用 AHP 与主动学习提升模式排序函数的学习效率
研究者将模式排序函数的学习建模为多准则决策问题，用层次分析法（AHP）根据用户偏好为不同有趣度度量引出权重，并提出带敏感性启发式的主动学习模式以减少用户排序查询。实验显示，相比当前最优方法，该方案显著缩短运行时间、给出精确的模式排序，且对用户误差具有鲁棒性。
论文
论文
arXiv cs.AIAI 评分1212 arXiv cs.AIAI 评分3030 PXRD-Bench：从粉末衍射确定晶体结构还有多远？
研究者推出 PXRD-Bench，一个统一基准，将粉末 X 射线衍射（PXRD）到晶体结构的评估扩展到未知单元素原子数和双相混合物中两种结构的恢复，并提供约 410 万个带模拟 PXRD 的训练结构。
arXiv cs.AIAI 评分2323 XFD：XAI 引导的傅里叶域泛化，实现纯仿真 Sim-to-Real 深度强化学习
研究者提出 XFD，一个由可解释 AI（XAI）引导的傅里叶域泛化框架，用于纯仿真的 sim-to-real 强化学习。它从仿真观测中提取可解释性归因图，转化为策略条件化的傅里叶域干预，在扰动外观敏感频谱成分的同时保留任务相关的空间结构，从而完全在仿真内构建增强鲁棒性的视觉域。
arXiv cs.AIAI 评分3434 RAP-WAM：通过预测排练与动作扰动学习世界-动作模型
RAP-WAM 将预测排练（Predictive Rehearsal）与动作扰动（Action Perturbations）结合未来监督查询和 Coupled Action Projection 进行策略学习，无需独立评分网络或部署时探针，基座直接从视频预训练骨干学习。
arXiv cs.AIAI 评分3434 AuthGateBench：将 LLM 作为授权门禁的基准测试
研究者推出 AuthGateBench，首个面向良性请求下授权门禁的策略引导基准，包含 1,400 个实例、覆盖源自真实 Claude Code 事件的五类失败模式。
arXiv cs.AIAI 评分2222 链维度扩展 CDS：面向工业短视频排序的通信高效循环式扩展
研究提出链维度扩展（CDS），通过参数共享的单一特征交互块反复迭代，把迭代次数（链长）变成不增加参数的新扩展维度，并用轻量链内残差连接稳定优化。在生产级大规模多任务短视频排序系统中，压缩模式下 CDS 离线质量与基线差距在 0.03% 以内，可训练参数减少 26.6%，训练吞吐提升 6.4%；质量扩展模式下质量随链长单调提升。
arXiv cs.AIAI 评分2727 SLS-Bench：基于合成可观测性数据的事件日志摘要基准
研究者推出 SLS-Bench，一个面向事件日志摘要的基准，包含 90 个基于真实事件报告的任务，每个任务配有合成日志流和参考摘要。其数据生成管线将事件报告转为结构化事件模型，结合叙事锚定、生成器-验证器循环及与真实日志流的统计对比，生成逼真可控的可观测性数据。对 14 个 LLM 的评测显示，前沿模型能生成有用摘要但成本与延迟高，开放权重模型明显落后。
arXiv cs.CLAI 评分2222 在 Jetson Nano 上运行的质量感知自校正语音翻译系统
一套完全离线的语音到语音翻译流水线可在 Jetson Nano（4 GB）上运行，无需重训练即可自我纠正弱翻译：Whisper-tiny 做 ASR，Opus-MT 做翻译，多语言 BERT 余弦相似度作为质量估计（QE）门控，置信度低于阈值 τ 时触发二次翻译。
arXiv cs.AIAI 评分3434 EvoWeb：面向持续演化 Web 应用的编码智能体基准
研究者推出 EvoWeb 基准，包含覆盖 32 个 Web 应用的 320 条累积请求，按功能依赖图组织，由多模态 Web 智能体在真实浏览器中逐轮测试新功能、跨请求集成与既有功能。实验显示开源与闭源前沿模型表现差异明显，跨请求集成是主要难点，依赖更深或更多的后续请求解决准确率更低，运行时错误也随请求推进而增多。
arXiv cs.CLAI 评分4040 基于 LLM 的新颖性评估为何不稳定：一项系统受控研究
一项系统受控研究发现，基于 LLM 的新颖性评估表现不佳：仅告知评审者认为某个想法新颖，就能让同一对想法中超过一半的判定发生翻转，成对准确率波动超过 50 个百分点，有时甚至低于随机水平。检索与更大的推理预算帮助有限，两个专门构建的新颖性评估器还不如最便宜的提示词基线。
arXiv cs.AIAI 评分3535 RES：面向通用长时程智能体的递归环境缩放
研究者提出递归环境缩放（RES）框架，在保持任务目标与完成要求不变的前提下改造现有 benchmark 环境，通过 proposer 改变信息访问、资源关系与执行依赖，并由执行验证筛选候选改动、跨轮继承。
arXiv cs.CLAI 评分2222 MemoryAthena：在潜在记忆与生成记忆之间自适应路由
MemoryAthena 通过直接 Engram 检索（E）、基于检索线索的生成（GE）和不查表的因果骨干生成（GH）三条路径，用轻量因果路由头判断生成记忆何时介入。在冻结骨干、记忆、生成器与读取器的情况下，问答五任务平均分从 37.65 提升至 39.28，六任务通用 NLP 平均分从 76.73 提升至 79.13。记忆侧系统约含 201M 参数，不含冻结骨干。
arXiv cs.AIAI 评分2727 RetroPlanner：面向 LLM 逆合成规划的多路线扩展与多目标推理
RetroPlanner 是一个基于 LLM 的逆合成规划器，可同时比较多条合成路线，并按反应合理性、往返一致性和起始原料价格引导搜索。它被训练在化学证据上推理，包括目标分子的结构进展、键变化与反应类型、候选路线的分歧点及多目标排序。在多步逆合成基准上，RetroPlanner 比此前的 LLM 规划器找到更多替代路线，同时提升路线质量并保持高成功率。
arXiv cs.CLAI 评分2727 ARAFA：LLM 生成的阿拉伯语事实核查数据集
研究团队发布 ARAFA，一个面向现代标准阿拉伯语的大规模事实核查数据集，通过 LLM 三步流水线构建，包含 181,976 个 claim-evidence 对，标注为 supported、refuted 或 not enough information。
arXiv cs.CLAI 评分2626 基于 LangGraph 的迭代式 Text-to-SQL 智能体：芝加哥犯罪数据库的自然语言访问
研究者构建了一个六节点 LangGraph StateGraph 的 Text-to-SQL 智能体，仅靠提示词工程（未微调模型）完成问题相关性检查、实时 schema 获取、PostgreSQL 生成、dry run 校验、失败重试、查询执行与英文结果叙述。
arXiv cs.AIAI 评分3131 世界模型需要物理注册表：为物理合理世界模型学习内部预测状态
研究者提出 Physical Registry，在视频 DiT 内部设置随时间演化的注册表槽位，由观测条件预测初始化、与视频 token 共同演化并接受未来表征监督，使预测动态成为生成器显式可读的状态。
arXiv cs.AIAI 评分3232 ChronoScribe：面向指令驱动时间序列预测的语义-数值分工架构
ChronoScribe 用语义-数值分工架构做指令驱动的时间序列预测：LoRA 微调的 LLM 负责解析指令、提出执行路径与上下文长度，冻结的 TSFM 负责生成分位数预测轨迹，LLM 不生成也不修改预测值。
arXiv cs.CLAI 评分3232 Reviser：用自回归光标动作写作与编辑文本
研究者提出 Reviser，一个仅解码器 Transformer，通过插入、移动、删除、停止等光标动作在画布上写作和编辑文本，动作由确定性执行器应用，且对自身动作自回归，单步开销与 AR 步骤相同。
arXiv cs.CLAI 评分3131 DischargeBench：通过人格化患者模拟对 LLM 出院教育者进行部署前评估
研究者推出 DischargeBench，一个让候选 LLM 教育者在开放式多轮对话中向人格化模拟患者讲解出院计划的部署前基准，并构建了覆盖 16 个 ICD 章节、320 个病例的 MIMIC-IV-Ext-DischargeBench 数据集。
arXiv cs.AIAI 评分3131 LASE：用置信度引导的自适应辩论实现高效多智能体推理
研究者提出 LASE（Leader-Adaptive Structured Engagement），一种以领导者为中心的多智能体辩论框架，仅在非中性场景下选择性触发交互，默认使用简单聚合。
arXiv cs.CLAI 评分3636 搜索智能体的 Lazy Grounding 攻击：事实性证据也能误导检索推理
研究者提出"lazy grounding"攻击：将基准问题改写后对应的邻近事实证据注入搜索语料，这些文档虽真实却与原始问题无关，仍会被检索并误导搜索智能体。在 12 个模型-基准组合上，该攻击使回答准确率平均下降 5.9 分、最高下降 17.3 分，且所有设置均出现邻近答案被采纳。证据出现位置越靠后或越像答案时，影响更强。
arXiv cs.AIAI 评分4444 TRAP：针对 LLM 智能体工具结果错误绑定问题的工具结果重放攻击
研究者提出 TRAP 工具结果重放攻击，并构建 ReplayBench 基准，用受控重放评估 LLM 智能体的工具结果错误绑定（misbinding）问题，覆盖 19 个智能体场景、4 类失败属性和 3 种重放机制。
arXiv cs.CLAI 评分2525 RATIO：科学文献中跨类型构思操作的检索基准
研究者提出 RATIO 基准，将科学文献检索的相关性定义为三种"构思操作"：Address 检索解决既定问题的方法、Broaden 检索更通用的表述、Specify 检索具体实例。该基准基于数百万篇 CS 全文论文构建，通过扩展话语标记远程监督并结合 LLM 与人工审核完成。实验显示，针对操作分别微调可显著提升检索器，LLM 重排序也有帮助，但仍有较大提升空间；数据、代码、模型与标注均已开源。
arXiv cs.AIAI 评分1212 语言模型中的概念器补集何时成为增益：算子几何与行为归因
研究测试了以目标为中心、带缩放的 conceptor 补集中，拟合协方差滤波器对语言模型行为变化的贡献。在 α=.05、β=2 时，三个模型七个目标的 21 个拟合映射在生成干预层均扩展所有方向，矩阵校正仅占匹配对照位移的 0.093%–7.815%；1920 条回复的 480 组配对比较显示，保留矩阵会改变许多单条文本，但未能在四目标面板上确立一致的额外目标抑制收益。
arXiv cs.CLAI 评分2222 BTS-AgentBench：从只读遥测日志到智能体基准的确定性可重放流水线
BTS-AgentBench 是一个确定性编译器，可将只读遥测与设备元数据转换为工具驱动的多轮智能体任务、阶段级目标、证据与可执行评测契约。
arXiv cs.AIAI 评分3939 HyWe：统一搜索与操作，面向真实混合网页任务
研究团队提出 HyWe 框架，将信息搜索与页面操作统一在单一模型和轨迹中，并训练出 35B 参数的网页智能体 HyWe-35B。
arXiv cs.CLAI 评分2222 TreeGraft：面向树状投机解码的自适应多草稿模型嫁接框架
TreeGraft 是一个多草稿模型框架，让不同成本的草稿模型共同构建一棵共享草稿树，用更强的草稿模型为弱草稿模型的候选重新打分、重选嫁接位置并恢复被遗漏的有希望路径，同时以非破坏性方式整合强模型扩展。它引入从离线价值系统蒸馏的轻量调度器来决定何时调用强草稿模型。在 10 组模型对和 6 个基准上，TreeGraft 平均超越两种固定单草稿模型端点策略中更优者 15.1%，最高增益 26.6%。
arXiv cs.AIAI 评分2323 ReTAC：面向视频空间推理的残差式测试时智能体计算
ReTAC 是一个免训练的多智能体框架，用于视频空间推理，主张测试时计算应当是"残差式"的：只对基座模型未解决的需求分配额外计算，并在局部失败后仅重算受影响的状态。它通过有序规划获取缺失的空间证据、用阶段对齐验证将失败定位到规划、感知或推理环节，并基于依赖关系恢复。在三个主流 MLLM 和两个基准上，ReTAC 取得对比方法中最高的综合得分。
arXiv cs.AIAI 评分3838 LLM 推理中的叙事悖论：将推理轨迹导向失准
研究者提出 PDRA（Paradox-driven Reasoning-based Attack），通过将恶意行为者与良性任务配对构建悖论叙事核心，并嵌入强制三阶段分析框架（表层目的、潜在意图、操作重建），引导 LLM 生成有害内容。该攻击使模型内部表征偏离拒绝相关模式，抑制安全触发词并激活规划类词汇，在多种 LLM 上取得 SOTA 攻击成功率。
arXiv cs.CLAI 评分2323 DCGC：用掩码扩散模型做草稿条件全局纠错，提升复杂推理
DCGC 是一个基于掩码扩散模型（MDM）的全局纠错框架，以上游求解器的不完美解答草稿作为辅助上下文，结合任务特定 SFT 与推理时机制 Dynamic Dual-CFG。在数学、代码和知识推理基准上，DCGC 优于标准采样和更简单的 CFG 变体，并有结果提示可迁移到不同扩散骨干。在无真值失败标签的测试时设置中，DCGC 通过纠正低共识的上游输出提升全测试集准确率。
arXiv cs.AIAI 评分2222 FON：一种无需序列级二次注意力的草拟-修订双器官语言模型
研究者提出 FON（Fusion-Organ Network），将同一权重栈分化为负责生成的草拟器官与负责重处理已写前缀的修订器官，训练复杂度 O(S)、解码状态 O(1)，不含序列级二次注意力。
arXiv cs.CLAI 评分2727 冻结记忆还不够：重新思考外部记忆作为提取方式
研究通过跨模型冻结记忆提取发现，在源模型上训练的记忆冻结后迁移到不同目标模型时，记忆内容与正确寻址都重要，但迁移后的记忆表只有通过对齐目标模型的 reader 才能发挥作用。
arXiv cs.CLAI 评分2222 WIFA：基于包装器的意图分组监督提升 LLM 安全性
研究提出 Wrapper-Based Intent-Form Augmentation（WIFA），对有害与良性请求施加共享包装器家族并按意图分组变体，让模型依据底层意图而非包装线索做判断。
arXiv cs.AIAI 评分2727 深度神经网络的内存高效纯整数训练
一种新的训练算法让所有权重、梯度和激活值均以 INT8 存储，前向、反向、权重更新与优化器更新全部用整数运算完成，训练内存约为 FP32 基线的 1/4。
arXiv cs.CLAI 评分3737 LycheeMemory V2：通过语义段级整合为 LLM 智能体提供高效长期记忆
LycheeMemory V2 用语义段级整合替代逐轮整合，将多次交互批量打包为段并编码为上下文无关的类型化记忆记录，降低 LLM 编码频率。基于 GPT-4.1-Mini 的实验显示，其在 LoCoMo 上达到 89.22%、LongMemEval-S 上达到 92.20%，取得 SOTA 表现。
arXiv cs.AIAI 评分3232 REVEAL：从前沿模型轨迹中逆向工程智能体隐变量
研究者提出免训练框架 REVEAL，通过逆向工程思路从前沿 LLM 智能体的文本轨迹中提取"Agentic Latents"，为冻结的目标智能体生成局部激活控制方向。在 Terminal-Bench 2.1 和 Humanity's Last Exam with tools 上，该方法在三个目标模型上均取得高于未修改智能体的准确率，且无需目标模型训练或访问源模型内部。
arXiv cs.AIAI 评分2727 agent-risk：面向 AI 智能体变更的风险评估方法
研究者提出 agent-risk，用于在修改已部署 AI 智能体前基于现有日志评估变更风险，可重放日志片段并假设其他条件不变、智能体不预知变更。在 bash 沙箱中，仅凭 7,200 条 episode 日志无法判定两个重试门控，而从保存状态仅重跑被阻断 episode 即达到与实时测试相同的决策，智能体调用量减半；缺少逐步危害记录时，停止门控的认证危害上限最高上升 2.5 倍。
arXiv cs.CLAI 评分2424 Hybrid Gated Attention（HyGA）：混合门控注意力框架
研究者提出 Hybrid Gated Attention（HyGA）框架，包含三种门控策略，从注意力多个阶段提取信息，协同构建 element-wise 与 head-wise 门控，捕捉头内与跨头信息交互。
arXiv cs.AIAI 评分2222 面向低比特 Mamba 超分的硬件友好 Token-Group 激活量化
研究提出 Token-Group Quantization，一种硬件友好的激活 PTQ 框架，通过轻量预测器从 pre-scan 特征推断分组，静态近似 post-scan 分组 oracle，避免运行时统计收集与动态裁剪更新。
arXiv cs.CLAI 评分1515 PERCEPT：首个波斯语-英语语码混合 POS 标注语料库发布
研究者发布 PERCEPT，首个公开的大规模波斯语-英语语码混合语料库，为混合词标注 Universal Dependencies POS 标签。
共 2000 篇论文