OceanFlow：面向概率海洋建模的连贯流匹配框架
OceanFlow 是一个面向概率全球海洋建模的连贯流匹配框架，先为条件集合建立稳定均值锚点，再通过流匹配学习状态条件化的路径分布，在保持预测中心的同时细化状态相关不确定性。
论文
论文
arXiv cs.AIAI 评分2222 arXiv cs.AIAI 评分2222 SARATHI：解耦无数据探测与自适应重建的结构化 LLM 剪枝框架
SARATHI 将结构化剪枝的神经元选择与权重重建解耦：无数据的 NMF Residual Subspace Probe 仅凭权重几何打分，Adaptive OBS 用局部校准批次重建权重，每层峰值内存为 O(d²)，并加入 Bias Shift Compensation 修正 LayerNorm 后的激活漂移。
arXiv cs.AIAI 评分3838 REPRO：面向自动化 LLM 红队测试的反思式进化提示词优化器
研究者提出纯黑盒红队框架 REPRO，仅靠单张消费级 GPU 上的压缩开源 7B 反思模型驱动进化优化来发现对抗提示词，并引入语义交叉与基于 Thompson Sampling 的贝叶斯策略选择。
arXiv cs.AIAI 评分3838 CacheLink：面向零预填充跨模型上下文交接的功能性 KV 传输
CacheLink 通过直接学习接收方行为下的耦合 K/V 校正，实现零预填充的跨模型上下文交接。在四组独立训练的发送方-接收方模型对和七个评测面板上，CacheLink 在所有模型对上的等权平均指标均优于其他方法；在 32K 上下文下，相比接收方重新预填充，交接延迟最多降低 7.27 倍。
arXiv cs.AIAI 评分2626 LLM 辅助编码安全性的系统性文献综述
一篇被 ACM Computing Surveys 接收的系统性综述指出，LLM 虽加速软件开发，却因训练数据偏差频繁生成不安全代码和错误补丁，模型自身也易受直接攻击。现有评测方法存在数据污染问题且缺乏稳健的安全指标，因此人工监督仍不可或缺。研究认为，更安全的自动化集成需要安全感知的模型架构、更强的安全专用基准以及更有效的人机协作框架。
arXiv cs.AIAI 评分3636 LLM 多智能体系统通信故障研究：消息出错如何影响任务成败
一项大规模实证研究构建了跨层故障分类体系与故障注入追踪流程，覆盖 100 项任务、五个领域、三种工作流拓扑和三种模型配置，共 29,000 余次执行。研究发现，有完整检测记录的失败中 20.7% 没有即时失败信号，部分内容故障时这一比例达 76.2%；Flat 拓扑在通信故障下保持 53.0% 任务成功率，而 Sequential 和 Hierarchical 分别仅为 3.3% 和 3.2%。
arXiv cs.AIAI 评分2222 BridgeCodec：Mamba 增强的 Schrödinger Bridge 神经音频编解码器，实现低比特率跨编解码器转换
BridgeCodec 通过将跨编解码器转换建模为 Schrödinger Bridge 最优传输问题，解耦了冻结的编码器-解码器对，并集成 Mamba 增强的 U-Net 架构捕捉长程语音时序依赖。在 1 kbps 超低比特率下，该框架将 8 kHz 轻量源编码器直接映射到 48 kHz 目标解码器，实现了优异的宽带重建和感知质量。该工作已被 Interspeech 2026 接收。
arXiv cs.AIAI 评分3131 SpecWM：通过谱对齐实现世界建模
研究者提出 SpecWM，一个 JEPA 框架，通过目标相似度核显式指定观测间的关系，并训练编码器在嵌入几何中复现这些关系。时间谱对齐将 CEM 规划成功率从 LeWorldModel 的 52% 提升至 68%（OGBench Cube）、49% 至 77%（OGBench Scene）、29% 至 51%（CALVIN）。结果表明，显式指定表征几何可引导潜在世界模型保留对控制有用的信息。
arXiv cs.AIAI 评分1818 PLATO：面向鲁棒离线元强化学习的悲观潜在任务感知优化
针对基于上下文的离线元强化学习（COMRL）在参数外推任务上编码器产生训练支撑集外潜在表示的问题，研究者提出悲观潜在任务感知优化（PLATO），通过在训练中扰动推断出的任务潜在表示合成反事实任务，并用学习到的解码器集成在扰动潜在上展开短轨迹，以悲观权重更新策略。在八个 MuJoCo 连续控制基准上，PLATO 在分布外任务回报上持续优于强 COMRL 基线，在分布内任务上保持竞争力。
arXiv cs.AIAI 评分3131 FlipAct：衡量语言模型何时行动的敏感度与判定标准
研究者提出 FlipAct，一种针对物理状态下工具使用的诊断方法，用标注工具属性上的规则计算答案与分级证据分数，将 Yes/No 边界固定为零，并通过 2×2 问题组在知识不变时翻转状态。
arXiv cs.AIAI 评分2424 E8 格点键量化实现低比特 KV-Cache 压缩
研究者提出基于 E8 格点向量量化的 KV-Cache 压缩方法，用 2-bit 键加 2-bit 值的 k2v2 配置即可保持接近基线的质量。该方法在五种 LLM 系列上实现约 6 倍 KV 压缩，比标量 k3v2 小约 20%，并在 80% 的模型-数据集-上下文组合中困惑度优于标量 k3v2，同时解码吞吐与标量基线持平。
arXiv cs.AIAI 评分2222 Nemotron-3-Nano-30B-A3B 的原地 Indic 分词器扩展与持续预训练
研究团队在不改动 Nemotron-3-Nano-30B-A3B 主干架构的前提下，将其词表从 131,072 原地扩展至 163,072，使每词 token 数减少 38.6%，并完成约 1.27 万亿 token 的持续预训练。
arXiv cs.AIAI 评分3838 Gnani-Evon-v3.3-30B-A3B：一款主权级、以印度语言优先的推理模型
Gnani-Evon-v3.3-30B-A3B 是一款面向英语及八种印度语言的长上下文混合 Mamba-Transformer MoE 推理模型，基于 NVIDIA Nemotron-3-Nano-30B-A3B 检查点，保留 52 层主干并更换词表、训练数据与后训练目标。
arXiv cs.AIAI 评分2323 基于 Lipschitz-Margin 分析与认证的预训练分类器对抗检测
研究者提出一种面向预训练分类器的对抗样本检测方法，通过证明从认证 ℓ2 鲁棒性到认证检测的 Lipschitz-margin 归约，将问题简化为处理单一 Lipschitz 常数 L，并引入 D_Adv 与 D_lc 两个检测器家族，无需重训练即可部署于任意预训练分类器。
arXiv cs.AIAI 评分2626 Siam-ALS：基于 EEG 与眼动信号的可解释孪生深度学习框架用于 ALS 早期检测
Siam-ALS 是一个可解释的孪生深度学习框架，联合建模同步 EEG 与眼动信号用于 ALS 早期检测，在 EEGET-ALS 数据集上以严格被试级交叉验证取得 0.988 准确率和 0.998 AUROC。
arXiv cs.AIAI 评分1818 Gugak-VocalSet：带 Sigimsae 标注的韩国传统歌唱多流派录音室级数据集
Gugak-VocalSet 是首个公开的韩国传统歌唱音频数据集，包含 24.5 小时无伴奏独唱录音、305 首曲目、20 位专业歌手，并提供约 68,000 个 sigimsae 标注片段（含多标签共 71,700 个实例）。
arXiv cs.AIAI 评分3434 CodeWalk：通过遍历问题图生成编程基准
CodeWalk 提出将已验证的原子编程问题组合成 level-N 任务来生成编程基准，整个构建过程程序化，无需语言模型生成或验证。
arXiv cs.AIAI 评分3232 TARA：跨视角与时间的轨迹泛化物理攻击，可持续干扰世界模型与视频理解模型
研究者提出轨迹感知对抗对齐与精炼攻击 TARA，用轨迹感知优化与对比对齐生成单一可打印对抗纹理，在 EPIC-KITCHENS-100 和 Something-Something V2 上跨视角、跨时间持续误导世界模型与视频理解模型。团队还构建了几何跟踪流水线并采集真实打印-重拍视频，形成可复现测试平台。
arXiv cs.AIAI 评分2626 StimFlow：通过刺激条件流匹配从图像合成脑活动
StimFlow 用条件流匹配在原生体素空间直接合成 fMRI 响应，单样本即达到 0.371 的逐体素 Pearson 相关，与平均五次采样的基线相当。该方法结合 DINOv2 结构特征与 CLIP 语义特征，无需解码器即可做 ROI 分析和概念定位，并仅用一小时扫描数据就恢复到全量数据一半以上的性能，支持高效的跨被试适配。
arXiv cs.AIAI 评分2626 ZOIF：仅用前向传播的零阶影响函数估计，实现 LLM 数据选择
ZOIF 是一个仅通过前向传播完成影响函数估计的零阶框架，用于大语言模型的数据选择，无需反向传播。它将影响估计分解为三步无 BP 流程：零阶估计平均代理梯度、以辅助零阶优化求解逆 Hessian 向量积、再沿参数更新方向用前向有限差分得出每样本影响分数。实验显示其选出的数据子集下游效用与基线相当甚至更优，同时峰值内存显著降低、总计算时间相近。
arXiv cs.AIAI 评分2222 Anchor-and-Harvest Curriculum：面向 Craftax 的全无掩码非 LLM 课程训练系统
研究者提出 Anchor-and-Harvest Curriculum（AHC），一种面向 Craftax-Full 的规则化训练系统，不使用 LLM 推理且保留全部 43 个动作。
arXiv cs.AIAI 评分2323 机器欺骗检测的准确性与不确定性（研究白皮书）
这篇白皮书提出 Machine Deception Detector，同时针对检测准确率与检测器分数的不确定性：它读取语言模型每一层，仅用响应标签学习哪些 token 携带欺骗证据，并校准告警阈值使假阳性率低于预设水平。检测器集成通过成员一致性衡量每个分数的置信度，仅在成员一致时告警。评估在 Liars' Bench 五个未见欺骗任务上进行，使用 0.6B 至 32B 的六个 Qwen3 模型。
arXiv cs.AIAI 评分2222 WisdomNet：实现零误分类的可信机器学习架构
研究者提出 WisdomNet 神经网络架构，通过引入共轭神经元判断网络能否正确分类，使分类错误率降至 0%，无法确定的数据以约 10% 以内的比例标记为"拒绝"。该架构可应用于多层感知机、卷积神经网络和深度网络等已有模型，在多个数据集上完成验证。
arXiv cs.AIAI 评分2525 HGA-Quant：面向自回归视觉生成模型的异构感知量化
研究者提出免训练 PTQ 框架 HGA-Quant，由尾部感知有界初始化网格精炼（T-BGR）与由粗到细激活精度调度（CAPS）组成，用于自回归视觉生成（ARVG）模型的低比特量化。在 Infinity 上，该框架以 W4A5.6 有效激活精度实现接近全精度的图像生成质量，而现有方法在 W4A6 下仍出现明显质量下降或表现不稳定。代码已开源。
arXiv cs.AIAI 评分2626 Co-DSL：人机协同设计可复用空间概念用于布局生成
Co-DSL 让用户与 LLM 协同设计可复用的空间概念库，用户提供描述后由 LLM 转为初始实现，再通过示例场景观察执行行为并给出轻量反馈，由 LLM 修正概念逻辑。
arXiv cs.AIAI 评分1212 利用荧光显微图像中的从属颜色通道进行蛋白质结晶分割与分类
针对痕量荧光标记（TFL）蛋白质结晶试验图像，研究发现使用发射光谱峰值波长之外的从属颜色通道强度，可将似先导物或晶体被误判为非晶体的比例从9.71%降至2.02%，分类器准确率提升1.77%至5.53%。
arXiv cs.AIAI 评分2727 北还是南？诊断 LLM 对朝鲜语言、社会与知识的理解
研究团队发布 LENS 基准，用 1,765 道人工校验题目从语言鲁棒性、社会文化视角对齐和领域知识三个维度评测 LLM 对朝鲜的理解。评测显示，模型在朝鲜语输入上性能小幅下降，社会文化视角对齐差距更大，领域知识则严重不足。定性分析发现模型常混淆正式制度与现实生活、套用自由民主假设或依赖刻板印象。
arXiv cs.AIAI 评分2222 GeoBridge：面向几何视觉的可迁移解码器拓扑演化框架
GeoBridge 是一个可演化搜索可迁移解码器拓扑的框架，通过残差、串行、并行组合可配置原语，使阶段内部拓扑可搜索，单次源搜索约需 12 GPU 小时。
arXiv cs.AIAI 评分2929 LeHami：面向世界模型的辛潜动力学
研究者提出 Symplectic Hamiltonian JEPA（LeHami），用动作条件化的 Hamiltonian 流替换 JEPA 世界模型中的标准预测器，在结构化隐状态 (q, p) 上以精确辛 leapfrog 步积分，从而在任意 rollout 步保持相空间体积。
arXiv cs.AIAI 评分4141 Sequent-Prover：训练基于 SMT 的形式化可验证推理智能体
Sequent-Prover 是一族使用验证器的语言模型智能体，在可执行的 SMT-LIB 草稿本中推理，通过多轮查询 Z3、检查求解器反馈并修复形式化，最终给出显式答案。
arXiv cs.AIAI 评分3838 EvolvAttack：对自进化 VLM 智能体的后门攻击
研究者提出 EvolvAttack，一种针对自进化 VLM 智能体的"自进化后门"攻击：恶意载荷在初始智能体中休眠，随记忆演化逐步激活。该攻击需视觉触发器与足够演化的记忆状态同时满足，静态扫描干净记忆时攻击成功率近乎为零。在三种 VLM 主干、四种智能体流程及三类记忆演化机制下，攻击在演化前成功率仅 0.5%，100 次交互内超过 95%，且保持正常功能。
arXiv cs.AIAI 评分1212 面向 AI 就绪的 ARPES 社区数据库框架
针对 ARPES 四十余年光谱数据因以论文为中心的工作流而仅保留极少部分实验记录的问题，研究者提出构建共享数据生态系统的框架，将碎片化测量及其上下文转化为持久的集体科学记忆。该生态的收益分三个时间尺度展开：近期标准化、可检索、可引用的数据集强化分析流程；中期跨实验室的社区验证工具支持更广泛复用与闭环自动化实验；长期多样化的电子光谱语料可支撑量子物质基础模型。
arXiv cs.AIAI 评分3636 PANINI-DR：通过生成式语义工作空间实现可控深度研究
PANINI-DR 是一个多智能体深度研究框架，将整体调查协调与子问题研究、验证分离，基于 Generative Semantic Workspace 构建共享工作空间记录子问题、依赖关系、发现与证据。
arXiv cs.AIAI 评分2323 LLM 基于深度的动态推理如何影响越狱脆弱性
研究发现，LLM 基于深度的动态推理中，浅层出口比深层出口对越狱攻击更鲁棒，深层出口的对抗后缀优化能达到更低的攻击损失，而对抗后缀对各出口深度的效用影响基本一致。该结论可为设计更抗越狱的动态推理方法提供依据，代码已开源，论文被 NeurIPS 2026 FLMSec Workshop 接收。
arXiv cs.AIAI 评分3636 UDHRBench：面向大语言模型人权合规的基准测试
研究者推出 UDHRBench，用于评估大语言模型对《世界人权宣言》的合规性，数据集含覆盖全部 30 条条款的 1,124 个人权问题，以及 ChatGPT、Grok、Gemini、Fanar 四个模型的 4,496 条回答，由专家人工标注（κ = 0.801）。
arXiv cs.AIAI 评分2424 该延迟还是不该延迟？LLM 与拥塞专家协作的在线学习
针对 LLM 与容量受限人类专家协作的场景，研究者提出在线学习算法 KL-PBD，利用未知可靠性参数的 KL 下置信界指导延迟决策，在 K 个置信水平与时间跨度 T 下实现 O(K log T) 的间隔相关遗憾和 Õ(√KT) 最坏情况遗憾，并证明其最优性。该算法在 GSM8K、NuminaMath、MedMCQA 数据集上使用 Qwen LLM 完成验证。
arXiv cs.AIAI 评分1313 RIECNN：用于交通标志识别的实时图像增强 CNN
研究者提出实时图像增强 CNN（RIECNN），用于交通标志识别，在 GTSRB、BTSC 和 rMASTIF 三个基准上均取得最高识别率，分别为 99.75%、99.25% 和 99.55%。其预处理与推理总耗时不超过每张图像 1.3 ms，满足实时约束，并对亮度与对比度变化等环境干扰表现出鲁棒性。
arXiv cs.AIAI 评分2424 ShellElastic：同时最大化更新与超参数迁移的可扩展弹性预训练
ShellElastic 是一种弹性 Transformer，将隐藏维度组织为稠密核心与逐层外壳，使每个隐藏矩阵呈块下三角结构，一次全宽前向即包含所有子网络的精确隐藏状态，联合训练计算图固定、每步开销约等于单独训练最宽子网络。
arXiv cs.AIAI 评分1818 scHFBiMamba：用双向 Mamba 自编码器从单核 RNA-seq 数据分类心脏疾病状态
scHFBiMamba 将双向 Mamba 自编码器（BiMambaAE）与 MLP 头结合，把 16,545 基因表达谱映射为 350 维隐表示，参数量 13.2M，比稠密 DAE（192.9M）少约 14.6 倍。
arXiv cs.AIAI 评分4242 TurnCost：编码智能体的缓存感知循环工程——轮次而非观测才是成本主因
研究分析 600 条编码智能体轨迹发现，轮次数量解释了日志轨迹成本 84% 的方差，而平均观测大小仅占 4%，最昂贵的轨迹轮次最多但观测最小。98.6% 的输入 token 由前缀缓存提供，扁平定价平均高估循环成本约 7 倍。团队发布 TurnCost 工具，可在不同缓存、定价、压缩和路由策略下重新评分轨迹语料。
共 2000 篇论文