基于模拟推断中汇总统计量的内在信息率
新研究将基于模拟推断（SBI）中的汇总统计量建模为有损信道，明确了观测压缩所需的信息预算与最优分配方式。理论表明所需预算随随机后验集中而无界增长，且在有限预算下，随机汇总的失真严格低于确定性汇总。在 4 个模拟器基准上，引入二值瓶颈的神经后验估计器验证了随机瓶颈具有更优的率失真权衡，且架构排名随预算而改变。
全部AI 动态
全部动态
今日 64 条arXiv stat.MLAI 评分3333 arXiv stat.MLAI 评分2828 时空预测中多少图信息才算过多？图构建与图暴露研究
时空预测研究揭示了图构建与图暴露方式对精度的关键影响，发现同一领域图在不同集成设计下相比纯 GRU 既可能改善也可能恶化预测误差。实验表明单独延迟集成效果不足，而引入融合门控在美国州失业率、交通速度和电力需求三项任务中均降低了平均误差。在固定延迟门控集成下，基于残差相关的图误差最低，表明图构建必须与集成机制协同评估。
arXiv stat.MLAI 评分3434 HIFI：面向基础模型的高效统计推断框架
HIFI 是一种面向基础模型的高效统计推断两阶段微调框架，相比直接重抽样可减少高达 91.9% 的训练算力。该框架先通过单次适配控制估计偏差，再利用轻量 PEFT 拟合残差来量化变异性，支持非参数 bootstrap 等多种重抽样方法。其在视觉和文本任务中支持数千万至超过 100 亿参数的模型，可提供精准点估计与良好校准的置信区间。
arXiv stat.MLAI 评分2929 潜在位置随机图的联合独立性检验
研究人员提出图希尔伯特-施密特独立性准则（GHSIC），用于检验 $M \ge 2$ 个潜在位置随机图（LPRGs）的联合独立性。该方法依托邻接矩阵的谱分解，无需选择核函数及其超参数，证明其估计收敛速率可达 $\tilde{O}\left(n^{-\frac{1}{3}}\right)$。实验在合成数据以及自然语言感知的大脑功能连接子网络分析中验证了该估计器的有效性。
arXiv stat.MLAI 评分2727 基于投影观测的分布鲁棒决策认证
标量测量无需识别潜在协方差即可在有限高斯投影实验中确定鲁棒决策，研究提出了能返回决策或未决结果的置信集认证机制。该方法通过标量轮廓将非线性风险比较转化为凸内部问题，并证明了可靠性与固定检查点认证保证。在 7 个合成算例中，联合校准矩区域给出的充分预算为显式期望样本信息下界的 21 至 52 倍，且在 1,900 次模拟流中实现了零决策错误。
arXiv stat.MLAI 评分3636 前推深度生成模型中的内在梯度障碍研究
研究表明，深度生成模型在表征重尾或多模态分布时的困难并非源于特定架构或训练，而是传输问题本身的内在梯度障碍所致。该研究建立了从对数凹源分布传输至目标分布时梯度与雅可比矩阵的定量下界，揭示了大导数对模型表达力与数值稳定性的制约。针对密度逼近任务，研究进一步提出了双射重参数化方法来缓解几何障碍并降低梯度负担。
arXiv stat.MLAI 评分4141 MetaARIMA：面向 ARIMA 模型的配置级迁移学习
MetaARIMA 提出了一种基于元学习的预训练配置策略，将配置级迁移学习引入经典 ARIMA 统计预测。该方法在推理时通过最大边际相关性与相继减半算法筛选最佳配置，保留了模型的可解释性与局部估计。在 M1、M3 及 Tourism 评测中其性能超越 AutoARIMA，并具备媲美 Chronos2、Moirai2 与 TimesFM 的零样本竞争力。
arXiv stat.MLAI 评分3131 面向上下文内离线策略评估的先验数据拟合网络 InCOPE
研究人员提出 InCOPE，一种用于上下文内离线策略评估（OPE）的先验数据拟合网络，通过在合成 OPE 任务上学习共享的策略价值预测规则。面对新的表格决策问题，该模型无需特定任务的参数更新，直接将行为策略数据集、目标策略与已知任务设置作为上下文来预测预期回报。在包含半合成临床环境的 4 个表格领域实验证明了其有效性。
arXiv stat.MLAI 评分2828 偏众数张量回归（PMTR）方法
研究人员提出偏众数张量回归（PMTR）方法，针对响应分布不对称、重尾或含异常值的高维张量数据，利用条件众数构建偏众数张量协方差以指导张量降维。该方法在降维后的空间内建立众数张量回归模型，在减轻直接向量化维度负担的同时保留张量内在结构，并支持通过数据驱动流程确定各模态的有效维度。
arXiv stat.MLAI 评分2828 紧致子流形上基于投影且具有几何无关差分隐私的联邦学习
DP-RFedProj 是一种针对紧致子流形的差分隐私联邦学习方法，通过闭式投影聚合参数并在固定环境几何中保护梯度。该方法提供显式记录级 $f$-DP 保证，收敛速率受流形内在维度而非环境维度影响，支持客户端运行各类一阶优化器。在 Stiefel 流形上的 SPDNet 实验中其表现优于欧氏基线，相同预算下添加噪声比最相近方法减少 5 到 6 倍。
arXiv stat.MLAI 评分2727 基于 MMD 目标的条件生成三角传输映射误差分析
一项针对条件生成中三角传输映射的研究表明，常见最小化联合 MMD 目标的做法在设定错误时无法保证恢复真实条件分布。研究提出了一种直接最小化条件准则的替代损失估计器，证明其非渐近误差界分解为近似、估计和参考采样误差，且收敛率在参数设定下独立于环境维度；分析进一步指出联合准则会遭遇条件变量的维度灾难，模型训练应直接针对条件误差。
arXiv stat.MLAI 评分3030 基于弱学习器的仿射不变三次牛顿法
研究者将仿射不变三次牛顿法（AICN）推广至带弱学习器的凸优化，提出 weak-AICN 并将其更新简化为带显式步长的阻尼弱牛顿步。在半强自协调条件下，该算法实现 $\mathcal{O}(1/\overline{\Theta}_k^4 k^2)$ 的全局收敛速率，显著优于 weak-GRN 的理论界。论文还提出了自适应调节正则化的 weak-AdaAICN，并证明牛顿坐标下降是该优化框架的特例。
arXiv stat.MLAI 评分3131 黎曼流形上平均随机梯度下降（RSGD）的在线协方差估计
针对流形上的平均黎曼随机梯度下降（RSGD），研究人员利用向量传输构建了重叠与非重叠在线协方差估计器，实现流形环境下的在线统计推断。该方法无需计算黎曼 Hessian 矩阵或预设终止样本量，收敛速度达到欧几里得空间对应方法水平，并在 Grassmann 流形的流式主成分分析（PCA）中得到验证。
arXiv stat.MLAI 评分2727 核化协方差矩阵、降维与不平衡谱聚类
研究人员提出基于截断核的核化协方差矩阵，为高斯混合模型（GMM）提供了优于传统 PCA 的降维与不平衡谱聚类方案。在集群规模比例发散的极端不平衡场景下，该方法不仅实现了更优的降维理论保证，还在更大的类内间距范围内确保准确聚类。仿真实验验证了该方法在处理不平衡聚类问题时的性能提升。
arXiv stat.MLAI 评分3333 机器学习鲁棒性的测度几何理论
新研究提出了机器学习鲁棒性的基础测度几何理论，将鲁棒性形式化为脱离保留任务状态的几何逃逸现象。该理论在统一框架下区分了参考流形上逃逸的结构可能性与环境实现机制，并引入逃逸几何的中观组织。框架通过显式定律表征脆弱质量、有限尺度形态与分支相干性等关联现象，为超越标量指标的分析提供了结构基础。
arXiv quant-phAI 评分2424 基于变分量子分类器的网络流量量子异常检测
该研究评估了四种变分量子分类器（VQC）在网络流量异常检测中的表现，其中更深电路 VQC-4 取得了最高 89.0% 的准确率。综合表现最佳的 VQC-3 结合了 ZFeatureMap 与 RealAmplitudes ansatz 并经 ADAM 优化，但在该合成数据上，SVM 和 Random Forest 等经典模型均实现了完美分类，展现出明显性能差距。
arXiv quant-phAI 评分2929 Wave Is All You Need：基于全连接量子玻尔兹曼机的量子语言模型
该研究提出基于全连接量子玻尔兹曼机（FC-QBM）的自注意力机制，并构建了量子语言模型 FC-QBM-LM。该机制通过语义量子态的酉演化隐式实现位置编码与自注意力计算，在数学上等价于经典自注意力机制。在唐诗语料上训练的 8-qubit 模型量子层仅需 44 个参数，并在 8 种噪声强度下保留了超 99% 的无噪声收敛性能。
arXiv quant-phAI 评分2929 量子水库计算中涌现的递归核
在量子水库计算中，采用 Haar 酉演化可在固定历史长度的大维度极限下推导出精确递归核，将核计算简化为与水库规模无关的标量递归。该核在降低计算复杂度的同时保留了模型表达能力，并支持通过调整记忆保留与时间交互阶数适配具体任务。在 NARMA10 benchmark 评测中，调优后的核预测误差低于测试的 Ising 及 Sachdev--Ye--Kitaev 水库。
arXiv quant-phAI 评分3333 用于时间序列处理的量子神经可塑性学习（QNL）
研究人员提出面向时间序列处理的量子神经可塑性学习（QNL），受生物突触机制启发通过资格迹动态重组量子油藏中的量子比特耦合。仿真测试显示，该方法能显著提升系统的记忆容量与长期召回能力。在 IBM 超导处理器 `ibm_fez` 上的 42 量子比特并行实验中，QNL 将信道均衡误码率从 9.7% 降至 2.2%。
arXiv quant-phAI 评分3030 利用量子哈密顿量下降实现参数化线路的全量子训练
研究提出利用量子哈密顿量下降（QHD）在量子计算机上直接完成参数化量子线路的全量子训练，通过编码参数的量子比特相干控制第二寄存器上的线路。该方法证明了模拟误差界与网格分辨率无关且最多随参数数量线性增长，并可通过动力学调度最小化量子门数量。基准函数与参数化线路测试显示，该设计在同等成本下显著提升了找到全局最小值的概率。
The Verge · AI精选AI 评分7979 OpenAI 宣布三项重大科学发现，并公布与学术界合作验证机制
OpenAI 宣布其 AI 模型在数学、计算机科学与物理学领域取得三项突破，包括声称否定指数时间假说（ETH）、证明波方程局部平滑猜想及四维量子场论存在性，相关模型输出与 Lean 证明已上传至 GitHub。针对计算机科学与物理学成果，OpenAI 邀请了外部专家团队进行审查与引导；但其数学顾问团 AGMAI 警告不应向指定学者提供早期特权访问，建议未来统一在学术仓库公开发布。
推荐理由：原文梳理了 OpenAI 科学发现的证据链与学者审查机制，有助于了解 AI 介入基础科学研究时的验证争议与学术协作范式。
OpenAI News精选AI 评分6666 OpenAI 携手学术界推进科学理解，分享挂谷猜想等领域模型研究成果
OpenAI 分享了模型在挂谷猜想（Kakeya conjecture）、指数时间假设（ETH）和量子色动力学等课题上的研究结果。相关内容同时向学术界说明了研究人员应如何验证这些模型结论，并在此基础上开展后续探索。
推荐理由：研究人员可以了解大模型在挂谷猜想与理论物理上的探索进展，并获取开展独立验证与后续研究的方法路径。
Apple ML ResearchAI 评分3636 GHARP：基于大规模重建先验的实时 3D 高斯人头动画方法
GHARP 提出一种基于大规模重建先验的实时 3D 人头动画方法，仅需少量输入图像与表情驱动信号即可驱动头像。该方法将流程解耦为离线身份构建与面向移动设备优化的轻量化运行时动画，并利用身体对齐网络消除身体姿态模糊与时间闪烁。在 Ava-256 基准测试中，该方法达到 SOTA 质量，在高斯数量减少 8 倍的同时，在 A100 GPU 上的运行速度提升高达 13 倍。
The DecoderAI 评分6464 研究发现导致 AI 文本阅读疲惫的六种语言模式
纽约大学与德克萨斯大学奥斯汀分校的研究团队分析 14 款语言模型后发现，AI 文本因过度使用罕见搭配、主谓远距离分隔、堆叠名词等六种句式而显著增加人类阅读负担。这一现象主要由后训练从 RLHF 转向追求信息密度与逻辑正确性的强化学习所致，小参数量基础模型反而更接近人类表达习惯，而定向微调能有效提升文本的清晰度。
arXiv quant-phAI 评分2828 结合多层生成学习的分布式以量子为中心超级计算用于分子间相互作用
研究人员提出一种结合多层生成机器学习的分布式以量子为中心超级计算（QCSC）框架，用于分解并求解复杂的分子间相互作用问题。该方案采用 PIGen-SQD 求解器与两步聚合策略，在水和甲酰胺二聚体测试中将对角化维度缩减高达 95%，能量精度比传统 SQD 提高一个数量级。在水六聚体测试中，该方法成功将 120 量子比特问题分解为 6 个 20 量子比特子系统。
arXiv quant-phAI 评分2727 医学影像中的量子机器学习：放射科医师入门指南
该综述面向放射科医师梳理了医学影像中的量子机器学习技术，旨在应对传统深度学习的硬件算力瓶颈。文中总结了量子神经网络、变分量子线路及 FRQI、NEQR 等图像表示法，涵盖 MRI 脑肿瘤分割、胸片肺炎检测与 CT/PET 重建等应用场景。目前系统几乎均为量子-经典混合管线，且仅在小型降采样数据集或模拟器上评估，尚无法实现临床部署。
arXiv quant-phAI 评分3333 基于泡利传播的大规模浅层参数化量子电路经典预训练与量子硬件部署
研究人员提出基于泡利传播（Pauli propagation）的优化框架，通过反向传播可观测量在经典硬件上直接最小化损失函数，实现大规模浅层参数化量子电路的预训练。该方法配合截断与剪枝策略，在 64-qubit 电路的二维伊辛模型变分量子本征求解器（VQE）及图像生成基准上完成验证，并将参数成功部署至 IBM 量子处理器 ibm_berlin。
arXiv quant-phAI 评分2323 分子聚集体拓扑边缘态的近场图谱
针对二维分子聚集体中拓扑边缘态远场跃迁强度弱、难以光学探测的难题，研究人员展示了空间分辨近场光谱能够完整编码此类状态的空间结构。所产生的近场图谱呈现出强非均匀的干涉样特征，卷积神经网络（CNN）可从中直接重构出本征态的复数展开系数，且该重构过程对显著的随机噪声具有强鲁棒性。
arXiv quant-phAI 评分2525 量子演化网络学习受驱自旋寄存器的长时间相干动力学
研究团队提出量子演化网络（QENs），将物理参数和时间映射为周期受驱三自旋寄存器的完整传播子，无需特定数值积分即可通过已知周期复合预测动力学。在横向驱动测试中，该模型在 256 个保留配置上跨 24 个周期，极小化后的第 5 百分位数保真度达 0.9947。该研究还证实单周期残差方向对多周期误差有数量级影响，建立了具备长时间可靠性的可复用神经表示。
arXiv quant-phAI 评分4747 QuantumMatterExplorer：用于发现量子多体物态的自主 Agent
研究人员推出基于大语言模型的自主 Agent QuantumMatterExplorer，仅需输入哈密顿量及参数范围即可自主运行数值模拟并绘制物态相图。系统结合持久规划与计算物理工具，采用 DMRG 计算并经精确对角化交叉验证。在受挫自旋-1链测试中，它在 8 小时计算预算内成功识别出 Néel、Haldane 和二聚化等候选相。
arXiv cs.AIAI 评分5353 智能体失败归因研究：模型与执行框架的协同评估
研究团队提出一套量化评估大语言模型与执行框架协同表现的框架，用于排查智能体在基准测试中的失败归因。该体系涵盖有效完成率（VCR）、模型与框架拟合度、跨模型拟合度、交互残差和 Token 负载 5 项指标，并在 6 个基准的 111 种设置与 52,168 条轨迹中完成测试。
arXiv cs.AIAI 评分3535 CASE：面向冻结多模态情感模型的混淆感知技能演化框架
研究者提出首个面向多模态情感识别（MER）的智能体技能框架 CASE，用于解决多模态大语言模型对语义相近情绪的混淆问题。该框架维护自演化的 EmotionSkills 技能库，在保持模型主干冻结的同时于推理期动态检索技能以强化边界感知推理。实验表明，CASE 将 Qwen3-VL-8B 在 CA-MER 基准上的平均准确率从 46.80% 提升至 59.13%。
arXiv cs.AIAI 评分4040 CauProphet：让智能体像人类一样建立因果认知
新研究提出 CauProphet，通过在因果认知（Causal Cognition）中构建并持续更新结构化因果信念（Causal Belief），使 LLM 智能体具备类似人类的因果理解与持续学习能力。在金融研究评估中，CauProphet 对次日收益率的平均秩相关性相比基线智能体提升 25.4%，并在动态现实场景中将预测准确率从 21.3% 提升至 28.6%。
arXiv cs.AIAI 评分3434 多模态嵌入框架 PILOT：超越事后奖励的特权推理探索
研究者提出多模态嵌入框架 PILOT，将推理建模为隐变量，利用训练期关联证据指导推理探索以优化嵌入表示。该框架通过先验与后验协同演化机制，在共享推理兼容奖励下将高价值探索轨迹迁移至推理阶段。在包含 78 个任务的 MMEB-V2 基准上，PILOT 在 2B 和 7B 参数下总分分别提升 3.2 与 3.3 分，视觉文档检索提升达 +6.1 和 +6.4 分。
arXiv cs.AIAI 评分4040 ALLMTS：基于大语言模型的自动化医疗分诊系统
研究人员提出基于大语言模型的医疗分诊系统 ALLMTS，通过让 LLM 执行专业远程医疗指南来判定处置方案。在 566 个专家验证场景中，ALLMTS 达到 0.95 准确率，大幅领先原始 LLM 基线的 0.47。在 50 场景开源基准上其准确率达 0.98（媲美 5 名护士专家的 0.944），并将高达 0.50 的过度分诊率降至最多 0.02。
arXiv cs.AIAI 评分4141 POSEIDON：基于代码库规模化构建科学智能体训练环境
研究人员提出自动化管线 Poseidon，可从科学代码库大规模生成可验证的训练环境，提取数量比前序方法多近 10 倍。利用 Poseidon 构建的 Pearl 包含跨 10 个学科、7,110 个公开代码库的 97,659 个可执行环境。经 Pearl 训练的 Qwen3.5 模型（9B、27B 和 35B-A3B）在 6 个科学智能体 benchmark 上均取得持续提升。
arXiv cs.AIAI 评分3636 何时停止惩罚动作？面向 VLA 强化学习的 Martingale GRPO
研究提出面向 VLA 强化学习的 Martingale GRPO（MART-GRPO），通过鞅理论刻画反馈截断条件，解决传统 GRPO 对失败轨迹全盘惩罚导致误伤有效恢复动作的问题。
arXiv cs.AIAI 评分4545 Async-RBench：LLM Agent 异步任务执行评测基准
研究人员推出评测基准 Async-RBench，包含 8 个场景下的 200 个可执行任务，用以评估 LLM Agent 的异步任务执行能力。对 9 个 Agent 的评测显示其动态重规划得分（DRS）仅在 19.2 至 45.1 之间，且异步交付下的平均任务成功率低于批处理交付（26.0% vs. 29.7%）。
arXiv cs.AIAI 评分3636 LeafSkill：面向递归 LLM Agent 的高效叶级动作落地
研究提出面向递归 LLM Agent 的外部动作复用层 LeafSkill，通过语义检索经验与 1.7B 轻量选择器实现叶级动作落地。在 200 项 Robotouille 任务中，LeafSkill 取得 68.5% 的成功率，优于 ReCAP 的 60.5%。
arXiv cs.AIAI 评分4141 DealsFlow：面向风险投资项目初筛的证据门控智能体框架
英国早期风投基金部署了 DealsFlow 智能体框架，利用事实证据上限、单向降分质疑和证据预检索机制辅助商业计划书初筛。在 142 笔历史投资评估中，该系统评分与回报倍数的 Spearman $\rho$ 达 0.45，识别项目注销的 AUC 为 0.71，均优于无约束 LLM。实测显示分析师单份申请处理时间从 44.7 分钟降至 18.9 分钟，但仍有 70% 的报告需人工修正。