Real2SAM2Real：用生成式 3D 缓存为视频扩散模型提供互补上下文
Real2SAM2Real 提出用生成式 3D 缓存为视频扩散模型补充上下文，从单张参考图像估计出拓扑完整、包含未观测表面的物体与人体网格，再以指定相机轨迹和前景运动渲染的法线图引导视频合成。该方法仅用约 2,000 段单目视频训练，无需显式 3D 资产或多轨迹配对录制，支持相机与多实例运动解耦控制，在剧烈视角变化等场景下时空一致性和控制精度优于所评估的 SOTA 方法。
#论文/研究
arXiv cs.AIAI 评分3030 arXiv cs.AIAI 评分2020 Hoeffding 概念瓶颈模型（HCBM）：面向俯拍图像的非线性稀疏概念聚合
研究者提出 Hoeffding 概念瓶颈模型（HCBM），基于梯度提升树的 Hoeffding 函数分解，对概念分数做非线性、稀疏的聚合，并用素蕴涵式生成紧凑预测。该方法对概念间信息泄漏具有理论鲁棒性，实验中优于稀疏线性 CBM，并可扩展至目标检测，在俯拍图像这一高难度场景下表现良好。
arXiv cs.AIAI 评分2222 idSCD：通过语义相关描述符识别训练数据集
研究者提出 idSCD，一种基于语义相关描述符（SCD）的白盒语义指纹方法，通过模型学到的语义相关结构判断某数据集是否属于其训练混合数据。在自然语言推理、情感分类和医学文本分类三组实验中，基于该分数的分类器平均表现最优且标准差最低，超过黑盒基线 RMIA、Attack-P、LiRA 及白盒 SIF 基线，数据集语义特征明显时 ROC-AUC 相对提升最高超 60%。
arXiv cs.AIAI 评分3131 Meta-Team：面向 LLM 多智能体系统的协作式自进化框架
Meta-Team 是一个基于协作自进化的经验驱动 LLM 多智能体系统进化框架，通过保留各智能体的执行上下文并协调任务后通信，让智能体交换分布式证据以支持进化。该框架将执行经验转化为智能体行为、智能体间协调和团队级组织三个尺度的可复用改进，在六个长时程智能体基准上持续优于单智能体系统、手工设计的 MAS 及此前的 MAS 进化方法。
arXiv cs.AIAI 评分3232 GEO-Bench：生成引擎优化中的排名操纵基准测试
GEO-Bench 是一个在统一协议下评估生成引擎优化（GEO）排名操纵攻击的基准，整合了 TAP、Zero-Shot 等黑盒提示攻击，STS、RAF、StealthRank 等白盒梯度攻击，以及十种白帽 C-SEO 策略。
arXiv cs.AIAI 评分2222 当 LLM 奖励设计失败：面向稀疏结构化 RL 的诊断驱动式改进
针对稀疏结构化强化学习任务，研究提出诊断驱动的迭代改进方法，用训练诊断和失败模式分类指导奖励函数修订，将 DoorKey-8x8 成功率从无塑形的 2.3% 提升至 97.6%，KeyCorridor 从一次生成的 31.2% 提升至 86.7%。
arXiv cs.AIAI 评分4141 LLM 不确定性估计器与模型幻觉的对齐关系研究
研究系统评估了 46 种不确定性估计器在内在幻觉与外在幻觉场景下的表现，覆盖四个 benchmark 和多个 LLM。结果显示不确定性与幻觉之间的关联差异很大且往往较弱，取决于幻觉场景和所评估的模型。这一结果对将不确定性直接作为幻觉信号的做法提出了质疑。
arXiv cs.AIAI 评分2424 超越提问：评估 LLM 的陈述性知识
研究者提出"开放知识评估"新范式，不再依赖预设问题，而是用开放式提示词考察 LLM 主动表达的知识，并推出包含 10,000 个实体及参考语料库的基准 BeQu。基于 BeQu 的评测覆盖多种语言模型，分析了推理投入、模型规模、提示词格式和知识领域的影响，数据与排行榜已在 GitHub 发布。
arXiv cs.AIAI 评分2424 GAC：面向混合 SFT-RL 后训练的噪声感知自适应混合方法
研究者提出噪声感知自适应控制器 GAC，通过最小化混合随机梯度的 MSE 上界推导出闭式混合权重 mu*，在线估计梯度噪声方差与 SFT-RL 分歧。
arXiv cs.AIAI 评分2424 CTI2TTP：通过先发散后收敛验证从网络威胁情报中提取 TTP
CTI2TTP 通过"先发散后收敛"设计从网络威胁情报报告中提取 MITRE ATT&CK 技术，先将报告分解为原子行为并定位证据窗口，再广泛生成候选技术并仅保留同时被证据和 MITRE 定义支持的候选。
arXiv cs.AIAI 评分3636 LLM 辅助零依赖 Python 库：stdlib 与第三方库的性能和正确性对比
研究用 44 个仅依赖标准库的单文件 Python 模块（zerodep）对比参考库，发现多数场景下 stdlib 实现性能相当（2x 以内），部分因架构开销反而快 5x-115x，但图像处理、二进制序列化、底层加密等依赖 C 扩展的计算存在明显性能悬崖。
arXiv cs.AIAI 评分2525 用群结构张量代数强制物理选择规则：Orb-v3 力场对称性误差分析与修正
研究用 Orb-v3 力场发现，150 个晶体子样本中 47% 的弛豫空间群依赖输入取向，全部 399 个晶体中有一半在弛豫后空间群降低。作者提出基于有限对称群卷积的张量代数 ⋆_G，将平均平方误差分解为选择规则违反、对称相关输入不一致和残差三部分，并给出无需参考的误差下界。对力预测施加投影后，空间群变化率降至最多 2%，且无需重新训练模型。
arXiv cs.AIAI 评分2525 扩散模型训练数据归因：镜像遗忘与噪声一致偏斜（MUCS）
研究者提出 MUCS 方法，通过有界镜像梯度上升微调第二个模型，并用一致噪声样本测量其相对原模型的归一化偏斜，实现扩散模型的训练数据归因。该方法在三个数据集上大幅超越现有方法，并分析了影响实例重叠与 TDA 集成等新问题，已被 NeurIPS26 接收。
arXiv cs.AIAI 评分2222 f-OPD：用新鲜度感知控制稳定长程在线策略蒸馏
针对 LLM 在线策略蒸馏（OPD）中异步执行偏离理想 on-policy 目标的问题，研究者提出 f-OPD 框架，将目标偏差分解为 rollout drift 与 supervision drift，并引入样本级新鲜度分数衡量缓冲样本可靠性，据此自适应调节陈旧样本影响、约束策略漂移。
arXiv cs.AIAI 评分2020 MoHL：用超图拉普拉斯混合模型从不完整时空数据中学习高阶交互
研究者提出 MoHL（mixture of hypergraph Laplacians），可直接从不完整的时空数据中学习分组关系结构，通过从观测到的共变中挖掘重叠传感器组、为每种交互阶构建拉普拉斯分量，并借助模拟缺失模式的留出集学习混合权重。在三个交通网络上的实验显示，长时段数据缺失下高阶分组收益最大，MoHL 在整日缺失场景下取得所评估基线中最低误差，且学习参数量比深度插补模型少数个数量级。
arXiv cs.AIAI 评分3636 Google AI Overviews 对在线内容生态的影响：来自 Google 与 Reddit 的证据
研究利用 Google 内容审核政策构建双重差分设计，发现 AI Overviews 使 SFW Reddit 社区日评论量相对 NSFW 社区提升 12.0%、评论用户数提升 12.4%，且效果集中在观点、建议等经验型讨论而非事实型信息。但随后推出的 Google AI Mode 允许用户与 AI 摘要对话，基本消除了这些经验型内容的增长。结果表明 AI 搜索的影响取决于界面设计与内容类型。
arXiv cs.AIAI 评分2222 LoopQ：面向循环语言模型的量化方法
针对循环语言模型（LoopLM）在训练后量化（PTQ）中因角色分布偏移、循环状态复用和递归误差累积导致的性能退化，研究者提出循环感知量化框架 LoopQ，在保留共享量化主干的同时引入轻量适配。在 W4A4 量化下，LoopQ 在四个主干上实现五任务平均准确率 67.8% 的平均相对提升，八个主干-数据集组合的平均困惑度相对下降保守估计为 75.2%。
arXiv cs.AIAI 评分2222 TypoCast：用类型学条件替代语言标签的多语言语音翻译前端
TypoCast 是一个以源语言类型学特征（形态类型、语序、语系）为条件的多语言语音翻译前端，而非仅依赖语言标签。在 CVSS-C 上，它以仅 228M 可训练参数在法语、德语、西班牙语到英语三个方向上平均超越 SOTA 语音到语音翻译系统，并在七语言测试中每个语言都优于身份条件的 S2ST-Omni。
arXiv cs.AIAI 评分1818 α-TCAV：用概念激活向量做测试的统一框架
针对 TCAV 因使用不连续指示函数导致评分不稳定的缺陷，研究者提出参数化统一框架 α-TCAV，用平滑函数替代不连续指示函数，并将 TCAV 作为其极限情形保留。该框架给出两种有原则的参数选择：一种用单个 CAV 即可匹配 Multi-TCAV 的均值且方差不超过后者，另一种给出概念正向影响模型输出的校准概率。实验据此质疑了将采样预算分摊到多个 CAV 的既有做法。
arXiv cs.AIAI 评分3636 AsyncFC：无需改动模型，为 LLM 实现基于 Future 的异步函数调用
AsyncFC 是一个纯执行层框架，将 LLM 解码与函数执行解耦，在依赖允许时实现解码与执行重叠及函数间并行，无需微调或修改标准同步函数调用协议。在编码任务上，AsyncFC 取得 1.4 倍端到端加速并保持任务准确率。结果还显示，LLM 具备对表示未完成执行结果的符号 Future 进行推理的原生能力。
arXiv cs.AIAI 评分6262 研究：恶意微调防御在持续训练下为何失效
arXiv 论文调查了15种针对恶意微调的防御方法，发现它们都建立在有限攻击者模型之上，权重发布后缺乏持续约束。作者在4个开源权重模型上对6种代表性防御继续执行仅有害数据的微调攻击3个epoch，72次受防御训练中模型最终危害性均高于发布时，Llama-3.1 在最高学习率下受防御模型最终危害性接近无防御模型。
arXiv cs.AIAI 评分3838 面向长时程具身智能体：VLAs-as-Tools 与工具对齐的 VLA 模型
研究者提出 VLAs-as-Tools 策略，由高层 VLM 智能体负责时序推理与全局规划，一组专用 VLA 工具执行局部物理操作，并通过 VLA 工具族接口实现事件触发的重规划。
arXiv cs.AIAI 评分3232 研究揭示 VLM 与人类场景描述之间的语义显著性差距
研究者提出 Counterfactual Semantic Saliency（CSS）框架，通过因果消融物体测量语义偏移，以黑盒方式量化物体重要性。基于 307 个复杂自然场景、1,306 个反事实变体和 16,603 份人类有效回答的对比测试显示，VLM 相比人类更依赖大物体、图像中心物体和高显著性物体，而对场景中人物的依赖更少，其中尺寸偏差是模型与人类语义分歧的主要驱动因素。
arXiv cs.AIAI 评分2222 Discrete MeanFlow：用条件转移核实现离散状态空间一步生成
Discrete MeanFlow 提出一种有限状态理论框架，用概率质量传输替代连续 MeanFlow 的点运动，核心是连续时间马尔可夫链（CTMC）的条件转移核，并定义平均离散速率衡量有限区间内的平均转移概率变化。
arXiv cs.AIAI 评分3838 超越 GRPO 与在线策略蒸馏：语言模型后训练的稀疏到稠密奖励原则
研究提出"奖励密度原则"：稀疏序列级奖励适合让强模型探索发现更优行为，稠密 token 级教师监督则适合将行为压缩进小部署模型，稀缺标注数据应先用在上游最强教师上。
arXiv cs.AIAI 评分2222 DRIFT：面向离线到在线强化学习的离散流匹配方法
研究者提出 DRIFT，一种用优势加权离散流匹配损失更新离线预训练连续时间马尔可夫链（CTMC）策略的在线微调方法，并通过路径空间惩罚正则化完整 CTMC 轨迹分布以保留预训练知识。
arXiv cs.AIAI 评分2222 何时以及如何做规范化：一个泛化视角
研究提出理论框架，通过覆盖数界定群平均与规范化方法在非不变骨干网络上的泛化误差，证明规范化模型的误差界最好与结构不变和群平均模型持平，最差与非不变基线持平，且取决于规范化的正则性。在点云置换群上，该框架证明字典序排序的覆盖数随维度指数增长，而 Hilbert 曲线规范化保证多项式增长，首次为 Hilbert 曲线序列化在 SOTA 点云架构中的成功提供形式化理论依据。
arXiv cs.AIAI 评分2626 HIMMEL：面向长视频理解的分层交错多流运动编码框架
HIMMEL 用稀疏语义锚帧加轻量压缩域三流适配器编码帧间运动，在 Video-MME 上以 3.6 倍更少上下文 token 超过 32 帧密集基线 2.3 个百分点（61.2% 升至 63.5%），单题端到端耗时从 2.75 s 降至 1.03 s。
arXiv cs.AIAI 评分2121 多模态潜在扩散模型通过交叉注意力在共享潜在空间联合合成 MRI 与表格数据
研究者提出一种多模态潜在扩散模型，通过交叉注意力在共享潜在空间内联合合成体积 MRI 与表格临床数据，先用变分自编码器融合两种模态，再以独立解码器分别重建。该框架在德国国家队列（NAKO）超 1 万名参与者的 MRI 与年龄、性别、身体测量、族裔等表格特征上评估，生成影像具备解剖合理性与身体成分一致性，表格模态在标准指标上优于 CTGAN、与 TVAE 相当。
arXiv cs.AIAI 评分2222 AdaGamma：面向强化学习时间自适应的状态依赖折扣方法
AdaGamma 是一个用于深度 actor-critic 强化学习的状态依赖折扣框架，通过学习有界折扣函数 γ_φ(s)，并用回报一致性目标训练，避免 TD 误差目标中的退化捷径与 TD-collapse。该方法可集成进 SAC 和 PPO，在连续控制基准上取得提升，并在 JD Logistics 平台为期四周的在线 A/B 测试中获得统计显著收益。
arXiv cs.AIAI 评分2222 S-trace：面向 RLVR 的选择性后继资格迹方法
针对 GRPO 等无 critic 算法在 RLVR 中时间信用分配过于粗粒度的问题，研究者提出选择性后继资格迹（S-trace），通过后继重要性重加权恢复 PPO 裁剪下的下游信用信号，并借助基于熵的 token 选择将其传播到选定的历史 token。
arXiv cs.AIAI 评分3333 XL-SafetyBench：面向 LLM 安全与文化敏感性的国家情境跨文化基准
研究者推出 XL-SafetyBench，覆盖 10 个国家-语言对、共 5,500 条测试用例，包含国家情境越狱基准与文化基准两部分，并引入 Cultural Sensitivity Rate（CSR）区分原则性拒绝与未参与。
arXiv cs.AIAI 评分2626 新手如何编辑 AI 草稿？草稿质量在音频描述创作中的作用
研究通过 GenAD 音频描述生成管线和 RefineAD 编辑界面，比较新手从零创作与编辑不同质量 AI 草稿的差异。GenAD 草稿将完成时间缩短一半以上并显著降低认知负荷，而简单无引导提示生成的基线草稿收益有限，表明有效辅助存在最低质量阈值。该阈值随内容视觉复杂度上升而提高，作者据此提出设计原则：AI 辅助应达到与目标内容匹配的质量阈值，而非仅仅存在。
arXiv cs.AIAI 评分2424 RCD：用免训练引导改进组合式扩散规划，缓解模式平均问题
针对组合式扩散规划在局部计划多模态时出现的模式平均问题，研究者提出免训练引导方法 RCD，用预训练扩散模型的自重建误差作为组合计划对数密度的代理，并结合重叠一致性项约束分段边界。在 OGBench 的移动、物体操作和像素观测等长时程任务上，RCD 持续优于现有方法，该工作已被 NeurIPS 2026 接收。
arXiv cs.AIAI 评分2222 跨资源谱系的依存句法分析：高资源与低资源语言上的架构评估
研究评估了 Biaffine LSTM、Stack-Pointer Network、AfroXLMR-large 和 RemBERT 四种依存句法分析器在十二种类型多样的语言上的表现，重点关注低资源非洲语言。
arXiv cs.AIAI 评分3333 SciSense：约束式意义建构如何产出更新颖的研究成果
研究团队提出 SciSense 框架，将 LLM 科研智能体的构思阶段拆解为八个认知阶段，并构建了 12 万条引用条件研究轨迹数据集 SciSense-Traj，涵盖 Hindsight 与 Foresight 两种模式，蒸馏出 3B 至 70B 参数的 SciSense-LM 系列模型。
arXiv cs.AIAI 评分2828 推理模型的反蒸馏新方法 TARS：移除思维锚点，让防御不被察觉
针对现有反蒸馏防御会留下句法不连贯、重复链等可检测痕迹的问题，研究者将反蒸馏建模为带可检测性约束的 max-min 博弈，提出 Thought Anchor RemovalS（TARS），通过移除语义冗余的思维锚点来干扰下游蒸馏，并给出可检测性的形式化保证。
arXiv cs.AIAI 评分1818 DriveLM-nuScenes 跨阶段一致性研究：显式提示与门控上下文路由对比
研究在 DriveLM-nuScenes 上对比两种跨阶段上下文传递机制：显式变体在 4B 模型 Mini-InternVL2-4B-DA-DriveLM 上免训练使用三种提示策略。
arXiv cs.AIAI 评分4747 PermaFrost-Attack：针对 LLM 训练的隐蔽预训练投毒（SPS）逻辑地雷植入研究
研究提出 Stealth Pretraining Seeding（SPS）威胁模型，攻击者通过隐蔽网站散布少量投毒内容，使其被 Common Crawl 等来源吸收进未来训练语料。
arXiv cs.AIAI 评分2424 CAT：面向 Java 项目的调用链感知 LLM 测试生成方法
CAT 是一种调用链感知的 LLM 测试生成方法，通过静态分析将调用链与依赖上下文显式注入提示词，建模调用者—被调用者关系、对象构造函数和第三方依赖，并支持生成失败时的迭代修复。