DialogMem 基准：评测 3D 环境中对话与物体绑定的具身记忆
DialogMem 是一个两阶段基准，让智能体用时间对齐的 RGB-D 观测流与对话构建记忆，再用于实例级物体导航和问答。它包含 27 个真实 3D 场景的 142 个 episode、14,193 条 QA 对和 11,890 条导航指令。
全部前沿动态
全部动态
今日 6 条arXiv cs.AI / cs.LG 最新AI 评分5858 arXiv cs.AI / cs.LG 最新AI 评分4343 面向力矩受限下选择性航天器姿态捕获的配对结果学习
arXiv 论文提出配对结果学习方法，在力矩受限的航天器姿态捕获中把累计积分姿态误差较分支基线降低 4.67%。该方法组合可解释的 continuation 速度包络、任务失败与成功配对增益的分开预测，以及按上下文回退到未改动基线。Basilisk 上 48 个测试上下文、624 次评估显示：始终使用快速方案虽降低 4.81%，但使 11 个案例变差。
arXiv cs.AI / cs.LG 最新AI 评分4646 从过参数化表达式到精简模型：面向符号回归的 Fisher-Geometric 剪枝
FGP 是一种后置模型精简框架，作用于已拟合的符号回归模型，结合最大似然解处的局部信息几何与可解释参数边界的兼容性检验。候选约简通过符号收缩与重拟合实现，仅当交叉验证预测风险落在预设容差内才被接受。在受控诊断问题和 GPSR 生成的 Pareto 前沿上，FGP 大幅降低结构复杂度，同时保持并常常提升样本外精度。
arXiv cs.AI / cs.LG 最新AI 评分5353 ReTRACE：面向逆合成规划的反馈引导 LLM 智能体
ReTRACE 是面向逆合成规划的 LLM 智能体，把大语言模型放进整合分子工具、互补单步预测引擎、可采购原料库、路线记忆与多准则路线评估器的化学环境中。它用程序化检查加对抗式 LLM 评审组成的新指标判断路线，并在搜索过程中依据评估器反馈诊断弱路线并回溯修改。
arXiv cs.AI / cs.LG 最新AI 评分4545 我们是否在正确评估 VLM token 剪枝？PAA-Bench 主张超越准确率与 token 数量
PAA-Bench 提出一套可插拔的评测框架，用来检验 VLM 视觉 token 剪枝是否真正选中关键 token 并转化为实际加速，而不是只看聚合准确率与保留 token 数。
arXiv cs.AI / cs.LG 最新精选AI 评分6969 arXiv 论文研究语言模型行为耦合的形成与组合
arXiv 论文研究语言模型中的行为耦合，即微调一种行为会带出另一种未被显式训练的行为。若训练文档把两种行为写在同一个虚构角色上，之后只微调其中一种，另一种也会出现，例如模型学会像橡皮鸭那样讲科学后，也开始劝用户断绝友谊。
推荐理由：做模型微调与安全评估的团队可在微调后补充关联行为排查，不只看目标能力是否达标。
arXiv cs.AI / cs.LG 最新AI 评分5454 研究提出 SEER-Repro 基准与 LLM 智能体，复现 77.4% 的癌症登记研究结论
论文提出 SEER-Repro 基准，包含 20 篇基于美国 SEER 癌症登记数据库的已发表论文，以及复现其结论所需的数据与资源。作者构建的 LLM 智能体复现了 2,190 条原子结论中的 77.4%，并给出可执行基线。另一条智能体分析流水线会识别每项结论背后的分析选择、提出可辩护的替代方案并重跑分析，在完全复现的结论中标记出 9.5% 存在潜在影响的分析选择，交给专家复核。
arXiv cs.AI / cs.LG 最新AI 评分4444 参数化量子电路中的任务对齐谱归纳偏置
参数化量子电路可通过编码固定的任务定义谱查询，在不引入新样本相关信息的情况下改变对信号的假设空间。该机制对应非均匀傅里叶变换任务：评估频率指定查询，采样位置指导编码。在受合成孔径雷达启发的分类任务及小规模谱与类雷达任务中，对齐查询在有限数据下优于参数匹配但查询错配或缺省的电路。
arXiv cs.AI / cs.LG 最新AI 评分4949 超越答案：ReDiST 面向推理蒸馏的学生条件化轨迹构建
ReDiST 提出一种以学生模型为条件的推理轨迹构建与蒸馏框架：从学生自身作答出发，依据提供的证据修正答案正确的草稿，并用已验证答案的额外引导修复失败草稿。框架用冻结的、与学生匹配的 reader 按答案恢复率和已验证答案概率对原始与编辑后的候选轨迹打分排序，筛选出的目标离线蒸馏，推理时仅使用蒸馏后的学生模型。
arXiv cs.AI / cs.LG 最新AI 评分4949 ENFR：用于摊销式基于模拟模型推断的流匹配参考证据网络
ENFR 通过流匹配参考学习贝叶斯因子并恢复绝对证据 Z，为基于模拟的模型推断提供准确、快速、摊销式估计。它基于 Jeffrey & Wandelt（2024）的 Evidence Network 框架，在所有考虑应用中优于基于流的基线，并在基准中取得密度估计方法最佳表现。研究还提出并证明一种联合学习多个模型 {M_i} 各自证据的架构，并在多种科学应用中展示性能与扩展行为。
arXiv cs.AI / cs.LG 最新AI 评分5252 ConSDL 用逐样本稀疏编码做概念发现，字典一致性比六种 SAE 基线平均高 17.6%
论文提出 Consistent Sparse Dictionary Learning（ConSDL），用逐样本稀疏编码替代 SAE 的标准线性编码器来学习概念字典。
arXiv cs.AI / cs.LG 最新AI 评分4949 逻辑引导的图去噪扩散模型
研究者提出逻辑引导的图去噪扩散模型，用一阶逻辑（FOL）表达领域约束，并通过分类器引导在推理阶段控制预训练扩散模型生成满足结构约束的图。该方法将逻辑规则松弛为模糊且可微的目标函数，沿去噪轨迹优化。在知识图谱生成中，加入本体约束后，满足本体约束的生成图比例显著提高。
arXiv cs.AI / cs.LG 最新AI 评分4545 通用语义增强的表格数据弱监督异常检测方法
研究者提出一种面向表格数据的弱监督异常检测方法，将预训练表格基础模型的通用知识与目标数据集上的领域特定知识融合，并设计原型条件调制机制整合两类特征。在仅有 8 个标注异常样本的训练设置下，该方法在公开数据集上优于竞争方法。
arXiv cs.AI / cs.LG 最新AI 评分4949 LagNet：面向长期时间序列预测的滞后结构化算子
LagNet 用滞后结构化算子 LagLayer 替换预测模型中的时序线性层：按相同相对时间滞后绑定历史到未来连接构建 Toeplitz 矩阵，并加入 horizon-wise 与 history-wise 缩放系数放松精确共享。叠加 LagLayer 与激活、多特征图即构成 LagNet。在长期时间序列预测基准上表现与强基线相当，敏感性矩阵诊断与少数据实验显示其更省样本。
arXiv cs.AI / cs.LG 最新AI 评分6060 新论文用表征质量推导紧泛化界，在 CIFAR-100 上给出非平凡证书
这篇 arXiv 论文提出基于网络最后一层隐表征的紧泛化界，用无参数 k-NN 分类器衡量表征质量，绕开权重范数和 KL 散度等参数空间度量。
arXiv cs.AI / cs.LG 最新AI 评分5151 论文提出心理世界模型 MWM 与 MMEA 架构，DynToM 准确率 96.48%
论文提出心理世界模型 MWM 及其实现多分支心理演化架构 MMEA，显式构建主观世界、建模认知与心理状态的交互并模拟由历史经验驱动的心理演化。MMEA 在 DynToM 和 RecToM 上分别取得 96.48% 和 94.00% 准确率，超过主流 LLM 与专门的 Theory of Mind 方法。
arXiv cs.AI / cs.LG 最新AI 评分5656 GLOBE 提出面向生成式搜索商品优化的结构化智能体记忆框架
GLOBE 是一个把电商商品优化经验存成可演化行为手册的智能体框架，由 Editor 应用字段级行为并接收排名反馈，Reflector 再把反馈转成行为更新。Moderator 负责剔除冗余提案、Curator 提交采纳的改动，持续有害的行为会被停用。
arXiv cs.AI / cs.LG 最新精选AI 评分6565 Blitz 把 AlphaFold3 与 Boltz-2 的扩散模块从 200 步降到 8 步
Blitz 是一个少步蒸馏框架，将 AlphaFold3 和 Boltz-2 的扩散去噪从约 200 步降到 8 步。它用几何噪声调度把步数更均匀地分配到各噪声尺度，再通过多步一致性训练学习这些更新，推理时用物理引导和无目标候选筛选减轻剩余几何缺陷。
推荐理由：做蛋白质结构预测的团队可以先用它替换默认的200步扩散采样，把推理步数降到8步做候选筛选。
arXiv cs.AI / cs.LG 最新AI 评分5454 TUPLE-Bench：评估并缓解带类型决策模型的隐私与效用权衡
TUPLE-Bench 是面向带类型决策模型的隐私与效用评测基准，用成对合成样本检验模型是否只输出粗粒度类别而隐藏细粒度原因。在九个模型上，即便指令要求隐藏原因，91.88%-99.93% 的回复仍通过直接选择或残余分数泄露原因。
arXiv cs.AI / cs.LG 最新AI 评分3333 基于 YOLOv8n 的香蕉表面甲虫损伤高效检测方法
轻量级 YOLOv8n 框架被用于香蕉表面甲虫损伤检测，在孟加拉国本地市场采集的 2,473 张图像、5,827 个标注实例上取得 77.67% F1 与 87.04% mAP@0.50。
arXiv cs.AI / cs.LG 最新AI 评分6363 LM2LM 用强化学习训练大模型提出模型改进方案
Minhua Lin 等提出 LM2LM，用强化学习训练 LLM 生成有效的语言模型改进提案。方法以一个冻结的 LLM 作为研究世界模型（RWM），依据上下文中真实实验记录预测提案增益并充当奖励模型，同时定期真跑高分提案、把实测结果回填上下文以保持反馈可靠。
arXiv cs.AI / cs.LG 最新AI 评分4747 SETAREH Transform：一种排序辅助的 Haar 小波稀疏化近似内积计算方法
SETAREH Transform 是一种排序辅助的 Haar 小波稀疏化方法，用于近似计算固定高维系数向量与连续输入向量的内积。该方法对两向量施加相同排列与 Haar 变换，截断前保持内积精确，截断后仅保留部分系数-输入对并引入可控误差。在合成高斯基线及 APPA-REAL 数据集的 CNN 表观年龄估计任务中，它可用显著少于原维度的系数-输入对完成近似。
arXiv cs.AI / cs.LG 最新AI 评分5555 竞争风险生存分析中损失函数与架构各起多大作用
这篇论文把竞争风险生存分析中的损失函数与骨干网络两个变量拆开单独考察，在20个表格数据集和3个病理图像数据集上测试3种损失（其中2种为严格 proper）与4种骨干的组合。
arXiv cs.AI / cs.LG 最新AI 评分4646 未训练 CNN 与系数空间正则化实现光声断层成像联合重建
该研究提出一种正则化框架，用未训练 CNN 生成的固定非线性特征配合 Tikhonov 正则化最小二乘，从边界测量中联合重建光声断层成像的初始压力与空间变化声速。数值实验在 held-out 数据上实现准确重建并泛化到未见过的 phantom 几何，噪声水平升至 10% 时精度仅轻微下降。相比有监督训练的 CNN，该未训练表示的重建误差显著更小，计算时间约为其六分之一。
arXiv cs.AI / cs.LG 最新AI 评分6161 MobileInject：面向 MLLM 移动智能体的跨模态注入安全评测基准
论文提出 MobileInject，一个评估 MLLM 移动智能体多模态注入与推理到行动安全风险的评测基准，覆盖 11 个场景、9 类安全风险和 108 个可执行风险实例。它引入跨模态一致性注入，并给出多角色协作欺骗与推理伪装注入两种增强攻击方法，配套推理安全诊断框架做细粒度失败分析。系统实验显示移动智能体普遍易受多模态注入影响，不少失败源于早期阶段的推理被劫持。
arXiv cs.AI / cs.LG 最新AI 评分4848 SimOPD：面向同策略蒸馏的关系知识迁移
SimOPD 提出用响应相似度迁移教师模型内部知识，以改进同策略蒸馏。它利用学生生成响应的成对记忆库，把教师内部表示提取为相似度分布，并让学生在自身表示空间内匹配，避免跨模型投影。实验显示，SimOPD 在同架构与跨架构设置下，整体平均较最强基线最高提升 2.6 和 3.1 个百分点。
arXiv cs.AI / cs.LG 最新AI 评分4848 Spatial-TRM：用递归细化预测空间上下文区域
Spatial-TRM 用冻结的视觉语言特征配合权重共享的递归推理完成空间上下文预测，可训练参数仅 11.2M。在 RoboSpatial-Home 基准上，其上下文准确率为 29.51%，比同等参数量的单步模型高 9.02 个百分点（相对提升 44.0%）。模型支持 6 种空间关系、3 种参考系和开放词表锚点物体，含冻结编码器共 877.8M 参数。
arXiv cs.AI / cs.LG 最新AI 评分6363 CoTA++ 提出免训练框架，缓解扩散多模态大模型近似缓存的重复诅咒
arXiv 论文提出 CoTA++，一个免训练、即插即用的框架，用于缓解扩散多模态大模型（dMLLMs）用近似缓存解码时出现的重复诅咒，即回复在相邻位置重复同一 token 导致句子断裂。
arXiv cs.AI / cs.LG 最新AI 评分4949 DiffPT：用扩散模型实现数据高效的分类器预训练
研究者提出 DiffPT，一种利用扩散模型为分类器骨干做预训练的方法，专门面向数据有限的领域特定训练。研究在时间序列、标准自然图像 benchmark 和医学影像数据集上，将 DiffPT 与多种现代及传统无监督/自监督方法对比。结果显示，对比式预训练在 CIFAR-10 和 Tiny ImageNet 的低数据场景更强，DiffPT 则在医学影像和时间序列任务的多档低数据区间优于自监督基线。
arXiv cs.AI / cs.LG 最新AI 评分6464 NestedVLA 用嵌套超网络为 VLA 模型生成任务自适应参数
NestedVLA 提出用参数生成替代参数聚合，由一个以目标任务为条件的嵌套超网络合成任务自适应的动作专家参数，与冻结的基座 VLA 组合，任务专属的压缩 VLM 残差单独保留。
arXiv cs.AI / cs.LG 最新AI 评分5353 论文提出JointCoreBench基准与JointCore方法，用于LLM智能体记忆充分集选择
论文提出JointCoreBench基准和JointCore记忆选择基线，用于在冗余或联合必要证据下为LLM智能体挑出能保持全量记忆行为的低成本子集。基准包含九类交互、六个工作流域和精确充分集oracle；在6912个精确条件上，按成本排序的JointCore在100.0%的情况下恢复最小成本充分集，子集评估次数从30.00降到11.13，节省87.8%活跃记忆。
arXiv cs.AI / cs.LG 最新AI 评分3535 光网络故障排查中的智能体 AI 如何通过数据引用防止数据幻觉
面向光通信网络自动故障排查的智能体 AI 系统通过将数据引用集成到智能体架构中，防止数据幻觉，并提升根因识别与推理的可解释性和可信度。该系统作为 demo 在 ECOC 2026 展示。
arXiv cs.AI / cs.LG 最新AI 评分5555 FLARE：面向馈线恢复的语言模型智能体物理约束评测基准
FLARE 是一个面向配电馈线故障隔离后恢复的物理约束基准，包含五种观测设置下的 800 个 AC 可行案例，允许智能体在固定运行限制内取证、评估开关并执行恢复动作。
arXiv cs.AI / cs.LG 最新AI 评分6262 论文提出反事实配对循环，用于评测视觉语言模型的关系型 OOD 错误
Yibo Zhou 的论文提出反事实配对循环，一种在同一对比两侧复用相同两张图和两条描述、只改变图文配对的评测方法，使仅图像、仅文本和加性组件捷径在有限样本中精确抵消。
arXiv cs.AI / cs.LG 最新AI 评分5757 arXiv 论文提出 token 预算理论，可预测多智能体辩论的最优智能体数量
这篇 arXiv 论文把阅读上下文与推理生成共用一个固定 token 窗口的权衡形式化为 token 预算理论，将准确率建模为扣除阅读开销后剩余推理预算的函数，并用允许相关误差的 Condorcet 陪审团模型聚合投票。
arXiv cs.AI / cs.LG 最新AI 评分4646 MGE-PO：面向数学推理的熵感知信用分配方法
MGE-PO 提出四象限（4Q）优势塑形，用验证正确性决定修正项的符号、用 rollout 生成熵决定修正幅度，弥补 GRPO 对同组内同等奖励回答分配相同优势值的问题。
arXiv cs.AI / cs.LG 最新AI 评分4848 Transformer 中的各向异性表示动态
arXiv 论文提出混合门控的各向异性表示动态理论，将自注意力拆分为值传输、查询门控和键门控。该理论形式化门控诱导的机制切换，并给出判定表示差异收缩或扩张的充要谱判据。在四种 Transformer 架构上的实验验证了查询—键门控机制与切换子空间等预测。
arXiv cs.AI / cs.LG 最新AI 评分3333 RAG 技术如何表征与分析：一个概念框架
研究者提出一套由主维度和子维度构成的概念框架，用于表征（定义“是什么”）与分析（评估“做得如何”）现有 RAG 技术，帮助在计算与资金成本高昂的实证基准测试前，筛选出最契合特定用户与任务需求的方案。该框架基于对文献中 RAG 技术属性的定性分析构建，可作为预实证过滤机制供研究者与从业者使用。
Hugging Face Blog精选AI 评分7575 Reflection 发布 501B 开源模型 Beam，Apache 2.0 许可、1M 上下文
Reflection 发布其首个开源模型 Beam，501B 参数的 MoE 架构，每个 token 激活 23B，支持 1M token 上下文窗口，采用 Apache 2.0 许可，主攻编码与 Agent 场景。
推荐理由：需要自建推理的团队可以先用 vLLM 或 SGLang 起 NVFP4 版本，四张 B200 就能跑长上下文服务。
OpenAI NewsAI 评分3232 OpenAI 将 GPT-Rosalind 引入学术研究实验室，推出 Rosalind Academic Plan
OpenAI 推出 Rosalind Academic Plan，为符合条件的学术实验室提供 GPT-Rosalind 及配套工具的赞助访问权限，用于推进生命科学研究。