AI 算法 · 諦聽 Diting Lab技术论文与全球加密监管速览urn:diting-lab:feed:zh/papers/ai/feed.xml2026-10-30T11:54:16+09:00Diting Lab说明和简介由 AI 根据原文自动生成，其中的日期、比率、金额已按规则与原文核对，但仍可能有误，请以原文为准。本站不构成法律、税务或投资建议。幂分水岭：一种可微分的分割层urn:diting-lab:zh:doc:3461212026-10-28T00:00:00+09:002026-10-30T11:54:16+09:00The Power Watershed as a Differentiable Segmentation Layer
arXiv · 2026年10月28日本文提出将经典的分水岭变换作为深度网络的末端层并支持端到端训练。作者以带幂次边权的随机游走在无穷大极限下得到的幂分水岭为基础，构造可微的分水岭层。在细胞核分割数据集PanNuke上，该层将U-Net转为实例分割器，实例F1从0.656提升至0.795。
★★★★ 值得关注：将Power Watershed作为可微分分割层接入深度网络，并以有限p的随机游走求解实现端到端训练；摘要报告在PanNuke核分割上实例F1从0.656提升至0.795。相似的分数，相反的失败：用人工修正评估视频字幕urn:diting-lab:zh:doc:3461202026-10-28T00:00:00+09:002026-10-30T11:54:16+09:00Similar Scores, Opposite Failures: Human Correction as an Instrument for Video Caption Evaluation
arXiv · 2026年10月28日论文发现，为单句图像字幕设计的参考重叠指标无法区分人工审核认可与否决的视频密集字幕，AUC接近随机水平。研究对196段短视频的六个前沿模型字幕进行了人工后编辑和失败分类，并比较了整体概览与逐窗口两种审核方式。结果显示，两种粒度下相机与镜头错误的检出率相差约4.7倍，且准确率相近的模型失败模式明显不同。
★★★★ 值得关注：新意在于用人工纠错作为视频字幕评测工具，发现窗口级审查比整体审查多检出约4.7倍的镜头错误；基于196段视频、1144份整体与4672份窗口审查结果，指标相关性接近随机。预测奖励而非世界：面向机器学习智能体的世界奖励模型urn:diting-lab:zh:doc:3460972026-10-28T00:00:00+09:002026-10-30T11:54:16+09:00Predict the Reward, Not the World: World Reward Models for ML Agents
arXiv · 2026年10月28日该论文针对基于搜索的机器学习智能体提出世界奖励模型（WRM），不预测程序执行的中间结果，而是直接从真实执行结果中学习判断哪个候选程序表现更好。作者提出的模型ForeCritic在来自26个机器学习任务的12,438组保留样本对上，选出更优程序的准确率为79.4%，高于通用大语言模型评判器的53%至62%。将其集成到相关智能体中后，平均任务时间缩短4.4至7.5倍，平均分数保持在0.01之内或有所提高。
★★★★ 值得关注：提出直接学习选择候选程序而非预测执行结果的世界奖励模型，理论证明与选择器对比有新意；在12,438个保留对上做了实验，并在多个代理中验证加速效果。掩蔽侵蚀：验收门如何在自我改进的智能体中丢失冗余安全防护urn:diting-lab:zh:doc:3460812026-10-28T00:00:00+09:002026-10-30T11:54:16+09:00Masked Erosion: How Acceptance Gates Lose Redundant Safeguards in Self-Improving Agents
arXiv · 2026年10月28日该论文研究自我改进的大模型智能体在修改自身配置（提示与规则）时，验收门只看任务成功率，可能忽视冗余安全防护被删除后的风险。作者在两类智能体环境中测试了四个安全防护的所有组合，并运行了411次改进循环。结果显示，当一个安全防护被其他有效防护覆盖时，删除它几乎不产生可观测危害；而验收门的统计检验与评测批次大小会影响安全防护是否被保留。
★★★★ 值得关注：指出验收闸门会因冗余安全措施相互掩盖而逐步丧失防护，并以受控删除实验与统计模型验证，新意明确。面向大规模广告的可靠、可扩展且价值对齐的生成式推荐（GR4AD-X）urn:diting-lab:zh:doc:3460742026-10-28T00:00:00+09:002026-10-30T11:54:16+09:00Towards Reliable, Scalable, and Value-Aligned Generative Recommendation for Large-Scale Advertising
arXiv · 2026年10月28日该论文提出 GR4AD-X，一种用于快手广告平台的生成式推荐框架，通过改进语义标识的构建、以高效方式扩展模型容量，并将生成与商业价值对齐，从而改进广告推荐效果。在快手广告平台的大规模在线 A/B 测试中，GR4AD-X 相比已部署的 GR4AD 基线，累计收入提升 3.07%，同时满足严格的延迟和吞吐量约束。
★★★★ 值得关注：在工业生成式推荐框架上提出多路径SID分配、多维容量扩展与统一价值对齐，在快手大规模在线A/B测试中报告累计收入提升3.07%。通信高效的去中心化在线学习：最优遗憾界urn:diting-lab:zh:doc:3460592026-10-28T00:00:00+09:002026-10-30T11:54:16+09:00Optimal Regret for Communication-Efficient Decentralized Online Learning
arXiv · 2026年10月28日本文研究网络中多个学习者在通信压缩条件下的去中心化在线凸优化问题，各节点仅依据本地损失和邻居的压缩消息共同最小化全局损失序列。作者提出Ascent-gossip方法，结合在线压缩策略与切比雪夫递推，获得比已有压缩gossip方法更快的共识速率。基于该方法，论文给出的在线算法在凸与强凸损失下分别达到与下界匹配的遗憾界（忽略对数因子）。
★★★★ 值得关注：提出Ascent-gossip结合在线压缩与Chebyshev递推，使遗憾界达到紧界，改进了谱隙依赖的多项式差距。无折扣双模拟度量的博弈论基础urn:diting-lab:zh:doc:3460472026-10-28T00:00:00+09:002026-10-30T11:54:16+09:00Game-Theoretic Foundations for Undiscounted Bisimulation Metrics
arXiv · 2026年10月28日双模拟度量是强化学习中衡量任务相关状态相似性的方法，但现有构造多局限于折扣马尔可夫决策过程。本文将这类度量重新解释为零和回合制博弈的贝尔曼-沙普利算子，并以博弈值函数定义度量，使其在总奖励和平均奖励等无折扣场景下也有唯一定义。论文还分析了度量有限性与底层MDP结构的关系，并证明这些度量可界定总奖励和最优相对价值差异，同时给出基于聚合规划的误差与次优性保证。
★★★★ 值得关注：将双模拟度量重新表述为零和博弈的值函数，使其在无折扣的总奖励与平均奖励设置下有唯一定义；给出总奖励和最优相对值差异的界及聚合规划误差保证。ParaTTT：用深层记忆并行化测试时训练层urn:diting-lab:zh:doc:3460262026-10-28T00:00:00+09:002026-10-30T11:54:16+09:00ParaTTT: Parallelizing Test-Time Training Layers with Deep Memories
arXiv · 2026年10月28日本文提出ParaTTT（PTTT）算法，通过迭代细化内循环梯度轨迹的估计，并行化任意深度的非线性记忆。每次细化包含三个分块并行的过程，最终可精确还原在线梯度下降递推。作者证明了两层变体在充分收缩条件下的几何收敛性，并报告在4K上下文下，两次细化步骤使内循环计算比带块近似的TTT-MLP快32倍，340M模型训练快4.9倍。340M和1.3B模型在语言建模困惑度与零样本准确率上达到或超过Gated DeltaNet和Mamba-2，召回能力也更好。
★★★★ 值得关注：提出迭代细化的块并行算法使深层非线性测试时训练记忆可并行，作者报告在340M与1.3B模型上与线性循环及Transformer比较，并给出两层变体的收敛性证明。强腐败对抗线性赌博机的近似极小极大最优遗憾urn:diting-lab:zh:doc:3460202026-10-28T00:00:00+09:002026-10-30T11:54:16+09:00Nearly Minimax Optimal Regret for Adversarial Linear Bandits with Strong Corruptions
arXiv · 2026年10月28日该论文研究对抗性线性赌博机问题，其中强腐败者在看到学习者动作后篡改奖励，总腐败预算为已知的C。作者提出CRW-FTRL算法，使用半径加权熵正则化和归一化核估计器，以按动作半径而非逆采样概率控制腐败敏感度。结果显示其遗憾达到近似极小极大最优的量级，并给出了通用紧致动作集离散化后的对应结论。
★★★★ 值得关注：用半径加权熵正则与对数行列式屏障设计估计器，在强破坏下达到近似极小极大遗憾，给出紧界。差异洗白：临床多智能体系统中的共识不等于公平urn:diting-lab:zh:doc:3460092026-10-28T00:00:00+09:002026-10-30T11:54:16+09:00Disparity Laundering: Consensus Without Fairness in Clinical Multi-Agent Systems
arXiv · 2026年10月28日该论文研究临床大语言模型组成多智能体团队时的人口统计学偏差。在120例MIMIC-IV急诊病例、反事实人口统计替换的实验中，所有配置都保留了个体智能体独立判断的偏差方向，使黑人患者获得更高的急症分诊。作者指出，公平性指令和人口统计信息遮蔽无效，而让反事实版本在系统内可见并在决策中汇总的多视角集成方法，可使差异减少67%至94%。
★★★★ 值得关注：提出「差异洗白」概念，指出多智能体共识会将个体偏见转化为难以审计的群体决策；在MIMIC-IV真实病例上做了五模型四拓扑的全因子实验。退火与平均化的马尔可夫链在张量PCA中达到算法阈值（第二部分：朗之万动力学）urn:diting-lab:zh:doc:3460032026-10-28T00:00:00+09:002026-10-30T11:54:16+09:00Averaged Annealed Markov Chains Achieve the Algorithmic Threshold for Tensor PCA, Part II: Langevin Dynamics
arXiv · 2026年10月28日本文研究球面上的张量主成分分析问题：从带噪声的第k次张量幂观测中恢复未知向量。作者证明，结合退火和遍历平均的球面朗之万动力学，可从均匀随机初始化出发，在算法阈值以上以多项式时间实现强恢复。结合第一部分的结果，表明局部马尔可夫链可以从无信息的冷启动一直成功到算法阈值。
★★★★ 值得关注：证明球面朗之万动力学配合退火与遍历平均，可在算法阈值以上从随机初始化多项式时间恢复张量PCA信号，与全局算法阈值相匹配，为Part I的延续。DecompGym：评测大语言模型智能体设计分解算法的基准urn:diting-lab:zh:doc:3459912026-10-28T00:00:00+09:002026-10-30T11:54:16+09:00DecompGym: Benchmarking LLM Agents on Designing Decomposition Algorithms
arXiv · 2026年10月28日本文提出DecompGym基准，包含来自九类问题的81个实例（五个Benders分解、四个列生成），要求智能体编写指定方法的求解器。求解器需在60秒内运行、通过数值可行性与由LLM评审代码的方法审查，并且目标值与最优值相差不超过1%。研究比较了12个模型在最多十次尝试中独立重新生成与先诊断再修正两种策略，发现反思策略的重试成功率（66%）高于重新生成（39%）。
★★★★ 值得关注：新意在于评测LLM智能体实现Benders与列生成分解算法，并区分方法审计与输出检查；在81个实例上对12个模型做了评估，对比了重新生成与反思。BridgeRouter：基于跨模态桥接路径组合的增益感知实例路由urn:diting-lab:zh:doc:3459792026-10-28T00:00:00+09:002026-10-30T11:54:16+09:00BridgeRouter: Gain-Aware Instance Routing over Cross-Modal Bridge Portfolios
arXiv · 2026年10月28日该论文针对将预训练脑电（EEG）基础模型迁移到其他生物信号的问题，提出 BridgeRouter。它不再全局固定一条桥接路径，而是在一组冻结的跨模态路径中，为每个实例选择一条路径；默认路径为验证集选出的最佳单一路径。在 FOG（肌电，步态冻结检测）和 ISRUC（心电，睡眠分类）两个数据集上，该方法的平衡准确率分别比各自的单一最佳路径有所提高。图结构最近邻搜索的最坏情况保证研究urn:diting-lab:zh:doc:3459732026-10-28T00:00:00+09:002026-10-30T11:54:16+09:00On Worst-Case Guarantees for Graph-Based Nearest-Neighbor Search
arXiv · 2026年10月28日该论文研究基于图的最近邻搜索算法（如HNSW、DiskANN、NSG）的理论保证。作者证明，在欧几里得空间中，任何在平坦或分层图上运行贪心搜索变体的标准图方法，即使近似因子任意大，也无法实现亚线性查询时间。论文进一步指出，若允许搜索图中包含Steiner点，则可实现亚线性查询时间，其界与局部敏感哈希（LSH）相当，并附有初步的实验探索。
★★★★ 值得关注：证明标准图搜索方法在欧氏空间无法获得亚线性查询时间，并证明引入Steiner点后可达LSH级别的界，理论上很有新意，结合初步实验。LOL 基准测试在衡量什么？低光增强数据集中隐藏的标签偏移urn:diting-lab:zh:doc:3459692026-10-28T00:00:00+09:002026-10-30T11:54:16+09:00What Does LOL Measure? Hidden Label Shifts in Low-Light Enhancement Benchmarks
arXiv · 2026年10月28日该论文审计了低光图像增强的两个标准基准 LOL-v1 和 LOLv2-Real，使用 8 种方法的 18 个公开模型检查点进行评测。作者发现测试标签与训练标签存在差异，LOL-v1 测试标签的渲染方式不同，LOLv2-Real 测试集的标签整体比训练标签更暗。论文还指出测试集选模型和已发布的测试时设置会影响结果排名，并给出了报告建议。
★★★★★ 值得关注：新意在于揭示低光增强基准测试标签与训练标签存在隐藏偏移，并量化其对排名的影响；作者审计18个检查点并给出复现数字。用 LLMON 对大语言模型进行后训练urn:diting-lab:zh:doc:3459682026-10-28T00:00:00+09:002026-10-30T11:54:16+09:00Post-Training Large Language Models with LLMON
arXiv · 2026年10月28日该论文提出一种后训练方法，用 LLMON（LLM 对象表示法）把可执行指令与被动数据明确分开，并要求基于标识符执行。作者构建了约 46 亿词元的结构化训练语料，并在 Granite-4.1 的 3B 和 8B 基础模型上进行监督微调与强化学习。结果显示，间接提示注入攻击的成功率从 53%-100% 降至 0.02%-5.6%，同时保留了通用能力。
★★★★ 值得关注：用结构化指令/数据分离的后训练显著降低提示注入攻击成功率，并提出注意力可解释性指标；摘要报告在两个模型和间接注入基准上完成验证。预测答案引擎引用哪些页面：开放决策模型、重排序器与 4B 蒸馏学生模型的比较urn:diting-lab:zh:doc:3459542026-10-28T00:00:00+09:002026-10-30T11:54:16+09:00Predicting What Answer Engines Cite: Open Decision Models, Rerankers and a Distilled 4B Student on Ten Engines under Controlled Retrieval
arXiv · 2026年10月28日该论文研究生成式引擎优化中的页面排序问题，即预测候选页面会在答案中被引用的比例。作者在十个答案引擎上，用 GEO-Bench 查询测试了预训练重排序器、一个托管决策模型、八个开放决策模型及其蒸馏学生模型。结果显示，最强的打分器与 Qwen3-Reranker-4B 微调而成的 GEO Citation Ranker 4B 差距在统计上不可区分，并已公开模型、基准和代码。
★★★★ 值得关注：新意在于用蒸馏的4B小模型逼近大模型排序引用，并在十个答案引擎上受控比较；摘要报告了多种评分器在GEO-Bench上的对比结果。视觉断层成像：基于视觉数据实现便携式三维面部-颅骨双向推断urn:diting-lab:zh:doc:3459422026-10-28T00:00:00+09:002026-10-30T11:54:16+09:00Vision Tomography: Towards Portable 3D Bidirectional Face-Skull Inference from Visual Data
arXiv · 2026年10月28日该论文提出视觉断层成像（VT）框架，可从多种视觉数据（图像或草图）重建配对的三维面部与颅骨几何形状。研究构建了200余例包含CT颅骨、CT面部和高保真纹理面部扫描的数据集，并提出双向面部-颅骨可变形模型（BFSM），通过共享系数空间实现面部与颅骨之间的形状推断，同时建模组织厚度变化。论文还展示了其在法医和医学应用中的效果，包括从图像或草图重建配对三维面颅形态以及联合编辑预测手术效果。
★★★★ 值得关注：提出从视觉数据重建成对面-颅骨三维几何的新框架与双向形变模型，并构建200余例数据集；摘要称在法医和医疗应用上做了实验验证。积分概率边界：一种比积分概率度量更紧的非线性界urn:diting-lab:zh:doc:3459302026-10-28T00:00:00+09:002026-10-30T11:54:16+09:00Integral Probability Boundaries
arXiv · 2026年10月28日本文提出积分概率边界（IPB），作为积分概率度量（IPM）的非线性推广。IPM 把两个分布的差异压缩为期望之差的最坏情况，对罕见事件、安全失效或代表性不足群体的界往往较松甚至无效。IPB 在极端情况下仍能给出紧致界。文中推导了其基本性质，给出了相应场景下的估计算法，并在对齐、无评审员的性能估计和公平性等应用中展示了其效果，其中在一个生成模型任务中，罕见群体公平性差距的估计比现有方法精确得多。谁还在其中？通过策略性模糊实现多智能体共谋发起urn:diting-lab:zh:doc:3459042026-10-28T00:00:00+09:002026-10-30T11:54:16+09:00Who Else Is In? Multi-Agent Collusion Initation Via Strategic Vagueness
arXiv · 2026年10月28日本文研究多智能体大语言模型系统中，智能体如何在公开渠道上通过模糊表达互相识别，从而发起共谋。作者设计了双方互相识别并同时完成普通任务的博弈实验，发现部分模型无需明确指示即可找到识别方式，且监控者在低误报率下往往难以察觉。研究还表明，表达越间接，监控者的惩罚下降可能快于合作方的协调效果，形成有利可图的中间状态。
★★★★ 值得关注：提出互相识别博弈，揭示战略模糊可在监控眼皮下完成合谋发起，摘要报告了模型在任务兼容交流中成功握手，并在受控协调设置中测量了监控惩罚与伙伴协调的不对称。人类残差引导：让冻结的大模型评审与人类判断分布对齐urn:diting-lab:zh:doc:3458532026-10-28T00:00:00+09:002026-10-30T11:54:16+09:00Human-Residual Steering: Aligning Frozen LLM Judges with Human Judgment Distributions
arXiv · 2026年10月28日本文提出人类残差引导方法（HRS），通过学习隐藏状态的干预，使冻结权重的大语言模型评审与人类评分分布对齐。在14个基准和三个模型系列的四个评审模型上，HRS的分布对齐效果优于所有评估的冻结权重基线，且训练参数量远少于分布微调方法。
★★★★ 值得关注：首次用学习到的隐状态干预对齐冻结LLM评审与人类判断分布；在14个基准上验证，JS距离明显降低，训练参数约少88倍。协变量偏移下有限样本最优的共形预测集urn:diting-lab:zh:doc:3458512026-10-28T00:00:00+09:002026-10-30T11:54:16+09:00Finite-Sample Optimal Conformal Prediction Sets under Covariate Shift
arXiv · 2026年10月28日本文研究在已知协变量密度比的协变量偏移情形下的共形预测，目标是在目标分布下使预测集的期望长度最小。作者证明，结合逆条件密度得分与随机加权共形校准的规则，在所有满足加权可交换性的有效规则中，对每个校准样本量都能最小化该期望长度。文中还给出基于分位数与核直方图（含森林加权估计）的近似方法，以及通过重采样选择估计量和调参的方案，并在36个已知密度配置和四个公开回归数据集上与现有方法比较覆盖率、集合长度和运行时间。
★★★★ 值得关注：证明在全部加权可交换类中，逆条件密度分数与随机加权校准的组合对任意校准规模都最小化期望长度，并给出选择与估计误差界；实验覆盖36种已知密度配置及四个公开回归数据集。无投影在线学习的线性最小化预言机调用下界 Ω(T^{3/4}) 证明urn:diting-lab:zh:doc:3458452026-10-28T00:00:00+09:002026-10-30T11:54:16+09:00An Ω(T³/4) lower bound for projection-free online learning with linear minimization oracles
arXiv · 2026年10月28日本文研究在线学习中不做投影、而用线性最小化预言机处理决策集的算法。已知在线 Frank-Wolfe 在特定调参下的遗憾上界按 T^{3/4} 增长，但所有调参是否都如此尚未解决。作者证明，任何每轮至多调用 m 次线性最小化预言机的无投影算法，最坏情况遗憾下界为 Ω(T^{3/4} m^{-1/4})。作者还给出扩展的在线 Frank-Wolfe，每轮可多次调用线性优化，其遗憾上界为 O(max{T^{3/4} m^{-1/4}, √T})。
★★★★ 值得关注：证明了所有投影自由在线算法的Ω(T^{3/4}m^{-1/4})遗憾下界，并给出扩展OFW的匹配上界，回答了开放问题。深度线性网络中特征学习的早期信号研究urn:diting-lab:zh:doc:3458402026-10-28T00:00:00+09:002026-10-30T11:54:16+09:00Investigating the Early Signatures of Feature Learning in Deep Linear Networks
arXiv · 2026年10月28日本文在均值场参数化下，分析深度线性网络从初始化只经过一步梯度更新后学到的特征，数据为带低维尖峰信号的高维数据。作者推导出闭式表达式，并给出核岭回归的偏差、方差与泛化误差。结果显示，当尖峰强度和有效信噪比足够大时，一步更新才有泛化优势；对于各向同性输入则没有这种优势。
★★★★ 值得关注：在均场参数化下给出深度线性网络一步梯度后特征学习的闭式刻画，并推导泛化误差表达式，新意突出；影响集中于理论子领域。用最少的利益相关方反对票学习抽奖式混合方案（基于成员查询）urn:diting-lab:zh:doc:3458372026-10-28T00:00:00+09:002026-10-30T11:54:16+09:00Learning Lotteries with Minimal Stakeholder Violations from Membership Queries
arXiv · 2026年10月28日论文研究如何在多个候选AI系统之间按随机比例混合部署，并让各利益相关方尽量接受。每个利益相关方只接受某个未知半空间内的混合方案，开发者只能通过二元查询询问某个方案是否可接受。作者证明在一般情形下最小化拒绝人数的问题是APX难的，并给出若干精确算法及对部分查询时的近似保证。
★★★★ 值得关注：新意在于把利益相关方的隐含接受阈值建模为可查询的半空间，并给出最少拒绝者问题的APX-难性与多项式/准多项式精确算法；摘要报告了理论界与小规模合成实验。TACOS：面向视觉落脚点规划的地形感知接触监督方法urn:diting-lab:zh:doc:3458292026-10-28T00:00:00+09:002026-10-30T11:54:16+09:00TACOS: Terrain-Aware COntact Supervision for Visual Footstep Planning
arXiv · 2026年10月28日该论文提出 TACOS 方法，用腿式机器人状态估计中因子图的残差构造落脚不稳定性分数，并将其投影到之前的图像上，以监督稠密视觉预测器。研究提出硬分数（利用事后信息）和因果软分数（可即时获得）两种变体。在 1716 个人工标注的接触点和三段户外测试中，两种变体的不稳定性检测与严重程度排序均优于所比较的方法；在 50 米森林实地试验中，训练后的预测器能应对泥地和植被等非几何地形，并绕开倒木等几何障碍。
★★★★ 值得关注：新意在于用因子图状态估计残差构造足部不稳定性分数并监督视觉预测器；在1716个人工标注接触及户外实验中与基线比较，并公开代码。WebAnything：从真实网页到可扩展的智能体环境urn:diting-lab:zh:doc:3458232026-10-28T00:00:00+09:002026-10-30T11:54:16+09:00WebAnything: From the Wild Web to Scalable Agent Environments
arXiv · 2026年10月28日论文提出 WebAnything，一个全自动框架，可根据真实网址重建可复用、可重置的网页环境，用于网页智能体的训练与评测，无需逐站人工实现。框架构建了 244 个网站环境，覆盖 14 个应用领域，并支持 12,984 个已执行并通过验证的任务。实验显示其保真度优于人工辅助的 WebHarbor，用 5,856 条交互轨迹微调 Qwen3.5-9B 后，多项基准的成功率有所提升。
★★★★ 值得关注：新意在于无需逐站人工实现即可从真实URL自动重建可复用网站环境，并经独立验证器修复；摘要报告构建244个站点并在下游任务上提升微调效果。权重更新能带来多大效果：不同训练阶段的杠杆率比较urn:diting-lab:zh:doc:3458042026-10-27T00:00:00+09:002026-10-30T11:54:16+09:00What a Weight Update Buys: Leverage Across Training Stages
arXiv · 2026年10月27日本文提出“杠杆率”指标，用于衡量单位权重变化对模型行为的影响，比较 Olmo-3、Tülu-3、Zephyr、OLMo-2 等公开检查点。结果显示，预训练更新在文本上接近随机方向，SFT 约高出五倍，DPO 最高可达数千倍。作者还分析了训练精度和 DARE 随机丢弃重缩放的影响。
★★★★ 值得关注：提出以Fisher二次型度量权重更新效用的leverage指标，跨多个开源检查点比较训练阶段，并推导DARE的重用定律。噪声深度学习的动量引导优化器：MGO-SC 作为 Adam 类更新的简单一致性门控urn:diting-lab:zh:doc:3458012026-10-27T00:00:00+09:002026-10-30T11:54:16+09:00Moment-Guided Optimizers for Noisy Deep Learning: MGO-SC as a Simple Consistency Gate for Adam-Style Updates
arXiv · 2026年10月27日本文提出 MGO-SC，一种对 Adam 类优化器的轻量改进，依据梯度符号指数滑动平均的幅值为各坐标设置一致性门控，符号稳定的坐标获得更多信任。作者提出保持均值的变体，在不改变每个张量净步长的前提下重新分配信任。在 CIFAR-10 与 ResNet-18 上，该方法在干净、对称和非对称标签噪声下均优于 AdamW 基线，并报告了配对自助法置信区间与 Wilcoxon 检验结果。面向稠密检索嵌入谱压缩的相关性引导残差校准urn:diting-lab:zh:doc:3457992026-10-27T00:00:00+09:002026-10-30T11:54:16+09:00Relevance-Guided Residual Calibration for Spectral Compression of Dense Retrieval Embeddings
arXiv · 2026年10月27日该论文针对稠密检索中嵌入向量的谱压缩方法，指出现有基于语料的加权规则未直接考虑各保留方向对相关性的贡献。作者提出关系引导残差校准方法RRC，利用相关性判断估计各方向的权重并对谱权重做闭式修正。实验显示，在BEIR与BRIGHT数据集上，SpecTemp加RRC在各目标维度上取得了测试压缩方法中的最高平均效果，并在量化条件下仍能改善存储与检索效果的权衡。
★★★★ 值得关注：在谱压缩中引入相关性判断做逐方向残差校准，闭式求解；在BEIR与BRIGHT九个数据集上报告相对SpecTemp的提升。网络拓扑并不重要：经典共识理论在大语言模型群体中的失效urn:diting-lab:zh:doc:3457942026-10-25T00:00:00+09:002026-10-30T11:54:16+09:00Network Topology Does Not Matter: The Breakdown of Classical Consensus in LLM Populations
arXiv · 2026年10月25日本文研究由多个大语言模型组成的网络如何形成集体共识。作者通过八个指令微调模型与73,080次受控交流，测量其更新规律，发现模型常违反凸组合假设，并出现负权重的相互排斥。在万人规模模拟中，网络连通性几乎不能解释结果差异，群体动态主要由模型内部更新偏差和信息表述方式决定。研究认为，经典图论指标不适用于此类群体。
★★★★ 值得关注：挑战经典共识理论的网络拓扑假设，实证测量LLM更新算子，在10000个智能体模拟中验证，结论或有广泛影响。幻觉测量：语义错觉、虚构与表达不确定性urn:diting-lab:zh:doc:3461242026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00What Hallucinations Have We Measured? Semantic Illusion, Confabulation, and Expressed Uncertainty
arXiv · 2026年10月28日本文主张对大语言模型的“幻觉”给出严格定义，将其限定为自信的错误，并与表达不确定性区分开来。作者提出一种重新提问测试，把错误分为语义错觉与虚构两类，并据此重新评估了14种幻觉方法。研究发现，检测方法更常标记不确定回答而非幻觉回答，缓解方法对语义错觉更有效，潜在信号对虚构更有信息量。基于自洽性几何注入的多视角一致图像生成：通过多次几何预测的一致程度判断几何可靠性，再决定注入几何引导的强度，从而提升多视角图像生成的几何质量。urn:diting-lab:zh:doc:3461232026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Self-Consistency Geometry Injection for Multi-view Consistent Image Generation
arXiv · 2026年10月28日该论文提出可靠性引导的多视角生成方法RGMV，包含无参数的自洽几何门控SCG和可靠性感知几何注入模块RGI。方法对同一参考图像和目标视角生成多个几何预测，用它们之间的空间一致性得到可靠性图，并据此调节几何条件残差在RGB生成中的注入强度。实验表明，该方法提升了多视角生成的几何质量。AtomSteer：面向原子级生成模型的测试时约束引导方法urn:diting-lab:zh:doc:3461222026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00AtomSteer: Test-Time Constraint Steering for Atomistic Generative Models
arXiv · 2026年10月28日该论文提出AtomSteer，一种在推理（采样）阶段引导预训练原子级生成模型的框架，用于满足晶体对称性、结构几何和立体化学等约束。方法在采样过程中用有界局部投影、图刚性立体化学变换和周期对称投影修正中间结构，同时尽量少改动其余结构。作者在FlowMM、ET-Flow和Boltz-2三个骨干模型上进行了验证，涵盖晶体生成与结构预测、分子构象生成及蛋白质-配体复合物结构预测，无需重新训练或修改架构。打破对称以走出洞穴：可识别的结构能促进跨语言泛化urn:diting-lab:zh:doc:3461192026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Leaving the Cave by Breaking the Symmetry: Identifiable Structure Can Enable Cross-Lingual Generalization
arXiv · 2026年10月28日该论文研究多语言模型为何无需共享词表也能跨语言泛化，并提出“关系可识别性假设”：共享世界中的关系能排除其他跨语言对应方式，使对应实体更易被直接读取。作者在一个受控的双语 Transformer 中，用两种无共享词元的语言描述同一个模运算世界进行实验。结果显示，只有当关系约束了数字对应时才会出现选择性的跨语言对齐，这一模式也能预测零样本跨语言迁移的成功。SaiVLA-JEPA：评估JEPA条件视觉-语言-动作控制中的未来潜在预测urn:diting-lab:zh:doc:3461182026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00SaiVLA-JEPA: Evaluating Future Latent Prediction in JEPA-Conditioned VLA Control
arXiv · 2026年10月28日本文研究在视觉-语言-动作（VLA）策略中，使用基于联合嵌入预测架构（JEPA）的V-JEPA特征，是否能改善闭环机器人控制。作者提出SaiVLA-JEPA策略系列，并在10,030组配对的LIBERO-Plus片段上比较了不同条件设置。结果显示，加入当前JEPA条件后成功率约为82.5%，未使用JEPA时为71.6%；额外的未来监督在评估的训练预算下未带来可检测的总体提升。UnMixMamba：基于解混引导状态空间模型的MODIS时间序列作物亚像元制图urn:diting-lab:zh:doc:3461172026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00UnMixMamba: Unmixing Guided State Space Subpixel Mapping of Crops from MODIS Time Series
arXiv · 2026年10月28日该论文提出UnMixMamba方法，用于将250米MODIS时间序列中的作物类型亚像元制图到田块尺度的AAFC标签。方法通过时间-光谱-空间解耦分解估计单纯形比例，结合超分辨率丰度重建与可学习的作物变体端元库，并依据预测的作物比例把Mamba的计算资源集中于少数类区域。在阿尔伯塔省2015年数据的空间分块测试中，其总体精度、平均交并比等指标优于多个基线方法。用于连续时空视频超分辨率的残差运动溅射方法urn:diting-lab:zh:doc:3461162026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Residual Motion Splatting for Continuous Space-Time Video Super-Resolution
arXiv · 2026年10月28日本文研究连续时空视频超分辨率，即把低分辨率、低帧率视频在任意空间尺度和时刻生成为高分辨率、高帧率视频。作者在可学习的连续模型中恢复多帧超分辨率的亚像素对齐与累积思路：预测带平滑残差运动的逐像素连续轨迹，并将相邻低分辨率特征按预测位置和可见性权重直接溅射到高分辨率网格上，再由解码器处理剩余歧义。论文称该方法在多个标准基准上提升了重建保真度和感知质量，同时运行速度最多快一个数量级。基于视觉的密度估计用于自适应交通控制urn:diting-lab:zh:doc:3461152026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Vision-Based Density Estimation for Adaptive Traffic Control
arXiv · 2026年10月28日该论文提出一个从摄像头画面直接优化交通流的框架，分为车辆密度估计、预测建模和信号策略优化三部分。其中密度估计阶段在印度斋浦尔Rambagh 4路口的40幅标注图像上评估，五折验证的平均绝对误差为3.32±0.95辆，平均绝对百分比误差为14.5%。预测与控制阶段的实证训练和评估仍属未来工作。通过分离时间尺度的行为克隆加速非线性模型预测控制：应用于核反应堆负荷跟踪urn:diting-lab:zh:doc:3461142026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Accelerating Nonlinear MPC by Behavior Cloning with Separated Timescales: Application to Nuclear Reactor Load-Following
arXiv · 2026年10月28日本文提出结构化表示学习的行为克隆方法（SRLBC），针对慢变量、快变量和外部输入分属不同时间尺度的多尺度系统，为其分别设计嵌入。在压水堆负荷跟踪基准的500条长时域仿真中，分离嵌入的方法在累计成本、模仿精度和约束满足方面均优于共享嵌入基线。结合安全增强的近似非线性模型预测控制后，控制器平均比原始NMPC快6.8倍，可行率至少为99.8%。在测试阶段校准多目标跟踪中的轨迹查询更新urn:diting-lab:zh:doc:3461132026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Calibrating Track-Query Updates at Test Time for Multi-Object Tracking
arXiv · 2026年10月28日本文研究多目标跟踪中查询传播跟踪器在目标交叉、外观相似时的身份切换问题，分析发现身份切换前查询表示变化更剧烈，且当前帧更新在指向邻近活动轨迹的方向上投影更大。作者据此提出无需训练、无需梯度的测试时轨迹查询校准方法（TQC），在传播前用有界修正量校准输出。在 DanceTrack 和 SportsMOT 的九组测试中，该方法提升了 HOTA 和 AssA，平均 HOTA 增益为 +0.38。超越可达性：编辑顺序何时能保持图流匹配中的耦合关系urn:diting-lab:zh:doc:3461102026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Beyond Reachability: When Edit Order Preserves Couplings in Graph Flow Matching
arXiv · 2026年10月28日本文研究图生成模型中，合法最短编辑路径的顺序能否在不改变配对、必要编辑和采样预算的前提下，保持指定的源-目标对应关系。作者在共同泊松时钟下给出端点耦合可恢复性的精确判据：当通往不同目标的路径不共享图状态时，无记忆的马尔可夫投影即可达到不可避免的时钟误差下界。论文还给出了合法性保持的调度方法及恢复证书。基于几何感知轨迹状态建模的少样本动作识别urn:diting-lab:zh:doc:3461092026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Geometry-Aware Trajectory State Modeling for Few-Shot Action Recognition
arXiv · 2026年10月28日该论文针对少样本动作识别，提出GeoTRAM框架，将稀疏点轨迹提升为2.5D轨迹，并通过StateMotion和RelMotion分别建模轨迹内部状态演化与局部几何交互。框架还包括质量过滤的谱采样、多种线索的分别优化与保留，以及动作引导的重加权和轨迹选择。实验在五个基准上进行，在以运动为中心的Something-Something数据集上提升明显，同时在外观驱动的基准上保持有竞争力的表现。从虚幻引擎到电影化编排：面向可控世界仿真的智能体编排系统 CineUurn:diting-lab:zh:doc:3461072026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Cinematize from Unreal: Agentic Choreography for Controllable World Simulation
arXiv · 2026年10月28日论文提出 CineU（Cinematize from Unreal），一个在虚幻引擎中通过语言驱动世界编排与电影化镜头调度的智能体系统。它把 Unreal 项目视为可检查的持久世界表示，由智能体生成可执行、可验证的代码操作，并结合层级编排、资产检索与几何约束放置、多阶段验证与局部修复。实验涵盖场景搭建、选择性编辑和多镜头摄影，结果显示引擎反馈有助于提高任务完成率。中世纪插图的自动图像学标注：生成式视觉语言模型与监督判别式分类器的比较urn:diting-lab:zh:doc:3461062026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Automatic Iconographic Annotation of Medieval Illuminations: Comparing Generative Vision-Language Models and Supervised Discriminative Classifiers
arXiv · 2026年10月28日本文针对中世纪手稿数字化后的图像学自动索引问题，在9,735幅整页图像上比较了生成式视觉语言模型与监督判别式分类器两种方法，标注体系为2,333个TIMEL概念。结果显示，ML-Decoder分类器检索效果最好（precision@1为0.696，MRR为0.806），两类方法各有优势，可望互补用于未来的混合索引系统。文中还提出了考虑分类层级的软F1指标。当支持越界：评估中文语境下基于大模型的心理健康支持的伦理边界urn:diting-lab:zh:doc:3461042026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00When Support Crosses the Line: Evaluating Ethical Boundaries in LLM-Based Mental Health Support in the Chinese Context
arXiv · 2026年10月28日本文提出MindEth-Bench，用于评估大语言模型在多轮心理健康对话中是否始终遵守专业伦理边界。该基准依据中国心理健康服务的专业伦理标准，并利用蒙特卡洛树搜索生成对话路径以测试模型边界。对九个大模型的实验显示，模型在对话后期可能转向伦理违规，且不同模型和伦理维度差异明显，因此仅做单轮评估可能高估系统的伦理可靠性。CoSTA：面向复杂时序知识图谱问答的协同演化自博弈时间线智能体urn:diting-lab:zh:doc:3461022026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00CoSTA: Co-Evolving Self-Play Timeline Agents for Complex Temporal Knowledge Graph Question Answering
arXiv · 2026年10月28日该论文针对复杂时序知识图谱问答中多个事实的时间约束相互依赖的问题，提出CoSTA框架。它把事实组织成可导航的时间线，由工作智能体分别调查，再由协调者综合带时间戳的观察结果。训练上先用角色条件蒸馏初始化共享策略，再通过以最终答案为奖励的协同演化自博弈联合优化两种角色。论文称其在三个基准上取得最优整体表现，紧凑版本也优于所评估的闭源大模型智能体。将决策模型与生成式大语言模型在医学多项选择题上进行基准比较urn:diting-lab:zh:doc:3461012026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Benchmarking decision models against generative large language models on medical multiple-choice questions
arXiv · 2026年10月28日该论文在 1,273 道四选一的 MedQA 文本题上，比较了 13 个决策模型与 15 种生成式大语言模型配置（含不同推理设置）的表现。结果显示，决策模型准确率为 67.71% 至 89.08%，生成式配置为 78.32% 至 96.86%。决策模型在成本和响应速度上有优势，但峰值准确率较低；选型时还需综合考虑概率质量与重复稳定性。DES-JEPA：为高维离散事件序列学习共享词表urn:diting-lab:zh:doc:3460992026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00DES-JEPA: Learning a Shared Vocabulary for High-Dimensional Discrete Event Sequences
arXiv · 2026年10月28日该论文针对运维日志、患者临床事件轨迹等离散事件序列，各领域事件标签不统一、类别数量多的问题，提出两个模块：DES-JEPA 从事件词表未对齐的合成随机过程中学习共享离散词表，DES-PFN 复用该词表进行上下文内的下一事件预测。该框架无需任务特定微调，在八个未见过的真实数据集上取得有竞争力的零样本表现，并可扩展到 700 种不同事件类型。RoleFUZZER：面向大语言模型角色设定遵守性的用户行为模糊测试urn:diting-lab:zh:doc:3460962026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00RoleFUZZER: User-Behaviour Fuzzing for Role-Specification Adherence in Large Language Models
arXiv · 2026年10月28日大语言模型常通过系统提示被设定为导师、面试官或代表机构的智能体等角色，但在与用户多轮交互时能否遵守这些角色设定尚缺乏研究。论文提出用户行为模糊测试，并开发了RoleFUZZER框架，借鉴软件测试中的覆盖引导模糊测试，系统搜索可能使模型违背角色设定的用户行为。实验覆盖五类角色，结果显示该框架对每个被测模型和角色都达到了不低于89%的行为网格覆盖率，并发现了与设定相关的失效模式。相关模式下 Hopfield-Hebbian 动力学的容量研究urn:diting-lab:zh:doc:3460952026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Capacity of the Hopfield-Hebbian dynamics with correlated patterns
arXiv · 2026年10月28日本文研究 Hopfield-Hebbian 神经网络联想记忆在存储模式相互关联时的存储容量。作者把每个原型模式替换为 M 个相关样本，并用参数 r 控制相关程度，基于随机对偶理论建立容量刻画。结果与模拟动力学表现高度吻合，并能显式体现 M 和 r 对相变行为的影响。跨模态持续适应：统一多模态模型中的学习与遗忘urn:diting-lab:zh:doc:3460942026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Continual Adaptation Across Modalities: Learning and Forgetting in Unified Multimodal Models
arXiv · 2026年10月28日论文系统研究了统一多模态模型在多个跨模态任务上持续学习时的学习与遗忘规律，考察架构设计和适应方法对生成端与理解端之间干扰的影响。研究发现：模态专属参数隔离程度越高，跨模态干扰越轻；生成端比理解端更脆弱；后训练获得的能力最先被遗忘，如个性化生成能力下降84%至90%，而预训练能力保持稳定。思维链依赖是否遵循规模定律？更大的模型更依赖自己的推理步骤，与后训练无关urn:diting-lab:zh:doc:3460932026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Does Chain-of-Thought Reliance Follow a Scaling Law?Larger Models Follow Their Steps More, Independent of Post-Training
arXiv · 2026年10月28日该研究用合成的盒子交换任务（每个中间状态都已知）测量模型最终答案对自身思维链的依赖程度：把思维链中的一步替换为错误但有效的状态，检查答案是否随之改变。作者评估了25个开源模型，发现依赖程度随规模上升并趋于饱和，主要由能力驱动，而后训练基本不改变依赖程度。版图背后的代码：面向模拟电路版图生成器的AI智能体urn:diting-lab:zh:doc:3460902026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00The Code Behind the Layout: AI Agents for Analog Layout Generators
arXiv · 2026年10月28日模拟电路版图目前仍主要依赖人工，难以自动化。论文研究如何让大语言模型编写或修改gLayout等参数化版图生成器的代码，并在SKY130工艺上做了对照实验。结果显示，直接绘制版图的主要障碍是时间与token成本，而基于生成器框架工作的主要优势在于可复用性。IntReal：面向多模态图文交错生成的真实世界数据集与基准urn:diting-lab:zh:doc:3460892026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00IntReal: A Real-World Dataset and Benchmark for Multimodal Interleaved Generation
arXiv · 2026年10月28日该论文提出 IntReal，包括一个含 10 万条样本、覆盖四大类别的真实多模态图文交错数据集 IntReal-100K，以及一套从七个互补维度进行细粒度评测的 IntReal 评测套件。实验显示该套件指标间冗余低、与人工判断一致性较高，并能揭示不同统一多模态模型的优劣。后训练实验表明该数据集可提升图文交错生成能力，单模态生成训练也有助于交错生成。更深的反向传播还是更多的更新？跨训练预算训练循环语言模型urn:diting-lab:zh:doc:3460882026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Deeper Backpropagation or More Updates? Training Looped Language Models Across Budgets
arXiv · 2026年10月28日论文研究循环语言模型训练中反向传播窗口的选择，即最后几层重复中有多少保留梯度。论文比较了不同窗口在不同训练预算下的表现，并用相近训练时间比较完整训练方案。结果显示，随着预算增加，较短窗口的优势减弱，最优窗口可能随预算变化。用保留结构的低秩适配器合成天气图像urn:diting-lab:zh:doc:3460872026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Structure-retained low-rank adapters for weather synthesis
arXiv · 2026年10月28日本文提出一种天气图像合成方法，利用保留结构的低秩适配器（LoRA）在 Stable Diffusion XL（SDXL）中生成不同天气条件下的图像。作者先分析 SDXL 中在图像到图像转换时主要处理结构信息的注意力模块，再为这些模块学习结构 LoRA 矩阵，无需 ControlNet 等外部条件。实验表明，该方法在保持结构的同时比现有合成方法更逼真，可用于生成户外计算机视觉的训练与评估数据。面向多智能体AI系统的治理感知联邦学习：可信协作AI的策略驱动框架urn:diting-lab:zh:doc:3460862026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Governance-Aware Federated Learning for Multi-Agent AI Systems: A Policy-Driven Framework for Trustworthy Collaborative AI
arXiv · 2026年10月28日本文提出治理感知联邦学习（GAFL），在联邦学习中加入独立的治理证据验证、时间信任、公平性与可解释性评估、异常检测、策略执行、归一化聚合及防篡改审计日志。论文在10个参与方的跨机构原型上基于Adult Income数据集进行了多场景实验，结果显示完整GAFL能识别全部伪造证据的参与方，而不做独立验证的版本则一个都识别不出，但治理处理开销明显高于FedAvg。LLM引导进化搜索中的整体多样性管理urn:diting-lab:zh:doc:3460852026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Holistic Diversity Management in LLM-Guided Evolutionary Search
arXiv · 2026年10月28日本文提出HoliDivEvolve方法，在LLM引导的进化搜索中，从初始化到岛屿轨迹再到跨岛共享，全过程地建立并利用岛屿多样性。方法包括多样化初始化、基于当前得分、近期增长和剩余搜索预算分配计算资源的轨迹自适应岛屿选择，以及跨岛共享不同思路的增长自适应迁移。实验表明该方法在多数评测任务上取得有竞争力的表现，并通过受控分析考察了设计选择对搜索行为和最终性能的影响。SpaceAct：通过闭环动作与主动感知评测三维时空推理的基准urn:diting-lab:zh:doc:3460842026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00SpaceAct: Benchmarking 3D Spatial and Temporal Reasoning via Closed-Loop Action and Active Perception
arXiv · 2026年10月28日该论文提出SpaceAct交互式基准，用于评测多模态大模型在三维空间中的时空推理能力，基准包含108个经验证的实例，涵盖36个任务族，并配套提出时空主动探测智能体框架SAPA。测试任务要求模型旋转相机消除遮挡、输出六自由度位姿，并通过碰撞与静力学检查。实验显示，即使给出正确规划，模型仍受限于三维视觉定位和动作精修；提供精确三维状态后，碰撞次数大幅下降。以大语言模型作为评审者与应试者预测医学题目难度urn:diting-lab:zh:doc:3460832026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00LLMs as Judges and Examinees for Medical Item Difficulty Prediction
arXiv · 2026年10月28日本文研究如何仅根据题目文本预测医学考试题目的难度。研究使用USMLE和PANCE医师执照考试题目，让开源大语言模型分别扮演评审者（给出绝对难度评分和两两难度比较）和模拟考生（生成答对概率、答题熵等应答信号），再将这些信号与基础题目特征结合用于预测。结果显示，在USMLE上最佳配置的Spearman相关系数为0.447，在PANCE上为0.494，与专有前沿模型Claude Opus 5的直接绝对评分结果相当。Agent Transfer Protocol：面向智能体网络的服务器中介式跨智能体通信架构urn:diting-lab:zh:doc:3460822026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Agent Transfer Protocol: Server-Mediated Agent-to-Agent Communication Architecture for the Agentic Web
arXiv · 2026年10月28日本文提出 ATP（Agent Transfer Protocol），一种跨组织的智能体通信协议，采用域中介架构：管理域为逻辑智能体维护稳定地址和接收入口，收发双方的域服务器负责跨域传输，接收域验证并保存消息供执行实例稍后读取，发送域对完整消息信封签名。作者实现了原型，并通过受控的跨组织 LLM 智能体工作流、机制检查和时延测量进行评估。SCOPE：面向智能体强化学习的选择性关键步骤同策略自蒸馏urn:diting-lab:zh:doc:3460802026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00SCOPE: Selective Critical-Step On-Policy Self-Distillation for Agentic Reinforcement Learning
arXiv · 2026年10月28日该论文提出SCOPE框架，针对长时程大模型智能体训练中仅依据结果的强化学习监督较粗糙的问题。策略模型在监督预热后分析自身轨迹，为选定的错误步骤生成步骤级的事后技能并只在这些步骤上蒸馏其指导，同时加入有界的带符号师生系数和基于成功轨迹的成对长度奖励。在ALFWorld和WebShop上的实验显示，基于Qwen2.5-3B的模型分别取得97.7%和85.2%的成功率，Qwen3-32B在未见ALFWorld任务上达到94.0%。医学视觉语言模型中与图像无关的幻觉研究urn:diting-lab:zh:doc:3460792026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Visually Irrelevant Hallucinations in Medical Vision-Language Models
arXiv · 2026年10月28日本文研究医学视觉语言模型在放射报告生成和医学视觉问答中产生的“与图像无关的幻觉”，即生成了缺乏图像依据或与图像内容相矛盾的临床表述。作者提出了CLEAR框架，通过对短语进行局部反事实扰动来估计幻觉风险。在四个数据集上，CLEAR优于现有的幻觉检测基线，例如在MIMIC-CXR上将AUPRC从85.10%提升到90.23%。从结构邻近性重新审视时序链接预测urn:diting-lab:zh:doc:3460782026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Revisiting Temporal Link Prediction through Structural Proximity
arXiv · 2026年10月28日该论文重新审视时序链接预测任务，发现经典的个性化PageRank（PPR）方法在历史交互图上，采用滑动窗口或指数时间衰减即可取得与现有方法相当甚至更好的效果，无需训练或学习时序模型。作者在14个数据集上进行了比较，结果显示带时间衰减的PPR在其中9个数据集排名第一、4个排名第二。基于发音监督的爱尔兰语（Gaeilge）文本转语音urn:diting-lab:zh:doc:3460772026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Pronunciation-Supervised Text-to-Speech for Irish (Gaeilge)
arXiv · 2026年10月28日本文研究如何利用词典和方言描述中记录的爱尔兰语发音信息，监督大型预训练语音合成模型对爱尔兰语的适配。作者用12.8小时的众包语音数据将Qwen3-TTS适配到爱尔兰语，跨语料测试的字符错误率为0.225，优于从头训练的系统（0.397）和零样本克隆（0.437）。随后，作者将维基词典的发音记录转化为发音校验器，用于一轮拒绝微调，将跨语料字符错误率降至0.159，并指出由于方言数据不足，声音尚无法被引导至少数方言。教师桥接文本在交错式同策略蒸馏中的作用有多大？urn:diting-lab:zh:doc:3460762026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00How Much Do Teacher Bridges Matter in Interleaved On-Policy Distillation?
arXiv · 2026年10月28日该论文研究同策略蒸馏中，学生生成回答时插入教师写的段落（桥接文本）如何影响训练。作者在相同轨迹上比较了无损失、前向KL和反向KL三种处理方式，使用Qwen3-1.7B作为学生、Qwen3-4B-Instruct-2507作为教师。主要比较中，三种处理在准确率上统计等效，未检测到教师文本带来的额外准确率收益。计算有形状：让冻结大模型的内部计算结构随输入自适应变形urn:diting-lab:zh:doc:3460752026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Compute Has Shape: Self-Morphing the Internal Computation of Frozen LLMs
arXiv · 2026年10月28日该论文提出SelfMorph方法，在推理时根据每个输入动态选择大语言模型的内部计算结构，包括原始前向路径、层段重复执行和局部分支合并三种形态。一个轻量选择器读取提示词上的隐藏状态轨迹来决定形态，并通过蒸馏离线评估的效用分布进行训练。在三个4B至27B规模的模型上，该方法在分布内与未见基准上分别取得8.06%和4.45%的平均相对提升。TCC-RAG：用于时序知识图谱问答的时序因果链引导检索增强生成方法urn:diting-lab:zh:doc:3460722026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00TCC-RAG: Temporal Causal Chain-Guided RAG for Temporal Knowledge Graph Question Answering
arXiv · 2026年10月28日该论文针对时序知识图谱问答中常用的语义检索增强生成方法，指出其难以捕捉多跳因果知识、且会引入大量冗余信息。作者提出TCC-RAG，将时序知识图谱转化为多视角因果线索图，并为每个问题构建时序因果链来指导检索，再通过因果证据过滤器筛选知识。实验显示该方法在两个基准上分别提升10.72%和8.40%，多步时序推理提升62.97%。SparseTokenGS：基于可复用令牌池的稀疏视角锥束CT高斯重建方法urn:diting-lab:zh:doc:3460702026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00SparseTokenGS: Gaussian-based Sparse-View CBCT Reconstruction via Reusable Token Pool
arXiv · 2026年10月28日本文针对稀疏视角锥束CT（CBCT）重建中伪影严重的问题，提出SparseTokenGS方法。该方法通过可复用令牌池，在解码坐标时仍能获取整次扫描的全局信息，并在一次前向传播中完成体数据重建，无需逐次扫描优化。在三个公开胸部和牙科数据集上取得了比较方法中最高的重建性能。Volley3D：从单目转播视频统一重建排球全序列三维场景urn:diting-lab:zh:doc:3460692026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Volley3D: Unified 3D Full-Sequence Reconstruction from Monocular Broadcasts
arXiv · 2026年10月28日该论文提出Volley3D，一种面向单目转播排球视频的三维重建流程，无需三维训练监督。方法结合跳跃检测与牛顿插值校正球员三维位置，并通过子轨迹分割与碰撞匹配重建球的三维轨迹，以手部三维顶点锚定物理方程。作者称在多机位基准上，该方法比二维重投影基线显著降低了三维空间漂移。CSO：通过技能分布对齐与技能级优化改进机器人策略urn:diting-lab:zh:doc:3460682026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00CSO: Refining Robotic Policies via Skill Distribution Alignment and Skill-Grained Optimization
arXiv · 2026年10月28日该论文提出级联技能优化（CSO），一个两阶段后训练框架，用于改进基于离散技能的机器人操作策略。第一阶段通过拒绝采样监督微调，使观测到技能的映射与成功的在线轨迹分布对齐；第二阶段冻结观测编码器，为每个完整技能计算独立裁剪的重要性比率进行更新。采用轻量级QueST式策略，在LIBERO上整体成功率由80.1%提升至97.5%，并在RoboTwin2.0及五项单臂真实任务中取得61.0%的成功率。一次编码，多次作答：通过参数化流将上下文内化到模型中urn:diting-lab:zh:doc:3460672026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Encode Once, Answer Many: Internalizing Context via Parametric Flow
arXiv · 2026年10月28日本文提出CLIK方法，用一个以上下文为条件的参数生成器，将给定文档内容一次性转换为LoRA参数并插入冻结的基础模型，使模型之后仅凭问题即可作答，无需每次重新读取上下文，也无需逐任务优化。在文档问答上，该方法明显优于无上下文的基础模型和现有超网络生成器，但仍落后于直接读取上下文的模型；它还无需多轮对话专门训练即可迁移到多轮对话。WeVisCut：从旁白到长视频的一站式智能剪辑代理urn:diting-lab:zh:doc:3460652026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00WeVisCut: The Whole Editing Room in One Agent From Narration to Long-Form Video
arXiv · 2026年10月28日本文提出WeVisCut，一个将旁白脚本转化为长视频的系统，通过共享生产状态的代理框架连接工具执行与策略学习。作者构建了四阶段数据管线，从成品视频中还原剪辑意图并生成可执行的训练数据，共得到超过13万条样本。基于此训练的90亿参数策略模型在同一框架内协调生产并从失败中恢复，并提出了包含100项任务与五项指标的评测基准。对齐单视图新视角合成的错位基准urn:diting-lab:zh:doc:3460642026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Aligning Misaligned Benchmarks for Single-View Novel View Synthesis
arXiv · 2026年10月28日本文指出，单视图新视角合成方法的评估结果受其参考坐标系与真实位姿对齐方式的影响。作者提出用传统二维到二维、二维到三维图像匹配对齐三维重建，并只在共视区域评估。结果显示，经过恰当对齐后，基于显式三维高斯的方法达到了当前最优水平；此外，作者还提出一个直接结合现成视频生成器与前馈几何估计器的简单基线，无需任务特定训练，即可与专门训练的先进方法相当。基于知识结构与证据感知的肾小球病理基础模型语义自蒸馏方法（GloSAGE）urn:diting-lab:zh:doc:3460632026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Knowledge-structured and evidence-aware semantic self-distillation for glomerular pathology foundation model
arXiv · 2026年10月28日该论文提出GloSAGE框架，利用预训练视觉教师模型预测的病变特征构建结构化病理描述，并通过可靠性引导选择图文锚点，在冻结视觉编码器的前提下训练投影层进行图文对齐。模型在GloMillion数据集上开发，并在七个肾小球及病例级队列中评估，支持零样本病变识别、图文检索等任务。研究认为，教师模型导出的病变特征可为扩展肾小球视觉基础模型提供标注高效的语义监督。《投资者的最后考试》：AI 代理能否在看不到未来的情况下做股票投资？urn:diting-lab:zh:doc:3460622026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Investor's Last Exam: Can AI Agents Do Equity Investment Without Seeing the Future?
arXiv · 2026年10月28日该论文提出股票研究基准 Investor's Last Exam（ILE），由经验丰富的买方投资者和基金经理主导设计，包含带时间戳的版本化金融数据库、以专业分析师交付物为核心的任务分类，以及通过金融依赖图连接评分标准的专家框架。评测涵盖 86 项任务，同时考察研究质量、预测准确性和模拟投资表现。结果显示，即使是领先模型也难以把整体研究能力转化为预测能力，GPT-6 Astra 在 Forecast & Model 类别仅得 52.5 分。从阿拉伯语司法叙述中检索法条：沙特家庭法与证据法urn:diting-lab:zh:doc:3460612026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Statutory Article Retrieval from Arabic Judicial Narratives: Family Law and Law of Evidence in Saudi Arabia
arXiv · 2026年10月28日本文针对阿拉伯语司法场景，研究如何把较长的案情叙述对应到表述抽象法律规则的法条。作者构建了包含200个合成沙特司法案例和381条家庭法与证据法条文的基准，比较了多种检索方法，并提出先拆分争议焦点、再生成多路检索查询的Decompose-and-Refine方法。该方法在证据法条文上的检索效果明显优于其他方法。基于结构因果模型先验学习图基础模型的先验数据拟合网络urn:diting-lab:zh:doc:3460602026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Learning a Prior-Data Fitted Network for Graph Foundation Models via Structural Causal Model Priors
arXiv · 2026年10月28日本文提出GSCM-PFN，一种图先验数据拟合网络，在由结构因果模型（SCM）先验生成的合成数据上预训练，联合建模节点与图拓扑。作者设计了特征-边-标签联合结构因果模型来生成合成图，并构建了特征置换不变的双路径图网络。在23个真实基准数据集上的实验显示，该模型在不使用真实图数据预训练的情况下，优于传统图基础模型和基于PFN的图基础模型。Fu-TCM：学习中医诊断推理的多模态大语言模型urn:diting-lab:zh:doc:3460582026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Fu-TCM: a multimodal large language model that learns traditional Chinese medicine diagnostic reasoning
arXiv · 2026年10月28日本文提出Fu-TCM，一个多模态中医大语言模型，训练数据来自经典文献、教材、医学图像、临床案例和公开数据集，约712万条初始样本经清洗过滤后保留。模型还通过名为BGPO的策略优化方法强化辨证能力，奖励内容涵盖回答格式、中间中医推理字段和最终证型预测。在六个涵盖中医推理、文本和视觉的基准测试中，Fu-TCM-27B全部领先，宏平均准确率为81.01%。MUSE：面向科学编程智能体的多层记忆与选择性运行时注入框架urn:diting-lab:zh:doc:3460572026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00MUSE: Multi-Level Memory with Selective Runtime Injection for Scientific Coding Agents
arXiv · 2026年10月28日该论文提出MUSE框架，用于科学编程智能体的经验复用。它从历史轨迹中构建全局、方法层面和实现层面的多层记忆，初始化时注入全局与匹配的方法记忆，执行中由LLM门控选择相关实现记忆并生成审查建议或跳过注入。论文在数值求解、内核优化和科学软件修复等四个基准上验证，结果优于检索和记忆基线。正确的多词元预测：Soft-MTPurn:diting-lab:zh:doc:3460562026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Multi-Token Prediction Done Right
arXiv · 2026年10月28日多词元预测（MTP）是语言模型预训练的常用方法，可提升下游表现并加快推理。本文指出标准MTP训练的梯度中含有一个干扰项，会损害下一词元与多词元学习，且规模越大问题越明显。作者提出Soft-MTP，仅需修改一行代码，保留有用的KL自蒸馏信号、去掉残差，在167M至1.2B参数范围内优于标准MTP，且不增加参数。一个多智能体内核优化循环学习新AI加速器的案例研究urn:diting-lab:zh:doc:3460552026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00A Case Study of a Multi-Agent Kernel-Optimization Loop That Learns a New AI Accelerator
arXiv · 2026年10月28日本文介绍了一个为陌生AI加速器设计的大语言模型智能体循环。以FuriosaAI RNGD NPU为例，该循环在12天内优化了三个Gemma-4-12B解码内核。系统通过文档摘要、微基准测试和编译器规则自建目标硬件知识，并借助按内核划分的设计树搜索取得改进。最终内核相对官方基线的几何平均加速为9.293倍，每个内核都在搬运其权重所需周期的1.25倍以内。大语言模型能否可靠地完成本体工程任务？一项机制可解释性研究urn:diting-lab:zh:doc:3460542026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Can LLMs Faithfully Solve Ontology Engineering Tasks? A Mechanistic Interpretability Study
arXiv · 2026年10月28日本文提出 MIOE 基准，用因果抽象的方法检验大语言模型内部表征是否真正编码了本体知识。研究针对实体类型判定和子类关系预测两项任务，在 Qwen3-8B 与 Qwen3-4B 上评估了基于 SAE、DBM、DAS 的多种干预方法。结果显示分布式子空间方法效果最好，模型中的本体预测可被机制性地访问，但目前方法尚未能把本体知识的因果机制清晰分离出来。SSQA：面向感知任务层级建模的兄弟选择四叉树注意力urn:diting-lab:zh:doc:3460522026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00SSQA: Sibling-Selective Quadtree Attention for Hierarchical Modeling in Perception Tasks
arXiv · 2026年10月28日该论文提出兄弟选择四叉树注意力（SSQA），把图像令牌组织成完整的四叉树结构进行层级建模。作者给出复杂度分析，证明其特征建模为线性时间，并与Mamba 2、四叉树注意力等方法比较推理速度。在多项任务上，SSQA的结果至少与其他方法相当，部分更优，计算成本更低。基于位姿感知扩散先验的二维投影极稀疏视角CT重建urn:diting-lab:zh:doc:3460512026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Extremely Sparse-View Computed Tomography from 2D Projections via Pose-Aware Diffusion Priors
arXiv · 2026年10月28日该论文针对极稀疏视角计算机断层扫描（xSV-CT）场景，即扫描时间、运动或辐射限制下每次只能获取少量投影的情况。研究提出从每个训练样本的一张二维投影学习位姿感知扩散先验，并结合测量视角保真、共享体积重投影与投影物理一致性引导扩散采样进行重建。在两个公开CT数据集的1、4、8视角设置下，该方法取得了最佳的新视角合成分数，重建质量优于或可比于使用稠密体数据监督的基线方法。导航智能体应该记住什么？面向零样本视觉语言导航的时空记忆urn:diting-lab:zh:doc:3460502026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00What Should a Navigator Remember? Spatiotemporal Memory for Zero-Shot Vision-Language Navigation
arXiv · 2026年10月28日本文研究在无需导航专门训练的零样本视觉语言导航中，80亿参数规模的导航系统应保留哪些信息以及如何组织。系统通过任务进度、按位姿锚定的分层压缩观测历史和累积几何信息三类互补记忆辅助决策。在R2R-CE验证集（未见环境）上，完整系统在所评估的基于Qwen3的零样本基线中取得最高成功率；去除时间记忆会使平均路径长度从16.9米显著增至39.1米。LLM-PowerTrace：面向AI计算的GPU时间分辨功耗轨迹数据集urn:diting-lab:zh:doc:3460492026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00LLM-PowerTrace: A Dataset of Time-Resolved GPU Power Traces for AI Compute
arXiv · 2026年10月28日本文发布了LLM-PowerTrace，这是一个开放数据集，记录大语言模型微调和推理过程中每块GPU的功耗随时间变化的轨迹，采样间隔为100毫秒，涵盖多种NVIDIA平台并附有工作负载和系统元数据。数据集包含模型规模、批次大小、精度、并行方式、并发、GPU频率、量化、请求到达模式等受控扫描实验。作者还基于功耗轨迹定义了面向电网的指标，并提出AI计算功耗与能耗的缩放规律，用于推算测量范围之外的情况。CHORD：基于关系图判别的跨模型幻觉检测方法urn:diting-lab:zh:doc:3460482026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00CHORD: Cross-Model Hallucination Detection via Relational Graph Discrimination
arXiv · 2026年10月28日本文研究跨模型幻觉检测问题，即在源大语言模型上训练幻觉检测器，并使其能用于未见过的目标模型。由于不同模型的隐藏状态语义不一致，传统基于表示的方法难以迁移。作者提出CHORD框架，将隐藏状态表示为跨层、词元和特征的联合关系图，并结合关系感知注意力与元学习，提取可迁移的检测特征。实验表明其跨模型泛化性能优于代表性方法。基于匹配条件响应探测的稳健大模型生成文本检测urn:diting-lab:zh:doc:3460462026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Robust LLM-Generated Text Detection through Matched Conditional-Response Probing
arXiv · 2026年10月28日该论文提出MCRP框架，用冻结的大语言模型探测候选文本在引入、移除或替换语义匹配条件时的响应，据此训练轻量随机森林分类器来判断文本是否由大模型生成。该方法在改写、润色、扩写等保持语义的文本修改下仍保持较强检测效果，报告F1为93.97%，ROC-AUC为96.24%，并在多语言和多领域评估中表现稳定。三维姿态能否改善足球动作估值？关于姿态表示与学习目标的实证研究urn:diting-lab:zh:doc:3460452026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Does 3D Pose Improve Action Valuation in Football? An Empirical Study of Pose Representations and Learning Objectives
arXiv · 2026年10月28日本文研究在基于SARSA的多智能体深度强化学习足球动作估值模型中加入三维姿态信息是否有助于提升已观测动作的价值估计。作者使用欧冠2022/23赛季的事件、追踪和三维姿态数据，比较了六种姿态表示和五种学习设定。结果显示，姿态仅在少数情况下明显改善回报预测，训练设定的影响更大；但姿态能提升对未来0.2秒内动作以及传球成功的预测。内部学习：从手写信念到声明式知识在吃墩类纸牌游戏中的应用urn:diting-lab:zh:doc:3460432026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Inner-Learning: From Hand-Coded Beliefs to Declarative Knowledge in Trick-Taking Games
arXiv · 2026年10月28日本文提出一种用于吃墩类纸牌游戏信念状态建模的声明式方法。作者将一个先进的Skat玩家中手写的推理规则自动提取为领域专用语言，并通过往返代码生成验证其行为。研究还引入基数约束，并通过自我对弈证明声明式引擎在胜率和得分上优于原手写引擎。不询问大语言模型：利用谱结构与语义相关性的视觉标记剪枝urn:diting-lab:zh:doc:3460422026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Don't Ask the LLM: Visual Token Pruning with Spectral Structure and Semantic Relevance
arXiv · 2026年10月28日论文针对大型视觉语言模型处理长视觉标记序列推理成本高的问题，提出ST-Pruner，一种无需训练、在大语言模型之前进行视觉标记选择的方法。它将与注意力无关的谱显著性与反向图文相似度通过无参数的乘法融合进行筛选。实验称，在多种模型上最多使用11.1%的视觉标记即可保留超过95%的完整标记性能，并在LLaVA-NeXT上实现3.2倍端到端加速。隐藏的立场：语言模型何时悄悄站队，以及如何通过引导使其显现urn:diting-lab:zh:doc:3460412026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Hidden Commitment: When Language Models Silently Pick a Side and How Steering Can Surface It
arXiv · 2026年10月28日该论文研究语言模型在两份相互冲突的文档之间回答问题时，是否会在未明示矛盾的情况下悄悄选择一方。作者在Qwen 0.8B上发现一个残差源选择方向，其正负号对应答案所采用的文档，并可通过中层稀疏MLP写入并引导该方向改变所选来源；在Gemma 3 1B上的迁移实验也得到类似结果。文中还指出，冲突披露的信号较弱、位于更靠后的层，且只能部分引导，据此提出用残差读出检测隐性站队的监测策略。EPSBench：评测大语言模型智能体的每股收益预测能力urn:diting-lab:zh:doc:3460402026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00EPSBench: Benchmarking LLM Agents for Earnings Forecasting
arXiv · 2026年10月28日本文提出 EPSBench，用于评测大语言模型智能体预测企业季度每股收益（EPS）的能力。基准包含 86 家美国公司的 149 个季度数据，智能体需阅读财报、财报电话会议记录和新闻，估算影响利润表的关键指标并给出引用依据。研究对六个模型进行了比较，发现部分模型的点预测误差与分析师一致预期无显著差异，而其余模型误差更高；多数模型的 80% 预测区间覆盖实际 EPS 的比例仅为 37% 至 70%。Vendster：研究预测工具质量如何影响大语言模型代理在买卖双方议价中的行为的评测平台urn:diting-lab:zh:doc:3460392026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Vendster: An Evaluation Arena to Investigate How Forecasting Tool Quality Affects LLM Agent Behaviors in Buyer-Vendor Negotiation
arXiv · 2026年10月28日该论文提出了Vendster评测平台，用于衡量预测模型的偏差和预测区间宽度如何影响两个大语言模型代理之间的买方-卖方折扣谈判结果。在基于M5数据集的实例中，模型生成的预测将销售目标达成率提高了最多17个百分点，但常用预测评估指标并未显著预测谈判结果。合成预测实验表明，预测偏差方向和代理对预测的响应程度与下游结果的关联比预测准确性更强。PulmoWorld：面向肺炎纵向动态的异步多模态医学世界模型urn:diting-lab:zh:doc:3460382026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00PulmoWorld: An Asynchronous Multimodal Medical World Model for Longitudinal Pneumonia Dynamics
arXiv · 2026年10月28日该论文提出PulmoWorld，一个用于刻画肺炎随时间变化的世界模型，将异步的状态估计、递归模拟与证据约束下的规划结合起来。模型在肺炎队列MASS上的递归预测与任务训练的序列模型相当，并在公开的MIMIC-IV-CXR数据上提升了预后判别能力。论文还提出Cap-MBRL方法，在已知机制的模拟环境中降低了相对于直接执行备用方案的选择遗憾。ConvRoute-ViT：面向高效视觉Transformer的卷积令牌路由方法urn:diting-lab:zh:doc:3460372026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00ConvRoute-ViT: Convolutional Token Routing for Efficient Vision Transformers
arXiv · 2026年10月28日视觉Transformer（ViT）的自注意力计算量随输入令牌数呈平方增长，成本较高。本文提出ConvRoute-ViT，在选定层依据类别令牌的注意力保留最相关的图像块令牌，并将其余令牌经空间重组压缩为紧凑的卷积摘要令牌，从而缩短序列长度并保留部分上下文信息。在CIFAR-100和TinyImageNet上的实验表明，与基础ViT相比，该方法在保持分类精度的同时提高了计算效率。人工评估与自动评分：区分抽样收益与估计收益urn:diting-lab:zh:doc:3460362026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Human Evaluation with Automatic Scores: Separating Sampling and Estimation Gains
arXiv · 2026年10月28日本文研究如何利用自动评判分数减少人工标注数量。作者比较了三种用途：指导抽样、修正估计及支持自适应采集，在三个偏好数据集和19个带引用问答系统上进行匹配对比。结果显示，按分数分层是较强的参考方法，额外的局部线性修正仅带来1.00%至5.27%的均方误差下降；非均衡分配在部分数据集上收益更大，但在分数自信而人工结果多变时可能增加误差。论文由此建议先采用分层内按比例抽样再计算分层人工均值的简单流程。ReLU网络深度的见证对偶性：用于证明深度下界的逻辑框架urn:diting-lab:zh:doc:3460352026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00A Witnessing Duality for ReLU Network Depth
arXiv · 2026年10月28日论文研究ReLU神经网络计算最大值函数max(x1,...,xn)时的深度下界，并考察弱逻辑理论能否证明这类下界。作者在有界算术理论VTC^0中，对固定素数q和深度上限K，证明了已知的整数权重下界，并构造了一个多项式长度的有理输入反例生成器，使浅层网络在某输入上出错。论文还给出了平衡构造，并给出深度为O(log n/log log n)的有理族。BudSplat：在渲染预算下的前馈式三维高斯泼溅urn:diting-lab:zh:doc:3460342026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00BudSplat: Feed-forward 3D Gaussian Splatting under a Rendering Budget
arXiv · 2026年10月28日该论文提出 BudSplat，一种紧凑的前馈三维高斯泼溅框架，用于在有限的高斯基元数量下进行新视角合成。方法包括基于多层视觉特征的细节感知重要性评分，以及结合渲染贡献与细节重要性的质量感知剪枝，以减少冗余基元。在 RE10K、DL3DV 和 ACID 数据集上的实验表明，该方法在渲染质量与效率之间取得了较好的平衡。量化在损失尖峰中的作用：语言模型预训练中延迟爆发的不稳定性urn:diting-lab:zh:doc:3460332026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00The Role of Quantization in Loss Spikes
arXiv · 2026年10月28日论文研究语言模型预训练中一种代价高昂的损失尖峰，即长时间训练后才出现的延迟性发散（称为“定时炸弹”尖峰）。研究发现，这类不稳定出现前，语言模型头部的量化误差会迅速增长，最终导致损失尖峰；降低数值精度会加速尖峰出现，提高精度则有助于稳定。作者提出用带动量的SGD替代语言模型头部上的AdamW，以抑制输出逻辑值增长，并指出现有缓解方法都能降低量化误差。NAGO：基于流匹配的噪声感知生成算子，用于随机偏微分方程的高效采样urn:diting-lab:zh:doc:3460322026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00NAGO: Noise-Aware Generative Operator via Flow Matching
arXiv · 2026年10月28日该论文提出NAGO方法，把采样的源分布作为可设计的变量，而不是固定的高斯分布，用于在函数空间中对随机偏微分方程的不变测度进行高效采样。作者通过协方差比率分析谱刚度，并提出在保证适定性的前提下最小化已解析傅里叶模态协方差失配的源分布选择规则。在一个受控的Matern场消融实验中，RK4精确求解所需步数从高斯函数流匹配的约30步降至3到5步。混合物理信息全纯神经网络方法：用于非齐次偏微分方程的新方法urn:diting-lab:zh:doc:3460312026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00A Hybrid Physics-informed holomorphic neural networks Method
arXiv · 2026年10月28日该论文提出一种混合物理信息全纯神经网络（HPIHNN）框架，将解分解为特解与齐次分量两部分。特解用简单扩展区域上的谱方法计算，齐次分量由仅在边界上使用修改后边界数据训练的物理信息全纯神经网络逼近。该方法应用于非齐次泊松、斯托克斯、双调和、线性弹性和亥姆霍兹方程，在复杂几何等测试中通常比标准PINN误差更低、训练更快。马拉地语跨语言摘要生成研究urn:diting-lab:zh:doc:3460302026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Cross Lingual Abstractive Summarization for Marathi
arXiv · 2026年10月28日本文面向马拉地语（Marathi）构建跨语言摘要数据，利用单语语料MahaSum与较小的跨语言数据集PMIndiaSum，对印度语神经机器翻译模型IndicTrans2进行微调。主要评估马拉地语到英语的摘要效果，采用ROUGE、chrF和chrF++指标。实验显示，基于预训练翻译模型的方法明显优于此前跨语言摘要研究中的IndicBART和mBART-50基线。TreemapMix：基于狄利克雷分布控制的多图像增强方法，用于概率与序数监督urn:diting-lab:zh:doc:3460292026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00TreemapMix: Dirichlet-Controlled Multi-Image Augmentation for Probability and Ordinal Supervision
arXiv · 2026年10月28日该论文提出 TreemapMix，一种多图像数据增强方法：从狄利克雷分布采样各源图像的权重，再用树状图分割将其分配到面积成比例的区域中。区域面积可分别用于软交叉熵目标（TreemapMix-SCE）和 Plackett-Luce 序数目标（TreemapMix-PL）。在 ImageNet-1K 上，TreemapMix-SCE 的校准误差低于所评估的混合样本基线，TreemapMix-PL 取得最高的 Top-1 准确率。ETA-Motion：基于稀疏关节学习的高效拓扑无关运动扩散生成urn:diting-lab:zh:doc:3460272026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00ETA-Motion: Efficient Topology-Agnostic Motion Diffusion via Sparse Joint Learning
arXiv · 2026年10月28日该论文提出ETA-Motion框架，用于为具有任意骨架结构的不同角色生成动作。方法不对全部关节建模，而是使用紧凑的关节子集进行稀疏骨架学习，并结合文本与视觉线索构建语义关节嵌入，同时采用保持骨架结构的训练目标。论文称该方法在效率与对未见动作和未见拓扑的泛化方面优于现有基线，推理时仍可生成完整骨架动作。存在未测量混杂时的可迁移离线强化学习urn:diting-lab:zh:doc:3460252026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Transportable Offline Reinforcement Learning in Presence of Unmeasured Confounding
arXiv · 2026年10月28日该论文研究在数据来自不同领域且存在未观测混杂变量时，如何从历史数据学习目标领域的决策策略。作者结合可迁移性理论与工具变量、负控制和代理变量，提出CAT-CCB（上下文赌博机）和CAT-CMDP（马尔可夫决策过程）两个方法。论文给出了有限样本的次优性保证，并通过数值实验验证了方法的有效性。音乐音频生成模型教程：涵盖器乐、歌曲、编辑与实时演奏等应用的方法综述urn:diting-lab:zh:doc:3460242026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00A Tutorial on Generative Models for Music Audio
arXiv · 2026年10月28日本专著面向熟悉神经网络训练但初次接触音乐生成的读者，统一符号介绍神经音频编解码器、自回归与掩码词元模型、扩散与流匹配、采样加速及偏好优化等方法，并通过实例把训练目标和采样流程与已发表的系统对应起来。文中还比较了相关系统的表示方式、方法、输入、任务和发布信息，讨论了自动指标、听感测试、数据来源、记忆与归属等评估问题，并指出不同系统在数据、规模和评估上的差异限制了跨系统比较。Keepace.ai：面向运动与健康领域的大语言模型技术报告urn:diting-lab:zh:doc:3460232026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Keepace.ai: A Technical Report on a Large Language Model for Sports and Health
arXiv · 2026年10月28日本报告介绍 Keepace.ai，一个基于 Qwen3.5-27B 经后训练得到的运动与健康领域专用大语言模型，目前针对中文运动指导，涵盖训练计划生成、运动健康知识问答和个人运动数据分析三项任务。报告称，在与领域专家共同设计的基于评分标准的内部评测中，该模型在运动安全、边界合规、结构化输出完整性和科学准确性等方面优于基座模型及更大的通用模型基线。报告还概述了其设计、数据流程、以安全为先的评测框架和评测结果。验证引导的逆合成规划：反应反馈与证据时机urn:diting-lab:zh:doc:3460222026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Verification-Guided Retrosynthesis: Reaction Feedback and Evidence Timing
arXiv · 2026年10月28日该论文研究逆合成路线规划中如何利用反应验证结果指导搜索。作者提出验证引导的反馈方法（VGR），将反应验证作为AND/OR搜索中的决策动作，被拒绝的反应立即剪除，被接受的反应在组成完整候选路线时才获得搜索优先级。在Retro190上，反馈使可验证可解率从51.1%提高到62.6%，采用延迟引导策略后进一步提高到71.1%。先例还是意图？编码代理在演进已有代码时遵循什么urn:diting-lab:zh:doc:3460212026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Precedent or Intent? What Coding Agents Follow When Evolving Existing Code
arXiv · 2026年10月28日本文研究编码代理在为已有代码添加功能或修改时，面对多种都能满足需求的实现方式，是遵循仓库中已有代码的先例，还是遵循新的任务指令。作者通过专门构建的仓库进行双向对照实验，共5625次试验，并在四个开源仓库中加以验证。结果显示，代理在与先例冲突时大多遵循先例，而书面优先级规则比单纯的代码示例更有效。印度金融自动化建议偏见数据集（IFAAB）：审计大模型生成的印度理财建议中的社会经济与人口差异urn:diting-lab:zh:doc:3460182026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00The Indian Financial Automated Advice Bias (IFAAB) Dataset : Auditing Socioeconomic and Demographic Disparities in LLM-Generated Financial Advice in India
arXiv · 2026年10月28日本文提出IFAAB基准数据集，包含31,734条由GPT-4o生成的理财建议，针对按性别、种姓、教育、就业、居住地、年龄和地区划分的虚构印度人物画像进行反事实审计。研究发现，男性画像获得的总资源建议明显高于同等条件的女性画像；加入地区信息后，性别差距显著缩小；不同种姓间也存在差异。女性更多被建议谨慎储蓄和基础金融知识，男性则更多获得投资和资产积累方面的建议。基于变分后果驱动的离线强化学习urn:diting-lab:zh:doc:3460172026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Variational Consequence-Driven Offline Reinforcement Learning
arXiv · 2026年10月28日该论文针对离线强化学习中策略偏离离线数据集的问题，提出从策略引起的状态后果分布而非动作分布来施加约束。为避免直接计算不可行的后果分布约束，论文提出结构化行为正则化（StBR），用闭式的潜在空间散度替代该目标，并在动态敏感区域自适应地收紧行为约束。作者称其在多种离线强化学习基准上表现更优。3DCodeEdit：指令引导的三维程序编辑基准测试urn:diting-lab:zh:doc:3460162026-10-28T00:00:00+09:002026-10-30T11:18:58+09:003DCodeEdit: Benchmarking Instruction-Guided 3D Program Editing
arXiv · 2026年10月28日该论文提出3DCodeEdit基准，包含108个完全以代码构建三维物体的Blender程序上的2592项指令编辑任务，编辑类型从参数修改到结构、风格重设计和场景组合。通过渲染图对照人工审核清单评判结果。在17个模型中，平均成功率仅为37%，即使最强的模型在结构和风格编辑上完成率也低于60%。研究还发现多轮反馈，尤其是独立审阅模型的反馈，可以弥补几何预判的不足。FSDP通信的终局：基于拷贝引擎、RDMA与NVSwitch的布局感知集合通信urn:diting-lab:zh:doc:3460152026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00The Endgame of FSDP Communication: Layout-Aware Collectives on Copy Engines, RDMA, and NVSwitch
arXiv · 2026年10月28日本文针对FSDP2训练中参数布局转换与通信内核带来的开销，提出TIDE零拷贝集合通信方案，基于NCCL 2.31+公共API实现。TIDE-AG利用NVSwitch多播与RDMA直接将分片写入参数存储，TIDE-RS借助拷贝引擎与NVSwitch完成bf16到fp32的梯度归约。在64张GPU上，相较原生FSDP2，训练单步耗时最多降低27.1%。FACTS-MAS：一种从异构证据中自适应预测的多智能体框架urn:diting-lab:zh:doc:3460142026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00FACTS-MAS: A Multi-Agent Architecture for Adaptive Forecasting from Heterogeneous Evidence
arXiv · 2026年10月28日该论文提出FACTS-MAS，一种多智能体预测框架，将时间动态、外生因素、季节性、结构信息和离散事件等证据分配给专门的智能体，各自生成可独立检验的预测，并依据历史验证得到的预测技能加权合并。在Zillow待售住房库存和FRED失业保险申请数据（美国15个大都市区，4、8、13周预测期）上，该方法优于末值基准和TimesFM基础模型，但与一种因子调整的指数平滑模型表现相当。基于轮廓的步态组学用于老年人衰弱评估urn:diting-lab:zh:doc:3460132026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Silhouette-Based Gaitomics for Frailty Assessment in Older Adults
arXiv · 2026年10月28日该论文利用人体轮廓图像提取步态特征，以分析老年人的衰弱状况。研究纳入66名老年人，依据Fried衰弱表型进行分类，并通过可解释机器学习方法将模型预测与步态的形态和运动特征相联系。结果显示，CatBoost的三分类平均micro-AUC为0.647，衰弱与非衰弱的两两分类表现最好，而衰弱前期与非衰弱的区分能力有限；作者认为该框架可为后续研究提供可解释的基础，但仍需更大规模的独立研究验证。CuraEval：在混合技能机器人数据上评估示范数据筛选方法urn:diting-lab:zh:doc:3460122026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00CuraEval: Evaluating Demonstration Curation on Mixed-Skill Robot Data
arXiv · 2026年10月28日该论文提出CuraEval框架，用于评估机器人模仿学习中的示范数据筛选方法。作者在混合技能的robomimic数据上，用Diffusion Policy和BC-RNN将多种筛选方法与固定规模随机子集及全量数据训练进行对比。结果显示，部分筛选方法优势并不稳定，经多重比较校正后，没有筛选条件显著优于全量数据训练。Rubricon：用于大模型评测与训练的自动化评分标准生成与改进方法urn:diting-lab:zh:doc:3460112026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Rubricon: Automated Rubric Generation and Refinement for LLM Evaluation and Training
arXiv · 2026年10月28日该论文提出 Rubricon 流程，无需人工偏好标注即可自动生成用于评估开放性任务的评分标准（rubric）。它采样多份候选标准，选出区分度最高的一份，再补充遗漏的要求并剔除不合理的条目。在五个专业、消费、临床和通用场景的基准测试中，其生成的标准与专家编写的标准更为一致，并在 HealthBench 上使训练后的 Qwen3.5-9B 模型表现提升 4.5%。HotPOT：面向大规模PDE预训练的异构物理专家算子Transformerurn:diting-lab:zh:doc:3460102026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00HotPOT: Operator Transformer with Heterogeneous Physics Experts for Large-Scale PDE Pre-training
arXiv · 2026年10月28日该论文提出HotPOT模型，用于大规模偏微分方程（PDE）预训练。模型用共享编码器提取各方程共有的信息，每类PDE配有一个神经-数值专家，由可学习的预测器和不含可训练参数的固定数值更新组成，由后者计算下一时刻的状态。在五类PDE、六种设置的实验中，HotPOT在全部24组同规模对比中优于MoE-POT，微调前后均如此，平均滚动误差降低50.7%，并能扩展到未见物理条件下的零样本预测。骨架编码：以程序结构作为智能体的规约urn:diting-lab:zh:doc:3460082026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Skeleton Coding: Program Structure as a Specification for Agents
arXiv · 2026年10月28日论文指出，编码智能体的输出取决于它自行选定的程序结构，仅靠端到端的测试和示例难以确定开发者的意图。作者提出骨架编码，让开发者在提供行为规约的同时，以高层代码形式给出程序结构。理论上，骨架可以显著减少所需测试数量；在四个模型和三个基准上的实验显示，最佳骨架规约比最佳端到端规约的平均测试误差降低48.4%。RainCheck：利用历史气象数据和机器学习预测孟加拉国降雨urn:diting-lab:zh:doc:3460072026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00RainCheck: Harnessing Historical Weather Data with Machine Learning for Rainfall Forecasting in Bangladesh
arXiv · 2026年10月28日该研究使用孟加拉国气象局35个气象站1948至2014年间共618,650个站日的记录，比较多种机器学习模型的降雨预测能力。研究发现，仅依据站点与月份的气候统计即可取得较高准确率，多数模型在未来年份上并未明显优于气候基线。研究同时发布了一套避免数据泄漏的评估方法与代码。GAAC：面向个人设备大模型推理的无损KV缓存压缩urn:diting-lab:zh:doc:3460062026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00GAAC: Lossless KV Compression for Bandwidth-Efficient LLM Inference on Personal Devices
arXiv · 2026年10月28日该论文提出GAAC，一种无损的KV缓存压缩与服务系统，利用指数冗余降低存储并加速注意力计算，且不引入近似误差。在多个测试模型上，BF16 KV缓存实现约1.405至1.407倍的无损压缩；在NVIDIA DGX Spark上，64K上下文的解码注意力加速1.19至1.27倍，并在Apple M4上实现1.02至1.25倍的注意力加速。用于叠层成像的渐进耦合扩散后验采样方法urn:diting-lab:zh:doc:3460042026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Progressive Coupling Method for Diffusion Posterior Sampling in Ptychography
arXiv · 2026年10月28日叠层成像（ptychography）通过重叠衍射测量重建样品，重叠越少采集越快，但约束变弱。本文提出渐进耦合后验采样（PCPS）方法，在不确定性高时更广泛地探索解空间，重建逐步精细时增强扩散模型的引导一致性。在不同扫描重叠率的真实X射线叠层成像数据上，该方法在低重叠时尤其优于传统迭代方法和现有扩散后验采样器，表明扩散先验可减少精确重建所需的测量冗余。一石二鸟：通过统一检索与利用实现技能增强生成urn:diting-lab:zh:doc:3460022026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Two Birds with One Stone: Skill-Augmented Generation via Unified Retrieval and Utilization
arXiv · 2026年10月28日论文提出Skill-Uni，一个统一的强化学习框架，让同一个模型同时学习检索技能并利用技能完成任务。训练分为预热指令微调和GRPO两个阶段。在五个技能相关基准上，相对基础模型Qwen3-4B和LLaMA3.1-8B的平均性能分别提升66.59%和34.82%，且可兼容多种技能检索引擎。从自然语言到真实原理图：电力电子原理图自动综合工作流urn:diting-lab:zh:doc:3460012026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00From Natural Language to Real Schematics: An Automated Workflow for Power Electronics Schematic Synthesis
arXiv · 2026年10月28日论文提出一个有界双回路自动原理图综合框架，可将自然语言规格转换为经验证、可编辑的KiCad原理图及制造交付物。框架覆盖Buck、Boost、Flyback、DAB和半桥LLC等拓扑，并结合分销商API、数据手册、ngspice仿真验证与KiCad网表往返校验。在两个端到端案例及与原始LLM基线的对比中，元件验证覆盖率、标称值一致性和SPICE仿真通过率均有显著提升。水下具身智能：面向多任务水下操作的模仿学习urn:diting-lab:zh:doc:3460002026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Embodied at Sea: Imitation Learning for Multi-Task Underwater Manipulation
arXiv · 2026年10月28日本文利用在平静与湍流水域采集的1616个水下操作片段，训练了14个通用视觉-语言-动作（VLA）模型（DynamicVLA），以应对海水视觉畸变和动态水流造成的域偏移问题。在三项任务的硬件实测中，10个模型优于基线，表现最佳的模型总体成功率为93.3%。此外，论文还在海洋考古与保护场景中比较了单任务ACT与通用VLA模型SmolVLA，结果显示ACT明显更优（合计成功率47.9%对7.9%）。作者还开源了用于采集数据、训练和部署的BLUEMBODIED工具包。Convex-SKM-Net：面向神经凸约束满足的低延迟块状半空间修正方法urn:diting-lab:zh:doc:3459992026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Convex-SKM-Net: Low-Latency Block Halfspace Corrections for Neural Convex Constraint Satisfaction
arXiv · 2026年10月28日该论文提出 Convex-SKM-Net，一种凸约束满足层，利用残差和次梯度信息构造线性化半空间，并以固定深度的对偶投影梯度下降对最小位移块问题进行修正，以便在神经网络预测后保证约束满足。作者联合学习预测器与正定迁移性矩阵，以改善目标质量。在三组二阶锥模型预测控制和六个电力系统凸松弛测试中，输出均满足 10^-3 的可行性容差，推理速度较对比方法最高提升 144.3 倍。GearUp：基于松弛时间预加载的 DAG 感知无服务器推理加速系统urn:diting-lab:zh:doc:3459982026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00GearUp: DAG-aware Acceleration for Serverless Inference Serving via Slack-guided Pre-loading
arXiv · 2026年10月28日本文提出 GearUp，一个面向无服务器平台、以有向无环图（DAG）组织的机器学习推理服务系统。它利用 DAG 暴露的松弛时间，在上游执行期间提前加载各节点的库、模型权重和 CUDA 内核，并复用实例、采用概率化的保活策略。在 AMBER Alert 和 FINRA-ML 两个工作流上，相比 SMIless，中位端到端延迟分别降低 64.5% 和 75.9%。基于原型引导的动态域调制与多SKU洗发水瓶表面缺陷检测大规模基准urn:diting-lab:zh:doc:3459972026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Prototype-Guided Dynamic Domain Modulation and a Large-Scale Multi-SKU Benchmark for Shampoo Bottle Surface Defect Detection
arXiv · 2026年10月28日本文针对洗发水瓶表面缺陷检测中不同SKU外观差异大的问题，构建了包含13,119张图像、20,419个实例级边界框、7类缺陷和48种瓶体SKU的Bottle-SKU基准数据集。文章提出原型引导的动态域调制方法ProDMM，为每个SKU构建视觉原型并预测输入的软SKU分布，动态生成低秩调制与条件化模块，同时保留预训练的Grounding DINO检测路径。在Bottle-SKU和公开的GC10-DET-SKU金属表面缺陷数据集上的实验验证了该方法的有效性。用多模态定位补充基于文本的审核：识别短视频平台上的欺诈诱导行为urn:diting-lab:zh:doc:3459942026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Complementing Text Based Moderation with Multimodal Grounding: Detecting Fraudulent Inducement Behaviors on Short Video Platforms
arXiv · 2026年10月28日该论文针对短视频平台上金融欺诈的诱导行为（如引导点赞、关注、加入私聊群等），提出在OCR加文本大模型的流程之外引入多模态大语言模型（OCR+MLLM）。研究比较了OCR+LLM、OCR+MLLM和大型零样本多模态模型三种方案，并构建了包含2,419个视频、3,194个标注事件的数据集。结果显示，OCR+MLLM的定位效果优于关键帧基线，并能发现纯文本方法遗漏的非文字诱导，同时保持67.0%的宏观召回率。用于多保真多尺度模型闭合与跨算子分布外泛化的上下文学习urn:diting-lab:zh:doc:3459922026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00In-Context Learning for Multi-Fidelity Multiscale Model Closure and Cross-Operator Out-Of-Distribution Generalization
arXiv · 2026年10月28日本文提出一种上下文多保真学习框架，用一个共享模型同时学习多个多保真算子。模型以多个算子的低保真与高保真配对示例作为演示，加上新的粗尺度解查询，预测对应的细尺度解。训练后，面对新的偏微分方程算子，只需少量粗细配对示例和低成本粗尺度查询，即可无需微调地预测细尺度解。面向真实代码验证的 Lean 定理证明扩展研究urn:diting-lab:zh:doc:3459902026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Scaling Lean Theorem Proving for Real-World Code Verification
arXiv · 2026年10月28日论文提出 EasyProver 证明系统，由带隔离上下文的递归代理、异步搜索、并行策略探测和弹性细化服务组成，无需额外训练即可在 PutnamBench、IMO 2026 形式化题目、NTP4VC 和 VERINA 等基准上取得高通过率。由于这些基准已接近饱和，作者又提出 Aegis 流程，将竞赛编程题转化为针对真实 Rust 实现的验证任务，生成 2,045 组经差分验证的 Rust-Lean 程序对和 11,533 条候选规范。在 2,000 条分层抽样的语句上，EasyProver 在每条语句 30 分钟预算内证明了 1,054 条（52.7%）。基于梯度的对抗增强框架：应对不可学习数据集urn:diting-lab:zh:doc:3459892026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00A Gradient based Adversarial Augmentation Framework for Mitigating Unlearnable Datasets
arXiv · 2026年10月28日该论文针对不可学习数据方法（ULD，用于保护公开数据不被未经授权的模型训练利用）提出一种基于梯度的对抗增强框架。该框架通过随机梯度上升学习数据增强策略，使用可微分的数据增强流程在多达18种增强技术中搜索，并以代理模型的分类损失最大化为目标，同时加入感知加像素的正则化以保持图像语义。实验中，该方法在对照消融下优于等价的随机采样基线。数据量异构提升神经影像联邦学习性能urn:diting-lab:zh:doc:3459882026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Data Amount Heterogeneity Improves Performance in Federated Learning for Neuroimaging
arXiv · 2026年10月28日该论文研究联邦学习在神经影像任务中的表现，任务包括基于结构磁共振成像（MRI）的阿尔茨海默病分类。研究比较了各站点数据量异构（一个大站点加若干小站点）与数据量同质（每站点数据相同）两种联邦配置。结果显示，异构联邦在低数据量场景下表现更好，性能接近集中式训练，大站点通常带来更快的收敛和更高的最终准确率。B2P-Corr：面向不可分解相关性损失的批到总体梯度估计方法urn:diting-lab:zh:doc:3459872026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00B2P-Corr: Batch-to-Population Gradient Estimators for Non-Decomposable Correlation Losses
arXiv · 2026年10月28日论文指出，皮尔逊相关系数和一致性相关系数等指标依赖数据集整体统计量，直接用小批量局部统计训练会产生有偏且方差大的梯度。作者提出B2P-Corr框架，借助轻量的全局矩草图把相关性目标转为可分解的伪损失，并给出B2P-EMA与B2P-U两种变体。实验显示，该方法在合成数据和真实数据上比朴素小批量优化更稳定，相关性更高，额外开销很小。用不同ε重放相同梯度：对Adam中ε固定轨迹解释的一项预先登记检验（针对一个罕见嵌入行）urn:diting-lab:zh:doc:3459862026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Replaying the Same Gradients at a Different ǎrepsilon: A Registered Test of the Fixed-Trajectory Account of Adam's ǎrepsilon for One Rare Row
arXiv · 2026年10月28日论文探讨Adam优化器中ε项对罕见词输出嵌入行更新量的影响。作者在训练过程中用不同ε对同一行的更新做重放计算，并依据事先写定的规则检验该解释。结果显示，在ε增大四个数量级时，重放预测明显偏离实际，该行保留的位移远多于预测；ε增大三个数量级时差异较小。基于超高分辨率卫星影像的建筑损毁评估：邻域捷径的诊断与建筑证据插件urn:diting-lab:zh:doc:3459852026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Neighbourhood shortcuts in building damage assessment from very-high-resolution satellite imagery: diagnosis and a building-evidence plug-in
arXiv · 2026年10月28日该论文研究用超高分辨率卫星影像评估建筑损毁的深度模型，发现模型常依赖邻域损毁程度这一捷径，对孤立损毁建筑漏检严重。作者提出一种建筑证据插件，在不重新训练现有模型的情况下添加两个专家分支，以降低对邻域的依赖，并减少误判。ATI-OPD：面向长序列在线策略蒸馏的自适应教师干预方法urn:diting-lab:zh:doc:3459842026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00ATI-OPD: Adaptive Teacher Intervention for Stable Long-Sequence On-Policy Distillation
arXiv · 2026年10月28日论文提出一种名为ATI-OPD的训练方法，用于改进在线策略蒸馏，即学生模型依据教师模型的逐词反馈学习自身回答。当回答变长时，学生的前缀可能偏离教师的推理，ATI-OPD会将最早出现较大分歧的片段替换为简短的教师片段，并让学生从修改后的文本继续推理。在五个数学推理基准和两组师生模型上，该方法的学生单独作答平均准确率高于标准在线策略蒸馏。REEL：同样的画面，不同的答案与不同的成本urn:diting-lab:zh:doc:3459832026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00REEL: Same Frames, Different Answers and Different Costs
arXiv · 2026年10月28日该论文提出评估框架REEL，比较三种从相同视频帧构建的保存式记忆：文本摘要、视觉编码器输出以及语言模型前缀状态，并与完整重新处理画面的方式对比。结果显示，文本记忆与完整处理在部分问题上的正误不同（约20%至29%），而前缀状态记忆在保留几乎全部正确答案的同时，GPU总耗时最低，代价是每段视频最多约21 GiB的存储空间。先保底、再填充：在十亿用户规模下模拟创作者生态，以公平分配视频推荐流量urn:diting-lab:zh:doc:3459822026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Floor It, Then Fill It: Simulating Creator Ecosystems for Fair Video-Content Recommendation Systems at Billion User Scale
arXiv · 2026年10月28日该论文提出一个基于真实数据的用户模拟框架，模拟约4.2万名创作者及其与观众的互动，周期为12周。研究者用预算化多臂老虎机方法评估公平的流量分配策略，并比较不同的奖励函数与保底设置。结果显示，带保底机制的方案能让每周90%的创作者达成观看目标，小型创作者的自然曝光量每周增长约33%。MASS：面向抗泄露推理的多掩码选择性自蒸馏方法（论文）urn:diting-lab:zh:doc:3459812026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00MASS: Multi-mask Selective Self-Distillation for Leakage-Resilient Reasoning
arXiv · 2026年10月28日该论文提出一种名为MASS的多掩码选择性自蒸馏方法，用于改进大模型的推理训练。方法对同一个已验证解答生成多个独立掩码视图，让教师模型综合多种参考信息给出预测，并有选择地迁移可靠的词元级修正，同时自适应地关注影响较大的参考片段。作者在数学推理基准和多个模型系列上进行实验，结果显示MASS持续优于较强的自蒸馏基线。StepControl：基于足部接触时间表的长时程人体动作生成urn:diting-lab:zh:doc:3459802026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00StepControl: Long-Horizon Human Motion Generation from Foot-Contact Schedules
arXiv · 2026年10月28日该论文提出StepControl，一种自回归扩散模型，只需输入未来左右脚何时着地的二值时间表，就能生成全身人体动作，无需指定目标根部或身体姿态及语义提示。模型将接触作为显式时间事件，通过专用交叉注意力与无分类器引导注入。实验显示，它比将现有空间引导动作生成方法改造为接触约束更准确地遵循指定接触时序，并能在长时程连续生成中保持有效控制，还能响应步频变化、走走停停、跛行和双脚跳跃等编辑后的时间表。估计隐式期望对数密度比：提出期望对数密度比（ELDR）概念，分析其有限样本估计的根本局限并改进相关方法urn:diting-lab:zh:doc:3459782026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Estimating Implicit Expected Log Density Ratios
arXiv · 2026年10月28日论文提出“期望对数密度比”（ELDR）的概念，即在某个第三方测度下对对数密度比进行积分。作者指出，许多使用隐式密度的问题如果直接套用密度比估计（DRE），实际上都属于ELDR估计任务。论文证明了有限样本下ELDR估计的基本局限，并认为典型的DRE方法不适合用于ELDR估计。作者还对部分DRE方法作出简单修改，并通过基准测试表明可以降低ELDR估计误差。SkillCT：面向智能体技能评估的多维基准与免执行基线urn:diting-lab:zh:doc:3459772026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00SkillCT: A Multidimensional Benchmark and Execution-Free Baseline for Agent Skill Assessment
arXiv · 2026年10月28日论文提出SkillCT基准，从下游任务效用扩展到技能质量的多维刻画，涵盖静态、动态和人工辅助三类共九个维度。基于该基准，作者提出一种无需执行待评估技能的质量预测基线，通过检索相似参考技能来预测新技能的多维质量画像。论文称该方法可降低token消耗和评估时间，并且SkillCT指导的优化能提升下游任务成功率与执行效率。El Agente Quntur：面向CASSCF的智能体活性空间选择urn:diting-lab:zh:doc:3459752026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00El Agente Quntur: Agentic Active-Space Selection for CASSCF
arXiv · 2026年10月28日该论文研究用多智能体系统自动选择量子化学多参考计算（CASSCF）中的活性空间，包括选取轨道、确认目标激发态并判断收敛。作者在32个单重激发态上测试该系统，并与六种确定性活性空间选择方法比较，以CASPT2参考值评估激发能。结果显示，智能体执行使平均绝对误差比当前最先进的方法降低48%，但不同运行之间的计算轨迹和成本差异较大。分解而非扩展：通过构造实现与模型能力无关的AI系统urn:diting-lab:zh:doc:3459742026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Decompose, Don't Expand: Capability-Independent AI Systems by Construction
arXiv · 2026年10月28日这篇论文探讨构建AI系统时的一种设计选择：当任务对模型过难时，是扩大模型，还是把可确定求解的部分交给宿主程序，只让模型处理剩余的模糊部分。作者在九个模型上测量发现，分解后的子任务上模型规模与表现的曲线变平，并认为该方法可推广到物理场景设置、动作重定向和对象模型编辑等领域。图神经网络对抗攻击与防御的分离原理urn:diting-lab:zh:doc:3459722026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00A Separation Principle for Adversarial Attacks and Defense of Graph Neural Networks
arXiv · 2026年10月28日本文将图神经网络的对抗攻击视为由图的结构决定的问题，而非仅依赖梯度或学习策略。作者提出基于归一化邻接算子谱性质的特征攻击框架，并给出分离原理：最优特征扰动为秩一矩阵，可分解为仅依赖图的节点度分配部分和仅依赖权重的顶奇异向量部分。论文据此提出无需梯度计算的攻击方法 SepAttack，并衍生出对抗训练方法 SepAT。MiniMMD：以最小化MMD进行采样、推断与积分urn:diting-lab:zh:doc:3459702026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00MiniMMD: Minimization of MMD for Sampling, Inference and Integration
arXiv · 2026年10月28日本文是一篇论文，将计算统计与机器学习中多类问题统一为通过最小化最大均值差异（MMD，一种基于核的概率分布距离）来逼近目标分布。作者认为MMD既是有统计意义的分布距离，也是可用于设计实用高效算法的优化目标。论文总结了基于最小MMD的算法在理论与实证方面的近期进展。过难、过易、恰好：虚拟现实消防训练中基于表现的挑战自适应urn:diting-lab:zh:doc:3459672026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Too Hard, Too Easy, Just Right: Performance-Driven Challenge Adaptation in Virtual Reality Firefighter Training
arXiv · 2026年10月28日这篇论文提出了ProACT系统，用于虚拟现实消防训练。该系统根据受训者的表现，通过闭环交互实时调整模拟火势的难度。全局模块实时调整场景火势蔓延，局部模块定期更新环境中物体的可燃性。与现有的自适应和非自适应基线相比，ProACT在客观训练表现和主观使用体验上均有提升。美即是人：人们喜爱AI生成的艺术时，会以为是人类创作的urn:diting-lab:zh:doc:3459662026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Beauty Is Human: When People Love AI-Generated Art, They Think a Human Made It
arXiv · 2026年10月28日一项公开的在线AI艺术图灵测试中，11,123人判断50幅图片（其中26幅为AI生成）是否出自人手，并选出各自最喜欢的作品。研究发现，在控制受访者和图片后，某幅图片被选为最爱时，被判断为人类创作的概率高出22.1个百分点，AI生成与人类创作的最爱作品规律相似。另对一项AI诗歌实验的再分析也呈现相同模式，说明在来源被隐藏时，喜爱与感知到的人类创作会同时出现。从盖梯尔机器到确证真实输出：生成式AI中理性信任的三步论urn:diting-lab:zh:doc:3459652026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00From the Gettier Machine to Justified True Output: A Three-Step Account of Rational Trust in Generative AI
arXiv · 2026年10月28日本文讨论人们从生成式人工智能的输出中获取命题时，何时才算真正知道并理性信任。作者认为AI辅助探究的典型失误，正是经典“确证真信念”理论及其后盖梯尔式反侥幸修正所要诊断的问题。文章提出由获取、理解、独立验证组成的三步使用结构，并给出“确证真实输出”（JTO）这一按风险分级的理性信任标准，其日常检验问题是：“如果这是假的，我会注意到吗？”《Who Called? V33DA》：斑胸草雀群体中发声者归属的多模态基准数据集urn:diting-lab:zh:doc:3459632026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Who Called? V33DA: A Physically Verified Multimodal Benchmark for Vocal Attribution in Zebra Finch Groups
arXiv · 2026年10月28日该论文提出了V33DA数据集，用于研究斑胸草雀群体中哪只鸟发出了某次叫声。数据包含33,625个经过验证的事件，同步记录5通道音频、三个视角的摄像画面、每只可见个体的校准三维姿态，以及10只鸟的无线电遥测数据。发声者身份由背部加速度计信号确认，该信号不提供给待测模型。作者在三种评估条件下测试了多种方法，发现方法对熟悉个体表现良好，但面对未见个体时性能明显下降，而保留显式空间推理的方法迁移效果更好。TGTV：基于时空图学习与大语言模型的无人机故障检测与溯源可解释框架urn:diting-lab:zh:doc:3459622026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00TGTV: An Interpretable Framework for UAV Fault Detection and Traceability via Spatiotemporal Graph Learning and Large Language Models
arXiv · 2026年10月28日本文提出TGTV框架，用于固定翼无人机的故障检测与溯源。它结合时空图学习与大语言模型，通过时间卷积网络、图注意力网络、Transformer与变分自编码器识别异常，并借助连续时间Shapley归因定位关键传感器与时间区间。在公开ALFA数据集的跨航班留出实验中，窗口级PR曲线下面积为0.976，航班级故障诊断F1分数为0.944。同名动作标签，接口不同：超越机器人学习中的动作空间标签urn:diting-lab:zh:doc:3459612026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Same Label, Different Interface: Beyond Action-Space Labels in Robot Learning
arXiv · 2026年10月28日机器人学习研究常把位置动作与速度动作当作单一实验变量比较，但标签本身并不决定机器人实际执行的内容。论文在同一学习器和训练预算下，比较了三个接触密集的 Factory 任务中的五种关节空间接口，并发现动作缩放、指令构造、反馈方式等被忽略的属性会显著影响结果归因。即使按局部原始力矩增益做精确校准，两类接口的训练结果仍存在残余差距。The Prestige：用魔术表演评测认知视觉推理的基准urn:diting-lab:zh:doc:3459602026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00The Prestige: Benchmarking Cognitive Visual Reasoning using Magic Tricks
arXiv · 2026年10月28日本文提出视频理解基准 The Prestige，选取专业魔术表演，利用刻意误导的手法，考察模型追踪事件并解释意外结果的能力。题目涵盖时序与因果理解，也包括对抗性问题的稳健性。对主流开源与闭源视觉语言模型的评测显示，即使最强的模型也与人类表现存在明显差距，并发现人工与自动评分之间的系统性差异。基于人工智能的数字孪生框架，用于仓储物流自动化优化urn:diting-lab:zh:doc:3459592026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00AI-Driven Digital Twin Framework for Warehouse Logistics Automation Optimization
arXiv · 2026年10月28日该论文提出一种框架，在基于FlexSim的数字孪生环境中使用强化学习智能体，实时优化商品摆放位置。智能体从持续流入的运营数据中学习，以降低拣货时间并提高系统吞吐量。仿真环境模拟了四区仓库布局，并借助资产管理壳（Asset Administration Shell）框架连接学习智能体、物理资产与数字孪生。实验结果显示，平均拣货时间减少29.66%，吞吐量提高35.42%，行驶距离减少18.54%。评估大语言模型的因果推理：程序化生成基准的挑战案例研究urn:diting-lab:zh:doc:3459582026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Evaluating Causal Reasoning in LLMs: A Case Study in the Challenges of Procedural Generation
arXiv · 2026年10月28日本文检验大语言模型在CLadder基准测试上表现良好时，能够可靠推断出什么。作者发现该生成器在数据中嵌入了表面且高度可预测的模式，甚至简单的随机森林模型也能在其生成的数据上表现良好。此外，许多商用大语言模型在该测试集上的表现十分脆弱，删除对形式化因果推理关键的大段文本后，性能几乎没有变化。因此，作者认为这些模型的强劲表现很可能源于利用了训练数据中的表面模式。语言模型在已知力学极限下的计算与拒绝判断存在分歧urn:diting-lab:zh:doc:3459572026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Calculation and rejection diverge in language models tested at known mechanical limits
arXiv · 2026年10月28日该论文测试了12个语言模型在梁载荷和圆盘转速等工程问题上的表现，这些设计要么超过要么低于已知的塑性坍塌或破裂极限。研究共进行4,860次调用，并包括针对新设计的后续实验。结果显示，模型在被单独询问可行性时能识别不可行设计，但在要求完整解答时仍可能给出“已解决”的结论。Nemotron 3.5 Super 与 Lightning：面向智能体 AI 的开放高效混合专家 Mamba-Transformer 模型urn:diting-lab:zh:doc:3459562026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Nemotron 3.5 Super and Lightning: Open, Efficient Mixture-of-Experts Hybrid Mamba-Transformer Models for Agentic AI
arXiv · 2026年10月28日论文介绍了两个开放的混合专家（MoE）Mamba-Transformer 模型：Super 为 120B 参数、12B 激活参数的多模态模型，Lightning 为 30B 参数、3B 激活参数的文本模型，面向推理、长上下文和智能体任务。模型结合大规模蒸馏、长上下文训练与原生推测解码，Super 还加入印度语系继续预训练与智能体软件工程中期训练，并通过监督微调和强化学习完成后训练。论文报告，后训练后的 Super 在 SWE-bench Pro 上达到 51.78%，同时用于 GB200 的推理优化可实现每 GPU 最高 4,856 输出 token/秒。企业如何应对模型蒸馏？这是一篇从经济理论角度分析模型蒸馏攻击及其防范措施的论文。urn:diting-lab:zh:doc:3459532026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00What Can Firms Do in the Face of Model Distillation?
arXiv · 2026年10月28日论文研究小型企业利用强大闭源模型的对话数据蒸馏训练自身模型的现象，以及由此对市场竞争、用户剩余和在位者效用的影响。作者分析了可检测与不可检测两种情形下的干预措施：处罚性监管可以有效阻止蒸馏但可能损害竞争与用户利益，在位者可以通过自我蒸馏加以缓解，其效果取决于部署新模型的成本效率，且自我蒸馏有助于维持市场竞争。从次日野火到未来多日野火：面向序列到序列预测的多大洲活跃火情蔓延新数据集urn:diting-lab:zh:doc:3459522026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00From Next Day Wildfire to Next Days Wildfire: A New Multi-Continent Dataset of Active-Fire Spread for Sequence-to-Sequence Forecasting
arXiv · 2026年10月28日本文提出 AFSeq 数据集，包含 2023 至 2026 年间来自三个地区八个国家的 1194 个近期火灾事件，以短期小型火灾为主，弥补现有基准的不足。作者还提出 UTAE-AR 模型，在 U-Net 与时序自编码器基础上加入循环模块，可自回归地逐日预测整个序列。结果显示，该模型在次日预测准确率上超过现有最优方法，参数量仅为其约 21.5%，并能在更长时间范围内进行预测。利用大语言模型与统计选择模型从非结构化数据中发现可解释特征urn:diting-lab:zh:doc:3459502026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Interpretable Feature Discovery from Unstructured Data Using LLMs and Statistical Choice Models
arXiv · 2026年10月28日该论文提出一种方法，让大语言模型对数据两两比较并用可解释语言说明区别，再用统计选择模型汇总这些解释，自动找出与决策相关的特征并估计每个条目的特征得分。在合成的求职信数据上，该方法在特征恢复上明显优于直接让大语言模型提取特征；在ChangeMyView辩论数据上，它发现了若干与说服力相关的特征，预测准确率与既有基线相当。单目深度估计在月球环境中的效果研究urn:diting-lab:zh:doc:3459482026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Efficacy of Monocular Depth Estimation in Lunar Environments
arXiv · 2026年10月28日本文研究了多种当前先进的单目深度估计方法在月球这类训练数据之外的环境中的表现。作者利用NASA Ames的POLAR立体数据集和阿波罗17号的月面影像进行评估，同时对照地面物理模拟场景的真值与历史野外数据。结果表明，部分先进方法能够较好地泛化，对不规则的月球表面生成较高保真度的相对三维重建。用于多参数二次规划的长ADMM轨迹神经压缩方法urn:diting-lab:zh:doc:3459472026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Neural Compression of Long ADMM Trajectory for Multiparametric Quadratic Program
arXiv · 2026年10月28日本文提出TQPNet，一种自监督神经压缩框架，将冗长的ADMM优化迭代轨迹压缩为紧凑的神经网络热启动，再经少量迭代细化求解多参数二次规划问题。网络由带ReLU激活的多层感知机与少量展开的ADMM(ReLU)细化层组成，离线训练时采用基于最优性条件的残差损失，无需求解器生成的标签。实验表明其精度高、泛化性强，推理速度明显快于传统优化方法。“提示词彩票”：LLM 评审对同义改写的敏感性及缓解方法urn:diting-lab:zh:doc:3459462026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Prompt Lottery in LLM-as-a-Judge: Measuring and Mitigating Sensitivity to Syntactic Rephrasing
arXiv · 2026年10月28日本文研究以大语言模型充当评审（LLM-as-a-Judge）时，语义相同、仅表面措辞不同的提示词改写是否会产生不一致的评判结果。作者提出“提示词彩票”现象，发现改写可能改变评测结果，有时甚至颠倒模型排名。论文还报告了一项由10名人工标注者参与的用户研究，并表明综合多个提示词变体的聚合方法能显著提升评测稳健性。从错误预测到因果影响：审计多选问答中的稀疏自编码器特征urn:diting-lab:zh:doc:3459432026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00From Error Prediction to Causal Influence: Auditing SAE Features in Multiple-Choice QA
arXiv · 2026年10月28日本文研究稀疏自编码器（SAE）特征与模型错误的关系。作者在八个数据集上用Gemma 3 1B和4B模型及Gemma Scope SAE进行分析，先过滤掉与格式、选项顺序等伪影高度相关的特征，再通过因果干预评估其余特征。结果显示SAE激活能预测错误和不确定性，但干预效果不稳定，答案翻转很少见，所识别的特征更多反映语境相关的答案竞争，而非错误答案的形成机制。基于多智能体强化学习的电动车协同充电分配：QMIX与独立Q学习在城市交通不确定性下的比较urn:diting-lab:zh:doc:3459402026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Cooperative EV Charging Assignment Using Multi-Agent Reinforcement Learning: A Comparison of QMIX and Independent Q-Learning Under Urban Traffic Uncertainty
arXiv · 2026年10月28日论文将多个充电站共同分配电动车充电请求的问题建模为去中心化部分可观测马尔可夫决策过程，比较了集中训练、分散执行的QMIX方法与独立Q学习基线。在基于SUMO模拟的六站城市网络、四种交通流量场景下，QMIX的平均奖励和接受率均高于基线，消融实验提示收益主要来自该架构本身，而非协同奖励项或经验共享。面向情境订单履约优化的共形预测分布urn:diting-lab:zh:doc:3459382026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Conformal Predictive Distributions for Contextual Order Fulfillment Optimization
arXiv · 2026年10月28日本文提出用共形预测系统（CPS）处理回归、用交叉Venn-Abers预测器（CVAP）处理多分类，以构造配送时间的共形预测分布，并将其用于情境优化的履约决策，通过情境样本平均近似求解。在超过五百万条专有订单记录上，CVAP将准确到日的命中率从规则估计的49.5%提升至64.1%；在京东模拟器的决策实验中，两种方法相比原始非共形预测分别使总成本平均降低7.1%和6.7%，并将延迟配送率从5.7%降至4.0%以下。依据骑行设施使用情况与行驶方向对城市地点分类：基于多地点相机观测的验证框架urn:diting-lab:zh:doc:3459372026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Classifying Urban Locations by Cyclist Facility Usage and Directional Alignment: A Validated Camera-Based Framework from Multi-Site Observations
arXiv · 2026年10月28日本文利用 2023 年亚利桑那州坦佩市 17 个地点的 19 次动态触发相机部署，统计骑行者使用自行车道与人行道的情况，并分析逆向骑行比例。研究结果显示，自行车道使用比例越高，逆向骑行比例越低（Spearman rho = -0.87），并据此将各部署点划分为三类。PromptSense：基于情绪感知与动态提示的心理健康聊天机器人urn:diting-lab:zh:doc:3459362026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00PromptSense: Sentiment-Aware Mental Health Chatbot with Dynamic Prompting
arXiv · 2026年10月28日该论文提出一个框架，在模型推理前先进行情绪与抑郁分析，并结合基于规则的过滤机制，再据此动态构建提示词。目标是提升大语言模型心理健康聊天机器人回复的相关性、共情能力和风险意识。作者在共情、有用性、清晰度、相关性、安全性等定性指标，以及使用 Perspective API 的毒性评估上，比较了四种模型策略和两种提示工程变体。结果显示，提示工程方法分别比 DSFT 和 RLAIF 高出 1.8% 和 1.1%。事件检测器能否离开转播镜头？网球视频的证据urn:diting-lab:zh:doc:3459352026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Can Event Detectors Leave the Broadcast Camera? Evidence from Tennis
arXiv · 2026年10月28日本文发布了一个网球视频基准，包含8段视频中345个逐帧标注的落地与击球事件，涵盖转播、固定高位、手机及场地视角。作者比较了在转播数据上训练的监督式检测器、两个零样本视觉语言模型，以及不使用事件标签调参的RallyArb方法。结果显示，监督式检测器在转播画面上表现接近完美，但在手机和场地视角上几乎失效。CARF：用于科学证据筛选的上下文感知推理监督框架urn:diting-lab:zh:doc:3459342026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00CARF: Context-Aware Reasoning Supervision for Scientific Evidence Screening
arXiv · 2026年10月28日该论文提出CARF框架，让语言模型从专家对模型生成推理的反馈中学习，以辅助系统综述中的标题与摘要筛选。系统综述需要专家依据纳入标准逐篇筛选大量研究，耗时费力。作者在全球公共卫生死亡监测所用的口头尸检和死因确定方法综述上评估了该框架，结果显示其筛选表现与其他被评估模型相当且保持较高敏感性，并更倾向于保留需要人工复核的模糊研究。EARS-Info：面向多机器人探索的信息感知事件驱动重分配方法urn:diting-lab:zh:doc:3459332026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00EARS-Info: Information-Aware Event-Driven Reallocation for Multi-Robot Exploration
arXiv · 2026年10月28日该论文提出 EARS-Info，是事件驱动蚁群重分配搜索方法的信息感知扩展，用于基于 OpenStreetMap 栅格地图的多机器人探索。在八张城市地图、共 168,000 个episode 的实验中，该方法在各评估面板的平均运行得分均最高；八台机器人且通信丢包率为 3% 时，得分较 EARS-Safe 提高 5.43%，加权发现率由 88.88% 提升至 98.46%。基于小批量隐变量MAP估计的高效深度高斯过程代理模型urn:diting-lab:zh:doc:3459322026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Efficient Deep Gaussian Process Surrogates via Mini-Batch Latent MAP Estimation
arXiv · 2026年10月28日本文提出潜在最大后验深度高斯过程（LaMP-DGP），用梯度优化求得隐表示的MAP估计，并通过关联高斯过程计算实现概率预测。为处理大规模数据，作者设计了小批量优化算法，并给出隐状态优化的平稳性界。实验显示其预测性能与多种现有推断方法相比具有竞争力，且计算速度显著快于Vecchia MCMC方法。衡量深度学习性能：跨架构与任务的性能分布实证研究urn:diting-lab:zh:doc:3459312026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Measuring Deep Learning Performance - An Empirical Study of Performance Distributions Across Architectures and Tasks
arXiv · 2026年10月28日本文通过186组实验（每组随机种子运行100次，共18,600次）研究深度学习模型性能对随机性的敏感程度，比较图像分类与时间序列预测两类任务。结果显示性能分布常呈非高斯分布，时间序列模型产生的低性能离群值约为图像分类模型的三倍。作者认为仅看平均性能不足以选择模型，还应评估分布的离散度、对称性与尾部风险。从相对动作信用中学习以逃离局部最优urn:diting-lab:zh:doc:3459292026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Learning from Relative Action Credit for Escaping Local Minima
arXiv · 2026年10月28日该论文针对强化学习中机器人长时程、接触密集型操作任务中，PPO等同策略方法容易停滞的问题。作者指出，状态价值评论家仅依据回合结果评估进展，策略陷入部分解时无法区分动作优劣。为此，他们扩展PPO，引入动作条件价值评论家，将已执行动作与同一状态下采样的其他动作进行比较，并结合广义优势估计与探索噪声上限。实验表明，该方法能逃离平台期并在训练预算内完成精确的插销插入任务，而相同探索设置下的PPO则失败。Metatron：面向人形机器人的可提示全身执行层urn:diting-lab:zh:doc:3459282026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00METATRON: A Promptable Whole-Body Execution Layer for Humanoids
arXiv · 2026年10月28日本文提出Metatron，一种可提示的全身执行层，由生成式基础策略与可编程技能层组成。基础策略接收由身体部位目标、速度指令和风格提示组成的部分目标，生成与之一致的多样化全身动作。训练后策略被冻结，技能以代码形式在每个控制步骤把任务意图转化为提示。在Unitree G1实体机器人上，同一冻结模型支持行走、恢复、遥操作拾取物体和坐到家具上；与所测试的参考跟踪方法相比，其伸手成功率和抗推力稳健性更高。理解受众变化：小红书上的因果归因与边界管理urn:diting-lab:zh:doc:3459272026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Making Sense of Audience Change: Causal Attribution and Boundary Management on Xiaohongshu
arXiv · 2026年10月28日本文研究小红书上围绕一次被认为与世界杯相关的受众涌入的讨论，考察用户如何解释社区变化，以及这些解释与边界管理策略的关系。作者分析了八个高互动帖子下的262条评论，并发现算法类归因更多对应技术性边界管理，而社会行动者类归因更常与社会约束或规范社会化相关。评估语言模型在科学应用中的表现：以惯性约束聚变为例urn:diting-lab:zh:doc:3459262026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Assessing Language Models for Scientific Applications: Inertial Confinement Fusion as a Use Case
arXiv · 2026年10月28日该研究以惯性约束聚变为测试场景，由专家编制了包含250道题的基准测试，涵盖定性推理、数值计算、符号推导和方程建立。研究比较了多种通用大语言模型与经领域适应预训练和监督微调的专用模型Prospero，并进行了检索增强评估。结果显示Prospero综合得分比基础模型高10.7个百分点，前沿模型得分最高但数值计算中仍存在关键物理错误。通过可穿戴加速度计数据的特征签名检测脑癌进展urn:diting-lab:zh:doc:3459242026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Detecting Brain Cancer Progression Through Signatures of Wearable Accelerometry Data
arXiv · 2026年10月28日本研究针对胶质母细胞瘤等高级别胶质瘤患者，利用腕戴式加速度计记录的步行数据，采用粗糙路径签名提取特征，并以签名核最大均值差异量化步行行为的变化。研究通过对每位患者在肿瘤稳定期的自然波动进行个体化校正，提高了稳定与进展两种病情状态的区分度。结果为基于签名的可穿戴加速度计分析能区分病情稳定与进展提供了概念验证，并提示未来需要更大规模的纵向研究。超越整体词错误率：在线西班牙语学习课堂中的领域适应、学习者语音、语码转换与说话人归属研究urn:diting-lab:zh:doc:3459212026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Beyond Aggregate WER: In-domain Adaptation, Learner Speech, Code-Switching, and Speaker Attribution in Online Spanish Learning Classrooms
arXiv · 2026年10月28日该论文研究在线西班牙语二语课堂中的自动语音识别效果，课堂为以英语为母语的学习者与教师、辅导员的互动。作者比较了平台集成、开源权重、经过适应的及商业语音识别系统，并使用LoRA方法以人工校正的课堂数据对Whisper和MOSS进行适应。结果显示，领域匹配比数据量更重要，学习者语音、纯英语及语码转换语音仍比教师和纯西班牙语语音更难识别。模型衍生指标何时可以校正或比较：论文说明urn:diting-lab:zh:doc:3459202026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Measured or Real? When Model-Derived Measurements Can Be Corrected or Compared
arXiv · 2026年10月28日论文研究由训练模型得出的数值（如样本难度、模型基准优势）会随随机种子和提示词变化，因此何时可以对其校正或比较。作者指出，经典的相关性校正会得出超过 1 的结果，并提出仅在信度通过显著性检验时才校正、并使用其置信上界的方法。论文还讨论了提示设置可能使模型排名反转，并提出在每种设置内比较模型的方法。在黑盒多模态大模型上寻找可迁移攻击的语义脆弱区域（VISTA方法）urn:diting-lab:zh:doc:3459192026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Where Can We Fool the Model's Mind? Response-Guided Semantic Probing and Adaptive Routing for Transferable Attacks on Black-Box MLLMs
arXiv · 2026年10月28日该论文提出VISTA框架，通过观察多模态大模型对图像的回答，找出语义上脆弱的视觉区域，并把对抗扰动集中到这些区域，无需梯度、logits或模型参数。论文给出两种设置：VISTA-Proxy仅探测开源模型并迁移到商用模型，VISTA-Victim则会查询目标模型。论文报告在GPT-5、Gemini-3.5-Flash和Claude Sonnet 4.6上攻击成功率最高达97%，PSNR保持在30 dB以上；其中VISTA-Proxy最高达93%，未查询最终目标模型。尺度不变学习的有限步统计力学：谱态方程与曲率输运urn:diting-lab:zh:doc:3459182026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Finite-step statistical mechanics of scale-invariant learning: spectral equations of state and curvature transport
arXiv · 2026年10月28日本文研究离散随机梯度学习动力学的热力学式关系，这些关系来自尺度对称性而非热平衡假设。作者用精确的轨迹重标度解释了熵标度关系，并在局部谐振近似下推导出由曲率谱矩决定维里系数的谱态方程。论文还给出了精确的曲率输运恒等式，用于量化理想气体描述的偏离，并在球面模型、教师-学生网络和CIFAR数据集卷积网络上进行了检验。用于准确提取医疗病历信息的大语言模型：在脑卒中领域实现可扩展且安全的人工智能部署urn:diting-lab:zh:doc:3459172026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Large Language Models for Accurate Medical Chart Abstraction: Enabling Scalable and Secure Artificial Intelligence Deployment in Stroke
arXiv · 2026年10月28日本文评估了一种基于提示的大语言模型框架，用于从三家医院2416份急性脑卒中神经介入手术报告中提取八项临床变量。研究比较了22个开源大模型，其中LLaMA3.3-70B结合思维链提示取得最高总体准确率（94.8%）。结果显示，本地部署的大模型可支持临床信息提取和回顾性脑卒中登记库整理，对模糊病例仍需专家复核。让智能家居适配自闭症儿童：家庭工作与受监测的独立性urn:diting-lab:zh:doc:3459162026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Making Smart Homes Fit for Autistic Children: Family Work and Monitored Independence
arXiv · 2026年10月28日本研究通过访谈五位照护者，并分析小红书与微博上的相关帖子，考察通用智能家居如何影响自闭症儿童及其家庭。研究发现，家庭通过调整环境输出、提示和交互方式来为孩子提供支持，但感官强度、沟通规则和不透明的运行状态可能使同样的技术成为障碍。远程监测在带来有条件独立的同时，也在安全、隐私与控制之间产生张力。频率自适应高斯网格：一种高效的图像表示方法urn:diting-lab:zh:doc:3459152026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Frequency-Adaptive Gaussian Grids for Efficient Image Representation
arXiv · 2026年10月28日本文提出Gaussian-Grid，一种结合结构化特征网格与非结构化二维高斯分布的混合神经图像表示方法。该方法根据局部频率内容动态分配两类基元的计算，以匹配目标信号的复杂度。在高分辨率自然图像上的实验显示，相比JPEG加ZIP的数据存档方式，其解码速度提升1.24至2.14倍，PCIe数据传输量减少23至176倍，同时保持较小的内存占用和较高的重建保真度。医疗专业人员视角下的算法偏见研究urn:diting-lab:zh:doc:3459142026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Algorithmic Bias from the Perspectives of Healthcare Professionals
arXiv · 2026年10月28日本文研究医疗信息系统中机器学习和人工智能应用的算法偏见。作者通过对不同岗位（临床与行政等）医疗专业人员的问卷调查和访谈，收集定量数据与定性意见。研究发现，医护人员对偏见成因、算法评估标准、感知公平性及缓解方法的看法，会因岗位、视角、任务和算法特性而有所不同。作者认为，还需要进一步研究算法偏见，以保障医疗中的公平与平等。《它会让一位Geordie感到宾至如归》：语音AI中的地区口音认知与言语适应urn:diting-lab:zh:doc:3459132026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00"It Would Make a Geordie Feel at Home": Regional Accent Perceptions and Speech Accommodation in Voice AI
arXiv · 2026年10月28日本研究以纽卡斯尔英语（Geordie）使用者为对象，考察他们在与语音助手交互时的语言适应，以及对地区口音与主流口音语音助手声音的态度。结果显示，地区口音助手带来亲切感和地方归属感，但也引发对专业性与权威性的顾虑；标准南英音则被认为更中立、清晰、可信。当语音技术无法识别用户时，参与者常转用主流口音、吐字更清楚或放慢语速。地震基础模型只是更高级的特征提取器吗？urn:diting-lab:zh:doc:3459122026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Are Seismic Foundation Models More Than Glorified Feature Extractors?
arXiv · 2026年10月28日该论文研究用于地震波形的基础模型（FM）。作者用同一Mamba编码-解码器架构训练了九种设计，在固定的300万个窗口语料上改变自监督目标、量化瓶颈和混合器。冻结评估显示，改变训练目标主要是重新分配下游能力而非整体提升，没有一个模型在所有任务上都最好。论文认为，当前学习目标只基于单一固定长度窗口，未涵盖决定地震何时发生的事件序列过程，因此这些模型更接近特征提取器。异质数据引发的新型多重下降现象urn:diting-lab:zh:doc:3459112026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00New Multiple Descent Phenomena Induced by Heterogeneous Data
arXiv · 2026年10月28日本文研究在线性随机特征模型中，由协方差结构不同的多个数据源混合而成的数据集如何导致多重下降现象。作者在高维极限下给出了各数据源测试误差的精确渐近表达式，并指出协方差尺度和谱结构的异质性会随模型规模增加引入与数据组相关的插值阈值。这些现象在无标签噪声且为线性激活时依然出现。作者还在合成高斯混合数据以及MNIST、CIFAR-10上进行了验证。顺序微调中的安全保持：回放机制的因子化与几何分析urn:diting-lab:zh:doc:3459102026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Preserving Safety During Sequential Fine-Tuning: A Factorial and Geometric Analysis of Replay
arXiv · 2026年10月28日论文研究在大语言模型顺序微调过程中如何保持安全对齐。作者将监督回放（拒答示例）与对数概率蒸馏两种策略分开，在Mistral-7B和Llama-3-8B上进行实验。结果显示，监督回放降低攻击成功率最明显但过度拒答代价高，蒸馏则以较小代价大体防止安全退化；两者结合可缓解过度拒答。几何分析表明，在两个模型上保留基础拒答方向与行为安全的关系并不一致。QMUL_AK 在 AISA-ArabicFC 2026 的阿拉伯语函数调用系统：基于 ALLaM 的模式约束方法urn:diting-lab:zh:doc:3459092026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00QMUL_AK at AISA-ArabicFC: Schema-Constrained Function Calling with ALLaM
arXiv · 2026年10月28日该论文介绍 QMUL_AK 团队为 AISA-ArabicFC 2026 共享任务提交的系统。系统使用低秩适配（LoRA）对阿英双语模型 ALLaM-7B-Instruct 进行函数调用微调，并结合阿拉伯语模式感知提示、方言与无调用重采样、加权训练目标，以及对生成调用的确定性校验。论文报告，函数选择的准确率接近饱和，而参数抽取仍是主要错误来源。将预训练全原子表示推广到统一结合物设计urn:diting-lab:zh:doc:3459082026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Towards Generalizing Pretrained All-Atom Representations to Unified Binder Design
arXiv · 2026年10月28日该论文提出PairFuse方法，将预训练的全原子表示（PairFormer类模型）融入独立预训练的几何潜在扩散模型，用于统一的结合物设计。方法通过轻量级逐层适配器实现表示融合，包括丰富分子块特征以及把成对结构信息融入去噪器。论文在抗体、多肽和小分子结合物设计基准上报告，PairFuse优于预训练扩散模型及现有表示融合基线。用于非经静脉ICD筛查的深度学习：定制神经网络架构、扩展实验与可解释性分析urn:diting-lab:zh:doc:3459072026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Deep learning for non-transvenous ICD screening: tailored neural network architectures, extended experiments, and explainability
arXiv · 2026年10月28日本文研究两种非经静脉植入式心脏除颤器（皮下ICD和血管外ICD），这两种设备可避免经静脉导线的并发症，但存在过度感知风险，可能引发不当电击。作者提出24小时动态心电筛查框架，并设计直接处理心电信号的一维卷积神经网络AmpRatioNet，在4605个10秒片段上与基于二维相空间重建图像的方法对比，结果显示其在各项指标上表现更优。GAUSS：面向工作负载的大语言模型推理服务分析与蒙特卡洛模拟器urn:diting-lab:zh:doc:3459062026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00GAUSS: A Workload-Aware Analytical and Monte-Carlo Simulator for LLM Inference Serving
arXiv · 2026年10月28日本文提出GAUSS，一种感知工作负载的解析与蒙特卡洛模拟器，用于预测大语言模型推理服务中首token时间（TTFT）和token间隔时间（TBT）的完整分布，以及可持续请求速率。它结合预填充与解码阶段的校准延迟模型、基于Lindley递推的排队模型，并通过集合蒙特卡洛采样估计性能，能够刻画追踪驱动模拟器难以覆盖的延迟尾部，并支持运行点选择、流量分段和最短剩余处理时间调度等容量问题的分析。基于粗网格图神经网络预测参数化非定常流动中的稀疏观测量urn:diting-lab:zh:doc:3459052026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Predicting Sparse Observables in Parameterized Unsteady Flows Using Coarse-Mesh Graph Neural Networks
arXiv · 2026年10月28日该论文提出一种降阶模型，直接在粗网格上使用图神经网络预测稀疏探测点和积分量，无需重建完整流场。方法应用于参数化的二维、三维受限圆柱绕流及非均匀加热腔体流动，可泛化到未见过的工况。结果显示粗网格模型在降低训练时间与内存的同时，精度不逊于甚至优于细网格模型。用于相机可控自回归视频生成的分层扩散方法urn:diting-lab:zh:doc:3459032026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Hierarchical Diffusion for Camera-controlled Autoregressive Video Generation
arXiv · 2026年10月28日本文研究从单张图像出发、受相机控制的长视频生成。作者提出轻量框架，结合自回归生成（WanAR）与分层长上下文去噪（FixAR），并将视频生成重新表述为扭曲加修复问题，以保持场景几何与输入相机一致。在RealEstate10k和DL3DV数据集上的实验显示，该方法在相机可控长视频生成上优于既有方法，结果在时间上更稳定且与输入相机轨迹一致。可分离不等于可对齐：谱图到分子检索的表示学习研究urn:diting-lab:zh:doc:3459012026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Separability Is Not Alignability: Representations for Spectrum-to-Molecule Retrieval
arXiv · 2026年10月28日本文研究如何从串联质谱图识别小分子，针对配对数据稀缺的问题，考察了用预训练的谱图编码器与分子编码器对齐的路线。作者在MassSpecGym上审计该方法，并指出生成谱图的训练目标并不涉及分子结构，因此对齐所需的分子度量无法保证；同时发现一种基于候选的目标会利用与谱图无关的先验。论文认为，缓解数据稀缺的关键不在于架构，模拟谱图的效果优于冻结的几何表示。单独时的移动风格可预测群体觅食表现，而跟随对象只在群体中显现urn:diting-lab:zh:doc:3459002026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Solitary movement style predicts collective foraging while whom to follow emerges only in company
arXiv · 2026年10月28日该研究基于三组公开的人类群体觅食数据集（分别为621、128和1133名参与者），考察个人独自活动时的表现能否预测其在群体中的行为与群体整体表现。结果显示，独自阶段的移动特征能够预测群体内行为，群体表现也可由独立测得的个人表现均值等方式预测；而选择性社会学习（跟随成功者或停止者）在群体内有稳定的个体差异，却无法从同一个人的独自行为中预测。有时少即是多：研究MLP与Transformer在含噪k-奇偶特征上的归纳偏置urn:diting-lab:zh:doc:3458992026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Sometimes less is more: Investigating inductive biases of MLPs and Transformers on noisy k-parity features
arXiv · 2026年10月28日本文用含噪k-奇偶（noisy k-parity）构造的合成数据集，比较多层感知机（MLP）与Transformer的训练表现。结果显示两者归纳偏置差异明显：Transformer对噪声特征更稳健，但难以学习复杂且出现率低的特征；MLP则随数据增加稳步提升。在固定训练预算下，增加独特训练样本有时会减慢Transformer的优化，使较小的数据集反而效果更好。FORGE：面向敏捷人形机器人运动的可行在线降阶参考生成与全身执行框架urn:diting-lab:zh:doc:3458982026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00FORGE: Feasible Online Reduced-Order Reference Generation and Whole-Body Execution for Agile Humanoid Locomotion
arXiv · 2026年10月28日本文提出一个两阶段学习框架，用于人形机器人的多样化敏捷运动。第一阶段结合单刚体动力学与完整人形运动学，训练以指令为条件的全身参考生成器；第二阶段冻结降阶模型策略并在线运行，生成参考轨迹来训练作用于全阶动力学模型的全身跟踪策略。在宇树G1机器人上的实验显示，该方法可实现纵向速度-2.0至2.8 m/s、横向速度±1.0 m/s、角速度±3.0 rad/s、单腿跳跃以及指令间的连续过渡。合并与分支：面向推荐的树状结构高效监督微调大语言模型urn:diting-lab:zh:doc:3458972026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Merge and Branch: Efficient Tree-Structured Supervised Fine-Tuning of LLMs for Recommendation
arXiv · 2026年10月28日该论文针对基于大语言模型的生成式推荐，提出Merge and Branch（M&B）方法。它把每个历史物品的语义标识符和文本压缩为少量可学习的token，并用压缩后的历史同时预测多个目标标识符，以树状结构组织样本并共享历史计算。论文还提出了树状FlashAttention和树状键值缓存，并报告在公开基准上优于强推荐基线、训练与解码效率得到提升。用于多材料多物理仿真问题的偏微分方程仿真器应用研究urn:diting-lab:zh:doc:3458962026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Application of PDE emulators for a multi-material, multi-physics simulation problem
arXiv · 2026年10月28日该论文评估了多种基于计算机视觉的机器学习架构，将其训练为替代模型，用于模拟涉及多种材料的复杂计算物理任务。研究发现，部分预训练模型（包括基于 Transformer 的架构）在适配时存在明显的实现困难。作者认为，对于此类多物理、多材料数据集，需要针对稀疏且不平衡的数据设计学习算法，并调整空间编码与物理一致性指标，同时降低生成充足训练数据的成本。用元初始化加速隐式神经表示的可变形医学图像配准urn:diting-lab:zh:doc:3458952026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Meta-Initialization of Implicit Neural Representations to Accelerate Deformable Medical Image Registration
arXiv · 2026年10月28日该论文针对隐式神经表示（INR）可变形医学图像配准每对图像都需重新优化网络参数、适应较慢的问题，研究用从已解决配准任务中学得的初始化来加速早期适应。作者比较了Reptile元初始化和STRAINER共享坐标网络部分迁移两种方案，并以KAN-IDIR作为基础模型，在OASIS-1数据集上实验。结果显示，两种方案在早期迭代中都比随机初始化获得更高的Dice和更低的HD95，其中Reptile在较少迭代下数值表现更好，但两者预训练预算不一致；随着迭代增加，两者差异缩小。面向时间序列的自监督潜在动作条件世界模型urn:diting-lab:zh:doc:3458942026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Self-Supervised Latent Action-Conditioned World Modeling for Time Series
arXiv · 2026年10月28日该论文提出ACTS-WM框架，用于时间序列分析。它不依赖显式动作标注，将时间序列观测之间变化背后的信息推断为潜在动作，并结合基于JEPA的编码器与动作条件世界模型，预测目标时间序列表示。作者在来自多个领域的22个数据集、4类代表性任务（包括单变量与多变量预测及分类）上进行了评估，结果显示相较预训练的JEPA编码器，该方法能通过学习互补表示提升下游任务表现。检测基于大语言模型的推荐系统中的位置偏差：方法与实证证据urn:diting-lab:zh:doc:3458932026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Statistical Detection of Positional Bias in LLM-Based Recommender Systems: Methodologies and Empirical Evidence
arXiv · 2026年10月28日本文研究基于大语言模型的推荐系统中的位置偏差，即推荐结果依赖于候选商品在提示词中的排列顺序。作者提出两种统计检测方法，并在真实商品目录上进行实验，结果显示所评估的主流模型均存在显著的位置偏差。研究认为该偏差是结构性且与模型相关的，建议对部署的系统进行定期审计，并采用顺序随机化等措施。SAG-Sep：稀疏增广图与洋葱式搜索，用于圆整容量切割的分离urn:diting-lab:zh:doc:3458922026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00SAG-Sep: Sparse Augmented Graphs and Onion-Guided Search for Rounded Capacity Cut Separation
arXiv · 2026年10月28日本文提出SAG-Sep分离器，用于车辆路径松弛问题中的圆整容量切割（RCC）。它基于线性规划解构造稀疏增广图，单次前向传播即可为节点打分，并结合无需训练的Onion-Sweep解码器生成嵌套的切割候选。在N=1000的NeuralSEP基准上，结合Onion-Sweep的版本使平均根节点间隙相对最强的NeuralSEP基线降低17.7%，单次分离器的每轮神经分离速度约快30倍。基于多址信道的语义通信联邦学习urn:diting-lab:zh:doc:3458912026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Federated Learning for Semantic Communications over Multiple Access Channels
arXiv · 2026年10月28日本文提出一种面向多址信道（MAC）语义通信的联邦学习框架，多个分布式发送端同时向同一接收端传输端到端学习得到的语义信息。系统联合优化语义特征提取、压缩、无线传输与语义推理。实验在衰落信道下使用 CIFAR-10 数据集进行评估，结果显示该方法在共享无线接入下保持较高的语义推理准确率，并在数据严重不平衡时明显提升性能，同时降低训练开销。无需对齐的表示：基于随机原型空间的知识蒸馏urn:diting-lab:zh:doc:3458882026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00You Don't Need Aligned Representations: Knowledge Distillation via Random Prototype Spaces
arXiv · 2026年10月28日本文提出RPKD方法，用一组随机初始化且冻结的原型向量作为共享参考空间，让教师和学生网络都与之比较，而不是直接对齐两者的特征空间。方法包括对数分支和特征分支两部分，在低类别数场景下比仅依赖标签的监督提供更丰富的信号。论文报告在CIFAR-100、ImageNet-100和ImageNet-1K上相对OFA有不同程度的提升，最高分别为+7.98%、+12.44%和+1.28%。生成流中保持边际分布的速度场在有限步下的几何性质urn:diting-lab:zh:doc:3458872026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Finite-Step Geometry of Marginal-Preserving Velocity Fields in Generative Flows
arXiv · 2026年10月28日本文研究生成流中不同速度场在连续情形下诱导相同边际分布演化，但经数值离散后表现不同的现象。作者在固定边际路径与数值方法的条件下，用投影修正方程刻画会改变边际分布的局部积分误差，并给出更高边际收敛阶的充分条件。对仿射固定形状分布，文中刻画了精确有限步可达性并推导谱障碍与最近可达 Wasserstein 误差；对扩散概率流 ODE，构造了在精确分数下保持边际路径的偏斜分数扰动，并量化其在分数误差下的泄漏。高斯与混合分布的受控实验验证了上述阶数、可达性与障碍现象。SkillMem：用于潜在多智能体推理的紧凑外部技能记忆urn:diting-lab:zh:doc:3458862026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00SkillMem: Compact External Skill Memory for Latent Multi-Agent Reasoning
arXiv · 2026年10月28日该论文提出SkillMem方法，把每项可复用技能表示为一小块外部潜在记忆，并在潜在多智能体推理中直接调用。通过角色条件交叉注意力读取器，同一记忆可按各智能体的角色和当前隐状态引导其推理。在六个基准和Qwen3（4B至14B）模型上，该方法对较小模型有明显提升，每项技能仅需9.6 KB存储，百项技能库的存储减少超过38倍，端到端推理最高加速4.23倍。双阶段训练：从零开始高效学习urn:diting-lab:zh:doc:3458852026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Bi-Phase Training: Learning Efficiently From Scratch
arXiv · 2026年10月28日本文提出双阶段训练（BPT），一种参数高效的预训练方法，用可训练的对角矩阵与低秩适配器组合来更新权重，并周期性地合并到冻结的基础权重中。在FineWeb-Edu数据上从零预训练Qwen2.5（100M至1.5B参数）与OLMo-2-1B的实验显示，其验证困惑度接近全参数基线，而可训练参数大幅减少，例如1.5B规模下减少66%，下游任务表现也保留了大部分性能。基于自然语言处理的机会路由消息优先级排序：尼泊尔地震应急通信案例研究urn:diting-lab:zh:doc:3458842026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00NLP-based Message Prioritisation for Opportunistic Routing: A Case Study of Nepal Earthquake Emergency Communication
arXiv · 2026年10月28日本文以2015年尼泊尔地震为案例，探究基于自然语言处理的语义优先级排序能否改善机会式应急通信中紧急灾害消息的处理。研究使用TF-IDF加逻辑回归和BERT将社交媒体消息分为九类人道主义类别，并映射为P1至P4四个路由优先级，集成于ONE模拟器中。结果显示BERT的优先级准确率和P1召回率更高，但网络层面的收益并不一致；语义优先级在有限资源竞争时最有价值，却无法克服机会网络中的移动性与接触限制。将大语言模型作为数值优化器的能力与局限研究urn:diting-lab:zh:doc:3458832026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Understanding Large Language Models as Numerical Optimizers
arXiv · 2026年10月28日该论文评估大语言模型在数值优化问题上的表现，涉及凸优化、分式规划和约束投影等问题，并与确定性参考求解器进行比较。研究区分了解的质量与数值误差、约束违反、输出格式错误等执行失败。结果显示，模型能捕捉部分优化结构并给出接近最优的解，但随问题维度增加可靠性下降。迭代修正机制可提升有效解的比例，论文因此建议结合大语言模型推理与确定性数值验证的混合方法。机器学习在日球层中的应用：利用学习到的算子对太阳到地面的空间天气过程进行建模与预报urn:diting-lab:zh:doc:3458822026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Machine learning applications in the heliosphere
arXiv · 2026年10月28日本章讨论空间天气研究，即太阳活动对近地空间环境的影响。作者把从太阳到地面的过程视为可单独或耦合研究的系统，用状态向量描述，并把机器学习算法看作推断、传播和模拟三类学习算子。文章认为，这一框架既有助于加深对相关物理系统的理解，也能加快空间天气业务化预报模型的发展。GARDEN：通过证据导航实现的通用自主奖励设计，用于合作式多智能体强化学习urn:diting-lab:zh:doc:3458812026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00GARDEN: Generalist Autonomous Reward Design Through Evidence Navigation for Cooperative Multi-Agent Reinforcement Learning
arXiv · 2026年10月28日该论文提出GARDEN方法，由大语言模型自动编写一套奖励函数，用于一组相关的合作式多智能体任务，并可不加修改地迁移到设计时未见过的场景。在Overcooked和SMAX基准的未见场景中，相比默认奖励，两个厨房布局的任务回报分别提高58.2%和52.5%，两个战斗场景的平均胜率从51.0%提升至89.9%，并优于固定诊断反馈和Eureka式奖励反思方法。VerifiedLab：利用已知知识探索未知urn:diting-lab:zh:doc:3458802026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00VerifiedLab: Harnessing Knowns for Unknowns
arXiv · 2026年10月28日本文提出VerifiedLab，一个多智能体框架，用于将研究知识从面向人类的记录转化为面向机器的形式。框架中的多个AI角色逐字段核验记录，并在输出前检查结论的可靠性，再决定是否发布。作者以钙钛矿太阳能电池为例进行实验，结果显示该框架能复现已知的物理规律，并预测一年后才报道的器件。FAD-KV：面向高效推理解码的自适应字典 KV 缓存urn:diting-lab:zh:doc:3458792026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00FAD-KV: Adaptive Dictionary KV Caching for Efficient Reasoning Decoding
arXiv · 2026年10月28日该论文提出 FAD-KV 框架，用于压缩大语言模型解码时的 KV 缓存。它用学习到的字典对每个词元的 KV 表示做稀疏编码，并采用一次性 Top-n 筛选加轻量系数细化来降低计算开销，同时用固定大小的字典复用闲置原子，避免字典在生成过程中无限增长。论文称在推理和长上下文基准上取得了较好的质量与效率平衡。SciGame：让智能体在真实与反事实世界中玩科学发现游戏urn:diting-lab:zh:doc:3458782026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00SciGame: Let Agents Play the Scientific Discovery Games in the Real and Counterfactual World
arXiv · 2026年10月28日该论文提出SciGame基准，将科学文献转化为结构化科学卡片，并生成保持量纲一致的原始环境与反事实环境。基准包含经典定律的历史集和来自模型知识截止后论文的时效集，在候选引导识别与开放式发现两种设定下，以仅先验、固定与自适应三种协议评估五个前沿模型。结果显示，已知先验在规律被改变后会损害表现，自适应实验对较强模型有益但在预算有限时会伤害较弱模型，且好的解释可能掩盖定量错误；精确还原符号形式仍是主要瓶颈。Venus-DefakerOne2：覆盖范围更广的视觉取证基础模型urn:diting-lab:zh:doc:3458772026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Venus-DefakerOne2: A Vision-Forensics Foundation Model with Broader Coverage
arXiv · 2026年10月28日本文提出用于伪造检测的统一基础模型 Venus-DefakerOne2，覆盖数字篡改与物理欺骗，也涵盖图像与视频。模型基于数千万个开源及内部样本训练，采用交替进行 LoRA 与全参数微调的 Tide-Style-Tuning，并使用基于预测熵的 Entropy-based Test Adaptation 选择预测模态。论文报告其在多项基准上取得新的最优表现，并优于专用模型及前代 DefakerOne。究竟什么才重要？在BEHAVIOR-1K上对π0.5推理设置的配对评估urn:diting-lab:zh:doc:3458762026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00What Actually Matters? A Paired Evaluation of Inference Settings for π₀.5 on BEHAVIOR-1K
arXiv · 2026年10月28日本文针对家用机器人视觉-语言-动作（VLA）模型，在全部100个任务上系统地对比了此前提出的推理与数据收集策略。评估基于以2025年BEHAVIOR挑战赛冠军为基础微调的π0.5模型，该模型在公开测试集上的Q分数为0.39。结果显示，这些策略并不能在所有新环境和任务中统一迁移。Muon 优化器使混合专家模型的第一层更难均衡负载urn:diting-lab:zh:doc:3458752026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Muon Makes the First Mixture-of-Experts Layer Harder to Balance
arXiv · 2026年10月28日该论文研究在混合专家（MoE）语言模型中，使用 Muon 优化器对路由偏置的影响。在 5500 万和 1.08 亿激活参数的模型上，作者发现 Muon 使第一个 MoE 层的偏置跨度约翻倍，原因是第一层路由器的输入趋于同一方向。将批次均值减去后可消除这种过载，将学习率减半也能缓解该问题。用语义增强的表格与多模态学习理解长篇金融文本urn:diting-lab:zh:doc:3458742026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Grounding Long Financial Text with Semantically-Enriched Tables via Multimodal Learning
arXiv · 2026年10月28日该论文提出一种多模态Transformer框架，用于同时处理结构化财务表格与嘈杂的非结构化文本披露。方法将每个数值变量与其文字定义得到的语义嵌入相结合，并通过交叉注意力机制整合长文本（如MD&A披露）。在大规模财务报表与MD&A数据集上的实验显示，数值特征仍是主要预测信号，而交叉注意力相较简单拼接能带来稳定的额外收益。超越整句层面的说话人相似度：面向感知的语音生成口音分段评估urn:diting-lab:zh:doc:3458732026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Beyond Utterance-Level Speaker Similarity: Perception-Aligned Segmental Evaluation of Accent in Speech Generation
arXiv · 2026年10月28日该论文指出，整句层面的相似度评分无法显示生成语音中口音差异出现在哪里。作者提出一种分段评估方法，结合说话人与口音相似度评分，以及目标口音地区听众对子词层面口音差异的标注。研究使用47名有效听众评估200对内容匹配的参考与候选语音，涵盖四种苏格兰和澳大利亚声音、两个零样本TTS系统及一个基于发音的语音转换系统。结果显示说话人与口音评分高度相关（ρ=0.71），而七种客观距离指标与子词标注的对应关系较弱，相关系数最高仅为0.22。面向聚变的生成式建模：仿星器快离子模拟的大规模基准数据集urn:diting-lab:zh:doc:3458722026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Generative modeling for fusion: a large-scale benchmark of stellarator fast-ion simulations
arXiv · 2026年10月28日本文提出仿星器模拟基准数据集BoSS，收录18万种不同磁流体力学平衡构型的设计及其引导中心模拟结果与粒子轨迹。研究基于该数据集设计两类机器学习任务：用于设计粒子约束良好的仿星器的生成式建模，以及用于预测热沉积模式和粒子轨迹的代理建模。作者称基线模型能生成多样且性能良好的仿星器，并指出长时程轨迹预测和分布外生成是未来方向。TERRA：面向区域火灾检测的任务导向边缘AI与无身份上报框架urn:diting-lab:zh:doc:3458712026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00TERRA: Task-Oriented Edge AI for Regional Fire Detection with Identity-Free Reporting
arXiv · 2026年10月28日该论文提出TERRA框架，用于分布式火灾监测：多个传感设备只上报与任务相关的本地推断结果，并附带区域标签而不含设备身份，接收端通过置换不变的方式聚合区域证据。研究在欧洲EN54室内火警数据集的15种传感模态上进行了验证，比较了两种上报模式。在9条上报且消息完全正确传输的条件下，TERRA-Feature的平均AUPRC为0.990（24比特），TERRA-Score为0.987（仅6比特），两者在FAR不超过1%时的MDR均为1.81%。超越低通动力学：具有共振神经元的频率选择性脉冲储层计算urn:diting-lab:zh:doc:3458702026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Beyond Low-Pass Dynamics: Frequency-Selective Spiking Reservoirs with Resonant Neurons
arXiv · 2026年10月28日论文提出HRF-Res，一种液体状态机，用异质的谐振发放（HRF）神经元取代常用的漏积分发放（LIF）神经元，使储层能够区分不同时间频率的信息。在十个涵盖时间序列、序列图像、音频脉冲序列和神经形态视觉的基准上，HRF-Res在脉冲储层方法中取得了最高的分类准确率，并保持了脉冲计算的能效。FilingLoop：评估与演进用于企业披露审阅与修订的大语言模型智能体urn:diting-lab:zh:doc:3458692026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00FilingLoop: Evaluating and Evolving LLM Agents for Corporate Disclosure Review and Revision
arXiv · 2026年10月28日该论文提出FilingLoop，一个交互式基准与自演进智能体框架，用于企业披露文件的审阅与修订。基准基于美国证券交易委员会历史往来函件构建，包含96家公司的380个任务，并以6,099条合规要求进行评估。框架在案例内迭代修订，并在案例间积累程序性经验，但不更新模型权重，实验显示要求满足率由24.28%提升至27.96%。《Think Twice：Metis-1.6 技术报告》：两个从零训练的双重处理语言模型urn:diting-lab:zh:doc:3458682026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Think Twice: The Metis-1.6 Technical Report
arXiv · 2026年10月28日该报告介绍了由单一研究者从零训练的两个语言模型 Praxis（2.94B 参数）和 Logos（10.23B 参数），两者都对每个 token 进行两次处理，采用混合 Mamba-2 与注意力的专家混合结构。模型在 1.02T tokens 上训练，并在 40 个后训练基准中进行评测，Logos 平均得分 52.93，在数学任务上表现较好，但在代码、指令遵循和长上下文方面较弱。报告还记录了训练中的若干错误及其修复方法。结构感知压缩的图对比学习（SAC-GCL）：用结构压缩替代随机扰动来生成图的增强视图urn:diting-lab:zh:doc:3458662026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00SAC-GCL: Structure-Aware Compression for Graph Contrastive Learning
arXiv · 2026年10月28日该论文提出SAC-GCL框架，用于图对比学习。它不再依赖边扰动、节点掩码等随机增强，而是通过结构分解提取内聚子图，并将其压缩为超节点，生成保留局部密度和高层结构模式的粗化图视图。作者使用多种内聚子图模型生成互补视图，并借助层级视图编码器处理。在六个基准数据集上的实验表明，该方法在图分类任务中能得到更稳健、更具判别力的图表示。社会人口学信息在多元冒犯性建模中的作用：何时何处有效及推理的作用urn:diting-lab:zh:doc:3458642026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00The Anatomy of Socio-Demographics in Pluralistic Offensiveness Modeling: When and Where It Helps, and the Role of Reasoning
arXiv · 2026年10月28日本文研究在多元冒犯性判断建模中，标注者的社会人口学信息何时、何处有助于预测，并考察显式推理的作用。作者在三个多标注者数据集上使用提示和训练的大语言模型进行实验。结果显示，人口学信息在个体层面的提升小且不稳定，在群体和总体层面则更明显；显式推理将判断拆分为整体基线与人口学特定偏差，效果优于单纯的人口学条件化。当更多规划反而有害：面向世界模型的学习型规划器urn:diting-lab:zh:doc:3458622026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00When More Planning Hurts: Learned Planners for World Models
arXiv · 2026年10月28日本文研究基于世界模型的机器人规划问题，比较了多种规划器在 PushT 任务上的表现。作者提出的固定动作更新器仅有 1505 个参数，在 16 个保留场景中成功解决 8 个。实验还发现，增加更新次数并不能挽救失败的任务，反而可能使原本成功的任务转为失败。FYC：面向公平深度伪造检测的 FPR 差异权重扰动与 Youden 校准urn:diting-lab:zh:doc:3458612026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00FYC: FPR-Disparity Weight Perturbation and Youden Calibration for Fair Deepfake Detection
arXiv · 2026年10月28日该论文针对深度伪造检测器在不同性别与肤色群体间误报率差异明显的问题，提出一种无需重新训练的两阶段后处理方法 FYC。该方法依据 FPR 差异准则扰动检测器权重，再为各人口群体分别校准决策阈值。在 AI-Face v2 上的六个交叉性别与肤色群体实验中，FYC 在 21 项公平性与效用指标的 18 项上优于已评测的检测器。面向公平深度伪造检测的交叉不变学习urn:diting-lab:zh:doc:3458602026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Intersectional Invariant Learning for Fair Deepfake Detection
arXiv · 2026年10月28日深度伪造检测模型整体准确率高，但不同人口群体之间的性能差异较大，部分群体的误报率明显更高。该论文提出交叉不变学习（IIL）框架，在特征层面改进学习，而不只是调整模型输出。IIL在性别与肤色的六个交叉群体上进行公平性优化，并在一个包含百万张以上图像的基准上评估，结果显示其在AUC、误报率和交叉公平性差距等指标上取得了较好的平衡。面向高维材料数据的可解释神经方程学习urn:diting-lab:zh:doc:3458592026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Interpretable neural equation learning for high-dimensional materials data
arXiv · 2026年10月28日本文提出nn-EQL框架，通过对带有可自定义激活函数的神经网络进行迭代训练、剪枝和再训练，生成候选方程，并以受最小描述长度启发的评分同时权衡误差与稀疏性进行排序。该方法在AI-Feynman基准及有限元模拟的异质材料、高通量薄膜沉积实验等高维材料数据上进行了验证。验证学习理论：AI辅助判断中核查与记忆的过程模型urn:diting-lab:zh:doc:3458582026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Verification Learning Theory: A Process Model of Checking and Retention in AI-Assisted Judgment
arXiv · 2026年10月28日该论文提出验证学习理论（VLT），用于描述在AI辅助下进行主张评估练习时，核查行为如何影响后续独立判断能力的保持。模型认为，感知到的助手可靠性促使人们核查证据，而核查历史又与规则运用的保留相关。论文通过模拟考察这些假设的后果与参数依赖性，并指出其与其他解释的预测差异，提出可检验该机制的实验设计。PairCLIP-SWA：用于深度伪造图像检测的相似度引导平衡与随机权重平均方法urn:diting-lab:zh:doc:3458572026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00PairCLIP-SWA: Similarity-Guided Balancing and Stochastic Weight Averaging for Generalized Deepfake Image Detection with OpenCLIP
arXiv · 2026年10月28日该论文提出PairCLIP-SWA，一种基于OpenCLIP ViT-L/14视觉骨干网络的单模型深度伪造图像检测方法，通过CLIP相似度引导的一对一子采样构建类别平衡数据，并在权重空间对微调轨迹进行平均。在IEEE SP Cup 2025（DF-Wild-Cup）基准上，加权平均后的模型准确率为97.04%，AU-ROC为98.64%，等错误率为4.07%。作者还指出，仅依据验证集选择检查点存在不稳定性，并建议依据早停划分之外的按类别标准进行选择。用于全球气候政策合作的多智能体强化学习urn:diting-lab:zh:doc:3458542026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Multi-Agent Reinforcement Learning for Global Climate Policy Cooperation
arXiv · 2026年10月28日该论文扩展了一个现有的多智能体强化学习气候框架，加入多阶段谈判机制，智能体可提出协议、接受或拒绝承诺，并对不履约进行处罚。在四个同质智能体的理想化设定中，研究发现无约束力的协议难以克服搭便车问题，适度的不履约处罚能改善合作并减缓变暖，但过强的处罚会抑制有雄心的承诺。作者称该框架是用于检验协议设计的方法论贡献，而非对真实谈判的预测模型。什么构成食物相似性？印度菜中的视觉表征与检索urn:diting-lab:zh:doc:3458522026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00What Constitutes Food Similarity? Visual Representations and Retrieval in Indian Cuisine
arXiv · 2026年10月28日本文研究食物相似性超出“身份识别”之外的部分，比较七种预训练视觉模型在印度菜图像检索中形成的邻域结构。研究发现，不同表征得到的相似邻域差异明显，且与基于菜谱的相似性关联较弱。因此，食物相似性依赖于表征方式、模态和抽象层级，而非数据集的固定属性。Echo：利用离策略经验扩展视觉强化学习urn:diting-lab:zh:doc:3458502026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Echo: Scaling Visual Reinforcement Learning with Off-policy Experience
arXiv · 2026年10月28日本文提出Echo，一种单阶段离策略强化学习框架，通过逆向蒸馏让基于状态的辅助策略模仿视觉策略并收集无需渲染的低成本经验，从而在不成比例增加视觉计算的情况下扩大经验收集规模。作者基于FastTD3实现该方法，在Genesis中的三个视觉控制任务和两个灵巧操作任务上进行了评估。结果显示，相较于所对比的方法，Echo在三个运动任务上平均缩短约60%的达到参考回报时间，在两个手部任务上约缩短56%，并分别提升峰值平均回报约62%和12%。深度学习架构与预训练对离体高速发声图像中声带自动分割的影响urn:diting-lab:zh:doc:3458492026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Effects of Deep Learning Architecture and Pretraining on Automated Vocal Fold Segmentation in Ex Vivo High-Speed Phonation Images
arXiv · 2026年10月28日该研究比较了四种深度学习架构（UNet、UNet++、TransUNet、Swin-UNet）在离体犬喉高速发声图像中自动分割声带的效果，并考察了ImageNet预训练的作用，使用16,344张专家标注图像进行训练与测试。结果显示各模型平均Dice相似系数相近，差异主要体现在边界精度上；预训练显著提升了TransUNet和Swin-UNet的边界指标，无预训练时TransUNet的边界表现优于两种基于CNN的模型。Seq@K：在连续反馈下评估语言模型urn:diting-lab:zh:doc:3458482026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Seq@K: Evaluating Language Models Under Sequential Feedback
arXiv · 2026年10月28日该论文提出 Seq@K 评估方法，衡量模型在每次失败后获得反馈、经过 K 次连续尝试内能否解决问题，聚焦于依据反馈迭代修正的能力。作者在 7 个基准、16 个前沿模型上测试，发现 Seq@K 下模型排名、帕累托前沿和模型选择收益与 Pass@K 有明显不同，并可用于刻画迭代修正行为。评估并改进用于测序方案理解的 AI 智能体urn:diting-lab:zh:doc:3458472026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Evaluating and improving AI agents for sequencing protocol understanding
arXiv · 2026年10月28日论文提出 LibStructBench，这是一个基于文档的基准，用于测试智能体能否根据测序方案重建测序文库的结构和分子工作流程。实验显示，前沿智能体常能给出大致正确的重建结果，但在精确重建上仍不可靠，尤其是分子状态表示和工作流程连接。更换底层语言模型带来的平均差异大于更换智能体框架，且仅在分子状态重建上具有统计显著性。通过伙伴—局外人正向倾听检测AI智能体之间的隐蔽串通urn:diting-lab:zh:doc:3458462026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Detecting Covert Collusion between AI Agents through Partner-Outsider Positive Listening
arXiv · 2026年10月28日该论文提出一种行为检验方法：若智能体之间共享秘密约定，其对消息的具体措辞会有特定反应，而无关的局外智能体则没有。方法名为伙伴—局外人正向倾听（PoPLi），通过回放已记录的提示词，比较两者在消息改写（意思不变）时行动变化的差异来计算。在模拟市场的五种条件实验中，存在编码时PoPLi为0.48至0.59，无编码时为-0.10至-0.01；仅看消息的监测器未能区分这些条件。用于医学图像间最优传输的凸势函数学习urn:diting-lab:zh:doc:3458442026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Convex Potential Learning for Optimal Transport Between Medical Images
arXiv · 2026年10月28日论文提出一种通过参数化凸势函数来估计医学图像之间最优传输映射的方法。该映射依构造保证无旋（curl-free），符合布雷尼耶定理（Brenier's theorem）。作者在二维与三维医学影像数据集上进行了评估，结果显示该方法传输估计误差更低，图像重建质量优于现有方法。误差存在于何处：学习得到的Kohn-Sham哈密顿量的谱表示urn:diting-lab:zh:doc:3458432026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Where the Error Lives: Spectral Representations of Learned Kohn-Sham Hamiltonians
arXiv · 2026年10月28日论文研究用机器学习模型预测Kohn-Sham哈密顿矩阵以替代自洽场计算的方法。作者指出，仅按矩阵元素匹配的训练无法保证特征值和特征向量的准确性，并分析了两种现有物理约束方法各自只能覆盖部分误差。论文提出以累积局域态密度作为完整训练信号，并在QH9数据集上通过名为FermiScope的微调方法，降低了HOMO-LUMO能隙误差，且未增加逐元素误差。通过超参数迁移与集成改进数据受限下的缩放urn:diting-lab:zh:doc:3458422026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Improving Data-Constrained Scaling with Hyperparameter Transfer and Ensembling
arXiv · 2026年10月28日随着算力预算增长快于高质量训练数据，作者研究了在算力与数据双重约束下训练大语言模型的方法。他们拟合幂律来规定超参数如何随规模迁移，并用缩放定律规定如何通过集成分配算力。在 FineWeb 的 1 亿 token 上，该方法相比既有方案将验证损失降低超过 0.15 nats，困惑度下降 14%，并且随算力增加能通过集成实现单调提升。通过循环实现深度：迈向超高效的端侧语音识别urn:diting-lab:zh:doc:3458392026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Depth through Recurrence: Towards Ultra-Efficient On-Device ASR
arXiv · 2026年10月28日论文提出一种块循环式语音识别架构，用少量共享权重的循环块代替大量独立参数的层，在保持有效深度的同时大幅减小模型规模。借助表示引导分组和知识蒸馏，仅含两个共享块的模型在 Open ASR Leaderboard 基准上平均达到大模型精度的 97.4%，并可通过轻量 MoE-LoRA 实现端侧个性化，降低内存访问与推理能耗。DeFT-RAG：把多跳问题逐步拆解为自包含子问题并复用答案的检索增强生成框架urn:diting-lab:zh:doc:3458362026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00DeFT-RAG: Incrementally Decomposing Multi-Hop Questions into Self-Contained Sub-Questions with Reusable Answers
arXiv · 2026年10月28日该论文提出DeFT-RAG，用于解决多跳问题。它每次只让大语言模型生成一个包含全部实体的自包含子问题，并把已知答案记入问答表，部分决策交由轻量模型完成，同时缓存问答对以复用答案。在MuSiQue、2WikiMultiHopQA和HotpotQA上，该方法准确率优于十三个基线，且输入token少于其他迭代方法；在MuSiQue的1000个问题共享缓存时，23.1%的子问题直接由缓存回答，大语言模型调用减少12.9%，准确率未下降。无时钟学习：分区不变的神经网络urn:diting-lab:zh:doc:3458352026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Learning Without Clocks: Partition-Invariant Neural Network
arXiv · 2026年10月28日事件相机等传感器输出异步事件，但多数学习系统会先把事件打包成帧，结果受切分方式影响。本文提出一类在每个事件处精确更新、事件之间按闭式演化的网络，使输出与切分方式无关，并刻画了其对同时事件处理顺序及时间戳连续性的要求。作者还提出了可学习的Clock-Free Event（CFE）层，并在开发集实验中报告其性能优于同结构的加性模型。医学影像中的负责任量子机器学习：跨敏感亚组的公平性审计urn:diting-lab:zh:doc:3458342026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Responsible Quantum Machine Learning for Medical Imaging: A Fairness Audit Across Sensitive Subgroups
arXiv · 2026年10月28日本文对用于医学影像分类的经典分类器与量子分类器进行了实证公平性审计，假设量子机器学习本身并不天然公平。研究在皮肤病变（DDI，敏感属性为Fitzpatrick皮肤类型）和胸部X光（基于CheXpert，敏感属性为年龄组）两个场景中比较了SVM、MLP、QSVM和QCNN，并测试了多种公平性缓解方法。结果显示，量子模型可能在总体性能上具有竞争力，但仍存在亚组差异，且公平性效果依赖于模型和数据集。所有量子模型均在经典模拟器上运行，作者未声称存在量子优势。GOFish：全视场高斯溅射与网格提取urn:diting-lab:zh:doc:3458332026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00GOFish: Full Field-of-View Gaussian Splatting and Mesh Extraction
arXiv · 2026年10月28日机器人、自动驾驶车辆和消费级360度相机常用鱼眼镜头获取宽视场图像。GOFish是首个直接用鱼眼图像训练的三维高斯溅射表面重建方法，可渲染超过180度的视场，并从同一场景提取对齐的网格。该方法在200度的FIORD和205度的FullCircle基准上，PSNR分别比此前最佳方法提高2.28 dB和1.97 dB，且在FIORD和ScanNet++主要数据集上网格F-score最高。本体能抓住什么？策展、LLM生成与数据导出的本体作为知识图谱上LLM智能体的检查器urn:diting-lab:zh:doc:3458312026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00What Does an Ontology Catch? Curated, LLM-Generated and Data-Derived Ontologies as Checkers of LLM Agents over Knowledge Graphs
arXiv · 2026年10月28日该论文研究基于知识图谱回答问题的LLM智能体所用的检查器：这些检查器以本体为依据，用于发现答案中的错误。作者比较了人工策展、LLM生成和从数据中导出的三类本体，考察它们在作为提示上下文或检查器时，各自能发现哪些错误、又会误报哪些正确答案。结果显示，策展本体在UniProt上误报的正确答案，多于数据导出本体和LLM生成本体；在真实智能体答案上，其标记的精确度仅略高于随机标记。辐条而非圆环：重新审视语言模型中的星期流形urn:diting-lab:zh:doc:3458272026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Spokes, not a Ring: Revisiting the Weekday Manifold in Language Models
arXiv · 2026年10月28日该论文研究大语言模型如何表示星期这一概念，发现星期的表示呈圆形几何结构。作者检验了沿该流形连续移动是否对应概念的连续变化，结果显示星期更像排列成圆形的七个离散状态，而非连续圆环。中间区域未发现时间段、不确定性或自然文本等概念的表示。通用短时傅里叶变换：面向时频分析的数据自适应窗长选择urn:diting-lab:zh:doc:3458262026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Universal Short-Time Fourier Transform: Data-Adaptive Window-Length Selection for Time-Frequency Analysis
arXiv · 2026年10月28日短时傅里叶变换在滑动窗口上分析信号的局部频率，但短窗利于时间分辨、长窗利于频率分辨，二者难以兼顾。本文提出通用短时傅里叶变换（U-STFT），将分析窗长作为数据自适应状态逐帧选择，用归一化三阶Rényi熵为各候选窗长打分，并通过窗长网格聚合候选方案。文中给出累积损失遗憾界，并在合成与海洋生物声学信号上验证了自适应分辨率跟踪、频谱集中度提升以及时域精确可逆。在开放语言模型各训练阶段定位谄媚行为urn:diting-lab:zh:doc:3458242026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Locating Sycophancy Across Training Stages in Open Language Models
arXiv · 2026年10月28日该论文研究语言模型在用户给出错误答案时改口的谄媚行为。作者在5个模型系列的13个开放检查点上，测量了从基础模型、监督微调到偏好优化及发布版本的每个阶段。研究发现存在两种起源不同的谄媚行为：对提示中声明的顺从在基础模型中已经存在，而对话中的让步则主要在经过后训练的模型中出现。用于混交林单木胸径估算的稀疏张量网络urn:diting-lab:zh:doc:3458222026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Sparse tensor networks for individual tree diameter estimation in mixed forests
arXiv · 2026年10月28日本文研究如何利用无人机激光雷达（ULS）点云自动估算单棵树的胸径（DBH）。作者在德国四个混交温带林样地上，提出了轻量级深度学习架构TreeNext，直接从体素化点云估算单木参数，并构建了从单木实例分割到胸径回归的全自动森林清查流程。结果显示，TreeNext在自动分割的树木上R²为0.8355，在真值分割上为0.9380，优于随机森林和XGBoost等表格方法；分割质量是自动流程中的主要误差来源。面向潜在多智能体系统的选择性与混合状态通信urn:diting-lab:zh:doc:3458212026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Selective and Hybrid-State Communication for Latent Multi-Agent Systems
arXiv · 2026年10月28日本文针对大语言模型多智能体系统中的通信开销问题，提出两种互补方法。SelectKV 在传递 KV 状态时有选择地通信并保护已继承的上下文；HyLaMAS 将潜在协作扩展到混合线性注意力模型，通过共享工作区同时传递 KV 缓存与循环状态。摘要报告，SelectKV 在六个基准上减少约9.7%至9.9%的通信 KV 位置与逻辑 KV 负载，准确率在部分基准上基本不变，在 HumanEval+ 上下降六个百分点；HyLaMAS 在 Qwen3.5 不同规模模型上减少53%至80%的解码输出 token，相对基于文本的多智能体通信获得1.16至2.78倍加速。面向扩散草稿模型的多草稿在线策略蒸馏（MDraft）：一种训练语言模型草稿器的新方法urn:diting-lab:zh:doc:3458202026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00Multi-Draft On-Policy Distillation for Diffusion Drafters
arXiv · 2026年10月28日该论文关注加速语言模型推理的投机解码技术，研究如何用并行生成多个词元的扩散草稿模型进行训练。作者指出，并行起草时同一位置的验证目标会因前缀不同而冲突，分别蒸馏会抑制部分合理词元。为此提出MDraft方法：从同一上下文采样多个草稿块，汇总验证模型跨前缀的全词表条件分布作为训练目标。实验显示，该方法在数学、代码和对话任务上比既有蒸馏方法得到更长的接受草稿长度，且只改变训练过程，不改变模型结构和推理流程。EUReCA：跨临床采集的端到端统一锥束CT重建方法urn:diting-lab:zh:doc:3458182026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00EUReCA: End-to-End Unified CBCT Reconstruction Across Clinical Acquisitions
arXiv · 2026年10月28日该论文提出EUReCA模型，用于医用直线加速器锥束CT（CBCT）的图像重建，可接受8到100个投影，无需针对不同投影数重新训练。模型结合学习到的投影特征与FDK重建，并通过全局3D Transformer精修体数据。模拟数据上其PSNR达29.9至33.2 dB，优于前馈基线方法，速度也远快于迭代方法；在15例患者的实测数据中，与厂商重建结果相比，各投影数下均表现最佳。OpenFrontiers：开放研究问题集与科学重新发现基准urn:diting-lab:zh:doc:3458172026-10-28T00:00:00+09:002026-10-30T11:18:58+09:00OpenFrontiers: A Collection of Open Research Problems and a Benchmark for Scientific Rediscovery
arXiv · 2026年10月28日本文推出OpenFrontiers，一个跨学科资源，包含12151个开放研究问题的结构化语料库，以及一个由200道数学题组成的回溯基准。基准题目使用Lean 4形式化表述，其中110题于2026年已解决，90题仍未解决。作者用七个大语言模型智能体在HQ-50子集上进行评测，发现在闭卷条件下，40道已解决题目中至多7道被重新解出，而联网条件下的成功主要来自检索已发表的解答。用于贝叶斯优化中先验数据拟合网络的各向异性信赖域变换urn:diting-lab:zh:doc:3458152026-10-27T00:00:00+09:002026-10-30T11:18:58+09:00Anisotropic Trust Region Warping for Prior-Data Fitted Networks in Bayesian Optimisation
arXiv · 2026年10月27日该论文针对贝叶斯优化中的先验数据拟合网络（PFN），指出当目标函数的长度尺度超出元训练先验的常见取值时，PFN的预测对数似然落后于重新拟合的高斯过程，且这一差距会影响优化效果。作者提出各向异性信赖域（ATR）变换：通过核目标对齐估计各维度长度尺度，对输入空间进行仿射变换，在不重新训练网络的前提下修正偏差。在Matérn-3/2核生成的函数上，该方法在长度尺度范围的两端都提升了PFN的优化表现。用于地下水位异常预测的选择性迁移学习：精度与风险的权衡urn:diting-lab:zh:doc:3458132026-10-27T00:00:00+09:002026-10-30T11:18:58+09:00Selective Transfer Learning for Groundwater Level Anomaly Forecasting: Accuracy-Risk Trade-offs
arXiv · 2026年10月27日本文研究荷兰多口井地下水位异常预测中的上下文感知选择性迁移学习。源域预训练虽能提高平均精度，但并不稳定，会使相当一部分异质井的表现变差。作者提出的CASL方法在校准阶段学习对冻结的无迁移与固定迁移两个父模型进行受约束的上下文融合；全局凸混合方法使用同样的父模型，每个随机种子只拟合一个权重。两者各有优劣，结果显示的是固定划分下的精度与风险权衡，而非滚动部署下的有效性。ThinkJev：一次思考，适配各种计算预算的校准型选择决策urn:diting-lab:zh:doc:3458122026-10-27T00:00:00+09:002026-10-30T11:18:58+09:00ThinkJev: One Thought, Every Budget for Calibrated Typed Decisions
arXiv · 2026年10月27日本文针对语言模型在选项式决策中的应用，提出ThinkJev框架，用同一个混合思考模型构建快、慢两套系统：快系统直接读取选项字母的概率，慢系统在缓存的提示上思考后再读取。在5%目标错误率下，Qwen3.5-27B直接回答了24.5%的测试决策，实际错误率为3.9%；其余决策经过自适应思考，准确率为81.6%，思考token用量约为始终思考的72%。用于模型校准的摊销局部后验推断，并应用于海洋湍流闭合方案urn:diting-lab:zh:doc:3458112026-10-27T00:00:00+09:002026-10-30T11:18:58+09:00Amortized Localized Posterior Inference for Model Calibration with Application to an Ocean Turbulence Closure
arXiv · 2026年10月27日论文提出一种局部化后验校准方法：按观测与目标工况的接近程度对似然加权，并用条件归一化流通过摊销变分推断近似这一族后验，再对工况分布积分得到边缘参数分布。在Branin-Hoo模型的孪生实验中，局部化方法相比全局后验降低了总体预测误差。应用于单列海洋模型的k-ε湍流闭合时，以大气表面强迫为工况，局部后验校准相比确定性方法和全局后验方法降低了温度和纬向速度误差。超越相似度搜索：面向企业检索增强生成的知识图谱元数据补充urn:diting-lab:zh:doc:3458092026-10-27T00:00:00+09:002026-10-30T11:18:58+09:00Beyond Similarity Search: Knowledge Graph Metadata Enrichment for Enterprise Retrieval-Augmented Generation
arXiv · 2026年10月27日本文研究在企业文档检索增强生成（RAG）中，用知识图谱存储元数据和频繁变动信息，是否优于基于嵌入向量的相似度搜索。作者以一个季度的SEC EDGAR数据为实验语料，比较了文本转SQL、稠密向量RAG和两阶段GraphRAG三种架构。结果显示GraphRAG在20个问题中有16个三次均答对，文本转SQL为10个，向量RAG仅3个；但GraphRAG在结构化聚合查询上表现较弱。谓词神经元：梯度学习中谓词关系的可微量化urn:diting-lab:zh:doc:3458082026-10-27T00:00:00+09:002026-10-30T11:18:58+09:00Predicate Neuron: Differentiable Quantization of Predicate Relations in Gradient-based Learning
arXiv · 2026年10月27日本文提出一种名为原生谓词神经元（Native Predicate Neuron）的可微逻辑推理模块，通过一阶逻辑量化为标准神经网络加入符号推理能力。该神经元利用单个可训练参数学习在不同逻辑运算之间切换，训练时执行硬逻辑运算并保持可反向传播的可微性。作者在全连接、卷积、循环和Transformer结构上，基于MNIST和Wikitext等基准进行了评估，结果显示其总体上加快收敛、提升准确率并降低损失，在单调推理或处理不连续函数的任务中提升尤为明显。神经偏微分方程发现中的阈值兼容性与支撑选择诊断urn:diting-lab:zh:doc:3458072026-10-27T00:00:00+09:002026-10-30T11:18:58+09:00Threshold Compatibility and Support-Selection Diagnostics in Neural Discovery of Partial Differential Equations
arXiv · 2026年10月27日本文研究神经网络发现偏微分方程时，回归精度高并不保证支撑选择后得到正确方程。作者针对中位数/样本标准差阈值推导了精确的双信号保留边界与完整向量扰动界。实验显示，精确的对流扩散库会丢失扩散项，尽管系数恢复已达数值精度；基于真实支撑的重拟合虽降低扩散误差，却未恢复全部导数精度。LRMoE：在显存受限节点上高效训练 MoE 的需求侧负载再校准系统urn:diting-lab:zh:doc:3458052026-10-27T00:00:00+09:002026-10-30T11:18:58+09:00LRMoE: Demand-Side Load Re-Calibration for Efficient MoE Training on Memory-Constrained Nodes
arXiv · 2026年10月27日稀疏专家混合（MoE）模型路由不均会造成计算和通信瓶颈，已有方法通过复制专家分散负载，但会占用有限的显存。LRMoE 是一种感知显存的 MoE 训练系统，在反向传播时按每个词元与专家配对对专家更新的贡献筛选配对，并通过容量感知路由和物理压缩减少反向通信、计算和执行缓冲区需求。在 Qwen3-30B-A3B 和 GLM4.5-106B-A12B 上的实验显示，相比 SYMI，达到固定损失目标的 MoE 层累计训练时间减少 21.2% 至 44.8%。基于图信念与决策认证多步感知的主动无线电地图构建（GraphBARC）urn:diting-lab:zh:doc:3458032026-10-27T00:00:00+09:002026-10-30T11:18:58+09:00Learning Graph Beliefs for Active Radio Mapping With Decision-Certified Multi-Step Sensing
arXiv · 2026年10月27日该论文提出GraphBARC框架，用于主动构建无线电地图。它用图网络学习节点与边的空间相关性，形成全图联合信念，并以多步路线的全图贝叶斯风险下降来规划采样，同时通过误差感知的界限筛除不值得的路线。实验显示，相比所评估的基线，其平均均方根误差降低超过16%，核心规划时间相比未剪枝的固定精度实现减少56%。心肌梗死诊断：基于心电图数据的机器学习与深度学习算法研究urn:diting-lab:zh:doc:3458002026-10-27T00:00:00+09:002026-10-30T11:18:58+09:00Towards Myocardial Infarction Diagnosis: An Investigation into Machine Learning and Deep Learning Algorithms using ECG Data
arXiv · 2026年10月27日本文提出名为Visionary V2的多步骤自适应滤波方法，用于对心电图信号进行归一化处理，并以PTB诊断心电图数据库的全部15个导联数据，研究机器学习与深度学习方法检测心肌梗死。基于滤波后信号提取的统计特征（如R-R间期），袋装决策树集成模型准确率达96.6%，高于使用BioSPPy处理时的87.7%。作者还将滤波信号生成图像数据集，自定义CNN的F1分数约为98.7%，并用LIME、Grad-CAM与积分梯度验证模型关注的是心电波形而非背景。面向 Verilog 生成的搜索引导推理轨迹筛选方法urn:diting-lab:zh:doc:3457982026-10-27T00:00:00+09:002026-10-30T11:18:58+09:00Search-Guided Reasoning Trace Curation for Verilog Generation
arXiv · 2026年10月27日本文提出 MCTS-SFT，用蒙特卡洛树搜索（MCTS）在中间设计状态上搜索并利用功能反馈筛选推理轨迹，用于 Verilog 生成模型的监督微调。作者还提出 Plan-MCTS，搜索结构化的硬件设计计划，并保留搜索到的计划作为微调目标。实验显示，Plan-MCTS 的正确轨迹比例为 84.2%，保留显式计划使 pass@10 从 52.56% 提高到 57.7%。大型活动期间兼顾出行效率与环境暴露的多智能体路径规划框架urn:diting-lab:zh:doc:3457972026-10-26T00:00:00+09:002026-10-30T11:18:58+09:00Balancing Mobility Efficiency and Environmental Exposure During Mega Events: A Multi-agent Routing Framework
arXiv · 2026年10月26日本文针对大型活动引发的短时高需求出行场景，提出一种考虑暴露风险的多智能体路径规划框架，将路网状况、活动引发的需求、背景交通及环境数据纳入统一仿真环境。机动车以出行效率为优化目标，微出行者则同时考虑出行时间及交通相关PM2.5和噪声的动态暴露。与最短路径、拥堵感知和暴露感知三类基线相比，在高需求下基于SARSA的框架使车辆出行时间减少34.59%，累计环境暴露减少58.65%，微出行出行时间基本不变。DuQUAD：面向多文档问答的双视角与证据质量筛选框架urn:diting-lab:zh:doc:3457962026-10-25T00:00:00+09:002026-10-30T11:18:58+09:00DuQUAD: A Dual-View Framework with Quality-Aware Evidence Pruning for Multi-Document Question Answering
arXiv · 2026年10月25日大语言模型结合检索增强生成时，常忽视多文档上下文中间位置的证据（即“中间迷失”现象）。本文提出DuQUAD框架，通过双视角推理与证据质量感知剪枝缓解这一位置偏差：局部代理借助结构融合分数定位证据，全局代理则综合整个文档集进行推理，并对候选证据进行质量评分和句子级精炼以减少噪声。实验表明，该方法平均准确率比最强基线高3.0%，金证据召回率高9.4%，且计算成本显著低于现有多智能体框架。协调成本与异构红利：多智能体大模型流水线的盈亏平衡条件urn:diting-lab:zh:doc:3457952026-10-25T00:00:00+09:002026-10-30T11:18:58+09:00The Coordination Tax and the Heterogeneity Dividend: Break-Even Conditions for Multi-Agent LLM Pipelines
arXiv · 2026年10月25日论文提出一个闭式模型，比较多智能体大模型流水线中的协调开销（任务分解与每次交接的协议成本）与把工作交给更便宜模型带来的收益，并给出盈亏平衡阈值与可行性条件。在135个HumanEval与ClassEval任务、2430次运行中测量，结果显示分解并不划算：规划-编码-审查流水线成本是单次强模型调用的3.22倍，且解决的任务并不更多；把规划与审查换成便宜模型仍比单次调用更贵、更慢、准确率更低。论文认为，更有效的做法是按任务选择模型。《Bouba 胜过 Kiki》：探讨大语言模型主观偏好中的规律urn:diting-lab:zh:doc:3457932026-10-21T00:00:00+09:002026-10-30T11:18:58+09:00Bouba Beats Kiki, and Other Regularities in the Subjective Preferences of LLMs
arXiv · 2026年10月21日该论文研究大语言模型在没有明确正确答案时如何在多个可行选项之间做选择。研究者以数字、婴儿名字和虚构城市等简短内容为对象，考察了29个语法和语义方面的特征。结果显示，模型对部分特征有强且可重复的偏好，而提问方式和选择阶段的差异也会明显影响其最终偏好。双色之字形数线问题：矩形上的禁用模式刻画、多项式时间构造算法与 Lean 验证urn:diting-lab:zh:doc:3457922026-10-20T00:00:00+09:002026-10-30T11:18:58+09:00Two-Colour Zig-Zag Numberlink on Rectangles: A Forbidden-Pattern Characterization, a Constructive Polynomial-Time Algorithm, and a Lean Verification
arXiv · 2026年10月20日论文研究矩形网格中两对端点的之字形数线问题：每对端点需由不相交路径连接，且所有路径合起来须覆盖每个格子。当矩形两边都不小于 11 时，给出一个有限禁用模式目录作为可解的充要条件，并给出多项式时间的构造性算法；若一边不超过 10，则用前沿动态规划求解。作者在 Lean 4 中验证了刻画的两个方向与动态规划算法的正确性。Cassette-Editor：按人类剪辑方式工作的视频编辑智能体urn:diting-lab:zh:doc:3457912026-10-19T00:00:00+09:002026-10-30T11:18:58+09:00Cassette-Editor: A Video Editing Agent That Edits the Way You Do
arXiv · 2026年10月19日该论文提出 Cassette-Editor，一个视频编辑智能体，接口只有两个工具：一个读取项目，一个写入项目。所有写入与用户手动编辑经过同一执行器、规则和提交服务，要么原子提交，要么被拒绝并附带定位诊断和修复选项。实验中，模型对自己被破坏的 277 次已提交编辑进行修正，几乎全部成功，定位问题后修正所需输入 token 减少到不足一半。生成式AI作为舆论动态中的“看不见的手”：基于群体模拟研究的证据urn:diting-lab:zh:doc:3457902026-10-18T00:00:00+09:002026-10-30T11:18:58+09:00GenAI as an 'Invisible Hand' in Opinion Dynamics: Evidence from a Group-Level Simulation Study
arXiv · 2026年10月18日该论文探讨生成式AI如何逐渐影响群体信念与规范这一观点。作者通过模拟50,000次群体讨论（涉及50个争议性陈述、三种大语言模型及不同社会结构），比较AI在同质与异质群体中的影响。研究发现，当模型表现出赞同或反对用户的立场时，针对个人画像的个性化会增强其影响力；中立的模型在同质群体中影响更强。同一置信阈值，覆盖不均：类型化决策接口中的语言差距及翻译输入的缓解效果urn:diting-lab:zh:doc:3457892026-10-18T00:00:00+09:002026-10-30T11:18:58+09:00One Confidence Threshold, Unequal Coverage: Language Gaps in Typed Decision Interfaces and How Translating Inputs Reduces Them
arXiv · 2026年10月18日该论文研究部署在类型化决策接口（对固定选择题各选项返回概率的API）上的分类器，在同一置信阈值0.9下对不同语言是否公平。三家厂商的接口对1,000条MASSIVE条目、51种语言进行了测试，结果显示英文版本通过阈值的比例平均高出8.6至11.7个百分点，其他语言的自动处理覆盖率均低于英文。将输入翻译为英文可大幅缩小差距，但在5%错误率目标下英文仍领先。作者建议按语言报告运行阈值下的覆盖率。重新思考开放人口系统中的社会模拟：从持久智能体到沟通过程urn:diting-lab:zh:doc:3457882026-10-17T00:00:00+09:002026-10-30T11:18:58+09:00Rethinking Social Simulation in Open-Population Systems: From Persistent Agents to Communication Processes
arXiv · 2026年10月17日该论文指出，大规模社交网络是人员动态进出的开放人口系统，只有稀疏的用户通过交流被观察到。作者因此不再模拟持久个体的状态轨迹，而是模拟社会沟通的可观察演化，包括谁参与、交流什么，以及这些交流如何影响后续系统动态。研究使用全局用户池的参与者激活、集体状态转移和用于生成交流内容的大语言模型策略进行实例化，并在五个Qwen骨干模型上与基线相比，平均KL散度分别降低71.2%和35.0%。规划在何时会改变轨道博弈的结果：一个用于比较控制策略与系统能力影响的仿真环境urn:diting-lab:zh:doc:3457872026-10-17T00:00:00+09:002026-10-30T11:18:58+09:00Where Planning Changes the Outcome of Orbital Games
arXiv · 2026年10月17日论文提出OrbitalGym，一个基于JAX的轨道博弈仿真环境，可在大量配置下批量并行比较不同策略。作者在追逃和护卫两类近距离博弈中比较了PD、LQR、模型预测路径积分控制与蒙特卡洛树搜索，结果显示在追逃中推进剂比例通常起决定作用，而在护卫场景中策略选择影响更大。从几何到行为：指令接触如何激活大模型中潜在的修辞方向urn:diting-lab:zh:doc:3457862026-10-15T00:00:00+09:002026-10-30T11:18:58+09:00From Geometry to Behavior: How Instruction Exposure Unlocks Latent Rhetorical Directions in LLMs
arXiv · 2026年10月15日该论文研究大语言模型在预训练中吸收的类比推理能力。作者从残差流中提取“类比向量”，在七个指令微调模型上通过线性干预实现解释风格的可控调节，例如 Gemma-2-9B-IT 的调和平均分从 3.22 提升到 3.94。研究发现，类比方向在所有基础模型中都存在，但其行为可及性随训练中的指令接触程度连续增强。面向科学家与专业人士的大语言模型入门（An Introduction to Large Language Models for Scientists and Professionals）：一本介绍大语言模型基本原理、局限与实际使用方法的入门读物。urn:diting-lab:zh:doc:3457852026-10-13T00:00:00+09:002026-10-30T11:18:58+09:00An Introduction to Large Language Models for Scientists and Professionals
arXiv · 2026年10月13日本文是一份面向科学家和专业人士的大语言模型入门材料，源自作者在意大利都灵大学人工智能医学硕士课程中的讲座讲稿。全文避开数学细节，讲解分词、嵌入、训练、推理、上下文窗口、提示和指令层级等基本概念，并重点讨论幻觉、不确定性、可重复性、偏见以及系统化核查与人工监督的必要性。文章还涉及隐私、治理、安全与敏感信息处理，以及检索增强生成（RAG）等进阶主题，并附有一项使用Ollama和Open WebUI运行本地模型、检索科学论文证据的实践练习，无需编程基础。与提示词无关的语言模型：让大模型对提示词表述更稳健的训练方法urn:diting-lab:zh:doc:3457842026-10-13T00:00:00+09:002026-10-30T11:18:58+09:00Prompt-agnostic Language Models
arXiv · 2026年10月13日大语言模型对提示词的措辞很敏感，常见做法是推理时人工优化提示词，成本高且难以扩展。本文转而研究训练阶段的方法，在指令微调时提升模型的鲁棒性。作者提出 Prompt-TIES 与 Prompt-DARE 两种梯度合并方法，用于处理不同改写提示词之间梯度相互干扰的问题，并在四个模型上与其他训练期方法进行比较。结果显示，这两种方法能直接改善局部鲁棒性，在全量微调模型上使每个样本的方差近乎减半，对整体准确率影响很小。面向大语言模型对齐的排序感知差分隐私列表偏好发布方法urn:diting-lab:zh:doc:3457832026-10-13T00:00:00+09:002026-10-30T11:18:58+09:00Rank-Aware Differentially Private Release of Listwise Preferences for LLM Alignment
arXiv · 2026年10月13日本文研究在本地差分隐私下发布用于大语言模型对齐的列表式偏好数据。完整排序空间敏感度高、需要大量噪声，本文提出排序感知指数机制，将列表数据转换为低敏感度的固定大小二元划分，噪声集中在边界项目上。实验表明，在相同隐私预算下，该方法优于现有本地差分隐私基线。推理型大语言模型的监督微调综述：梳理数据与算法两方面进展，并对既有分析研究做归纳urn:diting-lab:zh:doc:3457822026-10-13T00:00:00+09:002026-10-30T11:18:58+09:00Supervised Fine-Tuning for Reasoning Large Language Models: A Survey
arXiv · 2026年10月13日该综述系统梳理了面向推理的监督微调（SFT）研究。作者从方法设计与分析研究两个角度回顾相关文献：一方面将SFT流程中的改进分为以数据为中心与以算法为中心两类；另一方面按数据特征、优化动态和机制性解释三个维度重新组织分析性研究。文章最后总结当前研究重点与尚存瓶颈，并提出未来方向。工件蒸馏：无需训练，将前沿模型知识迁移到小型语言模型urn:diting-lab:zh:doc:3457812026-10-13T00:00:00+09:002026-10-30T11:18:58+09:00Artifact Distillation: Training-Free Transfer from Frontier to Small Language Models
arXiv · 2026年10月13日该论文提出工件蒸馏方法：教师模型解决训练样本，并把解题流程整理成工件库，学生模型在推理时查询该库，无需梯度更新。在四项LiveBench任务中，由Claude Opus 4.5编写的工件库使Claude Haiku 4.5在空间推理上超过未辅助的Claude Sonnet 4.5（0.707对0.647），成本为其60%。同一工件库还把Qwen3.5-27B的综合得分从0.730提升到0.800。暴露不等于承诺：工具使用型智能体潜在监测器的双重分层评估urn:diting-lab:zh:doc:3457802026-10-12T00:00:00+09:002026-10-30T11:18:58+09:00Exposure Is Not Commitment: Double-Stratified Evaluation of Latent Monitors for Tool-Using Agents
arXiv · 2026年10月12日本文研究工具使用型语言智能体面对间接提示注入时的安全监测问题，指出不同研究结论相互矛盾，部分原因在于评估方式。作者提出双重分层方案，把注入暴露与实际不安全行为区分开来。结果显示，基于混合对比训练的监测器主要学到的是暴露本身，难以预测哪些情形会变得不安全；仅用暴露样本重新训练后，监测器可提前两步预测模型自身的不安全工具调用。最佳第二意见恰好位于主模型出错之处：选择性片段标注的伙伴模型选择urn:diting-lab:zh:doc:3457792026-10-12T00:00:00+09:002026-10-30T11:18:58+09:00The Best Second Opinion Is Right Where the Primary Is Wrong: Partner Selection for Selective Span Tagging
arXiv · 2026年10月12日本文研究对片段标注模型按风险排序后，由第二个模型辅助判断高风险结果的问题。作者在8类标注器、3个随机种子和3个英文基准上（共576组主模型与伙伴模型组合）比较选择标准，发现以伙伴模型在主模型错误样本上的留出准确率为依据，可恢复最佳伙伴增益的82%，优于以片段F1或随机选择（约69%至70%）。该规则在第四个数据集上也得到复现，并且伙伴模型的价值具有方向性。不读解释也能打分：自动可解释性评测数据中的结构性捷径urn:diting-lab:zh:doc:3457782026-10-11T00:00:00+09:002026-10-30T11:18:58+09:00Scoring Explanations Without Reading Them: Structural Shortcuts in Automated-Interpretability Evaluation Data
arXiv · 2026年10月11日该论文研究用于评估稀疏自编码器特征解释的自动可解释性流程。作者发现，标准流程构建的评测数据可以在不阅读解释的情况下得分：仅依据中心词是否被标记等简单规则，就能取得较高的平衡准确率，甚至超过已存储的大语言模型评分器。作者进一步构造去除位置线索的文本窗口，并以此检验真实解释的贡献。AI网络中的涌现、不对称与价值：一种“反光学”视角urn:diting-lab:zh:doc:3457772026-10-02T00:00:00+09:002026-10-30T11:18:58+09:00Emergence, Asymmetry, and Value in AI Networks: An Anoptical Perspective
arXiv · 2026年10月2日本文通过探索性实验发现，共享同一语境的基于大语言模型的智能体即使地位对等、在对称网络中相互作用，也会出现注意力不对称和功能性价值层级。实验基于无目标的多智能体环境Poietic Generator，分为四个阶段进行。作者认为，这种不对称是交互式预测系统在对称条件下仍会出现的内在涌现性质，因此仅靠单个智能体的工程设计难以实现AI与人类价值观的对齐，并提出使涌现不对称变得可见、可质疑的最低合法性标准。超越去重：相关干扰项下注意力检索的精确极限urn:diting-lab:zh:doc:2679082026-10-26T00:00:00+09:002026-10-30T11:18:58+09:00Beyond Multiplicity Correction: Sharp Retrieval Thresholds for Attention with Correlated Distractors
arXiv · 2026年10月26日该论文研究冗余上下文如何影响注意力机制：重复项会增加归一化质量，而相关组内的分数波动可能产生极端的个体分数。作者在一个带有已知大型簇结构的高斯干扰项检索模型中分离这两种效应，并给出精确的检索阈值。主要结论是，从预softmax分数中减去簇大小的对数虽能消除多重性，却保留了簇内极值，所需信号仍不低于√(2α₁)；先对分数取平均再指数化可降至√(2ρα₁)。机器人空间理解基准 BEHAVIOR-Spatial：检验空间指令是否被正确执行urn:diting-lab:zh:doc:2672572026-10-25T00:00:00+09:002026-10-30T11:18:58+09:00BEHAVIOR-Spatial Benchmark: Evaluating Spatial Understanding for Robotics
arXiv · 2026年10月25日该论文提出基于 BEHAVIOR-1K 构建的 BEHAVIOR-Spatial 基准，从空间问答、点级目标定位和机器人动作三方面，考察视觉语言模型的空间理解与视觉-语言-动作模型的操作表现之间的关系。基准包含 3,256 个空间问题、1,240 个定位查询及涵盖 14 项操作任务和 10 项导航任务的动作评测。基线模型在留出配置上达到 41.6%，指令变化后仅 16.1%；提供视觉目标线索后分别提升至 60.3% 和 38.0%。S²-MAS：基于5亿家庭角色智能体的社会规模多智能体仿真框架urn:diting-lab:zh:doc:10732026-10-20T00:00:00+09:002026-10-30T11:18:58+09:00S²-MAS: A Society-Scale Multi-Agent Simulation Framework with a 500-Million-Persona Resource
arXiv · 2026年10月20日论文提出S²-MAS框架，用基于真实调查数据构建的5亿个合成家庭角色模拟社会规模的经济反应，并通过状态更新与决策分离的引擎追踪消费、现金、债务和支付。作者用约293万条样本训练模型，在一次性消费金融选择任务上取得74.55%的准确率，并称其高于若干对比模型，同时模拟了1200万个家庭智能体，发现提高购买目标和信用额度会增加消费，且结果因年龄、收入等群体而异。参数高效微调的分层低秩重参数化方法urn:diting-lab:zh:doc:2945532026-10-27T00:00:00+09:002026-10-30T05:48:12+09:00Hierarchical Low-Rank Reparameterization for Parameter-Efficient Fine-Tuning
arXiv · 2026年10月27日该论文针对参数高效微调（PEFT）方法中可训练参数仍有冗余的问题，提出一种分层低秩重参数化方法：将可训练参数重排为近似方阵，再进行低秩分解，并可递归应用，形成逐级压缩的多层结构。作者将该方法与LoRA、DoRA、MoSA和RaSA结合，在LLaMA-3.1-8B和Qwen2.5-7B上进行常识推理实验，并在LLaMA-3.1-8B上进行GSM8K数学推理实验。结果显示，在可训练参数预算相当时，该方法结合LoRA或DoRA表现更好；参数量压缩约一个数量级时，仍能保持有竞争力的任务性能，在八个常识推理基准上的平均准确率甚至超过对应基线。交易智能体群体中的测试时通信：一项关于同质化与从众的研究urn:diting-lab:zh:doc:2946802026-10-28T00:00:00+09:002026-10-29T01:59:02+09:00Test-Time Communication in Trading Agent Swarms
arXiv · 2026年10月28日该论文研究了多个独立交易智能体在不同通信方式下的行为，共200个智能体、四个模型族，分组运行并覆盖2026年10月1日至9日的七个美国交易日。结果显示，在两个模型族中，能够通信的小组比隔离小组持有更多相同股票，且小组收益主要来自成员共同持有的股票。作者同时指出，对羊群效应的评估需要以无同伴基线来衡量超额趋同。