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。
最新动态
arXiv cs.AIAI 评分2222 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。
arXiv cs.AIAI 评分2323 MILP the Gap：用自动推理方法研究 Condorcet 悖论
研究者提出一个混合整数线性规划（MILP）框架，为固定参数 m 和 k 精确计算 Condorcet 获胜集下界，通过将选民建模为排序分布消除了对选民数 n 的依赖。该框架证明在 k ≥ 8m/9 的线性区间内，猜想中的 2/(k+1) 上界成立，首次给出与已知下界匹配的结果，并可刻画其他社会选择公理间的关系。
arXiv cs.AIAI 评分4040 UniT：面向人到人形机器人策略学习与世界建模的统一物理语言
UniT（Unified Latent Action Tokenizer via Visual Anchoring）通过视觉锚定建立统一物理语言，实现人到人形机器人的跨本体迁移。其三分支交叉重建机制将异构运动学映射到共享离散隐空间，在策略学习（VLA-UniT）中实现零样本任务迁移与OOD泛化，在世界建模（WM-UniT）中实现人到人形机器人的直接动作迁移。
arXiv cs.AIAI 评分2626 TurboEvolve：面向快速稳健 LLM 驱动程序进化的多岛框架
TurboEvolve 是一个多岛进化框架，在相同 API 成本预算下提升 LLM 驱动程序进化的样本效率与稳定性。它引入 Verbalized Sampling，在单次 LLM 调用中生成 K 个候选，并用在线调度器自适应调整 K；同时通过 island-aware initialization 对种子程序聚类并做受控跨簇混合。
arXiv cs.AIAI 评分2323 CalibAdv：为搜索智能体校准 GRPO 优势的负优势双刃剑问题
针对 GRPO 在多跳搜索中惩罚正确中间步骤、训练不稳定等问题，研究者提出优势校准方法 CalibAdv，利用中间步骤正确性在细粒度上缩减过大的负优势，并重新平衡正负优势以提升训练稳定性。该方法采用轻量设计，仅从标准 rollout 信号校准优势，在三个模型和七个基准上同时提升了性能与训练稳定性，代码已开源，论文被 EMNLP 2026 Findings 接收。
arXiv cs.AIAI 评分2222 TeLAPA：超越单模型优化，在持续强化学习中保持可塑性
研究提出持续强化学习框架 TeLAPA（Transfer-Enabled Latent-Aligned Policy Archives），将行为多样的策略邻域组织为按任务划分的存档，并维护共享潜在空间，使存档策略在非平稳漂移下仍可比较和复用。
arXiv cs.AIAI 评分4141 深入解析 Claude Code：当下与未来 AI 智能体系统的设计空间
一项技术报告通过分析公开源码，拆解了 Claude Code 的架构，并与 OpenClaw、Hermes Agent 两个开源 AI 智能体系统对比。其核心是调用模型、运行工具并循环的 while-loop，周边则包含七种模式的权限系统与 ML 分类器、五层上下文压缩管线、MCP/插件/技能/钩子四种扩展机制及子智能体编排。
arXiv cs.AIAI 评分2222 前馈 3D 场景建模综述：从问题驱动视角看模型设计
一篇 67 页、395 篇参考文献的综述提出以模型设计为中心的前馈 3D 重建分类法，抛开隐式场与显式图元等输出表示差异，将研究方向归纳为特征增强、几何感知、模型效率、增强策略和时序感知模型五个关键问题。该综述还系统梳理了相关基准与数据集，并对前馈 3D 模型的实际应用进行分类讨论，最后指出可扩展性、评测标准和世界建模等开放挑战。
arXiv cs.AIAI 评分2222 PR-MaGIC：用掩码解码器梯度流优化提示词，实现上下文分割
PR-MaGIC 是一个免训练的测试时框架，通过 SAM 掩码解码器的梯度流优化提示词，解决上下文分割中支持图像与查询图像视觉不一致导致的提示词质量不佳问题。该框架可无缝集成到现有上下文分割流程中，并采用简单的 top-1 选择策略稳定性能。大量评测显示，PR-MaGIC 在多个基准上持续提升分割质量，无需额外训练或修改架构。
arXiv cs.AIAI 评分3030 安全检索增强生成（RAG）综述：SLOT 分类体系与 135 项研究
一篇被 EMNLP 2026 接收的综述系统梳理了 135 项关于 RAG 攻击、防御与安全评估的研究，并提出 SLOT 分类体系，沿攻击面（S）与对应防御层（L）组织，辅以目标（O）和攻击目标范围（T）两个交叉维度。研究将文献映射到外部知识访问流程后，揭示出目标错配、阶段错配和信号错配三类问题，并公开了筛选流程、论文元数据与机器可读的 SLOT 标签。
arXiv cs.AIAI 评分2727 CMP：通过能力流形投影实现腿式移动操作机器人的鲁棒全身跟踪
针对腿式移动操作机器人全身控制策略在传感器噪声或不可行指令下易受OOD输入影响的问题，研究者提出能力流形投影（CMP），通过帧级安全方案将无限时域安全约束转化为单步流形包含，并借助下界安全估计器和同构潜在空间实现O(1)防御。
arXiv cs.AIAI 评分2727 面向长音频摘要的合成医患对话数据集发布
研究者提出一套合成数据生成流程，用于长上下文音频推理的训练与评测，并以首诊医患对话生成 SOAP 病历为任务实例化。该流程完全基于开放权重模型，包含人设驱动对话生成、带重叠/停顿建模与房间声学及声音事件的多说话人音频合成、LLM 生成参考 SOAP 病历三个阶段，已发布 8,800 段合成对话、1.3k 小时音频及参考病历。
arXiv cs.AIAI 评分2222 Pickalo：用 6D 位姿估计实现低成本工业料箱抓取
Pickalo 是一套完全基于低成本硬件的模块化 6D 位姿料箱抓取流水线，腕装 RGB-D 相机主动多视角探索场景，BridgeDepth 处理原始立体流获得精细深度图，Mask-RCNN 仅用合成数据训练完成实例分割，再由零样本 SAM-6D 估计位姿，位姿缓冲模块融合多视角观测以处理对称物体并降低位姿噪声。
arXiv cs.AIAI 评分2222 PROGRS：用结果条件化中心化让过程奖励安全服务于 LLM 数学推理强化学习
PROGRS 框架将过程奖励模型（PRM）的分数作为结果分组内的相对偏好而非绝对目标，通过结果条件化中心化把错误轨迹的 PRM 分数在每个 prompt 组内平移为零均值，并结合冻结的分位数回归 PRM 与多尺度连贯性评估器，直接集成进 GRPO。
arXiv cs.AIAI 评分3131 AromaGen：用多模态语言模型交互生成丰富嗅觉体验
AromaGen 是一套 AI 驱动的 12 通道可穿戴嗅觉系统，可将自由形式的自然语言描述映射到 12 种基础气味分子，并支持通过自然语言反馈迭代调整。
arXiv cs.AIAI 评分2222 Spec-Harness：评估与引导 LLM 合成的形式化规范超越可验证性
研究对比经典与基于提示词的 JML 规范合成，发现 22.7% 通过验证的规范完全没有后置条件，且提示词优化无法超越最佳手写规范。为此提出 Spec-Harness 框架，从前置与后置条件的正确性和完整性四个维度衡量规范的行为充分性，结合 Hoare 三元组符号验证与输入/输出变异。
arXiv cs.AIAI 评分3131 IMAGAgent：基于约束感知规划与反思的多轮图像编辑框架
IMAGAgent 是一个基于"规划—执行—反思"闭环机制的多轮图像编辑智能体框架，通过约束感知规划模块将复杂指令分解为可执行子任务，并利用工具链编排模块调度图像检索、分割、检测与编辑等异构模型。
arXiv cs.AIAI 评分2424 JAL-Turn：面向全双工语音对话系统的实时鲁棒轮次切换检测联合声学-语言建模
JAL-Turn 是一个轻量级纯语音轮次切换检测框架，通过交叉注意力模块自适应融合预训练声学与语言表征，实现低延迟的 hold/shift 预测。它共享冻结的 ASR 编码器，使轮次预测与语音识别完全并行，几乎不增加端到端延迟。在 Easy-Turn、Smart-Turn 及内部日语客服数据集上，JAL-Turn 检测准确率媲美强基线，同时保持更优的实时性能。
arXiv cs.AIAI 评分3030 TopoPilot：面向拓扑数据分析与可视化的可靠对话式工作流自动化
TopoPilot 是一个用于自动化复杂科学可视化工作流的智能体框架，采用编排器与验证器双智能体架构，并加入确定性护栏。在覆盖 100 个提示词的 1000 次模拟多轮对话中，其成功率超过 95%，而无全面护栏与验证的基线不足 50%。在相似提示下，TopoPilot 在准确率、完成时间和 token 用量上均优于 Claude Code 和 Codex。
arXiv cs.AIAI 评分1818 基于对比度量学习的点云分割方法在高粒度探测器中的应用
研究提出基于监督对比度量学习（CML）的点云分割聚类方法，通过学习隐空间嵌入使同物体点聚集、无关点分离，再用密度读出重建簇。在模拟高粒度量能器数据上，与object condensation（OC）在相同图神经网络骨干和潜维度下对比，CML对电磁和强子簇产生更稳定可分的嵌入几何，在高多重数场景下重建效率和纯度更高，能量分辨率更优，混合粒子环境中OC性能显著退化。
arXiv cs.AIAI 评分2222 DyJR：用动态 Jensen-Shannon 回放保持可验证奖励强化学习中的多样性
针对 GRPO 等 on-policy 算法丢弃历史 rollout 导致样本效率低、策略过度集中于单一解的问题，研究者提出动态 Jensen-Shannon 回放（DyJR）正则化框架，用近期轨迹构建动态参考分布。
arXiv cs.AIAI 评分2929 AnolisVLA：面向移动操作的轻量级视觉-语言-动作模型，采用深度状态空间模型
AnolisVLA 是一款采用深度状态空间模型处理多模态序列的轻量级视觉-语言-动作模型，用于语言引导的机器人操作。在同等参数规模下，其任务成功率、推理速度和 GPU 显存占用均优于 SmolVLA；在移动操作中，任务成功率比 30 亿参数的 π₀.₅ 高出 21 个百分点，推理速度约为其 3 倍。
arXiv cs.AIAI 评分3030 OxyGen：面向多任务并行 VLA 推理的统一 KV Cache 管理
OxyGen 提出统一 KV cache 管理，将 KV cache 视为跨任务与控制周期共享的一等资源，通过跨任务 KV 共享消除共享观测的冗余 prefill，并用跨帧连续批处理在每帧解码预算内推进未完成请求。
arXiv cs.AIAI 评分2626 基于神经符号 VLM 智能体的可解释多变量时间序列事件检测框架 SELA
研究者提出 Event Logic Tree（ELT）知识表示框架，将自然语言事件描述转化为信号基元上的结构化时序逻辑，并据此构建神经符号 VLM 智能体框架 SELA，迭代地从信号可视化中定位基元并按 ELT 约束组合，同时输出事件区间与树状解释。
arXiv cs.AIAI 评分2222 HybridStitch：面向高效扩散生成的 Token 自适应模型拼接
HybridStitch 是一个免训练框架，通过 token 级反馈为每个更新选择提供模型的来源，在四个主要基准上实现图像生成提速 1.63–1.68 倍、扩散大语言模型（dLLM）吞吐量提升 1.15–1.58 倍。该方法让连续图像精修与离散语言承诺共享同一生成状态，并以模型专属 KV 缓冲为选定查询提供注意力上下文。dLLM 解码查询成本估计降低 50–66%，生成质量相当。
arXiv cs.AIAI 评分2323 Spectra：面向 AI 训练的并行光交换机调度算法
Spectra 是一种在存在重配置延迟 δ 时，将单个 AI 流量需求矩阵 D 调度到 s 台并行 OCS 上以最小化 makespan 的算法，采用“分解为加权置换—负载感知分配—受控置换拆分均衡负载”三步流程。