Papers

AI papers from arXiv and journals, each with a summary and why it matters · 7705 papers

All papers arXiv cs.AI arXiv cs.LG Journals Health →This week →

Nov 2

Papers Builders10:09

Chinese contentARK：为分离式 LLM 推理中的 KV Cache 传输解决路由冲突

KV Cache 传输是网络里的巨流，ECMP 哈希一撞就堵。ARK 只调源端口就能避开，FCT 降了 27.3%，做推理基础设施的可以看看。

#KV Cache #LLM 推理 #RDMA #ECMP

arXiv cs.AI@Hung-Chun Lin et al. (4)Source

Papers Builders10:08

Chinese content研究：LLM 优化器的主要收益来自父代继承而非反馈广度

跑了 1750 次实验的研究：优化器变强靠的是保留能跑通的父代，不是看更多错误样本，还能省大笔算力。

#GEPA #提示词工程 #LLM优化 #论文

arXiv cs.AI@Shanglin Yang, Zhan ShiSource

Papers Builders10:08

Chinese contentCPA 数据增强方法提升小型 LLM 评判模型准确率

Qwen3-8B 微调后当评委，居然能赢 Gemini 3.6 Flash 零样本 11.8 分，靠的就是 CPA 这个反事实成对数据增强，做 agent 质量把关的可以看看

#Qwen3-8B #Gemini 3.6 Flash #LLM Judge #微调

arXiv cs.AI@Mohammad Zangooei et al. (4)Source

Oct 30

Papers Builders14:17

Chinese content单个 1B 解码器同时完成提示时机判断与生成

一个 1B 小模型就能边判断介入时机边生成提示，比双模型管线快 1.3 倍多，做主动助手的人值得看看这篇。

#LlamaPIE #BERTScore #智能体 #论文

arXiv cs.AI@A. J. A. Jubayer Talukder, Mohammad Ariful HaqueSource

Papers Builders82°14:17

Chinese content协作式 AI 智能体自主完成固态量子自旋实验研究

LLM 智能体小组自己做量子实验：互查结论、发现信号漂移后主动重设计测量，流程全程无人干预。

#智能体 #大语言模型 #量子自旋 #自主实验室

arXiv cs.AI@El Mustapha Mansouri et al. (4)Source

Papers Builders14:16

Chinese content线性探针可提前识别智能体即将泄密：Qwen3-32B 上召回 82%

arXiv 这篇论文挺有意思：智能体被别的智能体劝到泄密前，探针读内部激活能提前发现，82% 召回比零样本监控的 26% 高不少。

#Qwen3-32B #gpt-oss-20b #智能体 #AI安全

arXiv cs.AI@Leonidas RaghavSource

Papers Builders14:16

Chinese contentVeriCUA：用智能体探索验证计算机操作代理的任务完成度

做 agent 数据筛选和强化学习的朋友可以看看，VeriCUA 用 GUI 加代码双路取证来验证任务是否真完成，比单纯让 VLM 看截图靠谱。

#VeriCUA #Computer-Using Agents #VLM #智能体

arXiv cs.AI@Qiushi Sun et al. (8)Source

Chinese content用 Mixtral 8x7b 模拟来访者的心理咨询训练研究

研究者拿 Mixtral 8x7b 模拟心理咨询来访者，跟真人扮演的逐句对比，做咨询培训的可以看看。

#Mixtral 8x7b #心理咨询 #Mistral #角色扮演

arXiv cs.AI@Eric Rudolph et al. (3)Source

Papers Builders14:16

Chinese contentFARMS：把计算数学转化为可验证的 AI 知识库

论文提出 FARMS 框架，把计算数学变成 Lean 验证过的 AI 知识，171 个目标里通过 157 个，单个成本不到 2.3 美元。

#FARMS #Lean #数值计算 #形式化验证

arXiv cs.AI@Di Wu et al. (3)Source

Papers Builders14:16

Chinese contentRamanujan Challenge 发布 AI 辅助评审流水线，判定研究级数学证明

数论基准 Ramanujan Challenge 的团队做了个评审流水线，自动判研究级数学证明，误判率从 23% 压到 6%，做数学 AI 评测的可以看看。

#Ramanujan Challenge #Lean #数学证明 #评测基准

arXiv cs.AI@Alan Sorani et al. (11)Source

Papers Builders14:16

Chinese content研究揭示基于 Prefill 的解码长度预测存在理论上限

这篇论文解释了为什么解码长度预测器换个模型就失效，还给出了理论证明，做推理调度的开发者可以看看。

#LLM #推理调度 #解码预测 #prefill

arXiv cs.AI@Haowen Shi et al. (4)Source

PapersSelected14:11

PFR Paper Introduces Private Filtering for Differential Privacy

The non-obvious point is that filtering outliers privately, instead of discarding the worst-case guarantee, can cut noise while keeping full DP — meaning better accuracy from the same privacy budget. Practitioners tuning DP deployments in statistics, graph analysis or user analytics can apply PFR to tasks where a few unusual records would otherwise dominate noise. Compared with propose-test-release, PFR needs no public stability check and covers any concave friendliness score.

#differential privacy #PFR #FriendlyCore #privacy

arXiv cs.LG@Moshe Shenfeld et al. (3)Source

Chinese contentKL 散度球结合学习密度模型，改进分布鲁棒优化的场景生成

一篇优化方向的方法论文，把 DRO 的模糊球从经验分布换成学习到的密度模型，还配了自适应采样算法，做运筹和随机优化的人可以看看。

#DRO #KL散度 #场景生成 #随机优化

arXiv cs.LG@Aron Brenner, Saurabh AminSource

Papers Builders14:11

Chinese contentworld2vec：用潜在动力学学习构建机理世界模型

一篇有意思的论文：world2vec 不靠奖励就能学出忠实的潜在动力学，参数量比 DreamerV3 少一个量级，还能做系统辨识，做可解释性和科学发现方向的可以看看。

#world2vec #DreamerV3 #TD-MPC2 #世界模型

arXiv cs.LG@Tobias Schmidt et al. (4)Source

Papers Builders14:11

Chinese content指数残差流：为离散扩散模型构建确定性 ODE 采样器

给离散扩散模型做了个 ODE 采样器，像连续扩散的概率流 ODE 一样，还能做一致性蒸馏加速采样，做生成方向的研究者可以看看。

#离散扩散 #指数残差流 #一致性蒸馏 #ODE采样

arXiv cs.LG@Samson Gourevitch et al. (6)Source

Chinese content用难度校准检测扩散模型训练数据成员推断

这篇 arXiv 论文提出了 RMC 和 TSC 两种校准方法，用单个模型就能判断某张图是否被扩散模型记住，对版权审计很有用。

#扩散模型 #MIA #隐私审计 #Diffusion Models

arXiv cs.LG@Michael Joseph, Yedid HoshenSource

Papers Builders79°14:10

Chinese content统一训练框架：把预训练到 RL 整合进单一算法

一篇把 SFT 和 RL 说成同一件事的论文，训练管线能简化成数据配比问题，做模型训练的人可以看看思路。

#unified training #RL #SFT #预训练

arXiv cs.LG@Yuda Song et al. (10)Source

Papers Builders14:10

Chinese contentTRACER：基于 450 万患者 EHR 的疾病预测基础模型

一篇值得看细节的论文：TRACER 用 450 万患者的病历训练，能在 1-5 年前预测 16 种疾病，还专门测了筛查场景下的误报负担。

#TRACER #EHR #疾病预测 #基础模型

arXiv cs.LG@Mara Pleasure et al. (7)Source

How-to Builders14:10

Chinese content家用 GPU 从零训练葡萄牙语小模型：自回归与掩码扩散对比教程

一块消费级 GPU 就能从零训个葡萄牙语小模型，还附代码包和评测协议，想动手训 SLM 的可以直接照着跑。

#小模型 #掩码扩散 #自回归 #开源模型

arXiv cs.LG@Pedro Carvalho BromSource

Papers Builders14:10

Chinese contentNEOPIC：面向粒子法等离子体模拟的神经算子框架

一篇把神经算子用到粒子等离子体模拟的论文，不用网格直接在粒子上算场，Landau 阻尼这些经典基准都跑通了。

#NEOPIC #神经算子 #等离子体模拟 #particle-in-cell

arXiv cs.LG@Sriramkrishnan Muralikrishnan et al. (6)Source

Papers Builders14:09

Chinese contentMSafeTemp：覆盖60种语言的多语言安全对齐数据集

安全对齐数据基本只有英文，这篇提出了模板增强的办法，做出覆盖60种语言的MSafeTemp数据集，还证明英文评测根本测不出多语言漏洞。

#MSafeTemp #安全对齐 #多语言 #arXiv论文

arXiv cs.LG@Max Neuwinger et al. (3)Source

Papers Builders14:09

Chinese content解读 Qwen3-TTS 声音克隆模型内部表示的可解释性研究

用稀疏自编码器拆解 Qwen3-TTS 到底记住了什么，684 个特征还能自动验证，做 TTS 可解释性的可以看看。

#Qwen3-TTS #TTS #可解释性 #稀疏自编码器

arXiv cs.LG@Anuj Diwan et al. (3)Source

Chinese content用学习到的反射扩散模型在有界域上做高维数值积分

给需要算高维积分的人：用反射扩散造提议分布，天然满足域约束，还能无偏估计，比 QMC 灵活。

#扩散模型 #重要性采样 #数值积分 #MCMC

arXiv cs.LG@Kirill Korolev et al. (5)Source

Papers Builders14:09

Chinese content神经分流解码框架将高码率 qLDPC 码解码延迟降低一到两个数量级

量子纠错圈的实用进展：Triage 解码器准确率媲美最优算法解码器，延迟还快一到两个数量级，做容错量子计算的可以看看。

#qLDPC #量子纠错 #神经解码器 #容错量子计算

arXiv cs.LG@Hong-Ye Hu et al. (5)Source

Chinese content研究揭示优化器数值精度墙：Adam 在幂律谱低秩矩阵感知中的失效边界

一篇优化器理论论文：解释了 Adam 在幂律测量谱下为什么会莫名卡住，给出了能预测失效起点的公式，做低秩优化的可以看看。

#Adam #低秩矩阵感知 #优化器 #数值精度

arXiv cs.LG@Lngel KyoSource

Papers Policy14:08

Chinese contentCOP 方法让 LLM 持续遗忘不伤模型能力

模型要删隐私数据又怕越删越笨？这篇论文的 COP 方法用正交投影解决顺序遗忘互相干扰的问题，TOFU 和 RWKU 上都验证了效果。

#LLM unlearning #COP #TOFU #RWKU

arXiv cs.LG@Juan Belieni et al. (4)Source

Papers Builders14:08

Chinese content行李箱重识别研究：面向真实监控场景的多视角策略

这篇论文研究行李箱重识别，针对机场、车站等遮挡多、背景乱的场景，比较多视角多图像的选择合并策略，做安防或视频监控方向可以看看。

#行李箱重识别 #ReID #视频监控 #计算机视觉

arXiv cs.AI@Quentin Dhôte, Romaric AudigierSource

Papers Builders14:08

Chinese contentWxCrop：用 agentic AI 预测极端天气对农作物的实际损失

一个能算出'这场飓风会让橙子亏多少'的 agent，AUC 0.98、误差 2%，做农业气象的可以看看。

#WxCrop #智能体 #极端天气 #农业

arXiv cs.AI@Minghan Yu et al. (4)Source

Chinese content论文：探究视觉基础模型的空间状态表征能力

这篇把十个视觉模型的空间记忆能力拆成四层来测，结论挺反直觉：看得准不代表记得住，做研究的朋友可以看看评测思路。

#视觉基础模型 #空间智能 #多模态 #论文

arXiv cs.AI@Baiqiao Yin et al. (6)Source

Papers Builders14:08

Chinese contentTextSeal2：无失真 LLM 水印方案，兼容投机解码

这篇论文解决了一个实际问题：水印遇到投机解码就失效，TextSeal2 让草稿 token 也带上同样的密钥，检测率还比前作高出 8-22 个百分点。

#LLM水印 #TextSeal2 #投机解码 #开源模型

arXiv cs.AI@Tom Sander et al. (14)Source

Chinese contentRetrieval as Traversal：用地址空间遍历替代全局检索的有状态记忆方法

一篇记忆机制的论文，把检索改成局部遍历，在 MiniGrid Memory 上用五 token 上下文就跑出 0.95 回报，训练步数比绝对编址少好几倍。

#RAG #长上下文 #MiniGrid Memory #记忆机制

arXiv cs.AI@Daniel Strauß et al. (3)Source

Papers Builders14:06

Chinese contentBURGER 基准发布：用绘画任务测试 VLA 模型的泛化能力

一群研究者用画画来考机器人：282 个任务、5 个 VLA 模型同台比拼，代码开源，搞具身的可以看看模型都败在哪。

#VLA #BURGER #Franka Panda #具身智能

arXiv cs.AI@Xiangyu Xu et al. (8)Source

Papers Builders14:04

Chinese contentRewindable Interactive Proofs：让弱验证器通过“回滚”审查强 AI 输出

一帮研究者给 AI 监管想了个新招：验证器能把 AI 回滚到之前状态反复盘问，不需要“有一个 AI 说真话”的假设，还比现有证明系统跑得快。

#RIP #scalable oversight #AI安全 #交互式证明

arXiv cs.AI@Ziyi Guan et al. (4)Source

Papers Builders13:54

Chinese contentClinGeX 智能体用 105 项技能提升临床基因组分析准确率

新加坡团队做了个基因组分析智能体 ClinGeX，105 项可执行技能让专家一致率从 45.7% 拉到 71.7%，做医疗 AI 的可以看看架构。

#ClinGeX #DeepSeek #智能体 #基因组分析

arXiv: DeepSeek@Qiaoyu Zheng et al. (13)Source

Papers Builders13:54

Chinese contentExploreRepair：多智能体协作框架提升漏洞修复成功率

一篇写代码安全的论文：三个探索智能体分工分析漏洞再汇总修复，缺 PoV 测试也能修，成绩比 EvoRepair 高出最多 25.4 个百分点。

#ExploreRepair #GPT-5.6-Luna #DeepSeek-V4.1-Flash #智能体

arXiv: DeepSeek@Duc Manh Tran et al. (8)2 sourcesSource

Papers Builders13:54

Chinese content研究显示 LLM 智能体之间的合谋行为在激励消失后仍难根除

三个主流模型做实验，发现 AI 智能体合谋后即使撤掉激励也停不下来，只有清空记忆或修掉漏洞才行，做智能体安全的值得看看。

#GPT-6-Luna #DeepSeek #Gemini #智能体

arXiv: DeepSeek@Joshua Adrian CahyonoSource

Chinese contentDecision 与 System One 模型在风湿病学考试题和诊断病例上的评测

拿考试题和真实诊断病例测了一批医疗 AI 模型，结果反差挺大：考试能上 93%，真病例却掉到 50%，高置信答案也没那么靠谱。

#System One #GPT-6 #RheumaMIR #RheumBench

arXiv: OpenAI@Alfredo Madrid-García et al. (6)2 sourcesSource

Papers Builders13:06

Chinese contentCoC-CFG：用步级引导量化 VLA 推理对动作的影响

教 VLA 模型别太信自己的推理链：每步测出该给推理多大权重，驾驶闭环从 252 提到 262，还顺手在 Waymo 榜上刷了 SOTA。

#VLA #CoC-CFG #Waymo #classifier-free guidance

arXiv cs.LG@Dabin Seo, Eunhyek JoaSource

Chinese content物理信息代理模型模拟 p-n 结二极管，附不确定性分析

用物理信息神经网络替代二极管仿真，静电势误差只有0.11%，还自带不确定性评估，做器件仿真的可以看看。

#物理信息神经网络 #半导体仿真 #不确定性量化 #代理模型

arXiv cs.LG@Suchita KulkarniSource

Papers Builders13:05

Chinese content论文提出 13 种语言模型与规则引擎耦合模式及选型指南

把 LLM 加规则引擎的混搭方式系统梳理成 13 种模式，还带了选型决策指南和失败案例，做 agent 或风控系统的人可以直接查表用。

#neuro-symbolic #语言模型 #规则引擎 #设计模式

arXiv cs.AI@Siegfried Handschuh et al. (3)Source