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MultiInpaintCOCO：多语言细粒度视觉理解基准
简介本文将英文数据集InpaintCOCO扩展为13种语言的多语言版本MultiInpaintCOCO，包含953个最小配对样本，用于测试视觉-语言模型对图像细节的理解。研究发现，低资源语言的表现明显下降，数据资源多少比与英语的类型相似度更能预测表现。在跨语言检索中，多数模型偏向英文描述，不同架构的偏向程度差异较大。
说明大语言模型在串联质谱结构解析中依赖专业工具才能泛化到分布外样本
简介该论文测试前沿大语言模型能否在不借助候选列表或参考库的情况下，仅凭串联质谱（MS/MS）从头推断分子结构。作者基于MassSpecGym构建了100个分析物的基准，按文献记载程度分为分布内与分布外两组。结果显示，不使用工具时，模型在分布内Top-1准确率为52%，分布外仅为2%；只有接入从头结构生成器后，分布外准确率最高提升至38%，且该智能体优于单独的从头生成模型。
说明校准多重准确性：确定性与随机化的样本复杂度
简介本文研究校准多重准确性，即预测器在有界测试族G上既全局校准又多重准确，残差与每个测试函数不相关。作者确定了该目标的样本复杂度，其量级与多重校准不同，并给出随机化预测器的上界。对于确定性预测器，文中给出了紧的速率，表明二者之间存在实质性的样本复杂度差距。
看点提出校准多精度的紧样本复杂度并与多校准分离，确定性与随机化预测器呈现新的分离，理论界限有实质改进。
说明开放多智能体系统中强化学习的公理化框架
简介本文针对只能控制部分智能体的开放多智能体系统（如智能电网）的强化学习，提出基于Shapley公理（效率、对称性、线性）的公理化框架，并将其与n-agent ad hoc teamwork（NAHT）框架结合。作者据此推导价值函数学习，并建立与Dec-POMDP中Shapley值的联系。基于该框架，提出了Shapley Machines和Banzhaf Machines两种可套用于标准强化学习方法的算法模板，论文称在NAHT基准任务上提升了学习效率和对未见智能体类型与约定的泛化能力。
说明SQLoom：面向Text-to-SQL的句法、语义与逻辑依赖集合对比学习
简介该论文提出SQLoom，一种对大语言模型进行约束感知微调的方法，用于把自然语言问题转换为SQL查询。它在句法有效性、问题语义对齐和子句间逻辑一致性三个层面进行监督，并采用集合对比目标，使正确输出集合优于仅有细微差别的错误输出。实验显示，Qwen3-1.7B在Spider开发集上的执行准确率从零样本的62.9%提升至88.7%，并在BIRD开发集上达到73.4%。
说明通过主动逆向强化学习推断可迁移奖励
简介逆向强化学习旨在从专家示范中恢复在不同动力学环境间可迁移的奖励。该论文提出两阶段方法：先循环使用可用的动力学获得可靠的奖励估计，再主动选择动力学以降低对专家奖励的不确定性。作者给出了适用于任意动力学的迁移样本复杂度保证，且速率与可用动力学数量无关。实验表明，该方法能显著减少学习可迁移奖励所需的专家示范数量。
说明ENGINE：用于零阶大语言模型微调的内生变分多尺度优化方法
简介论文提出 ENGINE 方法，用于大语言模型的零阶（ZO）微调。它在低维子空间与高维全空间之间交替优化，并借鉴计算力学中的变分多尺度理论进行修正。论文报告，在标准大语言模型基准上，ENGINE 比现有零阶方法准确率更高、收敛更快，前向传播次数最多加速 2.61 倍，且不增加峰值内存开销。
说明Top-k检索使记忆价值无法确定
简介论文研究记忆增强智能体如何仅凭检索日志判断记忆价值。作者证明，在top-k检索下，无论记录多少回合，所有记忆的价值都无法确定。为此提出LEDGER方法，只对可确定的Shapley值给出闭式估计与置信区间，并在HotpotQA上将可确定记忆的比例从0.001提高到0.797。
看点新意在于指出top-k检索日志对记忆价值不可识别，给出证明并提出LEDGER方法，在HotpotQA上报告确定记忆比例大幅提高。
说明用于三维人体形状潜在空间编码的网格无关精修模型
简介本文针对SMPL等参数化人体模型重建结果的误差问题，提出一种无需顶点对应关系的精修框架。该框架包含三种方法：Latent-VaRefine利用varifold距离梯度修正潜在编码，Vertex-VaRefine借助DiffusionNet预测规范姿态下的顶点位移，ElaOpt则在弹性正则化与法向约束下直接优化曲面形变。
说明ReVA-HPE：基于合成姿态监督与个性化虚拟锚点的相对六自由度头部姿态估计
简介该论文研究单目人脸头部姿态估计，把问题转化为估计查询图像相对于锚点图像的几何变化，并进一步扩展到完整六自由度（含平移）。方法从一张未标注的注册图像重建个性化虚拟形象，渲染带已知姿态的虚拟锚点，通过多锚点共识获得旋转估计，并借助真实注册图像和关键点PnP处理平移。相对姿态估计器仅用合成人脸渲染训练，无需真实姿态监督。在真实基准上，论文报告其在BIWI上旋转精度达到当前最优，并在平移估计上保持竞争力。
说明特异性偏差与维基百科悖论：领域迁移下AI文本检测器的可解释性分析
简介本文研究基于Transformer的AI文本检测器（DistilBERT、RoBERTa）在领域迁移下的稳健性与可解释性。作者用开源大模型生成的超本地新闻构建分布外数据集进行测试，并借助SHAP开展可解释人工智能分析。研究发现检测器存在多种偏差，并指出纯统计式检测方法在高度结构化的人类写作领域存在系统性局限。
说明图上节点选择任务的严格正确评分规则
简介本文研究图上的节点选择任务，即在图中识别一个未知的目标节点，估计器输出图中各节点的概率分布。作者提出两种考虑图结构的严格正确评分规则：无参数的Resistance评分和可调粗化分辨率的Diffusion评分。实验表明，在流行病源头检测和ImageNet分类中，这些评分能发现经典指标无法察觉的估计质量差异。
说明一种经人工验证的环境声音数据标注AI工作流程
简介本文介绍在肯尼亚森林声音数据集（KFSD）标注中采用的人机协作流程，该数据集的工作集包含21个类别的7,531段录音。研究测试了零样本分类、特征集成方法以及微调的音频频谱图Transformer（AST），其中微调AST在"有人说话"二分类任务上取得89.36%的准确率。由于性能未达到预设的95%自动标注阈值，模型预测仅作为建议，并由人工逐一核验。核验过程未发现误报，核验耗时约每文件4.2秒，相比人工标注每文件35秒，总体节省约20小时（41%）。
说明DeepWaveRL：基于强化学习的自监督全波形反演
简介论文将强化学习引入地球物理全波形反演（FWI），这是一种从地震测量数据估算地下速度等属性的逆问题方法。作者把反演过程重新表述为策略学习：策略网络预测速度图作为动作，正演算子仅用于模拟地震数据，并依据数据失配计算全局标量奖励来加权策略梯度，因此无需获取正演算子的梯度。实验显示，仅依靠这一个标量奖励，该框架的表现即可与监督及自监督基线相比。
说明失配的代价：零阶强化学习中的噪声放大
简介本文研究零阶（ZO）优化在大语言模型可验证奖励强化学习（RLVR）中的可靠性。作者提出方差理论框架，指出两次有限差分评估是否基于匹配数据决定梯度估计是否可靠：数据失配的在线强化学习会因扰动尺度变小而出现噪声下限，匹配数据的BOLT方法则通过噪声抵消消除这一放大。论文由此提出ZO-BOLT，在三种模型和两个数学推理基准上相较预训练基线有持续提升，且内存占用接近推理水平。
说明重新思考多类别与多群体评估中的公平性指标：并非一切都是二元的
简介本文指出，现有公平性指标通常假设敏感特征和输出标签都是二元的，遇到非二元数据时，常被强行用“一对其余”的方式二值化。作者讨论了现有指标的局限，并提出适用于多群体和多类别情形的数学上合理的一般化公平性指标。文章还显示，二值化策略会扭曲实证评估结果，说明二元公平性指标在多类别场景下的不足。
说明离散时间尺度上面向生存与竞争风险的泊松超级学习
简介本文提出泊松超级学习器，一种用于带右删失数据的生存与竞争风险预测的可扩展集成方法。它利用分段常数风险模型与泊松似然之间的对应关系，在共同的泊松损失下训练候选风险学习器，并由泊松元学习器组合交叉验证后的对数风险预测。该方法可用于估计生存概率和特定原因的绝对风险，并以斯滕诺糖尿病中心2005至2022年的数据预测1型糖尿病患者的心血管疾病风险，同时辅以模拟研究。分析使用免费的R软件包poissonsuperlearner实现。