语言模型预训练中的读出层动态：隐藏状态何时先于输出编码任务信息
研究者提出参数轨迹交叉编码方法，仅用检查点权重即可追踪语言模型读出层（unembedding matrix）的学习过程，发现模型隐藏状态能在自身读出层表达任务信息之前就已编码这些信息。
论文
论文
arXiv cs.CLAI 评分2727 arXiv cs.AIAI 评分3131 StepSafe：用上下文感知安全推理实现及时干预
研究提出训练框架 ASPO 与步级推理护栏 StepSafe，通过前缀级阶段对齐和自适应反馈自蒸馏，让模型在风险可见前继续、在澄清仍可避免伤害时提问、在伤害不可逆前停止。StepSafe 在五个智能体安全基准上取得开源护栏 SOTA，4B 版本 Youden's J 达 53.0，对比 46.2。
arXiv cs.CLAI 评分3131 LLM 能否预判自身决策的关键分歧点？
研究提出用"关键分歧点"（crux）刻画 LLM 决策依据，即模型多次 rollout 之间产生分歧、改变其取值可能改变结论的子问题。作者比较三种成本递增的策略：直接让模型先验预判、单次生成后提取、以及多次生成对比提取，后者借助 reranker 实现，算力约为 judge 的 1/86。
arXiv cs.AIAI 评分3838 LEV：用循环决策模型实现快速与深度思考
LEV 是一种通过循环重跑网络层而非生成 token 来加深推理的决策模型，基于以循环方式预训练的语言模型，每步循环后读取选项并联合训练所有步骤，使同一权重可在任意深度作答。
arXiv cs.CLAI 评分2222 一个偏差分数，两个因子：缓解措施如何影响多选题评估中的选项偏差
研究提出用合并选择率标准差（pooled SD）统一衡量多选题评估中的选择偏差与顺序敏感性，该指标可分解为翻转率与位置偏斜两个无标签因子。
arXiv cs.AIAI 评分6666 MAI-Gym：面向移动与电脑环境的 GUI 智能体评测与 RL 训练一体化开源平台
MAI-Gym 是一个开源一体化平台，统一移动、电脑和网页环境下的 GUI 智能体评测、数据采集与在线 RL 训练，支持十项基准并扩展到 20000 个并行环境实例。
arXiv cs.CLAI 评分2626 相同上下文，不同智能体：数据智能体中语义层、编排与压缩的行为研究
研究在五个 benchmark 的 1,514 个长周期任务上，用七款 LLM 分析语义层、编排、压缩三种上下文工程技术单独及组合的效果。无这些技术的数据智能体分为调查者、过早作答者和提前放弃者三类行为组，每种技术只有匹配对应行为组才能转化为准确率提升；对调查者反而有害，编排会使其过度自信并损失 5 个百分点。
arXiv cs.AIAI 评分3434 RAC：面向约束驱动工程任务的关系型智能体契约
研究者提出 RAC，一种与 harness 无关的工程智能体动作与反馈层契约，由智能体决定工件应满足的关系，专用工具推导具体几何或时序结果。
arXiv cs.CLAI 评分3232 剪掉摘要而非历史：面向长程智能体的 Source-Judged Compaction
针对长程 LLM 智能体的上下文压缩问题，研究者提出免训练的后处理步骤 Source-Judged Compaction（SJC）：用非生成式决策模型 Jev 为摘要中每条内容打分，判断其是否有环境输出或上一版摘要作为来源，并删除无来源条目。
arXiv cs.AIAI 评分3232 SkillNEO：智能体技能的非精英进化优化
SkillNEO 用非精英进化优化 LLM 智能体技能，将 GPT-5.4 Mini 在 86 项 SkillsBench 任务上的平均奖励从 49.1% 提升至 66.4%，覆盖软件工程、办公等八个领域。
arXiv cs.CLAI 评分2222 形态学正确性对分词有影响吗？一项 Tagalog 乱序对照研究
研究构建了 MorphAustro-Tok 分词器，将 Tagalog 词根作为连续单元输出并附加位置中缀 token，在 33 次运行中相比语料匹配的 BPE 基线在句级 chrF++ 上平均提升 0.84、1.49 和 3.40 分。
arXiv cs.AIAI 评分2626 如何定义并生成组合结构：一项基于算法信息论的研究
研究者用算法信息论形式化定义了组合结构：当各部分放在一起时揭示出单独建模时无法捕捉的共享结构，组合结构便由此涌现。该定义可跨尺度定位组合结构在对象中的出现位置，并借助可处理近似反推框架，在字符串和图像上直接优化生成具有层级复用与部分-整体组织的对象。研究还讨论了其对机器学习的启示，包括神经网络架构深度的新视角与构建组合数据课程的原则。
arXiv cs.CLAI 评分2525 PEDBench：语音模型能否检测音素错误？
研究者推出首个音素错误检测（PED）基准 PEDBench，涵盖儿童真实发音错误（N=334）、演员脚本化错误（N=1,188）和 phone-conditioned TTS 合成错误（N=1,083），全部标注经两名音素训练标注员核验。
arXiv cs.CLAI 评分2525 CoTranslator：将反向 CoT 翻译为正向 CoT 的推理蒸馏方法
CoTranslator 通过将反向 CoT 响应翻译为经过验证的正向响应分布，实现高效推理蒸馏。在六个数学基准上，它比语义抑制方法平均准确率最高提升 5.82 个百分点；对两个 4B 学生模型，以 35.9% 的估算算力保留了拒绝采样 95.0% 的平均准确率。
arXiv cs.AIAI 评分2020 基于 ASP 的移动物体预期常识框架：交互轨迹预测推理
研究者提出一种基于 ASP 的声明式混合框架，用于复杂动态环境中交互运动的预期推理，整合了交互轨迹动力学 ASP 模型、语义引导的"分支轨迹未来"预测，以及基于能量的优化模型来评估、排序和过滤预期结果。
arXiv cs.CLAI 评分2323 面向沃洛夫语的开源工业级语言模型
研究者发布 0.6B-14B 开源权重模型，通过指令微调、偏好对齐与模型合并适配沃洛夫语。在 63 个公开与内部任务上，模型在沃洛夫语理解与生成上表现良好，8B 和 14B 版本可与规模大得多的商业系统竞争。模型正用于内部客服试点，并已公开可用。
arXiv cs.AIAI 评分3131 自我改进智能体的技能-策略协同演化陷阱：CODA 漂移审计协议
论文指出技能-策略协同演化存在被忽视的脆弱性：现有方法用协同训练时的技能库评估策略，但部署后技能漂移会使策略失效，且漂移敏感度随训练推进而上升。为此提出面向部署的评估协议 CODA，模拟技能漂移并引入语义保持编辑下的一致性率与损坏技能抵抗率两项指标。在四种协同演化方法和五个基准（六种设置）上，最差情况成功率比交付技能库的峰值低 5-13 分，抹去其相对无技能基线增益的 52-93%。
arXiv cs.AIAI 评分2222 面向评估器引导测试时推理的置信度校准推理扩展
研究将评估器引导推理建模为计算感知的三动作控制器，在信任当前答案、回退与继续扩展之间做选择，并按预测答案成功率与基于 rollout 的延续成功代理打分，显式计入计算成本。在留出的宽度扩展与修订任务上，该控制器相比校准选定的固定策略提升了观测效用，同时将归一化在线计算量分别降低约 30% 和 16%。在四个 Qwen3-8B 随机种子上，两种设置的计算量均低于拟合 Q，效用差异较小且方向不一。
arXiv cs.CLAI 评分3030 PRISM：工具调用语言模型激活干预的迁移与局限
研究团队提出 PRISM 框架，评估激活干预在精度、语言和规模上的迁移能力。用 NF4 量化副本的行为标签可在极少场景下稳定估计干预方向，五语言 NF4 监督方向无需目标语言微调即可迁移至阿拉伯语，将 Llama-3.1-8B 的不安全违规降低 21.95 个百分点，并借助配对良性激活迁移至最大 70B 参数的模型。实验代码与交互式结果浏览器已公开。
arXiv cs.AIAI 评分2727 用时序逻辑规范引导文本到视频生成：TSG 框架提升时序约束满足度
研究者提出 Temporal Specification Guidance（TSG），一种免训练的推理时框架，将时序逻辑规范转化为可执行目标来引导视频生成采样。该框架用可微定量语义对视觉概念证据轨迹打分，并以梯度构建规范引导的去噪方向，增强 CFG。在覆盖 11 类时序约束的 220 条提示词基准上，该方法在五个模型上将规范满足准确率较 CFG 提升 9.5-20 个百分点，且内存开销极小。
arXiv cs.CLAI 评分2424 APRiL：面向大语言模型中文社交意识的开源基准
研究者推出 APRiL，一个面向中文社交意识的开源基准，包含 2,196 个社交意识评估实例，覆盖六类场景与社交场景分析、社交意识回应两项任务。在来自六个模型家族的 12 个模型上测试发现，模型普遍存在"理解到回应"的落差，高质量场景分析能提升回应质量，而弱分析可能拉低回应质量。数据与代码已公开。
arXiv cs.AIAI 评分3030 一种自我改进的智能体如何生长出自己的 DSL：面向精确问答的无 Oracle 算子归纳
一个冻结模型通过内外双层循环，在无奖励、无评判模型、无答案键的条件下生长出自己的 DSL 算子，实现精确问答。内层循环仅在两个独立编写的表达式对每条记录一致时才作答，将可回答问题集扩大约三倍；外层循环自主发现缺失能力并编写算子，仅在独立第二实现一致且结果满足守恒律时接纳。
arXiv cs.CLAI 评分2222 Verdict-MQ：一次编码、多问题决策的开源编码器
开源编码器 Verdict-MQ 只需读取一次状态即可回答全部问题：结构化注意力掩码让状态编码与问题无关、问题之间互不影响，且选项顺序天然无关。
arXiv cs.AIAI 评分3232 推理轨迹与证据冲突时：答案配置如何影响模型对证据的遵循
研究在 HotpotQA 和 MuSiQue 上对比 gpt-oss、Gemma4、Qwen3 三个模型族，发现将答案生成改为独立调用而非延续模型自身思考，可使模型遵循当前证据的比例提升 29.9 至 60.6 个百分点。
arXiv cs.CLAI 评分2626 全双工语音语言模型的参考引导轮流说话风格迁移
研究者从全双工语音语言模型自身对话中提取出一个晚期层残差流方向——"主动性向量"，无需训练或标注即可读取并调控模型的说话决策，提前最多 800 ms 预判话轮起始。生成时缩放该向量可将语音占比从 6-12% 提升至 42-61%（不干预时为 21-30%），且跨对话、权重和语料保持一致。仅需一段简短参考录音即可将说话人的轮流说话风格迁移给模型，换用他人参考时 93-98% 的情况下匹配变差。
arXiv cs.AIAI 评分2626 EvolvingBrain：面向开放世界多模态智能体自进化的自适应技能系统
研究者提出 EvolvingBrain，用自适应技能系统驱动多模态智能体在开放世界中自进化，包含分层技能自进化与状态感知自适应执行两部分。前者从模型轨迹中提取过程模式与问题模式，生成技能并形成由 Domain、Plan、Action/Trap 技能组成的分层技能架构；后者将长程交互总结为结构化摘要记忆，指导状态感知技能融合策略。
arXiv cs.CLAI 评分2222 个性化会破坏信任吗？少样本端侧意图适配下的开放集拒绝校准
少样本 LoRA 端侧个性化会降低虚拟助手的开放集（OOS）拒绝能力：在五个公开意图分类基准上，OOS 拒绝 AUROC 平均下降 0.055–0.258，而域内准确率保持不变。
arXiv cs.AIAI 评分3232 开放世界 AI 的三项要求：一项基于 8B 语言模型的实证研究
研究提出开放世界 AI 需满足三项要求：推理时学习、丰富表征与预测性解耦，并将任务建模为共享潜在因子、分解训练目标推导得出。在最高 8B 的语言模型上验证显示，满足要求的模型会随相关任务数据积累而提升，其余模型则退化，且扩大规模或层类型交错都无法修复。分析还预测了一致内部学习者的必要性以及跨相关任务长上下文的收益。
arXiv cs.CLAI 评分2727 CoTS：面向大语言模型隐式推理的竞争性 token 选择
研究者提出免训练框架 CoTS，将隐式推理干预从二元模式选择改为 token 级的连续分配，利用两个最可能候选 token 的概率竞争动态平衡离散承诺与软探索。候选明显占优时保持接近采样离散 token 以稳定推理轨迹，竞争加剧时则提升软表示贡献以保留备选路径。该方法无需人工设定切换阈值或混合系数，也不增加额外前向计算，在六个推理基准上持续优于标准 CoT 及当前最优的免训练隐式推理方法。
arXiv cs.AIAI 评分3131 ARIA：面向多智能体系统的运行时检查与修正框架
研究者提出 ARIA 框架，让紧凑模型学会在多智能体系统执行过程中判断何时干预、如何修正。团队从四个多智能体框架、六个基准、八种宿主模型收集超 24,000 条轨迹，构建了含 3,953 对执行验证修复的 ARIA 数据集，用于训练模型识别失败并给出修正方案。该模型在事后与运行时修复中均表现良好，并可泛化到未见过的框架和宿主模型，代码已开源。
arXiv cs.CLAI 评分4040 AbridgeKV：把长链推理压缩进学习型 pause token 的 KV cache
AbridgeKV 将每段已生成文本压缩进少量学习型 pause token 的 KV 条目，从而释放原始 cache，让后续 token 改为关注这些 pause token。
arXiv cs.AIAI 评分2222 当现实快过认知：面向可靠智能的新扩展原则
论文提出以有效连贯认知速度（\(S_C^{\mathrm{eff}}\)）衡量智能系统在观测—现实差距扩大时仍能可靠感知、推理与行动的能力，即系统持续满足预设行为可靠性标准的最高现实速度（\(S_R\)）。
arXiv cs.CLAI 评分2020 排列扩散 LLM 的设计空间探索
研究通过三种扩散 LLM 参数化方法解决排列生成问题：基于打乱候选索引序列的硬分配预测、基于双随机矩阵的软分配预测，以及直接预测排序分数后排序。在三个 Amazon 领域的推荐重排序任务（候选集大小 10 和 20）上，单次函数评估时硬分配和软分配变体的 Recall@1 与受限掩码扩散基线相当，而直接排序分数预测无需匈牙利算法或 Sinkhorn 归一化即可保证有效排列。
arXiv cs.AIAI 评分2222 L2G-SR：学习引导 LLM 符号回归
L2G-SR 是一个用学习到的结构验证器引导 LLM 符号回归搜索的框架，通过树编辑距离（TED）构建结构监督信号，在搜索时用验证器补充数值误差进行父代选择。在 LLM-SRBench 上，该框架在评测的多个 LLM 骨干和领域上取得数值拟合、方程级准确率和 TED 的 SOTA。
arXiv cs.CLAI 评分2424 Jev-as-a-Judge 用于 RAG 声明验证：非生成式验证器与前沿 LLM 的置信度门控级联
研究对比非生成式决策模型 Jev 与前沿 LLM Astra 在 LLM-AggreFact 的 495 条人工标注声明上的表现，两者在常规指标上仅差 -0.56 分，成本却相差 187 倍。
arXiv cs.AIAI 评分3434 IneqAgent：结合符号计算的 Lean 不等式证明智能体
IneqAgent 是一个将 LLM 推理与符号计算结合、在 Lean4 中证明不等式的智能体框架，采用引理级蒙特卡洛树搜索协调引理构造、目标重写与符号后端选择。
arXiv cs.CLAI 评分2828 Qwen3-8B 长程可靠性研究：上下文注入下重复识别、局部处理与计数器追踪的逐步评分
研究对 Qwen3-8B（非思考模式，20 个随机种子）在 400 步账本任务中逐步评分，发现重复识别错误在 episode 后期从每步 0.0019 升至 0.011，而计数器在 8,000 步中零错误。
arXiv cs.AIAI 评分2626 反事实邻域风险场 CNRF：面向视觉语言模型的证据驱动选择性安全
研究者提出反事实邻域风险场（CNRF），一种面向视觉语言模型的选择性安全框架，通过构建上下文匹配的良性-有害反事实对，将其表征差异作为风险方向，并将邻域支持度与风险分开估计，避免把陌生输入误判为有害。在三种 VLM 和五个多模态越狱家族上，CNRF 取得 86.06-89.30% 的宏平均防御成功率，同时保留可观的良性任务效用。
arXiv cs.CLAI 评分1818 MeddeX：结合 RAG 与 Gemini Vision 的 LLaMA-3 医学报告分析系统
MeddeX 将 QLoRA 微调的 LLaMA-3（8B）与 RAG 及多模态 Gemini Vision 层结合，为医学报告生成有证据支撑的摘要，支持文本 PDF、扫描件和放射影像。
arXiv cs.AIAI 评分2323 Verus 中的正确性反馈为何会抹除证据：阶段分离的完整性审计
在 12 个 Verus/Rust 任务、四个模型家族、匹配调用预算下，无反馈独立发现产生的认证见证产出率（59.0%）是 IntentShield 纠正反馈循环（27.1%）的两倍以上，差距主要来自反馈内容而非独立重启。
共 2000 篇论文