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EvoWorld：生成式视频模型中视野外的世界演化研究
简介该论文指出，生成式视频模型擅长渲染逼真画面，却缺乏对事件后果的推理能力。作者提出“视野外因果演化”问题，并提出EvoWorld框架：由视觉语言模型负责推理世界状态的变化，由分段自回归视频渲染器将其呈现为画面。论文还发布了用于训练与评估的EvoWorld-Data和EvoWorld-Bench，实验表明该方法在事件驱动的因果演化上优于近期模型，同时保持了视觉质量与一致性。
说明TailSteer：面向多轮图像编辑中抗漂移的轨迹尾部引导方法
简介论文指出，单轮图像编辑表现好并不代表多轮交互可靠，编辑结果反复使用时微小的意外改动会累积成明显的视觉漂移。作者提出TailSteer，这是一个最后阶段的训练框架，在保留模型已有生成与编辑能力的同时，提升多轮编辑的稳健性。实验覆盖FLUX、SenseNova和Qwen系列，结果显示其在15至20轮编辑中显著降低了累积漂移，同时在多项基准上基本保持基础模型的表现。
说明耦合场景图预测：约束后召回率如何掩盖结构不一致
简介该论文提出CoupledSGA，用于预测未来视频帧中物体之间的关系。模型通过关系交互图让共享实体的关系相互影响，并加入基于互斥谓词矩阵的结构一致性损失。作者指出，带约束的评估协议无法反映组内冲突，并在Action Genome上显示：启用该损失后，无约束矛盾率从45.92%降至4.07%，但R@20从42.21%降至35.18%。
说明基于智能手机的VR健身游戏：用实时姿态估计为高强度间歇训练加入游戏化元素
简介本文提出一套VR健身游戏系统，把高强度间歇训练（HIIT）做成游戏，包含11种预设连招动作。系统用固定在三脚架上的普通智能手机摄像头捕捉全身动作，经姿态估计算法实时处理，再由基于MCP协议和GPT-4o的后端生成动作标准度、效率、强度及受伤风险的评估。20名18至25岁参与者的对照实验显示，VR条件下的乐趣、沉浸感和推荐意愿评分更高，系统评估与一位认证教练的结果一致率为87.5%。
说明大规模ConceptARC：研究推理模型的概念理解能力
简介本文提出ConceptARC at Scale，一个能生成大量ARC风格任务的生成器，用于针对特定概念构造测试题。作者据此构建了ConceptARC-100数据集，包含16个概念各100个经人工审核的新任务，规模为原基准的十倍。研究评估了多种近期推理模型及从头训练的模型，并分析其内部表示，发现任务表示按作用于对象的操作（如重新着色、移除、平移）聚类，提示模型可能形成了较稳定的变换操作抽象。
说明用小型语言模型模拟 Shell 输出的模板间隙重建方法
简介该论文提出模板间隙重建（TGR）方法，用小型语言模型模拟 Shell 命令输出而不实际执行命令。方法先选择可复用的输出模板，再由模型自回归生成模板中的变化部分。在排除目标环境的模板库上评估，TGR 在模板覆盖率较高时提升了输出编辑相似度，并减少了 26.3% 至 38.3% 的生成词元。
说明《Turns Matter》：以轮次级信用分配推进流式视频强化学习
简介论文针对流式视频理解中模型需反复决定回应还是继续观察的问题，提出TurnWise，一种轮次级GRPO框架。该方法为每个流式决策单独计算组相对优势，并按轮次平均token损失，使回应与等待决策权重相同。实验表明，该方法在流式视频理解任务上优于既有强化学习方法。
说明Airlock：通过选择性在线隔离限制多智能体故障的扩散范围
简介论文提出 Airlock，一种面向多智能体系统的运行时与防护机制，用于在故障告警后进行选择性隔离。它以树状运行时 EdgeCitadel 纵向收窄权限，并用只追加的数据溯源有向无环图横向追踪跨智能体的数据使用。告警后，系统沿溯源图前向隔离受污染的执行与待执行动作，后向定位根因；可选的最优割策略则在截止时间约束下最小化对健康工作的影响。
说明灵巧机器人手在基础模型时代：硬件、数据、跨构型迁移、学习与评估的全栈综述
简介本文是一篇综述，回顾2024年1月至2026年11月初关于灵巧机器人手的研究，并纳入早期工作以梳理技术脉络。文章将相关文献分为硬件、数据采集与整理、跨构型迁移、学习与基础模型、评估与应用五个相互关联的层面。综述认为，人类数据的价值取决于运动学、视觉和接触上的对齐，而非单纯的数据量；共享动作表示和基础策略并不能消除对力、延迟和接触的构型特定约束；仅完成任务不足以证明物理正确性或可部署性。
说明基于中心流分析的稳定性边缘对称性破缺研究
简介神经网络中的连续对称性会带来在梯度流下保持不变的守恒量，例如线性网络和ReLU网络中的层平衡性。有限步长的梯度下降在稳定性边缘（EOS）附近未必保持这些守恒量，此时迭代点围绕一条更平滑的轨迹振荡，可用中心流动力学（Cohen等，2025）描述。本文研究了这一区域中梯度流守恒律在中心流描述下的演化，并分析标量双层模型、双层矩阵分解和双层ReLU网络，判断哪些守恒律保持、哪些被破坏。
说明多语言大模型基于非参数记忆的推理：关系知识的认知分析
简介本文提出 Rel-Bloom 多语言诊断基准，包含 450 道选择题，基于 30 个 Wikidata 关系，按布鲁姆分类的五个层次和三种真实性条件构建。研究在 43 个模型、六种语言上考察模型依据上下文中给出的事实进行关系推理的能力。结果显示，从应用到分析层次准确率明显下降，评估层次对多数模型仍是瓶颈；反事实语境通常比事实语境更难，模型能力提升并不必然带来对给定关系证据的可靠推理。
说明能量引导传输：一种无需投影的物理约束流匹配方法
简介论文提出能量引导传输（Energy-Guided Transport），一种无需额外训练的框架，把非线性物理约束表示为光滑的势能函数。方法在生成过程中对中间状态施加连续的耗散力，引导其趋向物理流形，而非中断ODE积分或进行代数投影。作者在多个一维与二维物理系统（包括混沌的Navier-Stokes方程）上进行了评估。
说明超越原则与实践的差距：将负责任的人工智能视为情境化的认识与伦理实践
简介负责任的人工智能研究发现，伦理原则常未体现在人工智能的设计与开发中，以往多将此视为执行、意识或合规问题。本文基于对十四位参与设计与治理人工智能反人口贩运系统人员的半结构化访谈，提出不同解释：这种差距源于各行动者所处的制度与专业条件，决定了他们将哪些问题视为需要行动的伦理问题。文章提出感知、判断、情境行动与社会技术物化四个环节，并主张负责任的人工智能治理需要完善的认识基础设施，使受影响群体的知识能够被接纳并转化为设计行动。
说明ALTO：非洲与黎凡特地区技术助长的性别暴力语料库
简介该论文介绍了ALTO数据集，收录约3022条在黎凡特阿拉伯语、非洲法语和斯瓦希里语中的技术助长性别暴力（TFGBV）实例，由约旦、西非法语区和肯尼亚的民间组织协作众包收集，并通过主动学习进行标注。研究发现现有有害内容检测模型对这些语料的召回率较低，微调后有所改善；模型普遍漏检隐蔽性伤害，斯瓦希里语的错误率明显更高。作者同时公开了标注体系、数据集与训练模型。
说明《Where It Breaks》：诊断视觉语言智能体在吃豆人游戏中的感知、记忆与决策失败
简介该论文以基于Qwen3.5-9B的视觉语言智能体玩吃豆人为研究对象，只使用上下左右四个动作，分析性能不佳时问题出在屏幕识别还是长序列动作选择。研究通过独立的感知检验和基础策略强化学习实验进行，在八个未见过的迷宫上完成率从优化前的0%提升至选定检查点的80.2%。结果显示，静态截图识别准确与交互中出现错误可以并存，且进一步优化可能伴随动作选择变差。
说明基于智能体驱动生成先验的病理图像合成与分割
简介该论文提出一个三阶段框架，用于缓解病理图像像素级标注稀缺的问题。框架先用病理智能体系统筛选图像质量，构建了来自TCGA的TCGA-200K数据集（217,030个图像块），再训练生成模型并将其骨干网络迁移到语义分割任务。作者还发布了包含约38万个细胞、12种细胞类型专家标注的PathSeg-380K数据集，实验显示该框架在多个病理数据集上取得了领先的分割性能。
说明PINR-ESI：用于脑电扩展源成像的物理信息自监督隐式神经表示框架
简介本文提出一种无需成对源标签、也不依赖仿真监督预训练的脑电扩展源成像方法。该方法用导联场矩阵约束隐式神经表示，使预测脑电与实测脑电一致，并把皮层电流密度建模为连续坐标场。仿真实验显示，该方法在识别多个或较大活动皮层区域时优势较明显；使用癫痫患者的真实脑电和颅内刺激实验数据的评估也支持其用于源成像的可行性。
说明《Don't Replace, Complement》：一种与检测器无关的子空间信号，用于近分布外检测
简介该论文针对机器学习中的近分布外（near-OOD）检测提出 PLUS 方法，为每个类别从稀疏自编码器中选取若干神经元，构成低维子空间，并以样本在其预测类别子空间内的白化马氏距离作为信号。该信号以固定的全局权重与现有检测分数相加融合。实验表明，在18种检测器和126种检测器–骨干网络组合中，该信号均提升了近分布外AUROC，远分布外性能基本保持或有所提升。
说明LifeVal：评估AI模型在个性化代理式消费任务上的表现
简介本文提出LifeVal基准，用于评估AI模型完成个性化消费任务的能力，涵盖148类消费任务（如理财、搬家、求职、找托育等）。作者通过对3800多名消费者的调查，并对照美国时间使用调查和多国时间使用研究，估算这些任务的支付意愿。任务由具备相应经验的创建者基于真实的对话记录、参考文件和个人情境设计，并经过至少三轮人工质量审核。
说明Sekai：面向广义推理视频分割的增量事件记忆方法
简介本文提出广义推理视频分割（GRVS）新任务，目标对象集合随视频中累积的查询相关事件动态变化。作者构建了诊断性基准 Isekai（60 个视频、197 条查询），并提出在线框架 Sekai，包含维护事件与目标状态的事件记忆推理器和基于记忆定位目标的解码器。实验显示 Sekai 的 J&F 达到 50.33，比最强基线高 3.2 分。
说明SecureGARD：面向安全工具调用大模型代理的动态本体引导治理框架
简介该论文针对会调用工具的大语言模型代理，提出动态本体引导的治理框架SecureGARD，用统一语义表示和可执行本体判定操作为就绪、等待或禁止，以抵御间接提示注入攻击。等待状态允许在不扩大授权范围的前提下有限重规划；本体在离线阶段依据训练执行结果演化。作者称其在AgentDojo、ASB和AgentDyn三个基准上攻击成功率为0%，并提升了受攻击时的任务效用。
说明遗忘算法学到的是正确的特征吗？
简介本文研究机器遗忘（删除训练数据后让模型不再依赖这些数据）的评估方式。作者指出，只比较删除后的输出结果，可能掩盖遗忘模型与重新训练模型在编码特征上的差异。文章证明两者输出一致时，仍可能只需一步梯度更新就打破这种一致，并提出区分缺失特征与多余特征的特征恢复度量。在八种遗忘方法中，多数在标准指标上表现良好的模型，并未恢复重新训练所得的特征。
说明自导向苹果品尝：一种部分反馈的在线学习问题
简介本文研究经典的苹果品尝（apple tasting）设定，这是一种部分反馈模型，学习者只有在预测为1时才能观察到真实标签。作者研究学习者可自适应选择预测点顺序的自导向设定，在可实现（realizable）情形下给出了期望极小化极大错误数的四分法，速率取决于VC维、∅中心星数和自导向维数。在不可知（agnostic）情形下，极小化极大遗憾为 $\tilde \Theta(\sqrt{n})$ 或 $\Theta(n)$，取决于VC维。
说明AgentTrustCI：面向 Java 大模型智能体的构建期策略、依据与轨迹测试框架
简介本文提出 AgentTrustCI，一个基于 Java 与 JUnit 5 的测试框架，用于在构建阶段检查大模型智能体是否选用了允许的工具、回答是否基于工具输出、以及是否遵循了规定的工作流程。框架通过对已记录轨迹的策略、依据与轨迹检查来实现，并在 55 个合成用例上进行了评估，全流程正确分类了所有注入故障和通过的对照用例，未漏掉任何关键用例。论文强调这些结果仅反映所编写回归测试集的覆盖情况，而非生产环境准确率。
说明CardioDrift：基于三维图谱网格与形状感知相干点漂移的全自动心脏运动追踪方法
简介该论文提出CardioDrift，一种全自动、基于图谱的概率框架，用于从心脏电影磁共振图像中追踪个体心脏运动。方法将相干点漂移（CPD）推广到多个心脏区域的图谱表面配准，并在同一概率模型中加入切片偏移校正。在1301名随机选取的UK Biobank受试者和M&M数据集上评估，左心室、心肌和右心室的Dice相似系数分别达到92.23±8.70%、82.11±7.56%和88.69±4.13%，在两个数据集的各项距离和重叠指标上均超过最强基线。
说明搜索智能体在哪里偏离轨道：基于图结构的逐步验证
简介该论文关注搜索增强推理系统可能在中间步骤出错、却仍得出正确答案的问题。作者提出GraphRail方法，把问题要求、证据和推理过程表示为结构化论断并进行比对，无需生成式判别器或标准答案。在三个多跳问答基准和三种推理框架上，该方法比生成式验证器更能发现错误，且在随机抽取时保持稳定。
说明通过时序指纹识别分布式模型提取背后的调度器
简介论文研究了API蒸馏攻击者如何把请求分散到大量负载均衡账号上以规避内容检测。作者指出，请求的到达时间和流式响应完成时间可以暴露底层的调度策略，如轮询计数器或密钥洗牌池。使用20%的种子账号，该时序分析可在20分钟内对同一攻击活动中的其余账号进行排序，AUC为0.92至1.00。
说明通过弹性专家并行提升强化学习后训练的资源效率
简介论文指出，大语言模型强化学习后训练中生成回答是主要计算瓶颈，在混合专家模型中，已完成回答的工作单元仍因其他单元需要其专家而被占用。作者提出FlexFloor系统，在同步生成回答时更早释放资源，同时保留正在进行的回答所需的专家计算。相比verl基线，FlexFloor每单位占用计算时间生成的回答令牌数增加约65.40%，生成吞吐量提升52.74%，回合奖励几乎无明显变化。
说明超越准确率：公共服务中的人工智能保证应确立什么
简介该论文研究公共机构使用人工智能生成的分类、摘要等证据时，如何确认其可靠性。作者用八种GPT-4o配置对英国首相质询中的1200个问题进行政策议题分类，并与人工编码及重复运行结果比较。结果显示，各配置准确率约为68.2%至70.3%，但有24.3%的问题标签发生变化，且配置之间的一致不等于正确；同时分析了37份英国和欧盟政策文件的测试与监督要求。
说明用校准的关系型世界模型检测静默的动作接口错配
简介机器人动作可能满足形状和范围约束，但语义错误，例如坐标轴置换、符号反转、旋转缩放或夹爪极性颠倒。该研究用学习到的状态-动作-效果关系作为离线约束，用干净的保留转移数据校准告警，并在固定的逆向词表上对可能出错的字段排序。在十个LIBERO Spatial任务共432条源片段上，于2.5%的经验干净误报率下，联合高斯混合模型的精确条件分布召回率为65.7%，高于岭回归前向残差的46.1%和联合评分的61.0%；联合评分的定位准确率更高（95.8%对94.6%）。这些是回顾性诊断，并非部署校准保证。
说明动态状态空间扩散用于时空预测
简介该论文提出动态状态空间扩散模型（DSSD），用于时空预测。与对每一帧施加独立噪声的传统扩散模型不同，DSSD让噪声过程本身学习时间结构，通过稳定的阻尼振荡状态空间模型构建时间核，使噪声能够捕捉多时间尺度和振荡相关性，而去噪器结构保持不变。在科学场数据集和机器人视频数据集上，DSSD优于与其共享去噪器的扩散基线模型。
说明大语言模型在政治与社会科学研究中的可复制性、可重复性与稳健性
简介本文讨论大语言模型用于社会科学研究时的可复制性问题，因为模型输出具有概率性，且随模型与版本不同而变化。作者提出以结果分布而非完全相同输出为依据的概率性标准，并介绍标准化提示脚本与误差结构分析方法。通过三个数据集，文章显示测量方式的选择可能使下游回归系数的符号反转。文章还提出一种开放权重模型的堆叠集成方法，用于在修正步骤中提高精度，同时保持估计的有效性。
说明基于持续先验补偿的人体运动预测
简介本文研究人体运动预测，即根据已观测的过去动作序列预测未来不同时刻的人体姿态。作者提出持续先验补偿框架（CPC），将不同时长的预测拆分为多个子任务并分阶段训练，并引入可学习的先验补偿因子（PCF）衡量先验知识的损失。在此基础上还提出了细粒度版本CPC++。实验在三个基准数据集上使用多种主流预测模型进行，结果显示该框架有效且灵活。
说明基于不确定性驱动的无人机协同感知高效通信
简介本文提出一种名为UCP的框架，用于无人机协同感知中的高效通信。该方法利用观测不确定性识别传感器受限区域，并利用判别不确定性识别决策边界附近的模型模糊区域，据此生成空间请求图和供给图。接收到的消息由基于不确定性引导的交叉注意力模块U-Fusion进行聚合。作者在三个基准上完成了3D目标检测和轨迹预测实验。
说明TestBED：用于贝叶斯实验设计的开源工具包
简介本文提出TestBED，一个通用的开源贝叶斯实验设计（BED）工具包。它将BED流程拆分为任务、目标、训练机制、策略架构和评估流程等可复用的模块，并提供期望信息增益估计器等核心组件的可扩展实现。作者借助该工具包对当前主流BED方法进行了大规模基准测试，并通过对照实验考察了设计策略架构中时间嵌入等常被忽视的方法选择。
说明Trick-or-Treat：用合成图像对多模态医学推理进行对抗性评估
简介论文提出 Trick-or-Treat 基准，将真实胸部 X 光片与合成的临床照片配对，考察模型的跨模态推理能力。在匹配与不匹配的图像对中，三款前沿模型在不匹配情况下编造临床显著发现的比例为 45%至 57.5%，高于单独看照片时的 25%至 37.5%。研究表明，模型倾向于忽略矛盾并编造与 X 光片相符的发现。
说明从认证的配对到认证的枢纽：经推理机检验的 IES 对照映射
简介本文针对国家数字孪生生态中各本体通过映射连接到公共基础的问题，给出映射有效性的精确定义，即合并本体的一致性与保守性。作者以信息交换标准（IES）为基础，将其与十三个本体的映射逐对检验，并进一步检验整个枢纽。结果显示，逐对认证与人工审查各自发现不同错误，两者结合后十二个重叠配对中有十一个一致且保守；但合并三个建筑本体映射后出现不可满足的类，说明逐对认证无法组合，应以枢纽而非配对作为认证单位。
说明面向物理AI的Cosmos交互式世界仿真框架
简介该论文提出一个共享框架，将Cosmos世界基础模型改造为可实时交互的世界仿真系统。框架根据动作和场景控制实时输出视觉观测，使用户和具身智能体能与不断演化的虚拟环境交互。论文在相机导航、机器人操作、可控视频迁移和多视角自动驾驶仿真中展示了该方法，并提供代码与模型权重。
说明从稀疏标注中学习三维延时显微镜下的细胞追踪
简介该论文提出一种细胞追踪流程，用于在仅标注部分细胞的三维延时显微镜图像中重建细胞谱系。方法包括基于稀疏标注的检测、利用图像特征校准候选连接概率，以及联合选择谱系图事件。在对2个斑马鱼胚胎的199个视频进行5折交叉验证中，总体得分为0.9762。
说明不知协方差时，差分隐私的无维度均值估计不可能实现
简介本文研究协方差矩阵未知时，差分隐私高斯均值估计的理论下界。已知协方差时，最优样本复杂度只取决于其谱而与环境维度无关，但本文证明协方差未知时私有估计器无法达到类似保证。当样本量小于有效维度时，最优误差可能比已知协方差情形大 √(d/n) 倍；当样本量大于有效维度时，即使是有效维度受 log d 限制的对角协方差，误差也可能大 √d/n^{3/2} 倍。
看点证明在未知协方差下私有高斯均值估计存在维度相关的下界，改进了已知协方差情形的结论，并给出两种样本量区间的界。