全部 AI 动态 · AI 热点

8月12日

18:39

官方一手arXiv: DeepSeek@Liang Zhang, Stephen Hwang, Yue Ma, Jinfa Cai

一项研究测试了LoRA监督微调能否提升LLM在数学隐喻编码任务上的表现。研究者使用2,265条6-8年级学生回答，让模型完成效价强度编码和主题编码。对比了GPT-4o mini、GPT-5 mini与DeepSeek-R1 1.5B、Mistral 7B，微调后开源模型性能大幅提升，且与专有模型竞争甚至超越。结果表明紧凑开源模型可支持可扩展、隐私友好的教育测量。

论文 LoRA 微调 DeepSeek-R1

推荐理由：想知道小模型微调后能不能干过大厂API？这篇用2千多条真实学生数据实测，DeepSeek-R1 1.5B微调后比GPT-5 mini还稳。

原文

18:38

官方一手arXiv: DeepSeek@Francisco León Zúñiga Bolívar

一项研究比较了DeepSeek V4 Pro、Qwen3-Max、Kimi K2.5和GLM-5.1四个中国前沿模型在进化囚徒困境中的合作倾向。通过固定代码转换器为GPT-5.4 Mini，排除了编码能力干扰，发现各模型攻击性均衡比例从Qwen3-Max的1%到DeepSeek V4 Pro的9%不等。四个实验室间的差异（8个百分点）大于中国与西方生态系统的均值差异（5.0%对5.0%）。研究支持H6假设，即中国模型并非单一整体，实验室层面而非生态系统层面决定合作倾向。

论文 DeepSeek V4 Pro Qwen3-Max Kimi K2.5

事件专题

推荐理由：想知道中国大模型是不是都一个样？这篇论文用囚徒困境测了DeepSeek、Qwen、Kimi和GLM，发现它们合作倾向差别挺大，别再把它们当铁板一块了。

原文

18:35

官方一手arXiv: Anthropic@Giuseppe Destefanis, Daniel Graziotin, Matteo Vaccargiu, Marco Ortu

GitSkills 数据集收录了 2026 年 7 月从 282,200 个公共仓库中采集的 3,797,117 个 SKILL.md 文件。这些文件按内容哈希去重后得到 1,877,981 个不同版本，每个版本附带完整文本、front matter、文件夹内容及仓库元数据。数据集以单个 SQLite 文件发布，支持研究 Agent 技能的采用、复用、结构、维护与安全问题。该研究指出技能文件缺乏中央注册表，主要通过复制文件夹传播。

论文 GitSkills Agent GitHub

推荐理由：想研究 Agent 技能生态的，这个数据集直接给你 380 万份真实 SKILL.md，比你自己爬 GitHub 省事多了。

原文

18:33

官方账号arXiv cs.LG@Nikolai Bolik, Lennart Stöpler, Artur Andrzejak

Shani等人2026年的研究显示LLM表征能大致还原人类类别边界，但无法捕捉细粒度典型性结构。本文用稀疏自编码器（SAE）活跃潜变量集的重叠度作为更可解释的相似度度量，重新审视该分析。在受控玩具模型中SAE潜变量集能恢复并集式组合结构，在自然文本中也能诱导语义连贯的邻域。但扩展到人类概念分析时，SAE激活集并未比稠密嵌入或残差流状态更忠实还原类别边界或典型性，而是追踪模型内部相似性结构。在受控语义修改下，人类概念变化判断与SAE活跃集变化存在显著不匹配，说明在理想化设置之外SAE特征不按简单词袋语义组合。

论文稀疏自编码器 SAE 可解释性

推荐理由：这篇论文用SAE潜变量集做相似度度量，发现它并不比稠密嵌入更贴近人类概念判断，搞可解释性的人值得看看这个反直觉结论。

原文

18:27

官方账号arXiv cs.LG@Eric A. F. Reinhardt, Adam J. Hauser

该论文提出软注意力机制在概率单纯形上的精确量子实现方案。注意力分数通过Hadamard测试统计获得，指数softmax与Born规则测量存在精确双射。温度参数对应重复测量次数，值聚合通过确定性列加载通道实现。所有可学习参数均为旋转门角度，组合层在无限射击极限下精确。代数核心已用Lean 4形式化验证。

论文量子计算 softmax 注意力机制

推荐理由：量子计算和注意力机制结合的新思路，把softmax映射到量子测量，数学上还挺严谨，搞量子ML的可以看看。

原文

18:26

官方账号arXiv cs.LG@Changhao Xiang, Shangyu Xing, Zhen Wu, Jianbing Zhang, Xinyu Dai

MMCS是一种新的多模态预训练方法，通过将文本实体替换为对应视觉对象，提供显式的对象级监督。该方法仅用50K样本就能匹配或超越在600K图像-文本对上训练的模型，数据效率提升12倍。MMCS在773K样本的预训练数据集上验证了有效性，并持续提升不同规模模型的视觉定位和感知能力。该研究针对现有MLLMs中图像级对齐的指称歧义问题，提出了更精确的局部视觉-语言对齐方案。

论文 MMCS 多模态预训练

推荐理由：这篇论文提出MMCS，用50K样本就干翻别人600K的效果，做多模态预训练的可以看看这个新思路。

原文

18:24

官方账号arXiv cs.LG@Nguyen Thai Anh, Truong Viet Vu, Tran Thien Thanh, Vo Nguyen Quoc Bao, Ngo Hoang Tu

HEB-NB通过Type-II最大似然学习Dirichlet先验浓度，实现数据自适应的平滑，解决了Laplace等固定平滑在高基数数据上的偏差问题。理论证明其非渐近误差界匹配经验分布极小极大率，并给出有限样本风险级严格优于Laplace的证明。在31个UCI和OpenML基准上，HEB-NB取得最佳平均Friedman排名，高基数数据集对数损失降低达22.1%。HEB-AODE扩展也一致优于原始AODE。结合互信息加权，top-1 ECE降低41%-70%。

论文 HEB-NB Naive Bayes 经验贝叶斯

推荐理由：如果你用朴素贝叶斯处理高基数分类数据，HEB-NB能自动调平滑参数，比固定Laplace更准，论文还给了理论保证和实测数据。

原文

18:23

官方账号arXiv cs.LG@Pavel Averin, Theodoros Moysiadis, Ioannis Katakis

该综述系统梳理了约束因果发现中的条件独立性检验方法，涵盖PC和FCI算法中骨架剪枝与方向判定的核心环节。文章将CI测试分为偏相关、列联表、回归、最近邻、核和机器学习六大家族，并重点分析各族的鲁棒性局限。综述指出CI检验的统计功效随条件集规模增大而衰减，且I型/II型错误不对称会影响图级骨架恢复和v结构定向。文章还比较了主要R和Python库的采用情况，并总结了混合类型数据、小样本误差控制等开放挑战。

论文条件独立性检验因果发现 PC算法

推荐理由：做因果发现的朋友可以看看，这篇把PC和FCI背后的CI检验方法按六个家族梳理清楚了，还讲了每种方法什么时候会失效，省得自己踩坑。

原文

18:22

官方账号arXiv cs.LG@Shiqi Huang, Jiani He, Dingyan Shang, Yihua Xu, Jize Li, Yan Lyu, Lashimi Muraleedharan Nair

DACRI 研究提出 CriticalSCM-Bench v1，一个带因果真值的合成基准，用于评估供应链干预策略。相比全信息静态基准，LambdaMART 在中位归一化净值上提升 5.7% 至 16.2%，在半导体和关键材料场景有统计支持，但在数字基础设施上不如领域常量缓冲策略。部分和延迟信息下，LambdaMART 保留全信息价值的 33% 至 75%。压力测试显示干预保真度、时机、成本和未见过中断会改变策略排序，关键材料的外推保留最弱。540 次生成中的受保护解释研究在确定性验证和模板回退后保留了所有固定干预决策，但措辞不稳定。

论文 DACRI 供应链因果推断

推荐理由：这篇论文用合成基准测了不同干预策略在供应链里的实际效果，LambdaMART 在某些场景确实更优，但数字基础设施上简单策略反而更强，值得做决策的人看看。

原文

18:21

官方账号arXiv cs.LG@Zetao Hong, Song Yuan, Yuanhao Ding, Yibo Zhu, Daxin Jiang, Zhibin Wang, Chen Tian

MISA-T是一种针对混合强化学习rollout服务的路由层准入策略，解决RLVR、RLHF和智能体rollout共享推理服务时的KV缓存竞争问题。在Step3.7和Qwen3.6-35B-A3B上的消融实验中，MISA-T相比调优的vLLM Router将rollout吞吐分别提升53.3%和43.6%，同时保持高前缀缓存命中率。在50次迭代的Step3.7实验中，吞吐提升35.6%，平均迭代时间减少22.8%，且任务分数相当。

论文 MISA-T RLHF KV缓存

推荐理由：做LLM后训练的朋友可以看看，MISA-T把混合rollout调度做得更精细，吞吐提升明显，而且不牺牲任务效果。

原文

18:20

官方账号arXiv cs.LG@Kaan Buyukkalayci, Kyle Pak, Merve Karakas, Christina Fragouli

论文传感器选择目标跟踪推荐系统

推荐理由：这篇论文用推荐系统思路解决传感器选择，抗干扰还提精度20%，做跟踪或边缘计算的朋友可以看看。

原文

18:19

官方账号arXiv cs.LG@Vladimir Iglovikov

AlbumentationsX 是一个新的数据增强库，确保图像及其相关标注（如掩码、边界框、关键点）在增强时使用相同的随机变换。它通过将变换列表、概率、标注设置和随机种子封装在一个 Compose 对象中，每次调用只生成一次随机值并应用于所有部分。该库支持自定义变换，并能保存管线定义、展示单次调用过程及重放。示例显示其位于文件解码后、PyTorch 批处理前，由实践者决定变换是否保持标签正确。

论文 AlbumentationsX 数据增强图像标注

推荐理由：做目标检测或分割的可以看看，AlbumentationsX 把图像和标注的增强统一了，避免随机变换错位，还能重放调试。

原文

18:16

官方账号arXiv cs.LG@Songlin Du, Xiaoyong Lu, Zeyu Wu, Xiaobo Lu, Guobao Xiao, Bin Fan, Jiayi Ma, Takeshi Ikenaga

该综述系统梳理了跨视角特征匹配领域，提出涵盖特征提取、单类型匹配器、多类型匹配器、视觉基础模型方法、训练策略和鲁棒估计的分类体系。文章对代表性方法在统一协议下进行基准测试，比较性能差异。综述指出领域正从任务特定模型转向统一可泛化的对应模型，并讨论了效率、极端条件鲁棒性和跨域泛化等开放挑战。

论文跨视角特征匹配视觉基础模型综述

推荐理由：想了解跨视角匹配的现状和未来？这篇综述把方法分类、基准测试和基础模型趋势都讲清楚了，适合快速入门。

原文

18:15

官方账号arXiv cs.LG@Robert Bitterling, Christian Nettersheim, Jörn Hees, Michael Rademacher

针对LoRa智能城市部署，研究者用真实城市数据系统分析机器学习路径损耗预测精度随训练集规模的变化。随机森林结合LiDAR地形特征，k近邻使用坐标数据，两者在随机池化分割下均优于经验模型和专用LPWAN模型。最大训练规模时，ML模型RMSE低于6.5 dB，最佳基线为9.7 dB。留一网关验证显示，随机森林对未见网关有位置依赖的迁移，坐标k近邻在网关位置未见时大幅退化。

论文 LoRa 路径损耗预测随机森林

推荐理由：想搞LoRa网络规划？这篇用真实数据告诉你ML模型比传统模型准多少，还分析了换网关会翻车的情况，挺实在的。

原文

18:14

官方账号arXiv cs.LG@Artyom Sabitov, Daniil Volkov, Alexey Zaytsev

论文推荐系统采样softmax 内存优化

推荐理由：推荐系统训练时内存不够用？这篇论文告诉你该加批大小还是加负样本，结论很实用。

原文

18:13

官方账号arXiv cs.LG@Sepideh Saran, Mahsa Ghanbari, Uwe Ohler

该研究对基因组学中深度学习模型的不确定性量化方法进行了系统比较，涵盖Deep Ensembles、贝叶斯神经网络和MC-dropout。实验基于序列到活性模型和单细胞表达分析两类任务，评估了不同方法在类别不平衡和分布外数据下的表现。结果显示贝叶斯神经网络在捕获不确定性方面更优，尽管计算成本较高。研究还展示了不确定性分数在蛋白质-RNA相互作用预测中的应用。

论文不确定性量化基因组学贝叶斯神经网络

推荐理由：想知道基因组学里哪个不确定性方法靠谱？这篇实证对比了三种主流方法，贝叶斯网络在类别不平衡时表现最好，还教你怎么用不确定性挑高质量预测。

原文

18:12

官方账号arXiv cs.LG@Nikita Sevriukov, Anna Barabanova, Uliana Gagarina, Karina Ivanova, Sofiia Kasaeva, Ilya Levin, Marina Sheshukova

逆强化学习（IRL）旨在从专家演示中恢复奖励函数，通常被建模为双层优化问题，内层为策略优化，外层衡量策略与专家数据的差异。然而，外层更新需要计算涉及内层目标逆Hessian向量积的超梯度，计算成本高昂。本文证明在内层最优处，内层目标的Hessian与策略的Fisher信息矩阵成正比，从而提出基于Fisher的超梯度，与自然超梯度下降紧密相关。为应对大规模Fisher矩阵的瓶颈，作者使用流式谱草图近似逆Fisher向量积，避免显式构造Fisher矩阵。在离散和连续控制环境中，该方法相比一阶随机双层基线，实现了有竞争力的策略性能和奖励排序质量，同时降低了曲率存储复杂度并提升了计算效率。

论文逆强化学习超梯度 Fisher信息矩阵

推荐理由：这篇论文给IRL的超梯度计算找了个巧妙的捷径，用Fisher矩阵和谱草图省下大量算力，做强化学习的朋友可以看看。

原文

18:10

官方账号arXiv cs.LG@He-Yen Hsieh, H. T. Kung

ReRound是一种后训练量化方法，针对标准RTN在量化接近区间中点的权重时固有的中点模糊性问题。它训练一个条件扩散模型生成低比特权重的连续重建，作为确定舍入方向的引导信号。ReRound引入容差度量，对中点附近权重用扩散重建，对边界附近权重用RTN，并通过扫描容差参数选择与原始全精度权重奇异值最匹配的候选。在3比特和4比特量化下，ReRound在小型LLM上持续优于RTN，且精度超过多种无校准方法，与依赖校准的方法相当，推理时无额外开销。该方法适用于LLM之外的AI模型，论文聚焦于小型LLM。

论文 ReRound 量化扩散模型

推荐理由：如果你在做低比特量化，ReRound用扩散模型解决RTN的中点模糊，3/4比特下比RTN更准，还不用校准数据，值得看看。

原文

18:09

官方账号arXiv cs.AI@Wenrui Bao, Tianyun Jiang, Zhiben Chen, Ser-Nam Lim, Peter D. Peng, Yuzhang Shang

Surgical WAM 是一个基于 Cosmos Policy 构建的统一生成模型，能同时预测内窥镜观察和可执行的手术机器人动作块。它先从无动作视频中学习手术视觉动态，再在固定数量的动作标注数据上微调。在四项模拟手术任务中，视频预训练将平均成功率从 63.5% 提升至 77.8%，其中 PegTransfer 任务绝对提升 20 个百分点。接触密集和双臂协调任务受益最大，表明无动作视频可提供可迁移的视觉动态先验。

论文 Surgical WAM Cosmos Policy 手术机器人

推荐理由：手术机器人数据难搞，这个模型用便宜的视频预训练把成功率拉高了 14 个点，PegTransfer 直接涨 20%，搞机器人学习的可以看看。

原文

18:08

官方账号arXiv cs.AI@Chen Lyu, Xingwei Tan, Simon Cullen, Shelley Wilson, Lois Arthurs, Arshad Jhumka, Gabriele Pergola

ConVAWG 是一个用于生成暴力侵害女性（VAWG）场景多轮对话的检索增强框架。它利用英国国家统计局的人口统计数据、官方犯罪定义和家庭凶杀案审查案例构建场景，并生成超过 6,000 个多轮对话事件，覆盖 200 个场景。框架采用分层事件时间线生成多场景角色扮演对话，并通过激活导向的毒性控制调整不当表述。人工评估和 LLM-as-Judge 评估显示其对话质量和领域保真度较高。该研究旨在解决敏感领域真实对话数据难以获取的问题。

论文 ConVAWG 合成对话生成检索增强

推荐理由：想研究敏感场景对话生成？ConVAWG 用检索增强和毒性控制，造出 6000 多轮高质量对话，还带详细元数据，值得一看。

原文

18:07

官方账号arXiv cs.AI@Alan Li, Rahul Saha, Anton Xue, Swarat Chaudhuri, Adam Klivans, Pravesh K Kothari, Raghu Meka

精选

arXiv论文展示了AI在数学研究中改进Grothendieck常数K_G界限的案例。研究者将K_G的已知界限收紧至6π/11 ≤ K_G ≤ π/(2log(1+√2)) - 10^-4。AI系统提出了领域专家认为新颖的见解。论文详细讨论了AI在数学研究中的优缺点，以及创造理想条件让AI产生突破性见解的经验。

论文 Grothendieck常数 AI数学研究 arXiv

推荐理由：想知道AI怎么帮数学家干活？这篇论文用Grothendieck常数当例子，讲AI怎么把已知界限又收紧了一截，还聊了AI的强项和翻车点，挺实在的。

原文

18:06

官方账号arXiv cs.AI@Ke Ma, Yamin Mao, Weiming Li, Shuai Tan, Yijie Zhong, Hao Chen, Haofen Wang, Meng Wang

R4DSG提出一种相对4D场景图记忆方法，用于长时程第一人称视频中的对象中心问答。该方法将视频转换为按时间、地点、持久对象和锚点相对变化索引的紧凑可查询记忆，而非存储原始图序列。它利用可提示视频分割和相对3D提升等RGB-only技术，在EgoLifeQA的255个对象相关问题子集上，相比EgoRAG-Text在仅问题检索下整体提升6.7分，在“何时”类问题上提升12.5分。

论文 R4DSG EgoLifeQA 4D场景图

推荐理由：做长视频问答的可以看看，R4DSG用相对锚点记录物体变化，比纯文本记忆强不少，在EgoLifeQA上比EgoRAG-Text高了6.7分。

原文

18:04

官方一手arXiv: DeepSeek@Hejia Zhang, Sheng Lu, Zhongming Yu, Chia-Tung Ho, Brucek Khailany, Jishen Zhao

CHORUS是一个面向硬件验证测试激励生成的后训练框架，利用分阶段监督微调产生行为多样的检查点，再通过密集奖励强化学习将其转化为任务级优势互补的专家模型。该框架通过无训练模型合并或进一步后训练整合专家优势，最终将多个专家合并为单个4B模型。CHORUS在CVDP-ECov基准上达到88.0%的Pass@1，比DeepSeek-R1（671B）高出13.5个百分点。

论文 CHORUS 硬件验证测试激励生成

推荐理由：做硬件验证的可以看看，CHORUS用4B小模型在CVDP-ECov上干翻了671B的DeepSeek-R1，靠的是把多个专家模型合并起来，思路挺巧。

原文

18:02

官方账号arXiv cs.AI@Davide Rinaldi, Luciano Serafini

sLTN扩展了逻辑张量网络（LTN），将时间步、序列位置或图节点等结构维度作为语言的一等公民。它允许在逻辑层面直接表达时间、序列和关系约束，并形式化了语法和模糊张量语义。在无结构维度时，sLTN可退化为原始LTN语义。论文提供了基于PyTorch的实现，并在时间与序列推理示例上进行了演示。

论文 sLTN 逻辑张量网络神经符号

推荐理由：想给逻辑张量网络加时间或序列结构？sLTN把结构维度做进语言里，还能退化成原版LTN，有PyTorch代码可玩。

原文

18:01

官方账号arXiv cs.AI@Girma Yohannis Bade, Olga Kolesnikova, Jose Luis Oropeza, Grigori Sidorov

该研究针对社交媒体政治话语，设计并评估了基于XGBoost和BERT的两种多类情感分析模型。在标注的政治社交媒体帖子数据集上，XGBoost模型测试集F1分数为0.2835，BERT模型为0.2806。结果显示政治话语情感分类的复杂性，为未来多类政治情感分析提供基线。

论文 XGBoost BERT 情感分析

推荐理由：想了解政治文本情感分类的难度？这篇论文用XGBoost和BERT实测，F1都不到0.3，看看数据有多难搞。

原文

18:00

官方账号arXiv cs.AI@Shutong Zhu, Tianxing Wu, Runfeng Liu, Yuang Gu, Xuan He, Yuan Zhu

RTSKG是一个专门为城市级轨道交通站点任务设计的知识图谱数据集，显式建模了站点、道路段和兴趣点等异构城市实体间的空间与语义交互。该数据集采用统一模式组织数据，并以Linked Data形式在https://w3id.org/rtskg/开放访问。在站点周边商店推荐和知识增强的客流预测两项评估中，RTSKG展现了有效性，表明其能支持城市级轨道交通站点分析。

论文 RTSKG 知识图谱轨道交通

推荐理由：做城市计算或交通预测的可以看看，这个数据集把站点、道路、POI串成了知识图谱，还开放了链接数据，比纯表格好用。

原文

17:57

官方账号arXiv cs.AI@Kushal Chakrabarti

精选

该研究分析了1,867个仓库中247,694条指令的生命周期，发现智能体提示词无界增长，平均增长226%，每次提交净增4.9条指令。指令越旧越难删除，对数风险为-0.032/提交。通过反转IFEval生成可验证世界，提示注释可移除99.3%的多余指令，将增长率从+211.3%降至+1.4%。在WildIFEval上，提示注释使真实智能体指令遵循率提升23.1%。

论文 CLAUDE.md 智能体提示词工程

推荐理由：如果你用CLAUDE.md这类文件，会发现它越写越长不敢删。这篇论文告诉你为什么，还给了个注释技巧，能砍掉99%的冗余指令。

原文

17:56

官方一手arXiv: OpenAI@Uma Ranjan, Kunal Tilaganji, Aditya Koul, Anurag Mahipal, Dashpreet Singh, Hriday Rana, Manan Jain, Sidharth Gupta, Ajo Babu George, Vineeth Balasubramanian, Nagarajan Natarajan, Amit Sharma

arXiv新论文提出两阶段框架，针对医疗假设验证的选择题场景，仅在模型不确定时进行本体论接地，管理覆盖率与准确率的权衡。实验显示，弃权并非随机，而是反映真实不确定性，弃权预测的置信度较低。在GPT-5.5和DeepSeek-R1两个前沿模型上，该框架将问题级准确率从82.9%提升至92.5%，提升9.6个百分点；假设级准确率从92.0%提升至96.2%，提升4.2个百分点。在MedReason和MedQA基准上的实验表明，弃权可作为选择性推理精修的控制信号，无需显式构建知识图谱即可达到图谱级性能。

论文 GPT-5.5 DeepSeek-R1 MedQA

推荐理由：这篇论文教你怎么用弃权信号做推理精修，不用建知识图谱，医疗问答准确率直接涨9.6个点，GPT-5.5和DeepSeek-R1都试过。

原文

17:52

官方账号arXiv cs.AI@Ming Yang

该论文证明了在特定AI状态追踪任务中，推理时量子协调优势的存在。研究者提出边界保持语义编译定理，将有限单向、流式或自适应因果任务映射到语义AI接口，同时保留事件顺序和过去输入访问。在匹配实体概要问答中，量子方法仅需O(log N)量子比特，而经典边界状态需要Ω(√N)比特。持续需求审计中，量子递归求解器用O(log^5 n log(1/δ))量子比特获得0.7172近似，经典单遍求解器需Ω(√n)协调宽度。稳定子潜在状态对话使用n量子比特，经典精确有限状态实现需B+M≥1/2n^2+(3/2-log2 3)n+O(1)。

论文量子计算状态追踪语义编译

推荐理由：这篇论文用数学证明了量子在状态追踪任务上的内存优势，不是跑分，是理论分离，适合想了解量子AI理论底层的朋友。

原文

17:51

官方账号arXiv cs.AI@Rahul Gupta, Abhinav Mohanty, Anaelia Ovalle, Anil Ramakrishna, Anubrata Das, Apurv Verma, Jwala Dhamala, Ninareh Mehrabi, Tharindu Kumarage, Yada Pruksachatkun, Yang Trista Cao, Kai-Wei Chang, Aram Galstyan

TrustNLP研讨会自2021年起与ACL系列会议联办，论文数从8篇增至41篇，六届共144篇。综述按六类信任维度分类，发现2025-2026年真实性主题占37%，公平性最稳定，可解释性呈U型回升。与ACL等约2000篇论文对比，TrustNLP主题分布接近领域平均水平。

论文 TrustNLP 可解释性 AI安全

推荐理由：想快速了解NLP信任研究六年的演变脉络，看这篇综述就够了，它把144篇论文的规律都总结好了。

原文

17:49

官方账号arXiv cs.AI@Nicola Giuseppe Marchioro, Gabriele Padovani, Amal Gueroudji, Rafael Ferreira da Silva, Wesley Brewer, Valentine Anantharaj, Sandro Fiore, Renan Souza

Workflow Cards是一种新文档形式，将工作流执行的机器可读溯源数据压缩为人类和LLM可读的结构化摘要。论文定义了基于溯源问题集的Workflow Card模板，并评估LLM使用其理解工作流执行的效果。结果显示，Workflow Cards提供了Model Cards和Data Cards缺失的执行级信息，填补了文档空白。与基于schema的查询相比，Workflow Cards在LLM-as-a-Judge和人工评估中答案质量几乎翻倍。

论文 Workflow Cards 溯源数据 LLM

推荐理由：论文提出Workflow Cards，把工作流执行记录变成人和AI都能读的摘要，比直接查数据库答案质量高一倍，做AI文档的可以看看。

原文

17:41

官方账号arXiv cs.AI@Minsoo Kim, Sungyoung Ji, Kisung Moon, Ilyong Yoon

ASMI是一种免训练的估计器，通过掩码注意力头并测量子网络间的BALD互信息来检测模型对token预测的不确定性。在接地问答任务中，ASMI在单次置信度和熵之外增加了错误预测信息，可将置信过滤器的保留错误减半。在12个接地基准设置中，Sem-ASMI在10个上追平或超越语义熵基线，最佳ASMI变体在8个中领先。在参数化问答中，所有变体回归到零成本MSP基线，符合预期。

论文 ASMI 不确定性估计注意力机制

推荐理由：这篇论文提出了一种不用训练就能测模型不确定性的新方法，在接地问答上比现有基线更准，还能自己判断什么时候适用。

原文

17:34

官方账号arXiv cs.AI@Shiyu Xuan, Zechao Li

该论文提出Test-Time Self-Evolving框架，让GUI智能体在部署后无需人工标注即可自我改进。框架构建探索、评估、反思、内化的闭环，通过MLLM反射器评估预测结果并生成推理反思。反射引导的On-Policy自蒸馏将高层推理转化为密集token级监督，对比校准防止错误前缀污染监督信号。在六个基准上平均准确率提升7.4%，是首个将on-policy自蒸馏用于GUI视觉定位测试时适配的工作。

论文 GUI视觉定位 Test-Time Self-Evolving 自蒸馏

推荐理由：GUI智能体部署后不会自我进化的问题有解了，这个框架用反射引导自蒸馏，六个基准平均涨7.4个点，做智能体适配的可以看看。

原文

17:26

官方一手arXiv: OpenAI@Audrey Quessada-Vial

arXiv 论文提出 Agentic Configuration Management (ACM)，一个框架无关的治理与配置参考模型，用于异构智能体系统。ACM 结合类型化且独立版本化的配置项、不可变修订与基线、配置与运行时分离、生命周期与保障语义、依赖感知影响传播及运行时溯源。作者提供 Python 参考实现，适配 LangGraph、CrewAI 和 OpenAI Agents SDK，并用 27 个治理场景和 9 个量化影响传播案例评估。结果显示三个框架在投影后产生治理等价的 ACM 表示，影响语义在有限格上单调传播，保证收敛与唯一最小不动点。

论文 Agentic Configuration Management 智能体 LangGraph

事件专题

推荐理由：搞多智能体配置管理头疼的可以看这篇，ACM 把 LangGraph、CrewAI 这些框架统一成一套治理模型，还能做依赖分析和审计。

原文

17:20

官方账号arXiv cs.AI@Orr Paradise, Oliver Richardson, Yoshua Bengio, Shafi Goldwasser

该论文研究概率预测器回答多个条件概率查询时，其答案是否自洽以及能否在多项式时间内验证。作者构建了一个交互式PCP协议，验证器只需在少数点评估电路(P,Q)并读取证明预言机的少量位置，即可验证近似一致性。论文将显式概率声明的l2近似一致性置于NP中，证书长度为O(mn+log B)。该工作为AI安全中概率预测的自洽性认证提供了复杂性理论基础。

论文交互式PCP 概率一致性 AI安全

推荐理由：这篇论文给AI安全提供了新思路，用交互式PCP验证概率预测的自洽性，数学严谨，值得做安全对齐的人看看。

原文

16:56

官方账号arXiv cs.AI@Ismail Ismail Tijjani, Sunusi Muhammad Ibrahim, Amina Ibrahim Khaleel, Lanre Olusegun Akinola, Fatima Isa Jibrin, Muhammad Bashir Aliyu, Abdullahi Abdussalam Dalhat, Abdullahi Suiudeen

一项研究在非洲尼日利亚农田采集的AgriAISeg数据集上，对比了YOLOv5、YOLOv8、YOLO11、YOLO26、Faster R-CNN和RT-DETR六种目标检测模型。数据集包含3,382张芝麻、卷心菜和番茄图像，覆盖光照变化、遮挡和视角差异等真实条件。RT-DETR表现最佳，精度达0.768，mAP@0.5:0.95为0.624；YOLOv8和YOLO11表现稳定。Faster R-CNN的mAP@0.5仅0.466，准确率明显偏低。YOLO系列模型训练效率也优于Faster R-CNN。

论文 YOLOv8 RT-DETR Faster R-CNN

推荐理由：想看真实农田里哪个检测模型靠谱？这篇用非洲实地数据测了六个模型，RT-DETR和YOLO系赢了，Faster R-CNN掉队，结论直接。

原文

16:50