跳到正文
#论文/研究
10月16日周五
  1. arXiv cs.AI18

    以影像为锚点的多组学如何整合心脏影像与转录组数据

    一篇综述提出"以影像为锚点"的视角，将超声心动图、CMR 和 CT 定义的心脏空间表型，与 bulk、单细胞和空间转录组学提供的细胞类型及位置分子信息相连接。文章定义了各模态的表示需求，比较多模态融合策略，并梳理了放射基因组学、空间对齐和基于影像的基因表达预测的整合流程及其验证要求与失效模式。

  3. arXiv cs.AI22

    科学反馈如何让生成模型跳出训练惯例、发现更优设计

    研究表明，科学性能反馈可将生成模型学到的搜索分布导向训练惯例之外的高产区域，且无需显式奖励对惯例的偏离。在反应堆栅格设计与化学反应条件选择两项任务中，适配均提升了科学性能，并增加了被监督数据排除的选项生成；实测反应中，被训练排除的任务专属配体选择概率从 0.29 升至 0.70-0.71，同时预期产率误差下降。

  4. arXiv cs.AI22

    RAG4Tickets：基于 JIRA 与 GitHub 数据的 RAG 工单解决框架

    RAG4Tickets 提出一套 RAG 框架，用 Sentence-Transformers 做语义嵌入、FAISS 做向量检索，将历史 JIRA 工单、用户评论与关联 PR 元数据统一索引，再由 LLM 生成有依据、可解释的解决建议。该框架打通 JIRA 与 GitHub 数据，在精确率、召回率、解决时间缩短和开发者接受度等指标上显著提升了解题准确率与知识复用。

  6. arXiv cs.AI23

    揭示 Grounding IDs：外部线索如何塑造多模态绑定

    研究发现，符号、网格线等外部视觉线索能帮助大型视觉语言模型（LVLM）在物体与其文本描述之间建立更准确的连接。作者提出 Grounding IDs 概念，即外部线索结构化视觉与文本模态后在模型内部产生的潜在标识符，它能增强相关组件间的注意力，改善跨模态对齐并减少模型幻觉。

  8. arXiv cs.AI22

    M-Diffusion Planner：用多头扩散模型与强化学习实现个性化驾驶

    M-Diffusion Planner 通过双解耦设计实现个性化自动驾驶：大语言模型推断驾驶需求并选择策略，由共享扩散规划器的对应头执行。研究采用代理策略比率估计与约束式头特定更新改进 Group Relative Policy Optimization，在无风格标注下用策略专属奖励微调各头。nuPlan 开环与闭环评测显示其具备策略对齐行为与有竞争力的规划性能。

  9. arXiv cs.AI22

    UniFGVC：基于属性感知多模态检索的通用免训练少样本细粒度视觉分类

    UniFGVC 是一个免训练的少样本细粒度视觉分类框架，将分类任务重构为基于预定义类别模板的多模态检索问题。其核心 CDV-Captioner 模块借助 MLLM 生成结构化文本描述，结合链式推理与视觉参考定位相似类别的判别性视觉属性，抑制模型幻觉。在 12 个 FGVC 数据集上，该方法不仅超越现有少样本 CLIP 方法，还超过多个全监督 MLLM 方法。

  12. arXiv cs.AI22

    基于自学习的航空发动机自由曲面管路自适应布局框架 SLPR

    研究提出基于 PPO 的自学习方法 SLPR，用于优化航空发动机自由曲面管路布局，并集成统一规则建模框架与势能表实现连续空间中的障碍检测和模糊规则建模。对比测试显示，SLPR 以三次 NURBS 曲线生成平滑管路，在管路长度、规则遵循度、路径复杂度和计算效率上均优于三个代表性基线。在动态设计环境中，SLPR 无需从头搜索，甚至优于重新训练的模型。

  13. arXiv cs.AI22

    STAMP：面向时间切分图域适应的对称时间平均消息传递

    针对时间切分图下的域适应问题，研究者提出对称时间平均消息传递算子 STAMP，用跨时间戳平衡的消息传播替代标准邻域聚合，强制时间域间一阶矩不变。其异构变体 STAMP-mag 在 ogbn-mag 上取得 SOTA，STAMP 在 ogbn-arxiv 上取得 SOTA，并在时间切分 Pokec 上持续提升原数据集 SOTA 模型的表现。

  14. arXiv cs.AI22

    成对差异学习（PDL）如何扩展到分类任务

    论文将成对差异学习（PDL）从回归扩展到分类，通过在原训练数据的成对版本上求解二分类问题来构建 PDL 分类器。大规模实证研究显示，该分类器在预测性能上优于当前最先进方法，并提供了易用的 Python 包实现。

  15. arXiv cs.AI33

    InkSight：教视觉语言模型读写，实现离线手写到在线手写转换

    InkSight 通过结合阅读与写作先验，将照片中的离线手写笔迹转换为可编辑的数字墨水（在线手写），无需大量配对样本即可训练。该模型首次能有效处理具有多样视觉特征和背景的任意照片手写文本，并可泛化到简单草图。在 HierText 数据集上，87% 的生成样本被视为对输入图像的有效描摹，67% 看起来像人类书写的笔迹轨迹。

  16. arXiv cs.AI12

    稀疏整数规划训练学习模型的分布鲁棒正则化

    研究者将分布鲁棒优化（DRO）正则化扩展到混合整数稀疏规划，为可解释机器学习模型提供随稀疏参数变化的统计保证，避免交叉验证选择稀疏度的高昂计算成本。该方法在基于特征值规则集构建可解释二分类模型的场景中进行了演示。

  18. arXiv cs.AI44

    编码智能体的报告遗漏了什么：CTXGAP 测量执行上下文与报告之间的任务状态差距

    CTXGAP 测量研究发现，编码智能体在按需回答任务状态问题时准确率达 93.6%，但仅读报告的监督者只能恢复 52.0%，与全上下文读者的 92.7% 相差 40.7 个百分点。在 30 个已验证修复的最终检查点上差距仍有 34.8 个百分点，完整终端回滚可将恢复率提升至 73.6%，但仍不及全上下文。该研究将基于报告的任务状态可恢复性确立为一项补充评估维度。

  19. arXiv cs.AI27

    异步对进化策略在长程 LLM 智能体任务上几乎无代价

    研究提出有界陈旧度异步进化策略（bounded-staleness asynchronous ES），在 WebShop 上系统改变策略滞后程度与陈旧适应度测量比例，并设计两项压力测试探测极端陈旧情形。结果显示自然异步几乎与同步 ES 表现持平，即便全部适应度测量均陈旧，评估精度下降仍很小，表明 ES 无需显式离策略校正即可容忍显著策略陈旧，支持其用于长程 LLM 智能体的异步后训练。

  21. arXiv cs.AI47

    多智能体协作的全局一致性：当每个 Agent 都对、团队却错了

    论文提出"全局一致性"问题：AI 智能体各自做出局部有效决策，联合结果却无效，根源是共享状态缺失而非智能不足。其 Observation-Aliasing Impossibility Theorem 给出精确边界——若 k 个不可区分世界需要两两不相交的动作，随机化最坏情况成功率上限为 1/k，更多推理、角色、消息或采样都无法弥补。

  22. arXiv cs.AI30

    CompMat-Bench：面向计算材料科学的 AI 智能体基准测试

    研究者推出 CompMat-Bench，一个源自近期计算材料研究、包含 94 项任务的 AI 智能体基准，通过预先复现研究步骤来评估智能体准备输入与分析输出的能力，从而避免评测时运行昂贵模拟。基于三个 LLM 的智能体在单任务完整指导下通过率为 66.0-90.4%，更长工作流与减少指导会以不同方式限制不同智能体表现，失败多归因于科学错误而非软件使用错误。

  25. arXiv cs.AI31

    从模拟公民到模拟审议：LLM 智能体在代表性与交互上的挑战

    研究用全国调查、受控审议实验和真实审议民调评估六款 LLM 能否模拟公众审议，发现智能体常产生过度集中的意见，无法可靠复现人口统计差异。在模拟审议中智能体虽会交换论点并频繁改变立场，但在看不到彼此发言时也会出现类似变化，而仅重述初始立场则大幅减少立场变动。

  29. arXiv cs.AI40

    MEMONDEMAND：面向大规模企业数据的记忆管理系统

    MEMONDEMAND 是一个面向大规模企业仓库的记忆管理系统，通过动态多级层级、每层双记忆（蒸馏路由与详细证据分离）和按需记忆提升三种机制协同工作。在 EnterpriseRAG-Bench 上，它从 10M token 到完整 618M token 集合的每个评测规模均超越已公开的 LB#1 最强结果，10M 时提升 12.23%，618M 时提升 4.66%。

  31. arXiv cs.AI40

    Agent Gym：通过人在回路反馈持续评估与进化 LLM 智能体的框架

    研究团队提出 Agent Gym，一个模块化、领域无关的框架，可将任意现有 LLM 智能体包裹进持续评估与进化循环，无需修改智能体源码即可在部署后修正行为。框架包含 Act、Evaluate、Investigate、Correct、Learn、Observe 六项可组合能力，核心技术为带 21 个条件算子和三级动作的确定性-LLM 混合修正引擎，以及三层调查架构。

  33. arXiv cs.AI20

    印度《消费者保护法》能否应对 AI 产品损害？工作论文分析归责缺口

    一篇工作论文评估印度《2019年消费者保护法》是否足以应对缺陷 AI 产品与服务造成的损害，以及能否在 AI 价值链上按比例分配责任。该法对产品责任、损害和缺陷的宽泛定义看似技术中立，或可覆盖人身伤害、心理伤害、偏见输出与失控等 AI 相关事件。但论文指出，AI 缺陷与消费者损害之间的因果关系难以举证，且数据提供方、模型开发者、部署者与用户之间责任重叠，现有归责框架缺乏按比例分配的机制。

  34. arXiv cs.AI22

    Mind the Delay：面向异构 LLM 池的延迟感知查询路由

    研究者提出 Batch Evolution Aware（BEA）估计器，通过重放服务框架的 token-batch 形成过程预测首 token 延迟（TTFT），误差约 5%，单次预测耗时约 0.1 ms。基于 BEA 的延迟感知路由器 BEAR 同时平衡准确率、成本与延迟，在七项基线对比中，目标内响应效用平均提升 63%，较最佳基线提升 30.5%。

  35. arXiv cs.AI28

    TOPS：基于构建 Token 最优保留集的第一性原理视觉 Token 剪枝，加速 MLLM 推理

    研究者提出免训练、模型无关的视觉 Token 剪枝模块 TOPS，从第一性原理将剪枝形式化为构建 Token 最优保留集，并归纳出任务相关性、信息覆盖与语义多样性三条原则。在 7 个 MLLM 骨干和 14 个基准上，TOPS 在多种剪枝设置下优于此前方法；在 LLaVA-NeXT 上剪除 77.8% 视觉 Token 后，7B 与 13B 模型性能分别保持 100.0% 和 100.6%。

  36. arXiv cs.AI26

    从社会选择理论视角看 AI 对齐

    一项综述研究用社会选择理论审视基于人类反馈的对齐，指出当人类判断反映对理想行为的冲突观点时，学习到的目标就变成对模型偏好的聚合裁定。该研究梳理了近期工作，说明社会选择视角如何帮助识别反馈聚合层的失效模式，并揭示以显式、有原则的方式处理分歧的更广设计空间。