AI Research Papers & Highlights

Papers11:14

Chinese contentBioBERT 与 BioMistral 在临床试验结果预测上超越 HINT 基线

研究者拿 BioBERT 和 BioMistral 预测试验成败，PR-AUC 比 HINT 高 10–20%，而且冻结模型加分类器就够了，微调都省了。

#BioBERT #BioMistral #临床试验 #微调

arXiv cs.AI@Burak Bakkar et al. (5)Source

Papers Builders11:14

Chinese contentTSBPO：树结构采样优化交互式语言智能体训练

训练交互式智能体奖励太稀疏的同学可以看这篇，TSBPO 用树结构采样分配延迟奖励，Qwen2.5-1.5B 就在 ALFWorld 跑到 97% 成功率。

#TSBPO #Qwen2.5 #ALFWorld #WebShop

Event

arXiv cs.AI@Rui Yu et al. (3)2 sourcesSource

Papers Builders11:14

Chinese contentarXiv 综述：具身智能中的记忆机制如何支撑长期任务

做具身智能或机器人方向的朋友可以看看，这篇综述把记忆相关的架构和基准都整理成框架了，找研究方向挺省事。

#具身智能 #arXiv #空间记忆 #经验学习

arXiv cs.AI@Siqi Li et al. (5)Source

Papers Builders11:14

Chinese contentOT-CAL：用最优传输做自适应样本选择，训练提速1.18倍以上

一篇训练提效的论文：训练时只挑一半样本做反向传播，还比全量数据快1.2倍，比AdaSelection高1-2个点，做CV训练的可以看看

#OT-CAL #AdaSelection #最优传输 #数据选择

arXiv cs.AI@Suryansh Talukdar, Jin Soung YooSource

Papers Builders11:14

Chinese contentRadial Kernel Attention 提升聚合物机器学习力场的长程建模

一份聚合物力场的新注意力机制论文，5M 参数下能量误差砍掉 67%，还跟 Meta 的 UMA-S 直接对比了误差数据，做分子模拟的可以看看。

#RKA #机器学习力场 #OPoly26 #UMA

arXiv cs.AI@Wenbo Fu et al. (5)Source

Papers Builders11:14

Chinese contentSWIFT：用小世界连通性打破稀疏微调的信息孤岛

稀疏微调总有些特征维度互相够不着，SWIFT 用小世界网络思路加一层置换把路打通，效果能追上全参数微调，代码也放出来了。

#SWIFT #PEFT #参数高效微调 #开源模型

arXiv cs.AI@Xianchao Guan et al. (8)Source

Papers11:13

Chinese content研究揭示激活转向会引发文本语篇层面的意外变化

给向量加个补偿向量，能挽回78%的语篇副作用还能保留93%的转向效果，做模型行为控制的可以看看。

#激活转向 #LLM #推理时干预 #可解释性

arXiv cs.AI@Shivam Adarsh et al. (5)Source

Papers11:13

Chinese content用分布强化学习做多目标在轨检查任务的风险敏感规划

一篇把 QR-DQN 用到太空在轨检查任务上的论文，风险规避策略能把回报方差砍一半，还用枚举法验证了接近最优前沿。

#QR-DQN #Distributional Reinforcement Learning #在轨服务 #航天任务规划

arXiv cs.AI@Adam AbdinSource

Papers Builders11:12

Chinese content用安全强化学习规划航天器在轨检查观测点序列

欧洲团队发的新论文，把在轨检查的视角规划做成带机会约束的强化学习，违规率比传统固定裕度方法砍掉一半以上。

#强化学习 #CMDP #在轨服务 #PPO

arXiv cs.AI@Chloé Carer, Adam AbdinSource

Papers Builders11:12

Chinese contentGRIT 训练框架针对 VLM 视觉错位推理问题，并发布 GRIT-Bench

视觉语言模型经常瞎猜图像也能答对题，这篇论文用注意力分析定位了这些 token，再用梯度掩码修掉，还配了个 GRIT-Bench 基准。

#GRIT #RLVR #VLM #多模态

arXiv cs.AI@Chanseul Cho et al. (4)Source

Papers Builders11:12

Chinese contentDA-CoT：训练免费难度感知思维链方法降低多模态模型过度思考

研究团队发现 CoT 用多了反而掉分，提出用注意力熵判断何时才需要思考，免训练就在推理分割基准上拿了 SOTA，还更省算力。

#CoT #MLLM #推理分割 #视觉定位

arXiv cs.AI@Chanseul Cho et al. (4)Source

Papers11:12

Chinese contentKARU：基于强化学习的 LLM 知识遗忘方法

unlearning 老问题的新解法：把要忘的知识定义成条件分布，再用强化学习精准抑制，比整句抹掉的方式误伤更小。

#LLM #机器遗忘 #强化学习 #KARU

arXiv cs.AI@Wutong Xu et al. (5)Source

Papers Builders11:12

Chinese contentVLA 模型缺乏"不动手"能力：空指令下机器人仍会执行任务

机器人收到空指令也照样干活，六个 VLA 模型全中招，论文还测了三种拦截办法哪个管用。

#VLA #GR00T #LIBERO #具身智能

arXiv cs.AI@Minsu Jang et al. (4)Source

Papers Builders11:12

Chinese content预注册审计发现25个认知架构模块中18个计算结果未进入实际输出

研究者真刀真枪拆了一个号称有25个认知机制的Agent系统，结果18个模块算完根本没人用，还给了可复用的审计方法。

#认知架构 #智能体 #LLM #静态审计

arXiv cs.AI@Peter Chen et al. (4)Source

Papers Builders11:11

Chinese contentCNN+高斯过程混合框架：稀疏观测下的数据同化与偏差校正

气象海洋方向的研究者可以看看：用 CNN 加高斯过程做数据同化，比 3D-Var 快 98% 还带不确定性估计，协方差也能直接替换进 3D-Var。

#高斯过程 #数据同化 #CNN #3D-Var

arXiv cs.AI@Emanuele Mele et al. (5)Source

Papers Builders10:20

Chinese content统一框架研究数据相关事件概率估计

理论向的读者看这篇：把 missing mass、自适应数据分析、测试误差估计统一到一个框架里，还给出两个误差界。

#Good-Turing #missing mass #自适应数据分析 #统计估计

arXiv cs.LG@Vitaly Feldman et al. (5)Source

Papers10:20

Chinese content基于密度的损失训练随机微分方程生成模型：联合优化漂移与扩散场

arXiv 上一篇新论文，教神经网络学 SDE 做生成，样本比同参数量的 score-based 方法更少跑偏到错误模式上，做生成模型研究的可以看看。

#SDE #score-based #生成模型 #论文

arXiv cs.LG@Angxiu NiSource

Papers Builders10:19

Chinese contentCorroborative Learning：保留模型差异的多模型协作学习方法

一篇协作学习论文，思路挺有意思：不让模型互相抄答案，而是利用彼此差异互相提升，24 个模型 36 组配对的实验做得挺扎实。

#Corroborative Learning #协作学习 #迁移学习 #论文解读

arXiv cs.LG@Zexing Zhang et al. (5)Source

Papers10:18

Chinese content单头注意力位置实现性理论：解释长度泛化为何依赖位置编码

解释了为什么绝对位置编码难做长度泛化、相对的却行，还给出训练前就能算出来的判据 α_L，做理论的人都该看看推导。

#长度泛化 #位置编码 #单头注意力 #Transformer 理论

arXiv cs.LG@Jiasong Han et al. (3)Source

Papers10:18

Chinese contentPG-FM 提出按损坏类型自适应调制 RGB-T 目标检测特征

一篇 RGB-T 检测论文：不修复坏输入，而是让检测器按损坏类型自适应调特征，FLIR 上 mAP50 最多涨 20.8 点。

#RGB-T #目标检测 #FLIR #KAIST

arXiv cs.LG@Liuyin Shi et al. (3)Source

Papers10:18

Chinese contentRASO：面向缺失模态多模态联邦学习的角色感知服务器优化方法

做联邦学习或多人协作文本图像训练的可以看看，RASO 专门处理客户端缺模态的情况，比按可用性聚合更精细。

#联邦学习 #多模态 #RASO #缺失模态

arXiv cs.LG@Liuyin Shi, Wenbo HeSource

Papers Builders10:18

Chinese contentCAV：用于网络威胁调查的冲突感知证据验证方法

搞安全运营的可以看看：多个检测工具互相打架时，智能体会被带偏到准确率 0.13，CAV 用固定验证规则拉回 0.88。

#LLM #智能体 #网络安全 #CAV

arXiv cs.LG@Yuchen ZhangSource

Papers Builders10:18

Chinese content用稀疏自编码器揭开端到端自动驾驶模型的内部结构

有人把可解释性技术用到了端到端自驾模型上，能读出红绿灯、刹车这些内部特征，还能改潜变量控制车辆行为，代码也开源了。

#SAE #端到端自动驾驶 #mechanistic interpretability #可解释性

arXiv cs.LG@Manav Gagvani et al. (9)Source

Papers10:17

Chinese content有限线性逼近类的广义频率原理证明

把频率原理做成了可证明的版本：什么条件下低频先被学到、什么时候不成立，用 Legendre 和三角基做了实验验证。

#频率原理 #梯度下降 #Legendre #逼近论

arXiv cs.LG@Yujun Wang, Yiqi GuSource

Papers10:17

Chinese contentCF-SNN：为单纯形神经网络提供覆盖率有保证的不确定性量化

做高阶图数据预测的朋友可以看看：CF-SNN 给单纯形神经网络加上带覆盖率保证的不确定性量化，多目标也能同时控住误覆盖率。

#单纯形神经网络 #Conformal Prediction #不确定性量化 #图神经网络

arXiv cs.LG@Lekun Wang et al. (4)Source

Papers Builders10:11

Chinese content研究评估：智能体能否可靠生成自动化 PDE 仿真的完整规格说明

把工程需求变成 PDE 仿真，纯模型只有 82.5% 能做对，这篇论文加了科学检查和澄清机制后做到 98.3%，做仿真自动化的可以看看它的流程设计。

#PDE仿真 #智能体 #科学计算 #arXiv

arXiv cs.AI@Akshat Jani et al. (3)Source

Papers Builders10:11

Chinese content用对局回放训练评估器，提升 Freeciv 长线策略智能体的奖励信号

研究团队让模型回放 Freeciv 对局来学判断哪个局面会赢，训练出的 CivTelescope 判断准确率比现成模型高 1.3-2 倍，做成的智能体比传统终局奖励基线高 77%。

#Freeciv #LLM Judge #强化学习 #智能体

arXiv cs.AI@Yanchen Liu et al. (9)Source

Papers Builders10:11

Chinese contentMEMIG 提出自进化记忆框架优化抗体设计

让 AI 智能体做科学实验时不再靠写日记记经验，改成结构化查表，抗体优化任务里多数场景都涨分了。

#MEMIG #智能体 #抗体优化 #LLM记忆机制

arXiv cs.AI@Yunhui Jang et al. (6)Source

Papers10:11

Chinese content结构保持式专家剪枝方法 PEEP 与 DCEP 发布

一篇讲怎么给 MoE 模型砍专家省显存的论文，在 DeepSeek-V2-Lite 和 Qwen3-30B-A3B 上砍掉一半专家还能跑赢基线，做部署的可以看看。

#MoE #PEEP #DCEP #DeepSeek-V2-Lite

arXiv cs.AI@Tian Wang et al. (6)Source

Papers Builders10:10

Chinese contentTRIDENT 与 SHAKTI：印地语 AI 生成文本检测框架与基准

印地语这类低资源语言一直缺 AI 文本检测基准，这篇给出了 SHAKTI 数据集和 TRIDENT 检测方法，还测了 7 种语言，做低资源语言检测的可以看看。

#TRIDENT #SHAKTI #LLM #AI安全

arXiv cs.AI@Shifali Agrahari et al. (3)Source

Papers Builders10:10

Chinese contentCoarse3D：可控制朝向且忠实还原输入图像的稀疏结构生成模型

一篇 arXiv 论文，提出 Coarse3D，解决图生 3D 粗阶段朝向不受控、和输入图对不上的老毛病，能直接插进现有管线用。

#Coarse3D #DiT #图像生成3D #3D生成

arXiv cs.AI@Gaige Wang et al. (5)Source

Models Builders10:10

Chinese contentRTL-Interact 发布：单一模型可结合 EDA 工具反馈修正 RTL 代码

芯片设计方向的新工作，32B 模型在 CVDP 上超过了它的老师 DeepSeek-V3.2，还能自己调 EDA 工具改代码，做 RTL 的可以看看。

#RTL-Interact #DeepSeek-V3.2 #CVDP #VerilogEval

arXiv cs.AI@Wenxuan Shi et al. (16)Source

Papers BuildersMulti-source10:10

Chinese contentWeGenEditBench 图像编辑基准发布：GPT-Image-2 与 Seedream-5.0-Pro 分项领跑

一篇把图像编辑模型逐项挑毛病的论文，还配了能自动诊断失败并针对性改进的框架，FLUX.2 从 1 分多提到 3.5 分，做图像生成的可以细看。

#WeGenEditBench #GPT-Image-2 #Seedream-5.0-Pro #FLUX.2

Event

arXiv cs.AI@Jun He et al. (10)3 sourcesSource

Papers Builders10:10

Chinese contentJev 与 Clef-Flash 决策模型：每类仅需 2 张参考图完成工业缺陷检测

工厂质检最头疼缺陷样本太少，这篇论文用 Jev 和 Clef-Flash 做到每类 2 张图就超过 CLIP，还开源了代码和网页工具，做机器视觉的可以试试。

#CLIP #缺陷检测 #少样本学习 #视觉模型

arXiv cs.AI@Fadel M. Megahed, Ying-Ju ChenSource

Papers10:10

Chinese contentLLM 程序进化+人工把关发现量子纠错码新族

LLM 自动写程序进化出量子纠错码，再用 Lean 证明推广成定理，一口气填补 54 个编码表空缺，AI 做数学的新范式。

#LLM #量子纠错码 #Lean #程序进化

arXiv cs.AI@Jae-Hyun Baek et al. (3)Source

Papers Builders10:09

Chinese contentRAGFlow 论文提出知识编译层：查询 token 减少 91%，FRAMES 延迟从 140 秒降到 30 秒

RAGFlow 这篇论文实测了知识编译到底有没有用：准确率没涨，但 token 省了 38%，延迟从 140 秒降到 30 秒，做 RAG 的可以看看怎么落地。

#RAGFlow #RAG #MiniMax M3 #FRAMES

Event

arXiv cs.AI@Zhichang Yu et al. (18)2 sourcesSource

Papers Builders10:09

Chinese contentImplicitHop 基准揭示 LLM 跨上下文与权重的知识整合能力差距

给做 agent 和微调的同学：这篇用图基准量化了模型对权重里知识的推理比上下文差多少，写提示词时把关键事实放进上下文能直接提升准确率。

#LLM #推理模型 #知识图谱 #开源模型

arXiv cs.AI@Alexander Detkov et al. (4)Source

Papers Builders10:09

Chinese contentROSTrans 基准发布：评估 LLM 完成 ROS1 到 ROS2 代码迁移

机器人圈的朋友看看，这个新基准专门测 LLM 做 ROS1 迁移 ROS2 的能力，六个主流模型 pass@1 都不到 11%，编译过了运行挂是重灾区。

#ROSTrans #ROS #LLM #代码生成

arXiv cs.AI@Yichen Zhao et al. (7)Source

Papers Builders10:09

Chinese contentTARGRS：测试时表征采样方法为大模型去毒化降毒性最高69.38%

一篇去毒化新论文，方法 TARGRS 在 RealToxicityPrompts 上降毒性近 70%，还不怎么拖慢推理速度，连视觉语言模型也适用。

#TARGRS #去毒化 #RealToxicityPrompts #LVLM

arXiv cs.AI@Aishan Liu et al. (10)Source

Papers Builders10:09

Chinese contentFrontierMat 基准：330 道前沿材料研发问题考验语言模型

一个考材料前沿研究的题库，最强模型也只考 53.7 分，作者还给了套微调方法能把开源模型拉到 55.4 分追平闭源模型，做科学方向微调的可以看看。

#FrontierMat #材料科学 #基准测试 #开源模型

arXiv cs.AI@Feng Chen et al. (23)Source