LSEAD框架，使用预训练开源大语言模型对语音录音自动转录并提取文本嵌入，再通过主成分分析降维后进行分类。该方法仅依赖本地部署的模型和语音转录文本，无需外部数据交换，支持隐私保护的AD风险评估。在ADReSS20和ADReSSo2021基准数据集上，LLM嵌入相比现有方法将AD分类准确率最高提升5%，尤其对早期检测效果显著。

论文 LSEAD 阿尔茨海默病语音分析

推荐理由：这个框架直接用开源LLM做语音筛查，不用联网传数据，保护隐私，在ADReSS20和ADReSSo2021上还比现有方法最高涨5个点，适合做早期阿尔茨海默病筛查研究的人看。

原文

10:43

官方账号arXiv cs.LG@Haoyu Zheng, Yun Zhu, Qing Wang, Wenqiao Zhang

TRIAL提出统一回合对齐评分协议，为每个决策回合提取结果视图并比较普通与事后条件下的响应，以有符号对数概率差分配标记级监督。在WebShop和ALFWorld上使用不同骨干模型，TRIAL在全部八种组合中超越GRPO，并在六种组合中达到最优或并列最优。使用Qwen3-1.7B时，WebShop成功率从56.4%提升至75.2%，任务分数从78.7%提升至85.7%。消融实验显示，轨迹相对的回合分配比单纯密集事后蒸馏带来更大提升。

论文 TRIAL GRPO Qwen3

推荐理由：这个新框架TRIAL能让智能体强化学习更高效，在多个任务上超过GRPO，成功率提升近19个百分点，搞RL的可以看看。

原文

10:42

官方账号arXiv cs.LG@Karim Radouane, Jose G Moreno, Lynda Tamine

该论文提出 Geo-Spatial Concept Probing 基准，针对方向、距离、拓扑等空间概念及其组合进行受控测试。他们使用问答任务作为代理，在多种 LLM 架构和训练设置下开展实验，分析模型规模与设计的影响。结果显示当前 LLM 在概念的抽象性、组合性和基础性上存在明显局限，代码将在 GitHub 公开。

论文 Geo-Spatial Concept Probing 空间概念概念理解

推荐理由：这篇论文搞了个空间概念测试，专门考大模型的方向、距离和组合推理，结果发现它们比想象中笨。

原文

10:41

官方账号arXiv cs.LG@Yao Wu

传统异质表示学习常把特征拼接，导致无法溯源错误来源。该论文提出残差代数，将表示定义为同时拥有坐标系和残差的类型对象，学习则是有序的算子复合。在3.67M个中国A股日度观测（2023-2026）上，基础代数把净成本收益从13.52%提升到19.10%，Sharpe从1.42升至2.09。匹配容量、统一残差、无身份两阶段等方法均不及其表现。

论文 FPRC-PQ 表示学习量化投资

推荐理由：这篇论文用残差代数替代特征拼接，在A股数据上收益从13.5%提升到19.1%，Sharpe从1.42涨到2.09，比所有对照方法都强。

原文

10:40

官方账号arXiv cs.LG@Taha Shieenavaz, Shabnam Zareshahraki, Loris Nanni

并行化Q网络（PQN）在无经验回放和目标网络条件下实现稳定离策略学习。研究者在严格参数约束下评估了8种CNN拓扑，并集成Hadamax编码及分布式、集成、决斗等Q学习扩展。在Atari-57基准上，Aftab的IQM人类归一化得分为6.479，对标准PQN基线的改进概率为0.86。在Procgen Hard基准上，Aftab的IQM归一化得分为0.418，高于基线的0.382。完整框架已开源在GitHub。

论文 Aftab PQN CNN

推荐理由：Aftab架构在Atari-57上拿到IQM 6.479，比标准PQN基线强不少，代码和训练配置都开源了，搞RL的可以看看。

原文

10:35

官方一手arXiv: Anthropic@Fedor Pakhomov

论文研究二阶算术中的Lévy-Montague反射方案Rfn：每个公式φ都断言任意集合属于某个可数编码的ω-模型，且φ在该模型与宇宙间绝对。核心结果是模型扩张构造：每个RCA₀的可数模型都可在不改变一阶部分的情况下扩张为WKL₀加上完整Rfn的模型。由此推出WKL₀+Rfn对WKL₀和RCA₀都是Π¹₁-保守的，其一阶部分恰为IΣ₁，且对PRA是Π⁰₂-保守的。证明本身非有限性：扩张是ω₁-层强迫扩张的并，其不可数共尾性保证了反射；作者仅在PRA+1-Con(Z₂)中证明了该保守性。

论文 Lévy-Montague反射 WKL₀ RCA₀

推荐理由：把Lévy-Montague反射做到WKL₀上的论文，给了保守性证明，还用了Fable 5辅助推证。

原文

10:34

官方一手arXiv: Anthropic@Jonghyun Jee, Aaron Shaw

一项研究分析了八种来自Anthropic、OpenAI、阿里和Mistral四家公司的模型在电影评价中的取向。研究者使用200部电影基准，将其划分为影评口碑、商业成功和双重认可三类，对每个模型进行20,000次两两强制选择。基于Bradley-Terry估计发现，所有模型都更偏好影评口碑好但商业上不知名的电影，而非商业成功但影评认可低的电影，且该取向随模型规模增大而增强。嵌套OLS回归显示，评价取向、公开可见度和大众接受度分别影响偏好；调整公开可见度后，模型对双重认可电影的偏好发生逆转。评价型与推荐型提示词会引发不同排序，显示该取向可能在真实部署中间接显现。

论文 Anthropic OpenAI Alibaba

事件专题

推荐理由：各家大模型选电影时都更认影评口碑，不认票房。测试了20万次对比，模型越大越看重口碑，挺有意思的。

原文

10:27

官方账号arXiv cs.AI@Rodrigo Ferreira Rodrigues, Karim Radouane, Jose G Moreno, Lynda Tamine

GeoBenchLLM是一个评估大语言模型地理相关任务能力的基准，整合了12个公开数据集。该基准覆盖地理空间和时间理解两类任务，测试了多个主流LLM。结果显示，推理能力和模型尺寸对整体性能影响显著。基准代码已在GitHub公开。

论文 GeoBenchLLM LLM 地理空间

推荐理由：想测LLM的地理常识？这个新基准GeoBenchLLM用12个数据集考了主流模型，结论是模型越大、推理越强，GitHub上可跑。

原文

10:26

官方账号arXiv cs.AI@Yonglong Zhang, Zongwu Xie, Yang Liu

GeoDistill-Refine 是一个两阶段框架，用离线 SAM 3 生成的伪掩码训练紧凑分割网络，无需人工标注。教师端融合 6 个固定提示，通过无权重 50% 投票稳定输出；学生先学前景轮廓，再用符号距离场、骨架和面积目标细化。在 SpaceSense-Bench HJM 上，相比普通伪标签学生，Image IoU 提升 0.0456，Boundary F1 提升 0.1380。部署用的 TinyUNet 只有 0.263M 参数，RTX 4090 上单张约 1.1ms。SPEED+ Lightbox、Sunlamp 和 TANGO 上的外部测试显示边界质量或前景精度有增益。

论文 GeoDistill-Refine SAM 3 TinyUNet

推荐理由：航天图像分割常缺标注，这论文用 SAM 3 自动生成伪标签，还解决了伪标签几何错误。TinyUNet 又小又快，边界指标提升明显。

原文

10:24

官方账号arXiv cs.AI@Sasan Mansouri, Daniel Saad, Mark Wahrenburg, Manu Weissel, Fabian Woebbeking

FinRank基准包含1185个手工问答对，覆盖22家公司的10-K和10-Q文件，每项记录附有参考答案、gold支持段落和人工筛选的困难负样本。在合并证据语料上，7B指令微调嵌入模型的Recall@10仅为44.8%。亚十亿参数编码器相比BM25最高提升3.5个点，而金融适配嵌入模型比BM25低9.7个点。将随机负样本替换为困难负样本后，成对准确率下降13.0至20.5个百分点。该基准分别评测段落检索、重排序和困难负样本判别任务。

论文 FinRank SEC filings 金融问答

推荐理由：FinRank是个新出的金融问答基准，专门考你从SEC文件里找证据的能力。实测连7B模型都只有44.8%的召回率，难度很够。

原文

8月7日

13:28

官方账号arXiv cs.AI@Zhiheng Wang, Bo Peng, Lai Wei, Chaochao Lu

论文提出视觉证据增益（Visual Evidence Gain）估计量，在策略、轨迹、步骤三个层级干预，审计多模态大模型的裁剪缩放等视觉工具调用。对 6 个代表性模型和 5 个细粒度感知基准的测试显示，工具调用相对直接推理的准确率提升有限，甚至为负，而 token 成本明显更高。作者识别出两种失败模式：Calling Without Looking 中返回的观察对答案无因果作用，Looking Without Planning 中观察有信息量但调用次序不合理。轨迹级诊断表明，策略级准确率增益集中在少数校准良好的轨迹上，作者称之为视觉工具使用的幻觉。代码已在 GitHub 的 OpenCausaLab/CauAudit 发布。

论文多模态视觉工具使用因果审计

推荐理由：这篇论文查了6个模型的视觉工具调用：多数只是白花钱，只有少数轨迹真有用。别被表面准确率骗了。

原文

13:26

官方账号arXiv cs.AI@Saad Ahmed, Md Khalid Syfullaha

研究发布RSBdSL38数据集，含10,874张专家验证图像，覆盖38种孟加拉手语手型。提出的轻量注意力卷积网络仅298,470参数，在RSBdSL38上准确率达96.37%。与最优ImageNet预训练模型相比，准确率只差1.08个百分点，但参数减少8.5到68倍。模型量化后0.48 MB，在智能手机上单张推理耗时3.98毫秒。

论文 RSBdSL38 BdSL 手语识别

推荐理由：孟加拉手语识别新研究：轻量模型参数少到能装进手机，准确率还够用，数据和代码都开源了。

原文

13:24

官方账号arXiv cs.AI@ZhiYan Hou, Xinyu Tang, Hongyan An, Jianjin Zhang, Weizhen Wang, Yunyun Han, Gengsheng Li, Xiangzhao Hao, Haiyun Guo, Wenbin Hu, Jinqiao Wang, Yafeng Deng

论文提出DASH方法，用于改进带可验证奖励的强化学习（RLVR）中奖励稀疏的问题。标准OPSD对所有局部发散使用相同权重，忽略了生成过程中发散序列的时间结构。DASH根据局部蒸馏信号与序列均值的差距自适应调整token级监督权重，控制反向多步聚合。在三个数学推理基准和三种模型规模上，DASH均优于匹配的vanilla OPSD。该方法复用OPSD已有的师生分布，不额外增加前向传播成本。

论文 DASH OPSD RLVR

推荐理由：这篇论文提出了DASH，能让推理模型在自蒸馏时按发散情况动态调整权重，三个数学基准上全面超过原版OPSD，还不用额外算力。

原文

13:24

官方账号arXiv cs.AI@Elad Yoshai, Natan T. Shaked

PRISM是一种无GAN的流匹配框架，用逐特征门控取代全局噪声控制，决定每张图像要改什么、留什么。门控的空间先验来自源特征到目标特征分布的标准化距离，特征远离目标分布时被放开，接近时则保留。在AFHQ猫到狗、CelebA-HQ外观迁移、昼夜重打光、虚拟染色和乳腺冷冻到永久病理五个基准上，PRISM在四个基准上获得最佳Inception FID和KID，第五个也接近最优。在组织病理学任务中，它的细胞核计数比最接近理想值，兼顾了目标真实感与结构保留。

论文 PRISM 图像翻译流匹配

推荐理由：PRISM这篇不用GAN也能做图像翻译，用一个门控控制改哪些部分，五个基准上赢了四个，挺实用的。

原文

13:23

官方账号arXiv cs.AI@Yuanjing Xu, Xinyan Liu, Weidong Chen, Zixuan Zou, Linhao Zhang, Zhuangzhe Meng, Antoni B. Chan, Weigang Zhang

本论文提出深度引导检测器 DG-Det，结合多尺度 RGB-D 交叉注意力和显式遮挡预测，增强拥挤与遮挡场景下的目标检测能力。同时引入统一去重框架，消除跨帧重复计数。作者发布了带深度信息的 RGB-D 视频计数数据集，涵盖多类目标。相比现有基线，该方法在 MAE 上降低 62.01%，RMSE 也取得一致改善。

论文 DG-Det RGB-D 视频计数

推荐理由：看这篇，用深度信息做视频数人数，拥挤遮挡也不虚，MAE 降了 62%，代码和数据集都开源了。

原文

13:22

官方账号arXiv cs.AI@Christo Kurisummoottil Thomas, Omar Hashash, Walid Saad

该论文提出HDT-Nets框架，用全息数字孪生网络实现实时物理AI推理。每个HDT采用从物理智能体到网络边缘的层次结构，本地自主推理并协作形成集体智能。框架利用因果马尔可夫毯协调感知、通信与控制，支持跨域反事实推理。主动推理通过最小化期望自由能统一感知、行动和学习，并依据认知价值决定传输哪些信念。范畴论保证异构智能体间语义结构保持，整合信息论量化集体智能何时超越独立运行。

论文 HDT-Nets 全息数字孪生物理AI

推荐理由：这篇arxiv论文把数字孪生从被动镜像变成主动智能体，用网络协同做物理AI推理，搞机器人或边缘智能的可以看看思路。

原文

13:18

官方账号arXiv cs.AI@Zishan Xu, Zhiyuan Yao, Yuxin Chen, Yifu Guo, Zhengxi Lu, Yuquan Lu, Jinyang Huang, Yan Xu, Yasheng Wang, Weinan Zhang, Xingshan Zeng, Weiwen Liu

EnvACE 是一种面向大语言模型智能体的强化学习方法，训练时不再依赖真实或合成的可执行环境交互，而是让策略交替执行动作和扮演环境产生响应。该方法在 BFCL-v4、tau^2-Bench、VitaBench 和 FinMCP-Bench 四个基准上表现优异，整体评估超过环境扩展类基线。受控实验表明，世界预演在不同模型规模下都能稳定提升策略学习效果。测试阶段，内化的世界模型还可在提交执行前进行私有预演，在中等预演预算下获得额外增益。代码已在 GitHub 上公开。

论文 EnvACE 强化学习智能体

推荐理由：EnvACE 让模型自己脑补环境的反馈，省去搭建外部模拟器，四个基准上还赢了。想低成本练智能体的可以看看。

原文

13:17