论文 · AITOP · AI热报

论文 Agent 与开发者09:39

基于参考的自动评估方法行为正确性研究

这篇论文提出了评估AI文本生成系统的新框架，揭示了传统评估方法无法捕捉的行为差异。

#自动评估 #LLM #自然语言生成 #评估方法

arXiv cs.AI@Maria Mahbub 等 5 人原文

论文 Agent 与开发者精选73°09:39

GUT：量化优化LLM推理不确定性

GUT方法通过图复杂度量化LLM推理不确定性，并用强化学习优化，解决了LLM推理过程中的分支发散问题。

#LLMs #GUT #推理不确定性 #强化学习

arXiv cs.AI@Shuang Liang 等 4 人原文

论文 Agent 与开发者09:39

大模型智能体团队互换性测试

这篇论文测试了AI智能体团队互换性，发现虽然任务表现影响小，但沟通成本显著增加，对构建多智能体系统有重要启示。

#LLM Agent #智能体 #多智能体系统 #团队协作

arXiv cs.AI@Jianxin Gao 等 5 人原文

论文 Agent 与开发者78°09:38

优化层稀疏性提升大模型训练效率

研究人员发现层丢弃技术能提升大模型训练效率，节省25%计算量，还能加速推理1.5倍。

#层丢弃 #大模型训练 #推理优化 #Cerebras

arXiv cs.AI@Mostafa Elhoushi 等 9 人原文

论文 Agent 与开发者精选09:38

AI4CDS：计算设计科学的人机协作框架

研究人员提出AI4CDS框架，用ChildRiskGuard案例展示如何让AI辅助设计科学同时保持研究者主导责任。

#AI4CDS #ChildRiskGuard #计算设计科学 #短视频安全

arXiv cs.AI@Wenli Zhang 等 6 人原文

论文 Agent 与开发者精选73°09:38

CONTINUITY：LLM智能体安全控制框架

康奈尔大学提出CONTINUITY框架，解决LLM智能体组件间安全上下文丢失问题，通过契约模型保证端到端安全。

#CONTINUITY #LLM Agent #智能体 #安全框架

arXiv cs.AI@Chris Zheng, Geng Yang原文

论文 Agent 与开发者精选73°09:37

Trace2Tower：LLM智能体技能层次框架

研究人员推出Trace2Tower框架，能将LLM智能体行为转化为技能层次，在两个基准测试中大幅超越现有方法。

#Trace2Tower #EigenTrace #LLM Agents #技能层次

arXiv cs.AI@Jiazheng Sun 等 5 人原文

论文 Agent 与开发者精选73°09:37

优化前先询问：交互式优化动态预公式化澄清

OR-Clarify基准和InterOPT框架解决了优化模型构建中的信息缺失问题，让AI助手知道何时该提问何时该停止。

#OR-Clarify #InterOPT #优化模型 #自然语言处理

arXiv cs.AI@Sihan Ge 等 6 人原文

论文精选73°09:37

计算机视觉中的常识推理综述

这篇arXiv论文全面梳理了计算机视觉中常识推理的基础、进展和未来方向，对研究人员和开发者很有参考价值。

#计算机视觉 #常识推理 #知识图谱 #神经符号模型

arXiv cs.AI@Bahar Uddin Mahmud 等 5 人原文

论文 Agent 与开发者73°09:36

量子机器学习框架统一建模器件

清华团队用强化学习发现量子电路，在器件建模上误差降低59-84%，比6个经典方法都好。

#量子机器学习 #强化学习 #PQC #GNN

arXiv cs.AI@Rushat Rai 等 13 人原文

论文 Agent 与开发者精选73°09:36

大模型数学推理缺乏人类知识结构

这篇论文揭示了大模型在数学推理中缺乏人类知识结构，对理解大模型认知局限很有价值。

#LLM #数学推理 #知识空间理论 #大模型评估

arXiv cs.AI@Peng Cui 等 3 人原文

论文 Agent 与开发者精选73°09:36

AdaGate-DF：自适应深度伪造检测框架

研究人员提出AdaGate-DF框架，能在低分辨率环境下高效检测深度伪造，比现有模型更准确且计算效率更高。

#AdaGate-DF #深度伪造检测 #Celeb-DF #FaceForensics++

arXiv cs.LG@Vaishnavi Sen 等 3 人原文

论文 Agent 与开发者精选09:35

智能体网络信息聚合最优速率研究

这篇论文解决了智能体网络信息聚合的理论边界，为分布式AI系统提供了精确的性能基准。

#智能体 #信息聚合 #线性回归 #逻辑分类

arXiv cs.LG@MohammadHossein Bateni 等 5 人原文

论文 Agent 与开发者09:34

合作多智能体强化学习的在线变化点检测

清华团队推出PPR算法，让多智能体系统在训练中自动识别环境变化，比传统方法更稳定可靠。

#多智能体强化学习 #变化点检测 #PPR #Speaker-Listener环境

arXiv cs.LG@Fatemeh Saberi Khomami, Julita Vassileva原文

技巧 Agent 与开发者精选73°09:33

推测智能体编程中的不确定性方法

开源团队提出新方法，让AI编程助手提前预测错误，在Qwen和Claude上都有效果。

#Qwen3-Coder-480B #Claude 3.5 Sonnet #智能体 #编程助手

arXiv cs.LG@Konstantin Grotov, Valentin Malykh原文

论文 Agent 与开发者精选73°09:32

GLASS框架实现跨领域图级异常检测

GLASS用图-语言对齐实现跨领域异常检测，无需目标域训练数据就能做零样本检测，效果比现有方法好。

#GLASS #图级异常检测 #跨域迁移 #图神经网络

arXiv cs.LG@Xudong Wang 等 4 人原文

论文 Agent 与开发者精选73°09:31

基于Hessian的分子构型增强方法

新方法解决了MLIPs训练中Hessian信息利用不足的问题，无需架构修改就能提升模型精度。

#MLIPs #Hessian #分子构型 #数据增强

arXiv cs.LG@Bumju Kwak, Jeonghee Jo原文

论文 Agent 与开发者精选73°09:31

FedDRAW：联邦双声誉退火加权算法

医疗AI新算法FedDRAW解决了联邦学习中大医院主导问题，通过双退火调度提升诊断模型公平性。

#FedDRAW #联邦学习 #医疗影像 #胸部X光

arXiv cs.LG@Maryam Moradpour, Anne-Christin Hauschild原文

论文 Agent 与开发者精选73°09:31

基于验证器的可解释推理框架研究

Qwen2.5模型通过新框架大幅提升推理深度，符号验证系统增强答案可靠性，教育问答场景适用。

#Qwen2.5 #RLVR #QLoRA #推理模型

arXiv cs.LG@Thi Kim Trang Vo 等 5 人原文

论文73°09:29

时间序列变分自编码器的PAC-Bayesian重建保证

论文为时间序列变分自编码器提供了理论保证，解决了其在非独立同分布场景下的分析限制。

#变分自编码器 #时间序列 #PAC-Bayesian #马尔可夫结构

arXiv cs.LG@Chloé Hashimoto-Cullen 等 4 人原文

论文73°09:28

SMILE：医疗诊断自解释多模态信息瓶颈

医学AI可解释性新方法SMILE，在多模态诊断中表现优异，比现有方法准确率高9.1%，还能解释诊断依据。

#SMILE #医疗AI #多模态 #信息瓶颈

arXiv cs.LG@Yuqing Yang 等 6 人原文

论文中美对照09:24

无审查开源模型：再分发作为持久层

OpenAI安全研究揭示了无审查开源模型的生态系统分布和持久化机制，以及其被恶意应用的比例。

#无审查模型 #HuggingFace #GitHub #开源模型

arXiv cs.AI@10a Labs 等 10 人原文

论文 Agent 与开发者精选73°09:24

PRICE研究：LLaMA-3 8B比特币价格预测

PRICE研究展示了如何通过特定技术组合，让文本预训练模型在比特币价格预测上超越专业时间序列模型。

#PRICE #LLaMA-3 #比特币 #时间序列预测

arXiv cs.AI@Maryam Fakhari, Mehran Safayani原文

模型 Agent 与开发者精选73°09:23

ACE：自适应专家跳过框架提升MoE模型效率

ACE让MoE模型能智能跳过冗余专家，无需重新训练就能提升效率，在Qwen3.6-35B-A3B上效果显著。

#ACE #MoE #Qwen3.6-35B-A3B #专家跳过

arXiv cs.AI@Zukang Xu 等 8 人原文

论文 Agent 与开发者多源确认精选09:23

DeepSeek-V4-Flash残差流使用机制研究

DeepSeek团队揭秘四流残差通路实际使用方式，发现模型并未充分利用全部流容量。

#DeepSeek-V4-Flash #残差流 #mHC #模型架构

事件专题

arXiv: DeepSeek@Pengxiang Zhao 等 5 人4 个信源在谈原文

论文 Agent 与开发者多源确认精选73°09:22

Substrate-Aware AI Agents: Execution Context as a First-Class Input

Claude、GPT-5和Gemini在代码生成时加入执行约束后，代码效率大幅提升，最高快3.1倍。

#Claude #GPT-5 #Gemini #智能体

事件专题

arXiv: OpenAI@Manu Agrawal11 个信源在谈原文

论文 Agent 与开发者精选73°09:22

统一ICL、SFT和KL正则化RL的贝叶斯视角

DeepSeek研究员发表的论文，揭示了不同LLM训练方法背后的统一理论，解释了为什么冷启动监督预热对KL投影至关重要。

#贝叶斯 #RLHF #SFT #ICL

arXiv: DeepSeek@Junxin Fan原文

论文 Agent 与开发者精选73°09:22

ERPBench评测大模型企业决策能力

ERPBench首次测试大模型企业决策能力在不同竞争市场环境下的迁移性，发现不同环境下最佳模型不同。

#ERPBench #LLM Agents #企业决策 #Gemini

arXiv: DeepSeek@Xinran Zhang 等 4 人原文

论文 Agent 与开发者精选09:21

CABAL：多智能体模拟合谋评审影响

AAAI-27评审周期发现合谋风险，CABAL框架首次完整模拟合谋评审全过程，揭示其影响机制。

#CABAL #多智能体 #合谋评审 #LLM

arXiv cs.AI@Jicheng Zhou 等 8 人原文

产品多源确认精选73°11:32

ATIBA：研究论文的完整性与质量检查工具

ATIBA 自动检查论文引用完整性和会议合规性，用 GPT-5.4 做多模式审查，比人工检查更一致可靠。

#ATIBA #GPT-5.4 #ACM SIGSOFT #论文检查

事件专题

arXiv: OpenAI@Veli Karakaya 等 4 人11 个信源在谈原文

论文11:32

AI智能体过程黑盒架构

OpenAI/Hugging Face事件后，研究者提出区块链锚定的AI智能体黑盒架构，专为GRC审计设计。

#AI智能体 #区块链 #GRC #审计

arXiv: OpenAI@Arslan Brömme原文

论文多源确认73°11:29

LLM评估需求质量研究发布

Anthropic和OpenAI的10个模型在需求质量评估上表现不佳，误报率高且漏检严重。

#LLM #requirements engineering #Anthropic #OpenAI

事件专题

arXiv: Anthropic@Jannatul Shefa 等 4 人11 个信源在谈原文

论文 Agent 与开发者78°11:28

ESPO：错误结构化提示优化方法

ESPO方法让提示更短更准，在Qwen3 GSM8K上从15%提升到91.4%，比GEPA短47%还更准。

#ESPO #提示词工程 #NLP #Qwen3

arXiv cs.AI@Lihao Liu 等 4 人原文

论文精选73°11:28

EditVid统一视频编辑框架无需训练

EditVid一个框架就能做多种视频编辑，无需训练，效果比现有方法好一半以上。

#EditVid #视频编辑 #FiVE #IVEBench

arXiv cs.AI@Adheesh Sunil Juvekar 等 9 人原文

论文精选73°11:28

VLM引导的弱监督密集视频字幕生成

VLM先看后合成，让视频字幕生成更精准，比传统方法更智能地找到事件变化点。

#VLM #视频字幕 #弱监督 #事件定位

arXiv cs.AI@Ye-Chan Kim 等 7 人原文

论文精选73°11:28

大语言模型通过辅助视图提升知识获取

这篇论文揭示了大模型预训练中知识获取的关键机制，解释了为什么数据多样性重要。

#大语言模型 #预训练 #知识获取 #辅助视图

arXiv cs.AI@Joseph Lee 等 5 人原文

论文73°11:27

概率因果影响框架实现可计算解释

新PCI框架让复杂因果系统解释变得可行，比SHAP更尊重因果结构，比实际因果性更可扩展。

#PCI #因果解释 #实际因果性 #SHAP

arXiv cs.AI@Rafal Urbaniak 等 10 人原文

论文精选73°11:27

大语言模型同策略蒸馏研究：单训练示例效果显著

OpenAI新研究揭示OPD只需少量数据就能接近全数据效果，算法效率比数据量更重要。

#OPD #大语言模型 #蒸馏 #状态覆盖率

arXiv cs.AI@Zixuan Fu 等 13 人原文

论文11:26

自主研究集群中的作弊与举报案例研究

100个LLM代理自发形成作弊与举报机制，展示了AI群体自治的复杂行为模式。

#LLM #自主代理 #知识共同体 #AI治理

arXiv cs.AI@Davide Paglieri 等 6 人原文

论文精选73°11:26

SWE-Gate：软件工程代理需满足代码审查要求

DeepSoftwareAnalytics发布SWE-Gate基准，揭示AI编码助手通过功能测试≠满足实际开发要求

#SWE-Gate #软件工程代理 #代码审查 #基准测试

arXiv cs.AI@Xin He 等 6 人原文