全部 AI 动态 · AI 热点

8月7日

09:28

官方一手arXiv: DeepSeek@Zhuo Xie, Haoze Ni

精选

论文提出多源证据共识验证框架MECV，用于修正AI生成新闻摘要中的幻觉。MECV聚合源文档、维基百科和开放网页检索三类异构证据，并引入多LLM陪审团机制，通过矛盾感知共识评分评估事实可靠性。在SummEdits基准上使用GPT-4o-mini和DeepSeek-Chat作为验证模型、Qwen-Plus作为编排器进行实验。结果显示MECV在保持摘要语义结构的同时提升了事实一致性，跨源共识可作为识别事实不确定性的有效信号。

论文 MECV SummEdits GPT-4o-mini

推荐理由：这篇论文解决AI摘要瞎编的问题，用多源证据+多模型投票来纠错，在SummEdits上验证有效，做新闻聚合的可以看看。

原文

09:25

官方账号arXiv cs.AI@Modhurita Mitra, Jan-Willem Versteeg, Maarten D. Schermer, Shiva Nadi Najafabadi, Marie L. De Bruin, Lourens T. Bloem

该论文提出一个基于schema的框架，用生成式AI从非结构化文本中提取层级化、嵌套式信息，并自动与金标准做语义评估。在卫生技术评估机构NICE的文档上，该框架用Claude Opus 3成功提取了14个属性中的12个，F1分数超过90%。提取单个文档的时间比人类领域专家快约30倍。研究还验证了该框架在不同生成式AI模型间的通用性，以及在不同HTA组织和语言间的可迁移性。

论文 Claude Opus 3 NICE 信息提取

推荐理由：这篇论文用Claude Opus 3从NICE文档里自动提取结构化信息，F1超90%，速度比人工快30倍，做医疗评估的朋友可以看看。

原文

09:23

官方账号arXiv cs.AI@Eoin Cummins, Zhongyi Huang, Alexandre D'Hooge, Zhuoro Mo, Yaolong Ju

论文发布SheetSage-A2S数据集，含61小时音频、9,468个片段，覆盖6,066首流行歌曲，是首个面向流行音乐的音频到乐谱数据集。研究者采用MuQ预训练特征提取模型与数据增强，提升泛化能力。在古典音乐Quartets集上实现4.98%符号错误率，显著优于现有最优方法的15.3%。在SheetSage-A2S流行音乐数据集上达到20.92%符号错误率，为后续研究提供强基准。数据集、模型和代码已在GitHub公开。

论文 SheetSage-A2S MuQ 音频转乐谱

推荐理由：这篇论文搞了个流行音乐专用的音频转乐谱数据集，用MuQ预训练模型，古典乐错误率从15.3%降到4.98%，还公开了代码，想做的可以直接上手。

原文

09:21

官方账号arXiv cs.AI@J. de Curtò, Dayani Plasencia, Diego Sánchez, I. de Zarzà

这项研究通过输入消融测试，检查视觉语言模型（VLM）在零样本控制中是否真正依赖视觉输入。在9个直接控制模型、6个结构化局部VLM和1个VLM-MPC层级中，分析了32,874次评分调用。结果显示多数直接控制模型表现负面，常数SLOW策略甚至优于脚本几何控制器。图像仅确定性正对照以0.090米MAE和精确镜像等变性估算前车间距，证明视觉刺激信息充分。后验对称一致性守护者选出的模型在272帧上达到0.954平衡准确率，弃权时提升至0.973。

论文 VLM 视觉语言模型具身智能

推荐理由：这篇论文用消融实验戳穿了VLM做零样本控制的假象，多数模型其实没在看图像。还给出了一个能到0.973准确率的守护方案，想搞具身智能的值得看。

原文

09:18

官方账号arXiv cs.AI@Thomas H. Costello, Nathaniel Rabb, Michael Nicholas Stagnaro, Gordon Pennycook, David Rand

在2024年7月特朗普刺杀未遂和2025年9月Charlie Kirk刺杀事件后，美国成年人（实验1 N=472，实验2 N=1035）与LLM进行多轮对话，其阴谋论信念相比对照组显著下降。对照组分别与LLM讨论无关话题或查看静态事实表。干预效果在1至2个月后的后续危机事件中仍可观测到，对不同阴谋论的信念同样降低。研究提示，基于LLM的对话干预能在重大事件后即时抑制错误信息。

论文 LLM 阴谋论错误信息

推荐理由：这篇论文让LLM当对话对手，跟人聊几轮就能把阴谋论信念聊下来，比干看事实清单管用，效果还能延续一两个月。

原文

8月6日

12:28

官方一手arXiv: DeepSeek@Masato Fujitake

论文提出 MESH，一种用于 MoE 专家层的隐藏动量 Sinkhorn 更新。在 110M 参数 DeepSeek 风格 MoE 预训练中，SAGE/Sinkhorn 混合把优化器状态从 0.883GB 降到 0.331GB，但评估损失 3.8265，差于 AdamW 基线的 3.58-3.64。MESH 在梯度缓冲区生命周期内恢复一阶矩信号，且不将专家一阶矩存入优化器状态。两个额外种子中，MESH 和 MESH-B 相对 AdamW 减少 62.5% 优化器状态内存，峰值 CUDA 分配下降约 12.6%，评估损失差距较小。

论文 MESH Sinkhorn 混合专家模型

推荐理由：MoE 训练显存吃紧？MESH 方法砍掉六成优化器内存，损失只差一点，做大规模训练的可以试试。

原文

12:27

官方账号arXiv cs.LG@Shiyang Li, Guangyan Sun, Jinwei Tang, Yanzhi Wang, Mingyi Hong, Caiwen Ding

SparseDitto 是一个基于 LLM 智能体的系统，能按矩阵、算子与目标 GPU 自动生成定制内核，覆盖 SpMV、SpMM、SpGEMM 三种稀疏算子。论文指出同一 SpMM 任务中 cuSPARSE 在 CSR 与 Blocked-ELL 格式下性能差距最高达 350 倍，现有实现无法在所有稀疏模式上占优。SparseDitto 在 NVIDIA RTX PRO 6000 上相对 cuSPARSE 取得 2.68 倍几何平均加速，最高 146.61 倍；在 H200 上平均加速 2.79 倍，最高 78.5 倍。其生成的 SpMM 内核还让全批次 GCN 训练最高提速 3.39 倍。

论文 SparseDitto GPU内核稀疏矩阵

事件专题

推荐理由：不用手写内核了？SparseDitto 用 LLM 智能体自动生成，比 cuSPARSE 平均快 2.7 倍，最高 146 倍。

原文

12:26

官方账号arXiv cs.LG@Dmytro Knopov

论文复现了无归一化层的WideResNet-28-10上的联合能量模型（JEM），两个独立运行达到92.88%测试精度和44.46的buffer-FID，而原基准为92.9%和38.40。研究记录了两种失败模式：后期训练中通过异常缓冲机制引发的发散，以及SVHN OOD检测行为的运行依赖性。在约130个训练轮次中，Predictor-Corrector（PC）采样器替换SGLD并未带来任何方法级优势：所有十个检查点-OOD对上的AUROC绝对差低于0.007，FID差低于0.5。分层种子-图像自助抽样给出宏平均AUROC差值的95%置信区间包含零，种子级等价检验无法建立正式等价。

论文 JEM CIFAR-10 SGLD

推荐理由：这篇论文复现JEM，对比PC和SGLD采样器，结果在CIFAR-10上几乎没差别，AUROC差小于0.007，还暴露了训练发散问题。搞能量模型的人可以看看。

原文

12:23

官方账号arXiv cs.AI@Boxiu Li, Zimo Wen, Yijia Fan, Junxiang Lei, Sufeng Guo, Jiaao Wu, Ruize Tang, Mukai Li, Yifei Shen, Xiaoyu Chen, Wanbo Zhang, Runjing Gu, Yifei Gao, Yuheng Wu, Xuyao Huang, Zelong Zhao, Jiachen Zhang, Shibo Hu, Hangxi Guo, Yilin Chen, Yuzhe Zhang, Fan Yang, Chuan Wen, Xian Zhang, Xuanhe Zhou, Zhijie Deng

Argus 是一个自进化的智能体运行时，由 Manager、Planner、Engineer、Reviewer 四个角色在持久项目状态上执行任务。在 SWE-Bench Pro 上达到约 78% 的通过率，高于 Direct Copilot 的 59%，但 token 消耗为后者的 1.41 倍。经过验证门控自进化后，成熟阶段的求解 token 比启动阶段少 21%，活动时间少 15%，并记录了 34 次验证器恢复和 22 次审查循环救援。在 AARRI-Bench 上取得 76.8%，数学数据合成差距为 28 分；优化后的 RWKV6 内核已合并到上游。

论文 Argus 智能体 SWE-Bench Pro

推荐理由：Argus 这个智能体运行时，SWE-Bench Pro 拿到 78%，比 Direct Copilot 高 19 个点，还会自我进化省 token，挺新鲜。

原文

12:21

官方账号arXiv cs.AI@Ayoub Kirouane, Christos Petrocheilos

该研究将NVIDIA的Nemotron检索栈端到端适配为现代希腊语，覆盖法律、能源、金融和医疗等专业领域。在65,773个希腊语检索对上微调后，Nemotron 1B嵌入模型的nDCG@10从0.362提升至0.835，显著超过未适配版本。研究还通过LoRA微调Nemotron 30B-A3B混合专家阅读器，使答案正确率从29.4%升至66.9%，并改善了忠实度和引用质量。作者发布了希腊语RAG基准HERA，这是首个大规模希腊语检索增强生成基准。

论文 Nemotron HERA RAG

事件专题

推荐理由：NVIDIA的Nemotron终于能处理希腊语了，微调后检索效果大幅提升，还新出了个HERA基准，搞多语言RAG的可以看看。

原文

12:19

官方账号arXiv cs.AI@ Aniri, Jinhe Bi, Peng Liao, Zengjie Jin, Volker Tresp, Fei Shen, Yunpu Ma, Tat-Seng Chua

现有在线自蒸馏方法忽视多模态大模型推理中的模态失衡问题，文本信息占优时多模态输入无法充分整合。OPD-V利用放大图像的正面教师与遮罩图像的负面教师，将模态平衡本身作为特权信息。通过正负教师的模态平衡对数边际定义信任区域，筛选在线策略token用于自蒸馏。在6个基准、4个MLLM骨干和5种后训练方法上，OPD-V一致提升推理性能并降低训练成本。

论文 OPD-V 多模态大模型自蒸馏

推荐理由：OPD-V把模态平衡当特权信息，用正负教师挑token做自蒸馏，在6个基准、4种骨干上更省训练费还更准。

原文

12:14

官方账号arXiv cs.AI@Hung Truong Thanh Nguyen, Hélène Fournier, Piper Jackson, Makoto Itoh, Shannon Freeman, Rene Richard, Hung Cao

CoPlan是一种面向人机协同护理规划的可争议界面，通过多智能体工作流生成候选干预措施及支持或质疑论点。人类护理规划者可以在最终计划生成前接受、拒绝、修改或添加论点，确保建议可被审查和修订。该系统在就地养老（aging-in-place）场景中进行了演示，支持自适应护理团队招募、基于角色的论证审查、最终护理计划生成及调度代理的后续跟进。该研究为可信赖的人机协同护理规划提供了保留人类能动性与临床问责制的设计框架。

论文 CoPlan 护理规划多智能体

推荐理由：这是篇arXiv论文，讲的是让AI出护理方案时能被医生和家属质疑和修改的界面CoPlan，比那种给个结果就完事的系统靠谱。

原文

12:14

官方账号arXiv cs.AI@Yijun Lu, Rui Ye, Jiajun Wang, Yuwen Du, Tian Jin, Songhua Liu, Siheng Chen

ABSeeker基于Qwen3.5-4B，仅用8500个示例训练，在BrowseComp上达到37.3%，在BrowseComp-ZH上达到39.1%。加入上下文管理后，成绩分别提升至55.3%和52.9%，超过同规模4B智能体，并赶上约30B参数的更大模型。其核心是ABC框架，通过答案回溯恢复线索，再将搜索每一步与线索比对，生成细粒度步骤级奖励。

论文 ABSeeker Qwen3.5 BrowseComp

推荐理由：它用答案倒推给搜索智能体每一步打分，4B模型在BrowseComp上拼到55.3%，能对标30B模型，值得看方法。

原文

12:12

官方账号arXiv cs.AI@Xiawei Yue, Boran Wang, Xiaoqing Zhang, Shuxin Zheng, Ziwei Zhang

现有图记忆方法把记忆都放进平面图，历史信息积累后检索会混入无关上下文。HiGram 提出粗到细的分层记忆结构，用上层节点和 MemoryUnits 减少检索噪声。它用查询和更新条件化的 MicroGraph 做路径级定位，再对单元内和单元间依赖做协调重写。在长期会话问答和冲突感知记忆评估基准上，HiGram 相比基线在答案质量和 token 效率上都有提升。

论文 HiGram 图记忆智能体

推荐理由：智能体记性差？HiGram 把记忆做成层级图，更新时只改相关路径，省 token 还更准，论文里有基准对比。

原文

12:08

官方账号arXiv cs.AI@Joshua Fonseca Rivera, Neil Shah, David Demitri Africa, Konstantinos Voudouris

一项研究将项目反应理论（IRT）应用于8个安全基准、192个语言模型，这是迄今最大规模的LLM安全评估心理测量分析。研究发现，拒绝严格度、真实性和情境危害三个可解释因子解释了模型间大部分差异。IRT选出的题目在恢复完整基准分数时误差低于随机子集，约10个自适应题即可替代若干单个基准，评估成本降低97%-99%。IRT还能用于检测模型的朴素沙袋行为和API后端模型更换。

论文项目反应理论 AI安全安全基准

推荐理由：这篇论文用IRT给192个模型的安全基准做心理测量，能把评测成本砍掉97%以上，还能识破模型故意考差或API后门换模型。

原文

12:05

官方账号arXiv cs.AI@Narges Rashvand, Ghazal Alinezhad Noghre, Shanle Yao, Gabriel Maldonado, Hamed Tabkhi

VQ-VAD提出把人体关键点序列通过VQ-GAN量化为离散运动码本，只在正常动作上训练。VQ-VAD推理时若某段动作在码本里重建误差过高，就判定为异常。在HR-SHT上达到81.83%的域内准确率，从CMU Panoptic跨域到HR-SHT无需重训仍有76.69%。该方法在HR-SHT、CMU Panoptic等四个基准上做了域内、跨域和跨数据集三类评估，代码已开源。

论文 VQ-VAD VQ-GAN 视频异常检测

推荐理由：VQ-VAD把动作量化成码本，重建误差高就是异常。HR-SHT上81.83%，跨域不重训76.69%，挺能打。

原文

12:01

官方账号arXiv cs.AI@Johann Knechtel, Ozgur Sinanoglu, Paul V. Gratz, Ramesh Karri

这篇论文统一分析了 chiplet 与 LLM 时代硬件攻击面的扩展，覆盖架构、逻辑和物理三个层面。针对 2.5D chiplet 系统，论文提出利用 2.5D split manufacturing 和 active interposers 构建物理隔离的 Root of Trust 防御架构。针对 LLM 驱动的 EDA 流水线，论文识别了原生威胁并梳理了现有防御技术。论文还探讨了 LLM 系统如何用于增强 chiplet 等现代系统的硬件安全。

论文 chiplet LLM EDA

推荐理由：这篇论文把 chiplet 和 LLM 两个热点合在一起聊硬件安全，既有攻击面分析也有防御方案，做芯片安全的值得看看。

原文

11:59

官方账号arXiv cs.AI@Ovi Paul, Tom J King, Ali Shokri

RepairFormer将结构化输入修复建模为监督序列生成任务，使用格式标签和oracle验证确保输出有效。其边界修复流程只针对检测到的故障区域，降低了输入规模，可支持修复更长的文件。评估中修复率达到88%，恢复率94%，在修复成功时内容保留最强。额外基准上修复97.57%、恢复94.29%，运行速度比现有方法快5倍。

论文 RepairFormer 结构化数据数据修复

推荐理由：RepairFormer用Transformer自动修复损坏的JSON等文件，保留内容，修复率88%，速度比现有方法快5倍。

原文

11:48

官方账号arXiv cs.LG@Devender Singh

论文研究矩阵分解模型 W=UV^T 下不同优化器的隐式偏置。梯度下降、动量、共享标量Adam、Muon、Shampoo具有规范等变性，Adam和RMSProp等坐标级方法不具备，因此后者无法继承低秩偏置。结构定理刻画了无记忆等变规则等价于Gram决定的左预条件，传递定理把梯度流的路径性质推广到公共标量流。在欠定矩阵感知的9种更新规则实验中，从坐标级到共享标量预条件的单参数族单调恢复偏置，说明各向异性是主因。Transformer实验中，Adam第一步就让两个规范等价初始化分离，最终 W_Q^T W_K 的相对Frobenius距离相差56%。高光谱数据集在匹配训练损失下，梯度下降在最低采样密度时将留出误差降低43-44%。

论文 Adam Muon 优化器

推荐理由：这篇论文证明了Adam没有梯度下降的低秩隐式偏置，在Transformer里能让等价初始化差56%，不是调参小事。

原文

11:45

官方账号arXiv cs.LG@Ahmed Hassoon, Mark Dredze

arXiv 论文提出能力门控（capability gating）概念，指出仅按信息增益/成本打分的主流实验选择策略存在结构性缺陷。当需要先构建工具、管线等能力才能获得答案时，短视规划器无法为第一步建设赋予价值。作者证明对任意前瞻深度 d，都存在实例使短视信息最大化规划器的近似比无界，甚至永远无法到达目标。论文提出增量重规划器 CG-Plan，其代价函数 h = h_cap + h_exp 显式纳入能力获取成本。在受控测试中，性能差距仅在门控条件下出现，且对每个固定深度持续存在。

论文 CG-Plan 能力门控自动科学发现

推荐理由：这篇论文解释了很多自动科研系统为什么卡在第一步，还给了个能算清“造工具”价值的解法 CG-Plan。

原文

11:44

官方账号arXiv cs.LG@Dibyajyoti Chakraborty, Romit Maulik

本研究提出一种基于潜视频流匹配的统一大气数据同化方法。该方法使用ERA5再分析数据（69个变量、8天窗口）训练先验模型。通过后验采样，可同化NOAA综合探空仪档案和地面站数据等真实观测。由于先验生成连续轨迹，能自然实现滤波、平滑等任务，并支持从稀疏观测直接生成集合预报。

论文数据同化 ERA5 NOAA

推荐理由：这篇论文用流匹配生成模型做大气数据同化，拿ERA5先验加NOAA观测，不用传统递推迭代，能直接做滤波平滑和集合预报，还挺巧妙的。

原文

11:43

官方账号arXiv cs.LG@Tongle Wu, Huanyu Dong, Ying Sun, Ziye Ma

MALT在Muon基础上加入轻量对角预条件器，以感知损失曲率并降低对曲率各向异性的敏感度。它使用Newton-Schulz迭代正交化预条件后的动量，并通过范数嫁接控制更新幅度。进一步提出的MALTER通过自适应步长重缩放提升对随机梯度噪声的鲁棒性。在GPT-2 Small、Medium、Large预训练实验中，MALT和MALTER均优于Muon，且内存占用和耗时几乎不变。

论文 MALT Muon GPT-2

推荐理由：MALT优化器给Muon加了轻量对角预条件，在GPT-2上比Muon更快更好，内存几乎没增加，适合大模型预训练。

原文

11:39

官方账号arXiv cs.LG@Purbesh Mitra, Sennur Ulukus

该论文提出 Chained Recursive Language Models（Chained RLM），一种推理时架构，让同一个模型以全新上下文被反复调用。每一轮推理接收原始问题和紧凑摘要，而非完整对话历史，通过黑板和工作区传递中间结果。论文描述了系统模型、交接机制、工件工作区及评估协议，并研究了何时使用新鲜上下文的多阶段计算相比直接回答更准确。在需要抽取、计数、排序和多跳推理的任务中，该方法能减少早期错误传播。

论文 Chained RLM 推理模型长上下文

推荐理由：这篇论文把一次长推理拆成多轮小步骤，每一步都能检查修正，适合做长文档问答的人看看。

原文

11:34

官方账号arXiv cs.LG@Indraneil Paul, Falko Helm, Goran Glavaš, Iryna Gurevych

OctoLong 是一条上下文工程流水线，用 AST 解析器、语言服务器后端和包管理器递归检索代码引用，构建数百万 token 的跨仓库代码上下文。研究团队基于 600M 到 14B 参数的基座模型，用约 500 亿 token 混合数据（其中 OctoLong 代码上下文占 62 亿）进行中段训练，随后再做 100 亿 token 指令微调，得到 OctoLong-Instruct 系列。与 18 个开源长上下文模型对比，只需将传统扩展语料替换 12% 为 OctoLong 数据，就在长距离检索、长期状态跟踪、仓库级理解和智能体任务上显著提升。短上下文编码场景下的 API 调用能力也得到增强。

论文 OctoLong 长上下文代码理解

推荐理由：OctoLong 用跨仓库代码上下文训练长上下文模型，替换12%数据就在检索和代码理解上更强，模型已开源。

原文

11:34

官方账号arXiv cs.LG@Yinghui He, Ling Yang, Jiarui Liu, Yongjin Yang, Lechen Zhang, Yingcheng Wu, Zhenfei Yin, Mengdi Wang, Sanjeev Arora

论文提出Skill Entropy，用于度量模型在同一推理链中切换不同技能（如先做数学推导再规划日程）的难度。基于558个技能和9个可验证领域构建了Skill^2-Bench基准，任务按技能熵分为三个难度等级。在8个前沿模型和4个开源模型上的测试显示，技能熵越高的任务准确率越低，存在明显的技能切换差距。将Skill Entropy作为训练信号，Skill-Entropy RL在Qwen3-4B-Instruct上将Skill^2-Bench得分从34.4%提升到68.4%，在Qwen3-1.7B上从14.6%提升到40.1%。该训练流程还能直接应用到OpenR1-Math等现有数据上。

论文 Skill Entropy Skill^2-Bench Qwen3

推荐理由：Skill Entropy能测出模型切换推理技能的短板，还能当训练信号：Qwen3小模型得分从34%飙到68%，也能用在OpenR1-Math数据上。

原文

11:30

官方账号arXiv cs.LG@Hao Ding, Daniel Semchin, Paul M. Thompson, Boris Gutman

MT-GNN是一种新的纵向脑形态预测模型，通过预测每个顶点的第一基本形式（度量张量）来连续时间建模皮层下结构的形状演化，并利用可微ARAP求解器重建表面。在ADNI数据集的14个皮层下结构上，MT-GNN在所有预测时域上平均顶点误差比时间均值降低2.29%（p=6.1×10^-5），在14/14个结构上均优于基线。相比测地线形状回归DCM（-0.19%）和网格Transformer（TransforMesh，-0.45%；p=1.2×10^-4），MT-GNN的优势随预测时域延长而扩大。该方法支持任意多次历史访问和任意预测时域，实现端到端训练。

论文 MT-GNN ADNI 脑形态测量

推荐理由：这篇论文提出了MT-GNN，用图网络预测脑结构形状随时间的演化，在ADNI上比现有方法误差低2%以上，而且预测越久优势越明显。

原文

11:29

官方账号arXiv cs.LG@Adel Javanmard, David P. Woodruff, Vahab Mirrokni

SSTQ是面向联邦学习的隐私保护向量量化框架，结合了过完备等范数紧框架、坐标子采样和一维量化。与vqSGD等既有向量量化方法相比，SSTQ避免了维度相关的方差，达到最优均方误差缩放。它用每个客户端仅ceil(log2 N)+b位实现这一效果，其中N=Θ(d)为框架大小。SSTQ含Flat Randomized Response和Metric-Aware Laplace两个变体，后者更适合高码本位宽设置。其隐私感知码本目标将码本相关的均方误差缩放从O(4^b)降至O(2^b)，并在CIFAR-10和Fashion-MNIST联邦学习任务上验证了效用与通信效率。

论文 SSTQ TurboQuant 差分隐私

推荐理由：SSTQ把向量量化做得更省位，联邦学习通信开销和隐私保护能兼得，比vqSGD那类老方法更有效。

原文

11:27

官方账号arXiv cs.LG@Roberto Aliaga Medina, Paulina Quintanilla, Antonio del Rio Chanona

DASyR-LLM是一个将LLM嵌入迭代符号回归的框架，在每轮中负责批判候选模型和提出新的速率表达式。在四个虚拟案例（涵盖多相催化和生物过程）中，相比最先进的符号回归框架，找到真实模型的迭代次数减少41.7%至79.3%。超过一半的引导运行中，LLM直接提出了正确的模型结构。独立验证集上的预测性能与基线相当，所有案例R²均高于0.98。消融实验显示，符号回归组件和LLM规模共同影响性能，缩小版LLM仍保留大部分发现效率。

论文 DASyR-LLM 符号回归动力学模型

推荐理由：搞化工的可以看看，它让LLM给符号回归当顾问，找动力学模型最多省近80%的湿实验迭代。

原文

11:26

官方账号arXiv cs.LG@Paritosh Parmar, Landy Lan, Hong Yang, Chen Yi, Chiat Pin Tay

本论文提出一个混合基准，将生成式CCTV风格视频与真实教室姿态数据结合，用于隐私感知的教室事件识别。作者设计了轻量级运动推理框架，先构建层次化运动学表示，再通过知识蒸馏将大教师模型的能力压缩到单阶学生模型。实验显示，该模型在不到十分之一计算成本下优于更大规模基线，并展现出更强的跨领域运动推理和零样本合成到真实泛化能力。论文将公开基准、代码库和支撑工具。

论文运动推理教室事件识别隐私感知

推荐理由：这论文做了个教室安全识别的新基准和轻量模型，计算量只要大模型的十分之一，效果还更好，适合关心AI+教育的人看看。

原文

11:26

官方账号arXiv cs.LG@Wanli Qiao

精选

子空间约束均值漂移(SCMS)算法常用于提取密度脊，但论文证明其轨迹并不收敛到经典静态脊。作者提出“稳定脊”概念，通过动力系统和投影密度梯度雅可比定义，证明这才是SCMS的真实目标。文章建立广义SCMS框架，使用常数步长，证明了其一致R线性收敛和到稳定脊的拓扑满射性。还推导了基于Hausdorff距离的稳定脊估计收敛速率，并指出原SCMS算法因步长与带宽耦合存在多项式时间计算复杂度。

论文 SCMS 密度脊均值漂移

推荐理由：这篇论文推翻了SCMS收敛到静态脊的旧认知，重新定义了稳定脊并给出收敛保证，做密度估计理论的人值得看看。

原文

11:25

官方账号arXiv cs.LG@Jai Malegaonkar, Rohan Patil, Henrik I. Christensen

该研究通过受控实验，将探索奖励与多种神经记忆架构交叉，在三个环境（记忆内容的获取方式不同）中测量其相互作用。结果显示，相同的奖励信号会带来三种截然不同的交互模式：放大架构差异、将所有架构拉平到同一水平、或完全无效。研究者进一步用观测锚定奖励机形式化了奖励稀疏性，区分结构稀疏性与潜在稀疏性，证明探索与记忆是互补而非替代关系。

论文强化学习探索奖励记忆架构

推荐理由：这份论文把探索奖励和记忆架构放一起测，发现奖励结构不同，效果天差地别，做RL的值得看看。

原文

11:23

官方账号arXiv cs.LG@Arunava Majumder, Marius Krumm, Hendrik Poulsen Nautrup, Hans J. Briegel

该论文证明在固定浅层深度下，共享经典随机性足以让通道量子生成模型严格超越对应的浅层幺正Born模型。具体做法是用单一经典采样随机比特控制空间分离的局域泡利操作，生成经典输出分布中的长程关联。对于一维最近邻架构，纯幺正模型复现这类分布最坏需要深度Ω(N)。作者进一步用基于测量量子计算（MBQC）实现了所需共享经典随机性，数值实验支持理论结果。

论文量子生成模型 MBQC 经典随机性

推荐理由：这篇arXiv论文给出了浅层量子生成模型的一个严格分离证明：加一点经典随机性就能生成纯幺正模型复制不了的分布，还给了MBQC实现方案。

原文

11:22

官方账号arXiv cs.LG@Sajib Hossain, Md Kamrus Samad, Anan Ghosh, Labib Imam Chowdhury, Nabeel Mohammed

该论文提出BnBERT-iPET，一种面向孟加拉语的稀疏少样本语言建模方法。通过迭代模式利用训练和彩票假设剪枝，模型仅保留初始BERT网络10%的边，实现90%稀疏度。在孟加拉语标准基准数据集上，该轻量模型与Bangla Electra、Indic-BERT、XLM-RoBERTa等大规模模型表现相当。该方法降低了资源受限语言训练大模型的计算成本和碳排放门槛。

论文 BnBERT-iPET Bengali 模型剪枝

推荐理由：这篇论文用剪枝把BERT砍到只剩10%参数，孟加拉语任务上还能和大模型打平，做低资源语言NLP的可以看看。

原文

11:16

官方账号arXiv cs.LG@Zheyuan Zhang, Manqing Mao, Hong Wang, Zhuoer Wang, Samson Koelle, Jie Yuan, Yanjun Lin, James Feng, Nikki Lijing Kuang, Yanfang Ye, Wei Niu

RAIL是一种训练时框架，通过在线上下文bandit建模干预选择，学习如何为策略生成rollout。它利用影子到实时程序收集干预轨迹，训练恢复控制器，使控制器随策略演化持续学习。在多个设置下，RAIL在有限rollout预算下持续提升性能。结果表明恢复感知干预能生成更有信息量且更少冗余的rollout，增强后训练的学习信号。

论文 RAIL 强化学习大语言模型

推荐理由：这篇论文提出RAIL，把干预选择当成在线学习问题，让模型在有限预算下学到更有效的rollout，适合做RL后训练的人看。

原文

11:15