本站已超过 12 小时没有更新（正常每 3 小时更新一次），下面的内容可能不是最新的。
本页没有符合条件的条目（筛选只在本页内进行）。
说明基于造影前帧相减的自训练方法：用于X射线冠状动脉血管跨中心分割
简介该论文研究冠状动脉X射线造影血管分割模型在其他医院数据上性能下降的问题。作者用nnU-Net预测结果和造影前帧相减得到的对比图生成伪标签，进行自训练，无需额外人工标注。在两个外部数据集上，经自训练的模型性能有所提升，且提升程度取决于生成初始伪标签的模型的敏感性。
说明MAServeBench：面向分层协作工作负载的多智能体大模型服务系统基准测试
简介该论文提出 MAServeBench，一个用于评测多智能体大语言模型服务系统的基准。它把多智能体之间的协作方式作为可配置的服务工作负载维度，通过可组合的阶段模拟智能体如何协调与交换上下文。基准还保留实际执行的操作与依赖关系，并将工作负载与服务执行及 GPU/NPU 硬件表现关联，以说明服务效率为何不一定能转化为任务的及时完成。
说明DolphinRouting：面向解耦式大模型推理服务的聚类级二元路由
简介论文提出DolphinRouting，用于大语言模型解耦式推理服务（prefill与decode分离）中的请求路由。方法依据提示长度、两类工作节点上缓存调整后的输入长度及输出长度信息对请求聚类，每个聚类学习一个本地或远程prefill的二元决策，依据端到端SLO反馈离线搜索策略，在线通过查表完成选择。在真实集群上，与Dynamo相比，使用k-means的版本在混合负载和真实数据上将P90 TTFT降低5.7%至7.9%，P90 TPOT降低2.6%至10.1%。
说明带可移除物品的在线背包问题中利用回收与尺寸上界
简介本文研究在线无权背包问题：物品依次到达，需立即接受或拒绝，目标是最大化已接受物品的总尺寸。文中允许移除已接受的物品，并同时考虑已知物品尺寸上界以及重新放入此前被拒绝物品的能力。作者给出了这些条件下竞争比的紧致上下界，并提出不需要事先知道尺寸上界、仍能获得可比性能保证的自适应在线算法。
说明只有被接受的词元才计入：延迟目标下投机解码的能耗核算
简介本文研究大语言模型推理中投机解码（speculative decoding）的能耗。草稿模型预测多个后续词元，目标模型一次前向传播完成验证，节能效果取决于被接受的词元数量。作者在H100与H200 GPU上、SGLang环境下，以最多64的批大小测试了5个语料，发现批量增大时节能效果减弱，甚至转为能耗增加，而投机解码在高接受率时才会带来额外节能。
说明LoRe-MIM：面向全身PET/CT的自监督表示学习方法（通过遮挡重建学习多模态特征）
简介本文针对全身PET/CT深度学习中标注稀缺的问题，整理了包含6531例扫描的多示踪剂、多机构数据集，并提出名为LoRe-MIM的自监督学习框架。该方法通过掩码图像重建学习多模态表示：被遮挡区域要么置零（Lost），要么替换为另一成像模态的对应区域（Replaced）。作者在多项下游任务中评估了所学表示，包括多模态重建、癌症与非癌症分类、全身病灶分割、少标注训练和鲁棒性评估，结果显示其优于对应的现有最优基线。
说明基于势函数引导子轨迹平衡的潜在路径探索
简介该论文提出SubLAT方法，用于语言模型的连续潜在推理，通过相对答案势函数与子轨迹平衡（Subtrajectory Balance）联合学习随机潜在探索。模型结合答案监督、思维链监督和表示蒸馏进行训练。实验表明，在算术与演绎推理任务上，随着采样预算增大，解题覆盖率提升，并在部分结构性分布外基准上有所改进。
说明潜在预测可在感觉诱发fMRI中得到可跨被试对齐的表征
简介本文将联合嵌入预测架构（JEPA）改造为仅用脑数据训练的自监督方法，为每位被试训练编码器，编码器从不接触刺激图像。在Natural Scenes Dataset（NSD）上，该方法在脑描述生成和图像重建任务中与依赖图像和语言数据的有监督流程表现相当。作者还发现，不同被试的编码器可在无图像、无共享刺激的情况下完全无监督对齐，对齐后的解码头无需微调即可在另一被试上保留大部分被试内性能。
说明邻域精英：面向问答不确定性量化的质量-多样性搜索
简介本文针对大语言模型问答中错误答案难以察觉的问题，提出用质量-多样性搜索构造输入扰动的邻域方法，称为邻域精英（NE）。该方法沿编辑类型与上下文支持显式程度两个维度，生成保持答案不变的改写。在五个抽取式问答数据集和五个指令微调大语言模型上，NE在几乎所有组合中的失败检测效果优于其他邻域构造方法，并优于基于解码器采样的语义熵。
说明TaskFrame：将任务级规划与帧级控制相连接的游戏智能体框架
简介该论文提出TaskFrame，一种分层规划—控制框架，用于游戏智能体。视觉语言任务规划器把高层目标拆解为有序的原子指令，控制器则依据当前目标与近期观测，逐帧预测键鼠动作和视角运动。实验在《我的世界》（Minecraft）中进行，结果显示其指令拆解能力可与通用视觉语言模型竞争，闭环评估中战斗成功率高于所评估的基线。
说明从串联质谱证据到自适应光谱表征：基于候选分子结构引导的强化学习
简介该论文提出一种结构感知的深度Q网络（SI-DQN），利用已有串联质谱（MS/MS）证据决定是否需要补充测量、请求哪种测量以及何时停止。模型在含模拟MS/MS、红外和核磁共振光谱的多模态光谱数据集上评估，结果显示其在较少附加测量次数下提高了Top-1准确率，并降低了综合损失。
说明用于自动驾驶卡车在交互式高速公路交通中短时域模型预测控制的学习型终端代价
简介本文针对重型自动驾驶卡车的高速公路行驶问题，提出一种结合模型预测控制（MPC）与强化学习（RL）的混合框架。其中有限时域MPC通过动态规划求解，并使用预先训练的RL模型估计终端代价。作者在含有反应式周围车流的仿真环境中，将该方法与零终端代价的纯MPC、基于基础策略估计终端代价的rollout方法以及纯RL进行比较。结果显示，混合方法实现了零碰撞，且代价在所有配置中最低。
说明当需求相互影响：通过相互依赖的规格扩展长周期代码生成
简介本文提出CodeSpecWeave框架，用于合成带有丰富且相互依赖规格的编程任务，任务基于真实开发者的种子数据，由合成智能体与审核智能体共同生成并保证测试可靠。作者据此构建了4670个训练任务，覆盖2865个代码仓库，并用强化学习在这些任务上训练，在DeepSWE-v1.1上明显优于基础模型。论文还发布了包含100个任务和1044条规格的CodeSpecWeave-Bench基准。
说明带验证的合成数据统计分析：线性回归框架
简介该论文在线性回归框架下研究带验证的自训练：预训练估计器生成带噪声的合成数据，验证器按阈值筛选样本，再对接受的样本进行全量或部分微调。文中推导了四种情形下的有限样本风险界，分析验证阈值、生成噪声和预训练误差对预测风险的影响。
说明基于多普勒谱、可输出置信度的对地速度估计方法（重构式表征学习）
简介本文针对铁路等移动平台，提出一种基于多普勒谱估计对地速度并给出逐帧置信度的方法。方法借鉴自编码器重构任务的思路，在其潜在特征上增加速度估计分支，推理时舍弃重构解码器并加入轻量置信度分支，同时采用噪声增强训练。实验表明，该方法比经典基线的速度估计精度更高，并能在不利信号条件下给出可反映单次预测可靠性的置信度。
说明基于随机化专家复核的共形标注：应用于在线细胞类型标注
简介本文提出CARED框架，用于AI辅助的细胞类型标注。它在数据分布变化的情况下，通过随机抽取部分病例交由专家复核，并据此校准后续决策，从而对长期累计错误进行控制，无需平稳性或可交换性假设。在胰腺、肺和卵巢标注数据流上的实验显示，该方法能控制累计错误，且多达70%的细胞可以跳过专家复核。
说明面向多模态RLVR的分布式奖励校准与预算中性信用分配
简介本文针对GRPO中的优势估计提出TACE方法，分两阶段处理：先用一维最优传输映射将奖励标准化为标准正态分布以统一不同任务的奖励分布并抑制异常值，再对每条轨迹内的token权重进行秩校准并重新归一化，使信用总量与符号守恒。论文给出了理论性质证明，并在多模态推理基准上取得多数基准的最佳结果，但并非在所有设置中都最优。
说明反应先例可使逆合成预测超越训练覆盖范围
简介本文研究在逆合成预测中，检索到的反应先例能在多大程度上弥补任务训练覆盖的不足。作者使用271万条反应数据，按转化类型或时间限制训练与检索范围，仅扩充检索库而保持模型参数不变。结果显示，在训练中未包含的转化类型上，检索扩充后的准确率大幅提升；所有14个通用模型在引入先例后均有改善，表现最好者超过了八个专用模型。
说明基于大语言模型引导的四足机器人平面移动操作
简介论文针对室内杂乱环境中可移动障碍物的导航问题，提出由语言条件任务规划器生成参数化动作序列、再由底层强化学习策略执行的方法。规划器在合成数据上用LoRA微调，在交互式导航任务上优于经典规划器和提示式前沿模型。底层提出端到端的全身平面推动策略，仿真成功率为93.3%，高于分层基线的83.5%。
说明EnvOS：环境会变化时审计电脑操作智能体的框架
简介该论文提出EnvOS框架，用于构建和认证任务执行中会发生变化的环境。运行前检查变化是否正确触发、任务是否可解，运行后根据存档证据复核判定结果。研究以过时信息为场景，在诊所预约和保险理赔两类任务中测试了多个大语言模型，结果显示智能体能否发现变化随模型与界面而异。
说明《同批判断：上下文批处理使大模型判定依赖于同批其他条目》
简介论文研究为节省成本而把多条独立条目放进同一提示让大模型批量打分时，判定是否会受同批其他条目及其位置影响。作者在三类判断任务和五个4-9B参数的开源模型上测试，同样的2000条条目分入不同随机批次后，约11%至22%的判定发生改变。结果表明，这种影响主要来自邻近条目的顺序与位置，多次投票也难以完全消除。论文建议有歧义的条目应逐条单独评分，并在批处理时报告与单条评分的一致性。
看点新意在于证明批量评分会使判定依赖同批其他条目：在三类任务、九个模型上测量翻转率并分解成因，结论对实践有直接警示。
说明ScienceJudge：面向句子级科学论断核验的模式扰动增强方法
简介该论文研究如何判断AI生成的科学段落中，每个句子是否被给定的多模态证据材料所支持。作者提出模式扰动增强（PPA）方法，将报告错误建模为破坏忠实性的变换，并用它构造困难负样本。在此基础上提出的ScienceJudge系统整合视觉语言预测器与LLM预测器，在本地开发集上平均分由0.8124提升至0.8692，并在NLPCC 2026 Task 10 Track 1官方排行榜上以0.6890的最终分数排名第一。
说明激活档案资源：从档案文献中大规模提取极低资源语言的双语句对
简介该论文提出从语言学家留下的语法书、词典等档案文献中提取平行句对的方法，这类资源覆盖许多网络上几乎没有内容的语言。研究者结合光学字符识别（OCR）模型与视觉语言模型构建流程，使识别出的文本与版面信息对齐。文中报告，所提取的双语数据在20种语言上用于训练机器翻译模型或大语言模型的上下文学习，相较零样本翻译，面向低资源与高资源语言的chrF2++分别提升15.78与6.94。
说明EpiAgent：面向大语言模型智能体的认知自博弈框架
简介该论文提出EpiAgent框架，为基于大语言模型的智能体加入一个可学习的认知层，用于维持对其他主体私有信息的信念，并将其与已有信息结合形成认知状态以辅助决策。方法将策略拆分为认知更新和行动规划两个相互耦合的阶段，通过双层优化问题及认知自博弈算法交替优化，并以内在预测奖励评估信念对后续观察的预测能力。作者称，在混合与竞争场景的实验中，该方法优于基于提示和基于强化学习的基线。