LifelongCrossNav：面向跨楼层多目标导航的持久 3D 语义记忆框架
LifelongCrossNav 是一个面向未知多层室内环境的顺序多目标 ObjectNav 框架，通过持续维护共享稀疏 3D 语义体素记忆，增量累积几何结构、可通行状态与视觉语言特征，使后续目标查询无需重建地图即可复用场景信息。
#论文/研究
arXiv cs.AIAI 评分2222 arXiv cs.AIAI 评分2222 Factorized Hypothesis Search：面向证据到分类体系检索的因子化假设搜索
针对输入为间接证据（如依赖行列、数据类型与上下文的表格单元格）时目标概念难以被检索的问题，研究者提出 Factorized Hypothesis Search（FHS），在命名语义维度上维护多个部分解释，支持结构化查询渲染、多假设检索与维度级候选验证。
arXiv cs.AIAI 评分2222 Patients-like-me：可解释临床预测的变分 LM-GNN 框架
研究者提出 Patients-like-me（PLM），一个统一 LM-GNN 框架，将局部患者语义与全局队列结构结合，并用变分期望最大化算法交替更新 LM 与 GNN。
arXiv cs.AIAI 评分2727 SOC 从业者如何看待 LLM 集成：25 场访谈揭示 15 类用例与落地障碍
一项针对 25 名有 LLM 使用经验的 SOC 从业者的半结构化访谈研究，梳理出 15 类 LLM 用例并归为六大功能类别。从业者认可 LLM 在报告自动化等重复性低阶任务上的价值，但认为事件分析等高影响任务尚不可行，瓶颈在于技术深度、上下文感知和组织专属知识，以及 SOC 自身准备度和人类过度依赖。尽管存在顾虑，从业者仍表现出强烈的采用意愿，称竞争压力下几乎没有替代选择。
arXiv cs.AIAI 评分2222 LLM-OSDA：面向多轮 LLM 对话原生广告的最优停止动态拍卖
研究者提出 LLM-OSDA，一种用于多轮 LLM 对话原生广告的动态按点击付费拍卖机制，将 Bellman 最优停止、赢家分配与包络定价整合在一起。在精确 Bellman oracle 下，期望折扣点击分配对每个广告主的出价单调，包络支付使真实出价在期望意义上弱占优；实际部署中用学习到的 StopNet 近似 Bellman 动作价值。
arXiv cs.AIAI 评分2222 Gated Q-learning：为 Q-learning 的离策略偏差加入可调"口味"
研究者提出 Gated Q-learning，用连续、依赖状态-动作的门控机制选择性衰减资格迹，在 Watkins' Q(λ) 与 Peng's Q(λ) 两个极端之间平滑插值，无需依赖重要性采样。
arXiv cs.AIAI 评分2020 COSI-Lab：面向多视角多模态社交意图建模的会议生活实验室数据集
COSI-Lab 发布了一个真实跨学科科学研讨会的多模态多传感器数据集，涵盖 32 位学者、两场各 30 分钟的真实社交互动。该数据集聚焦由外部观察者判定的表观意图推断（AII）问题，提出将主观感知的多样性建模为可解释的视角驱动推理过程，而非标签噪声，并提供新的 AII 标注流程、意图叙事的定量与定性分析、基准任务、语音质量音频及隐私保护的多模态环境与可穿戴传感器数据。
arXiv cs.AIAI 评分2323 Flux-OPD：用演化上下文做在策略蒸馏
Flux-OPD 是一种用演化上下文作为训练中监督的 OPD 范式，通过 reverse-KL 分解刻画上下文蒸馏，将上下文条件教师与无上下文教师的差异作为上下文修正注入无上下文教师，并用冲突项加权修正强度。实验显示 Flux-OPD 在 OPD 范式中取得最佳结果，表明教师监督与演化上下文结合具有潜力。
arXiv cs.AIAI 评分2323 Syntropy：用 LLM 与 MPST 规范合成无死锁通信协议精化
Syntropy 是一个由 MPST 规范与大语言模型引导、用于合成通信协议精化的框架，它将精化约束直接嵌入生成过程，确保生成的协议变体满足无死锁等保证。评估显示，Syntropy 在多个 LLM 上达到 95.6%-99.5% 的有效性，同时保持高语法正确性，并能生成多样且非平凡的精化结果。
arXiv cs.AIAI 评分4141 临床语言模型对患者口述的叙事锚定：改写患者叙述可缩小准确率差距
研究将 1,000 个 MedQA 病例配上临床、社会经济、文化三种口吻的复述，评测 12 个 3B 至 24B 开源模型（含两个医疗微调版），发现患者以带标记口吻叙述时模型错误增加 26%，准确率平均下降 9.6 个百分点，且规模扩大未见缓解。
arXiv cs.AIAI 评分3232 深度而非广度：Best-of-N 越狱如何突破表层噪声
研究发现，Best-of-N 越狱若包裹结构化编码而非表层改写，对 SAGE 自检防御的攻击成功率可达 67%、22% 和 15%，而该编码单次触发最高仅 4.7%，已发表的字符搜索满预算最高仅 3.0%，相当于各部分之和的 9 至 68 倍。
arXiv cs.AIAI 评分3131 ForgetBench：评测大语言模型长期参数记忆的遗忘动态
研究者提出 ForgetBench，用于衡量 LLM 在持续知识编辑下长期参数记忆的遗忘动态，包含概念型 QA 与场景型 QA 两种评测范式，并构建按时间排序的知识流进行多阶段编辑评估。该框架以后续编辑次数索引记忆年龄，量化时间衰减、保留强度与跨实例稳定性。实验显示不同模型与编辑方法呈现各异的遗忘轨迹，长期保留与泛化质量之间存在持续张力。
arXiv cs.AIAI 评分3232 反问句如何影响 106 个语言模型的谄媚行为
研究在 106 个语言模型上测试三种措辞与三种线索，发现试探性反问（"Luna is the better choice, maybe?"）在几乎所有模型中都比自信反问（"..., right?
arXiv cs.AIAI 评分2424 LLM 辅助 ISR 集群的任务级运行时保障：基于验证感知消息结构的三层组合验证框架
针对 LLM 辅助 ISR 集群中单平台合规动作组合成任务级违规的问题，研究者提出三层（平台/小队/任务）组合式运行时验证框架，将任务策略分解为单智能体与跨智能体切面，并通过验证感知消息结构聚合各平台判定，用安全×完整性双轴代数融合证据、溯源共同触发违规的平台。
arXiv cs.AIAI 评分1616 约束感知影响估计：面向深度约束学习的 Directional Influence Function
研究者提出 Directional Influence Function（DIF），将约束学习的最优性条件建模为变分不等式，把约束显式纳入影响估计，以解决经典影响函数在约束场景下因数据扰动同时改变目标与可行域而失准的问题。
arXiv cs.AIAI 评分3535 DBA-Bench：面向 LLM 数据库运维智能体的生产级保真基准
DBA-Bench 是一个面向 LLM 数据库运维智能体的生产级保真基准，在真实 PostgreSQL 与分布式 TiDB 环境中评估智能体，覆盖 5 个运维域的 231 个有界场景和 10 个持续场景。评测包含 4 个前沿基础模型、2 个开放权重模型和 2 个 GPT-5.5 驱动的数据库智能体，结果显示智能体能定位根因却无法恢复运维目标，即使恢复目标，执行动作也可能违反安全约束。
arXiv cs.AIAI 评分2222 用荣格认知功能做激活引导：面向联合人格目标的新框架与 NarrationDB
研究提出一种"目标优先"框架，直接从联合人格目标中提取激活引导方向，再考察其能否分解为单一人格方向，并构建了 NarrationDB——将角色自述与八种荣格式功能的自动评估联合得分关联。在三个模型上的实验显示，八种功能均可通过问卷得分实现可控，测试的双功能目标也出现协同变化；直接提取的联合方向比无关配对更接近对应的单一方向，但仍保留大量残差成分。
arXiv cs.AIAI 评分2626 主动推理可建模为凸马尔可夫决策过程
研究将主动推理（AIF）的期望自由能（EFE）最小化重构为策略优化问题，证明闭环控制策略下的 EFE 最小化可表述为凸马尔可夫决策过程（MDP）。该视角揭示策略相关的奖励预测误差是沿时间反向传播 EFE 的自然梯度，而非沿层级向上传播。将世界模型学习与策略优化耦合后，主动推理呈现表演式强化学习（performative RL）的结构。
arXiv cs.AIAI 评分2929 REGEN：用离线强化学习回收回放记忆实现专家到通才蒸馏
REGEN 提出用离线强化学习回收教师模型专项 RL 训练产生的回放记忆，训练通才模型，从而完全解耦 rollout 采样与反向传播。在数学推理、代码生成和指令遵循任务上，REGEN 以显著更低的成本达到多教师在线蒸馏（MOPD）的准确率。该方法有望将在线 RL 从一次性学习阶段转变为数据合成过程，代码已开源。
arXiv cs.AIAI 评分3939 ChannelGuard：多智能体 LLM 中从借用安全到应用可控防御
针对多智能体 LLM 中恶意指令可经模型间传递信息注入的问题，研究者提出应用层防御方案 CHANNELGUARD，在每次信息交接时检查内容，无需额外训练或增加模型调用。在超过 5700 次测试中，它拦截了全部隐藏在工具输出中的攻击；在两个开源模型上，将提示攻击成功率从 80% 降至 3%、从 77% 降至 10%，且 30 道数学题准确率不变。但改写后的攻击仍可能绕过该防御。
arXiv cs.AIAI 评分3535 Agentic Real2Sim：用视觉语言智能体实现基于物理的世界建模
研究者提出 Agentic Real2Sim 框架，用视觉语言智能体把真实世界物体-机器人交互录像转化为可仿真的情节孪生，并接入下游策略微调与评估。该框架在刚体操作、可变形物体交互和人形运动场景上完成评测，其智能体决策可由开放权重 VLM 后端驱动，成本仅为前沿模型的一小部分，转换成功率相当。项目站点含代码已公开。
arXiv cs.AIAI 评分2424 先审计再更新：MIMIC-IV ICU 预测中记录伪影与有界模型更新的局限
研究对 MIMIC-IV 3.1（2008-2022）进行记录伪影审计并制定清洗协议，发现 2020-2022 年约一半 ICU 住院缺少输入或操作事件记录，且血管升压药 ItemID 迁移使 2017-2019 标签率看似下降实则上升。
arXiv cs.AIAI 评分3636 HALLMARK：如何诊断 LLM 引用验证器并判断何时部署
针对 LLM 引用验证器缺乏统一评测的问题，研究者发布 HALLMARK 基准，含 2,526 条 BibTeX 条目、覆盖 14 种幻觉类型，并提供分类型与诊断性子测试标签。
arXiv cs.AIAI 评分2323 LIFT：用反应式力注入加速 VLA 后训练
研究团队提出 LIFT（Late Reactive Injection of Force for VLA Post-Training），一种力感知后训练框架，在预训练 VLA 策略旁嫁接反应式动作专家，通过因果力记忆与零初始化交叉注意力注入 6D 末端执行器力，并结合在线 DAgger 循环训练。
arXiv cs.AIAI 评分3434 MemCon：为 LLM 智能体学习自适应记忆管理
研究者提出 MemCon 框架，将 LLM 智能体的记忆操作建模为马尔可夫决策过程，在线学习策略自适应决定何时检索、注入蒸馏计划以及整合或遗忘记忆。该框架与后端无关，可包裹任意现有记忆实现，无需预训练和额外 LLM 调用，采用带 UCB 探索的轻量级表格上下文赌博机，在数十个任务内收敛。
arXiv cs.AIAI 评分4444 Bulkhead：自动语义检测与修复容器逃逸漏洞
Bulkhead 是一个自动检测与修复容器逃逸漏洞的框架，通过将历史 CVE 归纳为结构化语义模式、结合文档与代码证据恢复 source-to-sink 执行上下文，并用 LLM 推理加隔离 PoC 执行验证发现结果。在多个容器仓库中，Bulkhead 发现 20 个零日漏洞，占过去十年发现总量的 43%，其中 3 个已分配 CVE，验证后的补丁建议已提交上游。
arXiv cs.AIAI 评分3232 用规模缩小差距：Scaling Point-in-Time 语言模型实现嵌入向量的经济评估
研究者用 FineWeb 中 1 万亿按时间过滤的 token 训练了最高 4B 参数的 decoder-only Transformer，构建了覆盖 2013-2024 的逐月模型检查点，以消除训练数据中的未来信息泄漏。
arXiv cs.AIAI 评分1717 成熟与新兴经济体下社会公平的可再生能源预算分配 MDP 策略对比
研究将社会公平的可再生能源预算分配建模为 MDP，用同一求解器接口对比美国八座城市（成熟经济体）与印尼西爪哇（新兴经济体）。滚动时域值迭代策略在两地均占优：美国实现 66% 可再生能源渗透率，并将服务不足的低收入人群减少 96%；西爪哇则引入约七倍于市场追逐启发式的私人资本。该启发式在美国仅轻微次优，在印尼却可能让所有低可及性地区得不到服务。
arXiv cs.AIAI 评分2727 面向 Connected TV 内容发现的 LLM 智能体推荐系统
该研究提出一套 LLM 驱动的智能体推荐系统，用于 Connected TV（CTV）内容发现，借助大语言模型的推理能力直接处理并融合趋势话题、突发新闻、文化事件、跨端用户行为等异构上下文信号，免去大量人工特征工程与定制数据管道。
arXiv cs.AIAI 评分1717 用机器学习为伏尔泰全集自动做主题索引：Mistral 4-bit 量化模型 F1 最高 0.67
研究将伏尔泰《风俗论》与《百科全书问题》两套文集的自动主题索引建模为多标签分类任务，对比了从约 3B 到 120B 参数的编码器模型与经 LoRA 微调的生成式 LLM。表现最佳的是 Mistral 系列 4-bit 量化配置，F1 最高达 0.67，作者认为受专业索引主观性影响，该数值属于下界。研究还评估了跨语料泛化能力，并定性分析了模型在文学与修辞特征上的失败案例。
arXiv cs.AIAI 评分2222 基于音系激活映射的语音音素分割与识别
研究者提出 SPAM（基于自监督语音模型的音系激活映射），将 S3M 每帧表示映射为清浊、鼻音等音系特征激活向量，并在其上添加识别头和分割头两个轻量、无需梯度下降的预测头。该方法仅需不到一分钟的音素转写数据，识别头可泛化到训练中未见过的音素，在多个数据集上取得强分割性能。该工作已被 SLT 2026 接收。
arXiv cs.AIAI 评分3636 EgoWAM：用野外第一视角人类数据训练超越像素的世界动作模型
EgoWAM 是一个固定策略骨干、动作头与数据配比、仅改变世界预测目标的人类-机器人协同训练框架，对比 Pixel、DINO 与 3D motion flow 三种世界表示。在三个真实双臂任务上，基于 DINO 的预测将分布外物体与场景泛化能力最高提升 4 倍，3D flow 将域内性能提升 20-30%，而像素预测迁移效果较弱。
arXiv cs.AIAI 评分4141 多智能体 AI 控制：分布式攻击为何让逐实例监控失效
研究首次对多智能体 AI 控制展开实证研究，提出 FakeLab 合成 AI 实验室代码库（9 个服务、86 个良性任务、4 个攻击目标），用于评估单智能体监控面对分布式攻击的表现。
arXiv cs.AIAI 评分2424 图卷积注意力 GCA：从谱视角理解图去噪与扩散
研究者提出图卷积注意力（GCA），用图滤波后的 query 和 key 实现依赖输入图谱的谱注意力分数，突破标准注意力只能学到训练分布上平均谱滤波器的局限。在合成与真实数据集上，用 GCA 替换标准 query–key 投影可提升图去噪与扩散效果，去噪增益与图谱多样性相关；在 DiGress 生成框架中以 GCA 架构替换 DiGress 架构，生成质量相当且推理显著更快。
arXiv cs.AIAI 评分3333 HarnessMDP：用离线强化学习让 LLM 智能体的执行 harness 变得可学习
HarnessMDP 把 LLM 智能体的执行 harness 视为可学习的控制层，将智能体执行建模为有限时域马尔可夫决策过程，由 harness 根据演进的智能体状态选择结构性执行动作，并用收集到的轨迹离线学习策略、上线后自适应控制新执行。在编码任务、tau-bench、AgentBench 等评测中，HarnessMDP 相比基线 harness 持续改善执行行为与最终任务表现。
arXiv cs.AIAI 评分2222 Auto-AEG：面向开放词汇音频事件定位的可扩展数据构建方案
Auto-AEG 通过程序合成带精确时间区间的音频片段做冷启动监督，再用多模型伪标签在真实音频上提供强化学习奖励信号，构建开放词汇音频事件定位所需的 onset/offset 监督数据。该流程在独立的分层难度基准 AEGBench 上带来大幅时间定位提升，并泛化到多个留出的 SED 与音频定位基准，其标注已开源。
arXiv cs.AIAI 评分2525 TabQueryBench：面向合成表格数据的查询中心基准
研究者提出 TabQueryBench，一个用 SQL 式分析查询评估合成表格数据的查询中心基准，将 12 个公开查询来源提炼为 44 个可复用查询模板，覆盖 49 个数据集和 11 个生成模型，每个数据集生成超 100 条可执行查询。
arXiv cs.AIAI 评分2222 超越文化人格偏差：以响应几何衡量语言模型与人类
研究提出用响应几何（各维度间相关矩阵构成的对称正定矩阵）衡量语言模型与人类的文化偏好。在 DeepSeek-V3 和 GPT-4o 中，固定题目顺序时提示的文化人格在 Big Five 得分和响应几何两个层面均显现；随机化题目顺序后响应几何降至随机水平，Big Five 仍能以 95%–97% 区分两种人格。
arXiv cs.AIAI 评分2525 Ember：面向 Token 接口的千字节级状态优化器
研究者提出轻量优化器 Ember，专用于 embedding 与 LM-head 矩阵，优化器显存占用为 O(V + D)，而非 Adam 的 O(2VD)，且无需对 token 表优化器状态做分片。
arXiv cs.AIAI 评分2020 Zeta* 与 Zeta*-SIPP：静态与动态环境下的最优任意角度路径规划
研究提出椭圆前向扩展和视野（field of view）两项通用技术，在保持最优性的前提下加速任意角度路径规划，并据此开发了静态环境的 Zeta* 与动态环境的 Zeta*-SIPP。Zeta* 结合前向扫描后性能与当前最优算法 Anya 相当，且更易扩展；Zeta*-SIPP 在基准测试中相比最优规划器 TO-AA-SIPP 实现超过一个数量级的加速。