SonicWorld：面向空间音频推理的以声源为中心的潜在动态模型
研究团队提出 SonicWorld，将物理、学习到的声学与语义特征整合为持久声源状态，并投影到 Omni LLM 进行空间推理。配套发布 Sonic-Bench，含 2.8K 一阶 Ambisonics 片段与 28.8K 目标问答对，覆盖 480 个模拟室内场景。
论文
论文
arXiv cs.AIAI 评分2222 arXiv cs.AIAI 评分2222 AI 中的“我”是谁？为自主智能体建立去中心化身份与问责机制
针对自主 AI 智能体缺乏标准化自我定义、造成信任与问责缺口的问题，该论文提出基于自主主权身份（SSI）原则的去中心化 AI 身份框架，并区分人类用户与 AI 智能体的验证逻辑。其核心 ABCD 框架包含算法指纹、行为指纹、基于 DID 的密码学身份与委托四层，将智能体行为与人类问责绑定，以解决自主经济活动中的黑箱身份问题。
arXiv cs.AIAI 评分4444 D2：从半双工骨干模型构建高能力全双工语音语言模型
研究者提出 Dialogue-to-Duplex（D2）框架，可将预训练半双工语音语言模型（HD-SLM）以细粒度时序转换为高能力全双工模型（FD-SLM），通过无解码器表征蒸馏适配流式音频编码器，并用监督微调学习全双工交互。
arXiv cs.AIAI 评分3131 D-World：显式世界-语言-动作模型，双控制下递归自我改进
D-World 是一个基于 Sense、Plan、Act 分解的显式世界-语言-动作模型，用可执行数字孪生替代隐式世界模型，让机器人策略可被直接检查与修正。其递归自我改进（RSI）机制在 LLM 冻结的前提下，通过测量驱动的参数修订持续改进孪生环境，仅当重放最新动作块不使任何测量残差超出容差时才接受修订。
arXiv cs.AIAI 评分2323 CalOn：面向实体、关系与事件抽取的校准类型化决策模型
研究团队提出 CalOn，一个 0.6B 参数的统一编码器，可跨数据集与 schema 完成实体、关系和事件抽取，通过联合编码文本与类型定义并综合所有请求类型的证据来做出抽取决策。
arXiv cs.AIAI 评分2222 AIPOCH Open-Science：带可复现 .science 包的开源 AI 研究工作台
AIPOCH Open-Science 是一个开源 AI 研究工作台，通过可移植的 .science 会话包记录研究中的指令、计算、产物修订与检查关系，并给出交换契约。受控会话测试了错误初版、经审查修正、未审查修订与计划未执行步骤，完整与部分导出均保留版本和审查关联，并将排除内容标记为不可用。独立注册表案例中，离线执行保留脚本与固定输入逐字节复现了两张已保存 CSV 表。
arXiv cs.AIAI 评分5252 从 OpenAI 2026 年 10 月 AI 生成数学手稿中挖掘新数学工具
研究对 OpenAI 于 2026 年 10 月 6 日公开的 722 篇 AI 撰写数学手稿（归为 372 个问题族）进行梳理，提取其中新提出的引理、构造、不等式与证明机制，并称之为数学工具。
arXiv cs.AIAI 评分2626 MultINav-Bench：超越可达性的交互式导航基准与 MultINav-Agent 智能体框架
研究者提出 MultINav-Bench，一个基于 MolmoSpaces 的 3K episode ObjectGoal 基准，覆盖通道、容器及混合任务，并附带交互必要性标注，评估协议分别衡量导航成功率、交互有效性与成本。
arXiv cs.AIAI 评分3838 GRAFT：用梯度路由定位并移除 RL 中的非预期行为
研究者提出 GRAFT（Gradient Routing Adapter Fine Tuning），在奖励函数设定有误、监控器存在系统性错误时，将可疑样本的梯度更新约束到一组新增的"牺牲"参数上，而非惩罚或过滤这些样本。
arXiv cs.AIAI 评分2222 SPLICE：稀疏物理算子库识别与组合式扩展
SPLICE 框架可在无机制标签的混合轨迹数据中发现神经算子，通过求解凸优化问题推断候选算子对每条轨迹的贡献，再用校准测试为每个发现的算子分配其实现的物理机制。在一维和二维系统上，发现的算子能从无标签混合数据中恢复机制，并组合成未见方程的零样本模拟器；冻结的算子库还能在无标签、不遗忘的前提下为预训练中缺失的物理机制新增算子。在 Navier-Stokes 上，发现的算子组合精度与监督版本相当。
arXiv cs.AIAI 评分3434 CWE-bench：将 AI 智能体安全评测从攻击转向防御
研究者推出 CWE-bench，一个包含 120 个仓库审计与修复任务的私有基准，覆盖 73 种 CWE 类型、8 种编程语言和 OWASP Top 10 2025 全部类别。智能体仅获知仓库与威胁模型描述，需自行定位并修复漏洞，补丁须在通过程序化验证器拦截攻击的同时保持原有功能。最佳智能体达到 68% pass@1 和 81% pass@4，且不同语言与漏洞类别的难度差异显著。
arXiv cs.AIAI 评分2424 ProbabilityBench：用精确真值不确定性评估与校准模型
研究者推出 ProbabilityBench，在同行评审、隐蔽信息传递和信用风险三个模拟文本域中提供实例级精确类别概率，并解析计算精确类别概率与 Bayes error。
arXiv cs.AIAI 评分2020 MAGNET：面向脑连接组生成的流形感知图扩散网络
MAGNET 是一种流形感知图扩散网络，通过归一化 Cholesky 表示相关矩阵流形以保证生成的功能脑连接组合法性，并在 ROI 级区域 token 上以关系归纳偏置去噪。
arXiv cs.AIAI 评分2626 TabGift：面向表格数据生成的高效上下文基础模型
TabGift 是一个上下文高效的表格基础模型，仅需少量上下文样本即可完成分布建模与数据生成。它用预训练表格编码器将异构表格映射到共享隐空间，由上下文扩散模型在少量干净样本条件下学习去噪，再通过轻量级数据集专属 MLP 解码器还原数据。在 7 个分类和 11 个回归数据集上，TabGift 的合成数据质量持续优于代表性基线，在有限上下文场景下提升尤为明显，且适配与生成速度大幅加快。
arXiv cs.AIAI 评分4242 AUGUstus：统一生成与理解的自动驾驶 VLA 模型
AUGUstus 是一个将扩散式动作生成与自回归 CoT 理解统一在一个模型中的自动驾驶 VLA 模型，理解仅服务于生成，并通过 AUGUstus-mode 让推理只需输出动作以实现低延迟。
arXiv cs.AIAI 评分2424 MeanFlow2Better：面向离线强化学习的一步潜空间流策略
针对扩散与流匹配策略需从高斯噪声出发、多步迭代生成动作的问题，研究者提出 MeanFlow2Better（MF2B），将离线强化学习重构为高层潜决策空间中的生成式决策块优化，通过共享条件平均速度场构建两条流映射，均以 Δt=1 的一步 ODE 积分完成决策精炼，无需多步采样或时间反向传播。
arXiv cs.AIAI 评分2828 微信提出 WeGR：面向工业搜索系统的统一生成式检索框架
微信提出统一生成式检索框架 WeGR，由 CoCo-VAE 分词器与 DHPO 策略优化两部分组成，前者引入查询-物品和物品-物品协同信号并通过码本刷新缓解码本坍缩，后者逐步扩展奖励评估与策略优化视野以缓解精确 SID 匹配下的奖励稀疏。
arXiv cs.AIAI 评分2323 SMILE：从模型自身错误中自挖掘视觉上下文学习样本
SMILE 通过离线记录目标 VLM 自身的预测错误构建模型专属的 hard negatives 池，测试时以预测结果作为方向信号，在语义嵌入空间中找出当前查询最可能重犯的过往错误，无需属性提取、caption 工程等多阶段流程。
arXiv cs.AIAI 评分3232 ProAgent：持续观察与及时干预的主动式 Physical AI 系统
研究者提出"主动式 Physical AI"问题并开发 ProAgent 端到端系统，由判断是否需要及何时干预的 StreamingJev 主动时机模型与生成响应或调用设备能力的 Response Model 组成。团队还构建了将视频转为主动时机监督信号的自动化数据管线，实验显示其干预时机更准、误触发少于基线，真机评测验证了识别新兴需求并转化为物理动作的能力。
arXiv cs.AIAI 评分2424 SarcasTraps：讽刺对土耳其语仇恨言论检测的影响
研究者构建了 SarcasTraps，一个含 479 条双维度标注（仇恨言论与讽刺）的土耳其语外部测试集，用于分析讽刺对仇恨言论检测的影响。在 BERTurk 和 XLM-RoBERTa 上微调的编码器模型对讽刺性仇恨内容召回率下降，而 GPT-4.1 与 Llama-3.3-70B 零样本推理虽召回率较高，但在讽刺样本上精确率大幅下滑。该数据集因含敏感内容，仅应学术研究请求提供。
arXiv cs.AIAI 评分2424 UA-Bench：面向水下声学信号识别的大型音频语言模型基准测试
研究者提出 UA-Bench，据称首个面向大型音频语言模型（LALMs）的水下声学信号识别大规模基准，包含 375,051 条音频记录，覆盖探测脉冲、通信波形与舰船辐射噪声三类信号，并附三级标签体系（13 个叶类）、多轮对话模板及信源信道元数据。
arXiv cs.AIAI 评分2626 KNN 实现细节可大幅改变性能：以 Cover Tree 为例
研究者以 Cover Tree 为例推出统一 Rust 实现 RustKNN，涵盖三种构建变体与三种查询模式，发现实现细节会显著改变算法性能排名。最优查询策略取决于 k 与数据集，选错查询模式运行时最多差 7.5 倍；cover tree 的 base 参数在 dual-tree 搜索中并非安全默认值，1.3 仅在七个数据集之一上最优。
arXiv cs.AIAI 评分2222 比较 GenAI、机器学习与人工审阅在 eDiscovery 中的效果
针对 Redgrave LLP 案例研究中 Relativity 生成式 AI 审阅工具 aiR 达 88% 召回率、其机器学习工具 RAL 仅 64% 召回率的结论，分析指出两者方法目标不同、评估者间存在分歧，结果不可直接比较。
arXiv cs.AIAI 评分4444 Davinci-Tool：用可验证可执行环境扩展智能体工具使用监督
研究团队推出 30B 工具使用模型 Davinci-Tool 及执行锚定数据集 Davinci-ToolData，通过 Execution-Grounded Task Synthesis 与 Executable Environment Synthesis 两条流水线生成 30,395 条已验证轨迹、覆盖 2,260 个工具名。
arXiv cs.AIAI 评分2020 用 LLM 在下载前预筛视频：面向低成本视频数据集构建
研究提出在下载视频前用 LLM 基于元数据预筛候选视频，以降低存储、时间和标注成本。LLM 预筛以四名独立标注者的严格多数投票为基准，并用 Gwet's AC1 验证标注可靠性，同时与两种关键词启发式基线对比。团队通过 LOO 与 AORI 机制评估 LLM 作为虚拟标注者的表现，并报告了相对现有方法的成本对比，实现已在 GitHub 开源。
arXiv cs.AIAI 评分1515 多目标 Bandit 中的 few-for-many 最佳臂识别
研究提出多目标 bandit 中的 few-for-many 最佳臂识别问题，目标是找到一小组臂，使其相对各目标最优值的加权最差退化最小，而非为每个目标各找最优臂。
arXiv cs.AIAI 评分2727 句法语言模型的大规模实证研究：1B 参数下结构掩码优势消失
一项针对句法语言模型（SLM）的大规模实证研究，在最高 1B 参数、100B 训练 token 规模下对比了 12 种配置（1 个终端基线 + 11 个不同线性化与注意力掩码的 SLM 变体），并在 11 个下游任务和两个句法基准上评测。
arXiv cs.AIAI 评分2323 面向已部署深度伪造语音检测器的无监督数据漂移监控
研究者提出一种无监督漂移监控器，基于已部署检测器的内部嵌入向量，用正则化 Mahalanobis 距离将输入与真实和伪造参考对比，划分可信、模糊与新颖区域，从而把陌生输入转交人工复核。
arXiv cs.AIAI 评分2222 DTA-GT：面向神经网络表示学习的方向与拓扑感知图 Transformer
DTA-GT 是一种基于编码器级方向一致性的方向与拓扑感知图 Transformer，用于神经网络架构的精度与延迟预测。
arXiv cs.AIAI 评分2323 渐进式深度增长如何高效预训练自监督视觉 Transformer
研究系统考察了渐进式深度增长在 MAE 和 DINOv3 两类自监督视觉 Transformer 中的效果：在全局与稠密任务上，该方法将训练 FLOPs 降低 13.9%–24.8%，ImageNet 线性探测准确率最高提升 3.36 个百分点。增长还改善了中间层表征，并重塑内部计算模式——MAE 中出现全局与局部注意力反复交替，自蒸馏 DINOv3 中局部到全局注意力的过渡提前出现。
arXiv cs.AIAI 评分3232 StableJudge：面向 LLM-as-a-Judge 的轻量级对抗防御框架
StableJudge 是一个将提示注入缓解外置为可复用评分前能力的轻量级防御框架，核心是 0.13B 的 Sentry 组件，可在评估前定位被注入的文本片段并做定向清洗。该框架用对抗性演化攻击训练，并从评委模型的输出分布中导出确定性的细粒度标量分数。在留出科学摘要和分布外攻击变体上，StableJudge 提升了受攻击时的分数恢复能力，同时基本保持通用性能，代码与数据将开源。
arXiv cs.AIAI 评分4949 浮点偏置加法中的 Logit 泄漏
研究揭示语言模型 API 在浮点偏置加法中存在数值侧信道，仅凭 token 身份即可区分具有相同完整未扰动对数概率的分数向量。该方法利用二进制指数边界处可表示间距的变化，在 binary32 算术假设下最多用 52 次 token 查询即可精确恢复一对 logit 及其未知的平局优先顺序。
arXiv cs.AIAI 评分5252 InfoVis：统一的幻灯片图像生成与编辑模型
InfoVis 是一个统一的 9B 幻灯片生成与编辑模型，基于 FLUX.2-klein-base-9B 做幻灯片专项后训练，在 VisSlideBench 上以 7.94 总分领先所有参评开源模型，接近 Nano-Banana-2 的 7.99。
arXiv cs.AIAI 评分2626 PrivacyGuard：面向云端 GUI 智能体的源关联脱敏与本地可解析 PII 引用
PrivacyGuard 用源关联脱敏（SAN）和结构化引用生命周期（REF）解决云端 GUI 智能体的隐私引用问题，在四组 reader–language 组合中把审计到的源值泄漏相对最接近的完整流水线系统降低 33.55%–82.60%。
arXiv cs.AIAI 评分2929 TabWM：将关系学习作为世界建模
研究者提出 TabWM（Tabular World Model）与 WorldRel 世界生成器，让模型无需更新参数、仅以观测执行序列为上下文，即可预测新动作引发的稀疏结构化编辑。在 512 个留出世界上，完整编辑 F1 从无观测执行时的 0.016 提升至 64 次执行时的 0.685。由于预测结果是显式关系编辑，可递归推演候选未来并比较动作，更广的搜索提升了所选动作序列的实际回报。
arXiv cs.AIAI 评分2323 注意力汇形成前的隐藏状态几何：arXiv 研究揭示并调控其形成过程
一项 arXiv 研究在注意力汇形成前约两到三层处发现隐藏状态的短程谱重组信号，该信号在 Qwen2.5、GLM-Z1 和 GPT-OSS 中均可预测后续汇的形成。研究者仅修改当前注意力计算后隐藏状态的奇异值，即可相对范数匹配的随机谱扰动改变后续汇行为；在 Qwen2.5 中，抑制效应伴随下一层对位置 0 的 query-key 偏好下降。
arXiv cs.AIAI 评分2222 VAttnPO：视觉注意力引导的策略优化
VAttnPO 用答案条件下的视觉注意力细化 token 级信用，同时保留验证器给出的轨迹平均优势，在视觉注意力空间以 Jensen-Shannon 散度衡量新旧策略一致性。
arXiv cs.AIAI 评分2222 蒸馏前先审查：将推理能力迁移到紧凑医疗语言模型的受控工作流
研究提出 Distill-SFT 方法，将答案与推理依据合并为单一训练目标，在巴西葡萄牙语住院医师考试题上仅用更少训练样本，就在此前推理答错的题目上略优于逐步蒸馏。
arXiv cs.AIAI 评分2424 CB-RBM：面向属性图的无监督对抗检测与漂移稳定性
研究者提出 CB-RBM，将属性图中节点特征与邻域聚合特征的一致性形式化为 Context Boost（CB）分数，在受限玻尔兹曼机框架下实现无标签对抗检测。
arXiv cs.AIAI 评分2020 DFK-Former：从稀疏样本学习不可压缩三维流场的集合 Transformer 方法
DFK-Former 是一种集合到场的 Transformer，可从稀疏、含噪且不规则采样的三维观测中重建无散度速度场，并直接预测无散度核表示参数，单次前向即满足不可压缩性。相比逐场无散度核优化，其端点误差最多降低 4.6 倍，单场重建耗时 7.5 ms 而非 9.8 s，提速超过三个数量级。研究还引入自适应各向异性无散度核，并在真实 DNS 湍流数据上完成迁移验证。
共 2000 篇论文