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）。
说明分层增量Beta溅射在线重建：一种面向在线三维场景重建的新方法
简介该论文提出分层增量Beta溅射（HIBS）方法，将Beta核引入在线增量三维重建。其形状参数可在类高斯的柔和分布与平顶近不透明面元之间调节，作为几何置信度的调节器。方法通过置信度感知的图元生成、误差驱动的重定位和基于LOD层级的合并等机制改进重建。在Mip-NeRF 360数据集的在线协议下，论文报告PSNR最高提升0.8 dB，优化时间最多减少40%。
说明交互式视觉健身房：用模拟用户在交互环境中评估视觉交互模型
简介该论文提出Interactive Visual Gym框架，通过模拟可执行任务环境与人类用户的联合运行，对视觉交互模型进行闭环评估与训练。作者构建了烹饪、家务操作和移动界面三类模拟器，并基于此推出包含315个交互场景的IVG-Bench基准。评测显示，表现最好的模型仅完成53.4%的任务，且在事实依据和可操作指导方面存在明显不足。
说明情境完整性的生成模型：恰当与不恰当的信息共享
简介该论文构建了一个情境完整性（CI）的生成模型，通过模拟对话研究信息共享。由大型语言模型扮演的两方交换消息，一方持有私密信息，另一方试图获取。研究考察了共享与拒绝如何随情境、持有方的决策逻辑、倾向及底层语言模型而变化。结果显示，在需要时，参与者会把信息共享给应当获得者，但也会向无权获得的人披露。
说明Multimodal-SEA：多模态社会工程攻击下的AI智能体安全基准
简介该论文提出Multimodal-SEA交互式基准，包含608个基于真实诈骗案例设计的任务，覆盖14个领域和152种攻击场景，并附带多模态内容。研究在模拟环境中评估了七个主流多模态模型，发现它们均存在脆弱性，攻击成功率为7.1%至34.5%。加入多模态内容后，攻击成功率从19.9%上升至29.2%。
看点首个面向多模态社会工程攻击的交互式安全基准，覆盖608个任务，在七个多模态模型上验证并发现攻击成功率显著上升。
说明LeanContext：将数学资源与局部形式化上下文分离，用于Lean整证明生成
简介该论文提出LeanContext基准，包含129,826个Lean整证明生成问题，并将已选中的完整前置数学声明归为数学上下文（MC），其余局部源命令归为环境上下文（EC）。研究比较了不同输入视角下的训练与推理效果，发现在训练包含MC时，所选声明相较其他可比选项的优势更大。优先处理目标所引用的遗漏声明后，在2000个目标上，LLaDA和Llama的Pass@32分别提升1.40%和1.70%。
说明将策略编码器与形状教师对齐：让图像策略在训练中学习三维形状信息
简介本文研究如何让仅使用图像输入的机器人操作策略在训练阶段获得三维形状信息，部署时保持纯图像接口。作者提出形状教师对齐方法，用预训练的点云表示模型（Point-MAE）提取的物体特征作为目标，对齐图像策略编码器中对应的图像块。该方法不改变部署时的输入或架构。在LIBERO基准上，该方法使图像表示更围绕物体形状及其部件组织，并显著加快策略收敛、提高成功率；在预训练策略上，Object和Spatial任务集的收敛速度分别提升4.7倍和5.6倍。
说明用大规模并行加速安全强化学习
简介本文研究如何把安全强化学习扩展到大规模并行训练：大量环境以较短的展开步长同时运行，以提高数据吞吐与训练效率。针对约束马尔可夫决策过程中基于完整回合成本的安全约束与短轨迹之间的不匹配，作者提出相位聚合成本估计器，并结合有限样本不确定性与分布失配设计约束收紧框架。基于 MJX 实现的 Safety Gym 实验表明，该方法性能与非大规模并行实现相当，同时显著缩短训练时间。
说明DART：面向通用异常检测的领域无关残差迁移方法
简介本文针对通用异常检测（GAD）问题，即仅凭少量参考样本在未见领域中检测异常。作者提出DART，一个可插拔框架，将残差分离为与异常相关的部分和领域特定部分，并通过残差解耦模块和跨领域元训练实现这一分离。在MVTec AD、VisA和BraTS上的实验显示，该方法对多个基线方法均有稳定提升，在领域偏移较大时提升最明显。
说明表面通过但结果错误：API迁移后LLM代码修复的静默失败
简介该论文研究大语言模型修复程序后出现的问题：在运行时或API迁移后，修复后的程序可以正常运行却返回错误结果，而仅用典型输入的发布检查会放行这些程序。作者在CPython、Node.js和SQLite的60项已记录变更上，对73项任务进行了预注册研究，并在真实运行时中用保留的契约执行每个候选程序。研究发现，仅依据典型输入的检查放行了0.410的错误修复，加入一个依据发布说明编写的边界输入后降至0.065。
说明SplatAnything：面向任意场景前馈式3DGS的高斯间距归一化方法
简介该论文指出现有前馈式3DGS方法的一个局限：高斯属性通常在按径向距离归一化的空间中预测，但相邻高斯中心的间距会随场景尺度和相机配置显著变化，导致监督目标产生系统性偏移。作者提出SplatAnything及高斯间距归一化（GSNorm），以稳健的场景级高斯间距统计量作为归一化基准。论文还建立了覆盖多种数据集、输入稀疏度和外推视角的系统基准，实验表明该方法在场景尺度和视角变化较大时表现突出。
说明通过解耦的行为预训练扩展神经运动解码
简介该论文提出BEEMO框架，可同时使用成对的神经与行为记录以及未配对的行为数据进行训练。行为解码器直接从行为轨迹学习运动动态，神经活动在可用时通过交叉注意力层加入。在多个非人灵长类皮层内运动数据集和任务上，加入未配对行为数据可提升解码性能，尤其是在迁移到新任务时；仅使用行为数据的预训练也能达到与基于更大神经数据集预训练模型相当的性能。
说明模拟视角的几何结构：多模态语言模型中表征与行为的分离
简介该论文研究多模态语言模型Qwen3-VL-8B-Instruct在不同角色设定下，对图像有趣程度判断的内部表征几何结构。研究在100张图像和53种提示条件下，同时记录行为评分与各层隐藏状态。结果显示，早期层主要编码图像身份，角色相关结构在后期层出现；提示措辞对内部表征的影响大于角色身份，而角色内容对行为判断的影响更大。
说明基于静止卫星影像的热带气旋风场与强度临近预报
简介合成孔径雷达（SAR）可提供高分辨率的热带气旋地面风速，但观测在空间和时间上较稀疏，且无法近实时获取。本文提出简单的神经网络，从静止卫星影像预测二维风场和风暴尺度的强度指标。消融实验表明，从模型潜在空间联合预测二维场与标量指标，能更好地反演最大风速（及其半径），对快速增强事件尤为明显。
说明面向全局时间序列预测的按序列交叉验证
简介本文研究时间序列预测中的交叉验证问题，重点关注基于深度学习的全局预测模型。作者提出按序列划分数据的交叉验证方法，并在11个数据集和10种神经网络架构上比较了K折、自助法和蒙特卡洛交叉验证等实现方式。结果显示，按序列交叉验证有助于选出泛化能力更强的模型，下游预测精度更高，而按时间划分的方法在估计样本外误差上略有优势。
说明几何相关性并不充分：扩散对接中聚焦后训练监督的评估
简介本文以 DiffDock 为对象，在固定训练预算下比较了广泛续训与聚焦于扭转自由度监督（按笛卡尔结构后果或条件目标一致性选取）以及两者混合的效果。评估区分了固定评分保真度、生成构象质量、best-of-10 采样能力和置信度选择的 Top-1 对接成功率。结果显示，在 <5 Å 标准下，广泛续训的平均 Top-1 成功率最高，聚焦或混合监督在测试预算下没有一致的优势。
说明面向价值的策略蒸馏：可解释的风电场功率控制
简介本文研究风电场在欧洲隐性平衡机制下的功率控制问题，即风电场根据输电系统运营商发布的信息调整功率设定值，以帮助系统恢复平衡并降低自身因预测误差产生的不平衡成本。作者提出基于可解释提升机（EBM）的策略蒸馏框架，将强化学习策略转化为透明的控制策略，并引入面向价值的视角与专家知识。使用比利时电网和一座海上风电场的真实数据，结果显示该控制器可将不平衡成本降低82%，优于价格阈值控制器和决策树蒸馏基线。
说明FewStepRL：用强化学习微调少步扩散模型
简介本文提出FewStepRL框架，将针对多步扩散模型设计的强化学习目标改造用于少步扩散模型。方法分为变换、分解与适配三个阶段，把各目标统一写成梯度形式，即自回归对齐与奖励增强之和。作者在统一代码库中实现了FlowGRPO、AWM、DiffusionNFT、DiffusionOPSD和ReFL的少步版本，并比较了它们的效果。
说明终端式数学建模评测基准TB-MathModel：首个具备智能体能力且可验证的数学建模基准
简介该论文提出TB-MathModel，一个面向完整竞赛式数学建模题目的评测基准，涵盖2023至2025年18道全国大学生数学建模竞赛（CUMCM）与美赛（MCM）真题。任务在容器化终端中提供原题、附件和图表，智能体需返回一份JSON结果，并依据获奖论文复现的参考答案对最终问题的数值核心进行评分。该基准采用方向感知的单侧评分，并结合程序化约束检查与Lean 4形式化验证的两层可行性校验。
说明超越二次注意力：用于ODE视觉Transformer的可分离高斯算子
简介论文提出SSoG，一种可分离的高斯和空间算子，用学习到的轴向分解高斯核混合代替密集自注意力，把每层计算成本从O(N²)降到次二次。固定核时该算子全局Lipschitz连续，连续深度版本因此具有全局唯一解。在CIFAR-100（224×224）上，SSoG在多种模型宽度下准确率提升2.2至4.1个点，参数减少8.8%至16.6%；在1024×1024输入上，连续深度架构吞吐量最高提升154%，峰值内存降低超过60%。
说明用户如何审视大模型回答：证据、语境与追问行为的真实对话研究
简介该论文分析了ShareChat与WildChat中489,283组助手与用户的回复对，研究回答中的特征如何影响用户随后是接受、核查还是质疑。结果显示，宽泛的归因表述出现在31.9%的合格回复中，而明确的URL仅占1.33%，说明声称有依据与可检查的实际依据之间存在差距。作者认为，支持核查需要关注证据是否可检查、用户想解决的问题以及交互历史。
说明从扭曲事实到失控智能体：大模型能否可靠识别多维幻觉？
简介本文提出HaluCheck，一个大规模双语基准，包含超过4.2万条样本，涵盖文本中的事实性幻觉与智能体轨迹中的忠实性幻觉，并提供检测、定位和修正的细粒度多级标注。对14个大模型的实验显示，模型具备基本的样本级检测能力，但在细粒度定位、修正以及智能体幻觉检测上表现不佳。进一步分析表明，思考、网络搜索和监督微调各有部分改进，但都未能完全解决该问题。
说明“盲目顺从”：AI越狱中的强制控制
简介本文指出，现有的AI越狱研究主要关注模型最终输出的内容是否有害，忽视了用户与AI之间的互动关系。作者借鉴人际暴力研究，提出了一套强制控制的分类框架，并探讨这些动态如何嵌入现代AI训练范式中。文章将AI安全与对齐重新定义为权力与控制关系的体现，而不仅仅是技术安全问题。
说明Agent-R²：用真实来源数据合成扩展面向真实办公工作的智能体
简介该论文提出Agent-R²框架，以真实职业种子、语料中的工作流证据和网络上真实的文件为基础合成训练数据。从1万个网络语料候选中筛选出4000个任务实例，每个实例配有真实多格式附件和细粒度的交付物级评分标准。基于该数据训练的Agent-R²-4B在GDPval和OfficeQA上分别达到51.0%和14.8%，超过Qwen3-235B-A22B-Thinking-2507的48.0%和13.8%。
说明ProQuant：面向边缘多模态大模型的渐进式量化感知训练
简介本文提出ProQuant，一种面向低比特多模态大语言模型的权重-激活量化感知训练框架。它通过自重标注（SRL）对齐微调数据分布，并用渐进式块激活（PBA）机制及视觉敏感因子优先恢复多模态理解能力。在2B至8B参数模型上的实验显示其优于现有方法，例如W4A8的Qwen3-VL-2B-Instruct平均准确率提升6.6%，性能接近全精度模型，仅下降约1%。
看点新意在于对低比特MLLM提出渐进式QAT框架，并区分多模态理解与语言建模能力；摘要报告在2B-8B模型、多个基准上的实验，W4A8下平均精度提升6.6%。
说明表面肌电（sEMG）基础模型能否提升跨受试者泛化能力？
简介该论文系统评估了三种表面肌电（sEMG）基础模型在三个手势分类数据集上的表现，分别采用同一录制时段内划分和跨受试者划分两种方式，并使用三种微调策略来单独考察预训练的作用。结果显示，当训练与测试样本来自同一录制时段时，预训练能提升性能，但在跨受试者评估中这一优势基本消失。在受试者数量较少的数据集中，预训练几乎没有帮助，经典机器学习基线的表现与基础模型相当或更好。
说明SMART：面向验证的基于状态的多智能体推理轨迹
简介该论文提出多智能体框架SMART，通过捕捉问题情境中参与实体的隐含状态来获取解题所需的额外知识。SMART借助多种大语言模型和基于角色的结构化提示策略，整理出多样、互补且与解题相关的前提。论文报告，利用这些经过现实验证的前提进行知识引导推理，在跨越3个数据集的复杂科学论断上，验证性能提升最多达20%，并称将前提与现实知识相结合是必要的，能带来最多5%的性能提升。
说明基于正例-无标注学习的建筑损毁制图地理空间基础模型高效适配方法
简介本文提出PUMA框架，用于在仅有少量受损建筑标注的情况下，将地理空间基础模型适配到建筑损毁制图任务。该方法结合非对比式弱监督表示优化与基于潜在状态的标签消歧，以减轻噪声监督的影响。作者在全球多个灾害基准数据集上进行了实验，并应用于2025年洛杉矶野火的实际场景，结果表明该方法在监督极为有限的情况下仍具有有效性和鲁棒性。
说明用于三维医学视觉-语言建模的多模态分层专家混合模型（MedHiVE）
简介本文提出MedHiVE框架，用于三维医学影像与报告的联合建模。它利用分层视觉-语言软专家混合（SMoE）与对比学习，同时刻画细粒度解剖结构和整体扫描信息。模型在超过25,000份CT扫描上预训练，并带有解剖学监督，在6个数据集的分割、分类和检测三项任务上，超过了11种现有先进方法。
说明BUMP：线性插值中的短暂意外峰值现象
简介论文发现，在经过置换对齐的两个神经网络之间做线性插值时，测试准确率会在靠近端点处短暂上升，随后向中点下降，作者将此称为BUMP。该现象在多种数据集、架构和训练方式下都能观察到，并在早期检查点和大幅剪枝等扰动下保持稳定。基于这一现象，作者提出一种结合权重混合与预测空间混合的集成方法，在实验中测试准确率优于标准的logit集成，并在校准权衡上有所改善。
说明知道何时施教：从可教前缀中学习多语言推理蒸馏
简介本文研究多语言推理中的同策略自蒸馏（OPSD）方法，发现学生在中间步骤累积错误时，教师模型可能跟随学生的错误步骤而非纠正，称为“教师漂移”，且这种现象在低资源语言中出现得更早。作者提出可教同策略自蒸馏（TOPSD），利用师生似然度判断漂移起点并选取前缀，再验证教师能否从该前缀恢复正确答案，仅对通过验证的前缀进行蒸馏。在十种语言和三种模型规模的多语言数学推理实验中，TOPSD 整体优于传统 OPSD，尤其在低资源和中资源语言上。
说明BabyTheorist：仅从观察中学习理论的基准测试
简介该论文提出BabyTheorist基准，用于评测机器能否仅凭纯观察学习可复用的理论，并将其应用于新情境。基准从隐藏的组合程序生成连续的前后视觉观察流，训练时不提供程序标签、任务身份或支持集。实验显示，七个代表性基线方法的表现远低于上限，且随课程难度提升差距扩大。
说明PCBRouteAgent：大语言模型智能体离成为PCB布线工程师还有多远？
简介本文提出PCBRouteAgent，一种用于印刷电路板（PCB）自动布线的多模态智能体。它由全局布线规划器和详细布线执行器组成，前者依据板图和电气、几何信息规划连接拓扑、布线顺序与走线通道，后者借助KiCad原生布线引擎执行并进行有限局部修复。在247块合成与真实电路板上的测试中，其在四个测试子集上的无误通过率分别为100%、94.9%、100%和40%，在三个真实板子子集上分别比最佳基线高出13.9、36和10个百分点。
说明双边贸易中利润最大化的遗憾界：学习最优定价机制
简介该论文研究一个中间人（经纪人）在双边贸易中的利润最大化问题：买卖双方各自持有私人估值，经纪人每轮向双方报价，只能观察到交易是否发生。论文以遗憾最小化为框架，针对对抗性估值给出多项式时间算法，遗憾率为近似 T 的 2/3 次幂；对独立同分布且满足单调风险率（MHR）的估值，给出近似 √T 的遗憾界；并证明在正则分布下最小最大遗憾率为近似 T 的 3/5 次幂。
看点新意在于对双边交易利润最大化给出遗憾界，并证明MHR与正则分布间的分离，对抗情形给出近乎紧的T^(2/3)速率，实验与证明细节以摘要为准。
说明RouteAlign：让任务需求与模型画像对齐，以选择大模型服务
简介该论文提出RouteAlign方法，用任务需求来组织模型性能的度量与服务选择。任务需求描述能力要求和难度，使其能与对应的模型表现测量相匹配，并由共享评分器整合证据，再结合生成成本偏好进行选择。实验表明，该方法在多种任务和异构大模型服务上提升了质量与成本的经验前沿，质量优于对比的决策方法且生成成本更低。
说明合理选择注意力预测中的补丁长度：理论框架解释补丁长度为何影响预测精度
简介本文针对基于注意力机制的时间序列预测模型中补丁（patch）长度的选择问题，此前该选择主要依靠经验。作者为线性状态空间模型推导出预测系数矩阵的精确分解，将预测动态与滤波动态分开，并指出长期预测由单一成分主导并不意味着矩阵为秩一表示。结合估计误差界，作者提出一个在时间相关性下平衡表示误差与估计误差的补丁选择准则，并给出平衡补丁合理的条件。
说明通过上下文正则化交叉熵提升卷积网络对上下文偏移的鲁棒性
简介本文提出一种训练框架，用于提高卷积神经网络在上下文偏移情形下的鲁棒性，即物体出现的背景与训练时不同时模型的表现。作者先提出特征归因方法ContrastiveCAMs，再基于它设计上下文正则化交叉熵损失（CR-CE），通过抑制上下文区域的影响让模型更依赖物体本身的特征。论文在Waterbirds、Spawrious、ImageNet/ImageNet-BG和Hard-ImageNet等数据集上报告了鲁棒性的一致提升。
说明La-JEPA：基于潜在世界建模的紧凑机器人策略
简介该论文提出La-JEPA，一种紧凑的世界-动作模型，其策略Transformer在预训练V-JEPA 2.1编码器的特征空间中从零训练。训练时同时预测未来特征和动作，推理时只生成动作。在RoboTwin 2.0和LIBERO-Plus等基准上，在不使用具身预训练的策略中表现领先，且参数量远少于对比模型，推理速度也明显快于Fast-WAM。
说明用于急性缺血性卒中功能结局预测的可解释多模态MRI与临床数据融合研究
简介本研究评估发病第1天的多模态MRI对急性缺血性卒中患者三个月功能结局的额外预测价值。研究分析了66例患者的ADC、DWI、FLAIR影像及临床数据，提取三维预训练ResNet特征并与临床变量融合，使用线性支持向量机进行交叉验证。结果显示，FLAIR与临床数据融合的表现最佳，ADC与临床数据融合次之，表明紧凑的影像表征可为临床变量提供互补的预后信息。
说明面向托卡马克多模态任务的生成式基础模型
简介托卡马克实验记录了波形、剖面、场和标量等多种测量数据，用于重建等离子体、预测演化和评估破裂风险。作者将TokaMark基准扩展为MAST上的20项任务（分六组），并提出GenToka，一个通过共享条件扩散Transformer联合生成所选目标的生成式基础模型，配合各类信号专用编解码器。在MAST数据上，GenToka相较TokaMind在第1至4组的宏平均归一化均方根误差降低4.7%，第5组降低17.7%，第6组的宏平均窗口级F1提升8.4%。
说明利用卫星观测探测天气锋面：再分析数据带来了什么？
简介该论文研究用机器学习方法从静止卫星红外观测中逐像素识别天气锋面，锋面是不同性质气团之间的过渡区，与中纬度降水和强对流天气相关。作者比较了仅用卫星数据与额外加入28个ERA5再分析场两种配置，在北大西洋和欧洲地区进行测试。结果显示，仅用卫星数据的模型在150公里容差下的CSI为0.402，加入ERA5后提升至0.575；分析表明低层风场最难从卫星数据中预测，去除风场或水汽信息会使检测性能下降最明显。
说明MCUFlowNet：面向微控制器光流估计的硬件感知神经架构搜索
简介该论文针对带神经加速器的微控制器（片上SRAM有限）设计稠密光流网络，用于小型无人机避障。作者提出PACE-NAS框架，先固定主干和峰值SRAM，再搜索算子与深度以权衡精度和延迟。搜索得到的模型称为MCUFlowNet，其中最快的MCUFlowNet-S比重训练的EdgeFlowNet快1.76倍，EPE仅高1.6%，并在模拟森林飞行中无碰撞到达目标的比例为51.5%（对比41.8%）。
说明检测强化学习中环境与训练器边界处的静默故障
简介本文研究机器人强化学习中，环境与训练器分处不同进程或机器时，跨边界数据传输中的静默故障。作者在Pendulum、HalfCheetah、Hopper和7自由度机械臂Pusher上注入故障并测试检测方法。结果显示，学习曲线阈值和与无故障种子比较的方法几乎无法发现这些故障，而在环境两侧保存逐步记录并逐步比对，可以发现并定位故障。
说明基于故障线引导的跨层预测用于无监督异常检测
简介本文提出一种单类别异常检测方法，用于工业图像中的缺陷识别，训练时只使用同一产品类别的正常图像。方法把冻结的视觉Transformer各层视为离散转换序列，学习逐块的隐藏状态预测，并借助相邻层余弦相似度找出深度上的分段边界，据此确定信息传递的源和目标。在MVTec-AD、VisA和Real-IAD数据集上，图像级AUROC分别为99.75、99.42和94.27。
说明用图像编码器与大语言模型联动，为面部表情生成自然语言描述
简介本文提出一项新任务：用自然语言描述人脸图像中的面部表情，希望超越传统的情绪类别或面部动作单元（AU）所能表达的细节。作者设计了三阶段训练框架，利用合成的图文对和BLIP-2的预训练技术训练视觉到语言模型，并借助GPT-3.5结合已有的情绪或AU标注合成描述文本。实验显示，该方法能生成描述面部动作、情绪及二者关系的文字，并提升中间视觉特征在AU检测和情绪分类上的表现。
说明未经训练的神经网络能否用于异常检测：从表格到像素
简介本文提出PRISM框架，将固定随机非线性特征与基于正常参考的马氏距离评分结合，用于表格异常检测和视觉定位。在ADBench的47个表格数据集上，PRISM-T取得最高平均AUROC（86.4%）；在MVTec AD和VisA的27个视觉类别上，PRISM-V的图像级与像素级平均AUROC分别为90.4%和96.4%。两者均未进行神经网络权重优化，也未使用预训练表示。
说明谁能独立评估AI？分析评估基础设施的框架
简介本文提出PAAI框架（权力、可及性、充分性、独立性），用于考察谁掌控AI评估所依赖的基础设施、获取条件及其自主程度。作者将该框架应用于2022至2025年间的十二个非洲AI评估项目，以及国际AI安全研究所网络三次联合测试中十个成员机构的角色。研究发现参与评估并不自动带来评估权力，要使评估成为可信的治理机制，参与者需同时掌握优先事项、方法、发布和持续运行的控制权。
说明超越K/V缓存：混合线性注意力大模型之间的跨模型状态交接
简介本文研究多模型协作部署时，长对话中切换模型需要重新预填充上下文的问题。作者指出，混合线性注意力模型除了全注意力K/V缓存，还保存循环状态和卷积历史，三者相互影响，使跨模型迁移更复杂。文章提出混合状态迁移方法HST，对三类状态分别处理，并用目标冻结模型的续写输出校准适配器。在五个基准上，Qwen3.5 4B到27B及9B到27B的平均任务保留率分别为89.88%和94.11%，在合成16K输入下交接主体速度提升约21.66倍和21.91倍。