长期 LoRaWAN 网络的数据质量审计与温湿度双变量分析
研究团队针对 Tour Perret 长期 LoRaWAN 网络数据集提出 C++17 处理流程，通过审计剔除缺失变量后，聚焦分析 205,005 帧温湿度数据。
全部AI 动态
全部动态
今日 65 条arXiv stat.MLAI 评分1818 arXiv stat.MLAI 评分2727 任意标签空间下的最优多分类在线后悔界
研究人员确定了任意标签空间下不可知多分类在线学习的最优后悔界，证明多分类 Littlestone 维度 $d<\infty$ 的假设类在 $T$ 轮下的后悔上界为 $O(\min\{T,\sqrt{dT}\})$。
arXiv stat.MLAI 评分2828 协方差感知集合得分滤波（CI-EnSF）：将局部协方差几何嵌入得分输运
研究提出协方差感知集合得分滤波（CI-EnSF），将局部预报误差协方差几何直接嵌入前向扩散与反向输运，解决了现有 EnSF 难以向未观测状态分量传递观测信息的问题。在 Lorenz-96 和 SQG 动力学实验中，面对强非线性观测与气候态初始化，CI-EnSF 相比 LETKF 等高斯集合基准展现出更低的分析误差和更强的循环鲁棒性。
arXiv stat.MLAI 评分3131 DBCM：用于时间序列预测测试时自适应的双分支校准模块
研究人员提出用于时间序列预测测试时自适应的双分支校准模块 DBCM，以应对非平稳性引起的测试时分布偏移。针对以往通道级适配器参数冗余的问题，DBCM 通过共享适配器跨通道共享自适应能力，并结合低秩通道级适配器、通道混合与非线性门控调制保留通道灵活性。实验表明，DBCM 在多种数据集、预测跨度和骨干模型上均优于以往方法。
arXiv stat.MLAI 评分3434 重新思考长尾数据下监督对比学习的表征几何
新研究针对长尾数据下的监督对比学习提出表征几何分析框架，指出代表性对比目标因依赖类别样本量，在最优状态下无法形成正单纯形几何。为此，作者提出结构平衡方法与完全平衡对比目标，在理论上证明其能在最优状态形成正单纯形几何。理论与实验结果表明，该方法构建了更平衡的表征空间，并提升了长尾识别与迁移学习任务的性能。
arXiv stat.MLAI 评分3535 流形 Flow Matching 的相容似然
研究者提出一种用于流形 Flow Matching 的相容似然目标，解决现有黎曼扩展在非欧流形上将样本推离数据分布的缺陷。该目标基于端点指数族构建且仅支持可行速度，在常曲率流形上通过重加权损失分别处理流速与方向误差。实验表明，该方法在高维积环面与人体姿态数据上优于既有工作，并在球面 4 个地理空间基准中的 2 个上显著改善 NLL。
arXiv stat.MLAI 评分3131 贝叶斯倾向评分预测推理：将临床试验结果推广至目标人群
研究提出贝叶斯倾向评分预测推理（PSPI）框架，结合贝叶斯加性回归树与抽样倾向评分的自然三次样条，用于将随机试验结论推广至协变量分布存在偏移的目标人群。仿真研究显示，基于样条的 PSPI 在显著协变量偏移下实现了更低的均方根误差与接近名义水平的覆盖率。在 All of Us 电子病历队列的应用中，PSPI 估计出的干预获益大于未经调整的 CODIACS Vanguard 试验原始估计值。
arXiv stat.MLAI 评分3838 学会被监控：CoT 可监控性的因果边界与干预感知后训练方法
针对大语言模型思维链（CoT）监控评估指标 $\mathsf{TPR_{mc}}$ 高估因果检出率的问题，新研究推导出互补下限以建立更严格的评估框架。研究团队进一步构建了对照-干预任务训练集，设计出基于离策略自蒸馏、强化学习和在策略自蒸馏的三种后训练方法。实验表明三种方法在多种配置下均普遍提升了模型的 CoT 可监控性，相关代码已开源。
arXiv stat.MLAI 评分2626 实现较弱忠实性：因果恢复、多义性与计算极限
针对多变量联合相关但单变量独立导致因果连接丢弃的问题，研究提出通过邻接保护与保留备选有向图解释实现较弱忠实性。在带噪 XOR 实验（N=10,000）中，重新激活与保护结合将父节点对恢复率从 0/20 提升至 20/20，弱信号下族保留率达 48/50。然而该方法会引入伪边且面临算力瓶颈，12 与 20 变量的 400 次搜索在截止预算内均未完成。
arXiv stat.MLAI 评分3535 低秩自适应（LoRA）的奇异几何学
一项最新研究基于奇异学习理论的实对数正则阈值（RLCT），分析了低秩自适应（LoRA）的学习复杂度与奇异几何特性。研究揭示 LoRA 在局部线性化下受前向-反向协方差控制，并提出了曲率校正的多温度 RLCT 估计器。在多层感知机与 Transformer 架构上的实验表明，该几何特性具有强烈的层依赖性。
arXiv stat.MLAI 评分3131 基于 Sticky 分段确定性马尔可夫过程的稀疏贝叶斯神经网络
新研究利用基于分段确定性马尔可夫过程（PDMP）的现代蒙特卡洛方法，实现了对贝叶斯神经网络（BNN）后验分布的渐近精确采样。通过引入 sticky 机制与 spike-and-slab 先验，采样器能在采样过程中直接将权重精确置零，统一处理剪枝与参数不确定性。实验显示，以此方式采样的稀疏 BNN 比稠密网络对输入噪声更具鲁棒性。
arXiv stat.MLAI 评分2727 任务转移下的得分保留持续 Lasso
研究者提出得分保留持续 Lasso（SP-CL），通过保留历史平方损失得分将稀疏估计与状态传递解耦，解决持续学习中的正则化偏差累积问题。在平方损失下，其累积估计量可精确恢复全历史 Lasso 极小值点，并在任务系数相同时继承全历史稀疏收敛速率。针对相关任务系数，该方法采用当前任务正则化修正达到离线源辅助速率，并通过仿真验证了理论分析。
arXiv stat.MLAI 评分2626 面向单位立方体的球面线性贝叶斯优化采集函数
研究人员针对单位立方体决策区域提出一种新型贝叶斯优化采集函数，有效解决了球面线性贝叶斯优化的采集子问题复杂度。该采集函数支持全局优化，运行时间显著少于传统多起点拟牛顿法，同时保持或提升了优化性能。其单次评估精度可媲美基于高斯过程的贝叶斯优化，在中低计算强度的黑盒任务上具备更优的单位耗时精度。
arXiv stat.MLAI 评分3434 Batched NN 4D-Var：面向综合预报系统的高性能混合模型框架
Batched NN 4D-Var 提出了一种面向欧洲中期天气预报中心（ECMWF）综合预报系统（IFS）的混合模型框架，用于在线学习依赖状态的模型误差修正。该框架受 mini-batch 随机优化启发，通过在多个同化窗口间平均参数增量，解决了顺序在线学习虽在训练期减少超 10% 误差但无法泛化的问题。实验表明，该批处理方法在样本外持续提升预报能力，并能加速收敛且保留真实预报变率。
arXiv stat.MLAI 评分2525 不可识别区域附近的精确全局极小极大风险
针对冗余参数在子模型上不可识别的高阶展开模型，该研究给出了最大临界路径极小极大风险等于全空间精确渐近极小极大风险的充分条件。所构建的估计量结合校准估计与经验恢复特征，在未知坐标下一致达到由有界正态决策问题表达的首项常数。该理论在含未知方差的高斯 Logistic 误差变量回归中求得五阶全局系数风险，并在复制网络模型中确定了六阶全局边对比风险。
arXiv stat.MLAI 评分2626 无限记忆链的经验集中不等式
该研究将经验集中不等式从平稳马尔可夫链推广至具有无限记忆的平稳链，解决了时间序列集中不等式因包含未知量而难以直接用作置信界的问题。在可求和 Wasserstein 收缩条件下，研究给出了有界差分不等式，并支持仅从单条轨迹估计依赖系数。配合固定乘法安全因子，该方法无需先验常数即可完全自适应，所得经验置信界渐近上与理论界同样紧致。
arXiv stat.MLAI 评分2828 异质客户端下的联邦非参数回归
Nadaraya-Watson 联邦非参数回归框架使异质客户端仅需传输局部核摘要，服务端无需集中原始数据即可构建协变量密度加权的联邦估计器。客户端通过结合局部与联邦预测器降低平方预测损失，该框架确立了点态推断并实现了跨客户端的同时推断。研究还在 Kullback-Leibler 与 L2 扰动模型下评估了鲁棒性与最不利回归方向。
arXiv stat.MLAI 评分3636 面向 Graphon 变分问题的隐式神经表征
研究人员提出基于隐式神经网络的探索框架，通过梯度下降求解图极限（Graphon）的变分优化问题。该方法在广义 Turán 问题中无需人工干预即复现了已知最优解，并发现了未曾报道的极值候选结构。在 Erdős-Rényi 随机图大偏差问题中，其在三角形图上界区间超越了 Lubetzky 和 Zhao 的已知最佳构造。
arXiv stat.MLAI 评分3232 用于离线最大熵强化学习的条件流模型
研究者提出一种面向离线最大熵强化学习的框架，利用概率流 ODE 条件扩散模型分别估计未知的奖励分布与转移核，进而通过深度神经网络拟合最优软动作价值函数 $Q^*$。
arXiv stat.MLAI 评分3131 条件分布可学习性的组合刻画
该研究针对映射到有限空间概率分布的函数类，给出了 PAC 可学习性的组合刻画。研究提出了 fat_\gamma Natarajan 维度，证明其在所有正尺度下的有限性是该类函数可学习的充要条件，并引入 fat_\gamma Graph 维度给出了等价刻画。此外，分布值函数类可学习当且仅当其每个坐标类在概率概念模型中均可学习。
arXiv stat.MLAI 评分3434 大型残差网络的早期学习动态研究
大型非线性残差网络在高输入维度极限下的早期训练中仅能学习输入的线性函数，更高阶的单项式特征会被严重抑制并在极限状态下完全消失。该研究通过图解法解析了梯度下降数步后的网络输出与隐藏表示，指出 ResNet 的平均场极限可能过于僵化而不足以解释特征学习机制，同时推导并数值验证了学习率在不同数据规模和输入维度下的超参数迁移表现。
arXiv stat.MLAI 评分3131 自回归物理信息神经算子代理与 4D 地震-生产联合贝叶斯历史拟合
研究团队提出一种基于自回归物理信息神经算子（PINO）代理模型的贝叶斯历史拟合框架，实现了生产数据与 4D 地震数据的联合同化。在 100,188 个网格单元的测试模型中，该代理模型单次推演仅需 0.579 s，实现约 2500x 加速，并将 190 个成员、10 次迭代的联合反演控制在 1 个 GPU 小时内。
科学网AI 评分2525 科学网一周热闻回顾（2026年10月25日）
科学网汇总本周科技动态，王国祯、王虹、贾金锋、叶军4位学者获得2026年度“求是杰出科学家奖”。中国新一代医用重离子加速器首台示范装置在广东惠州建成并进入检测阶段，预计2026年底开展临床试验。此外，教育部公布了学位授权点调整名单，另有研究指出美国约30%的STEM博士论文包含AI生成文本。
科学网AI 评分3333 《科学》（20261022出版）一周论文导读
《科学》本期论文导读重点介绍了多智能体药物研发与语言模型序贯诊断等前沿成果。Virtual Biotech 框架由 AI 首席科学官调度多智能体以简化早期药物研发；诊断系统在《新英格兰医学杂志》病例与 MIMIC-IV-ED 上分别取得 83.2% 和 80.3% 准确率，优于全科医生。本期还涵盖了糖胖病无药物电催化治疗与二维金属等研究。
科学网AI 评分6868 自然语言可编程蛋白质设计模型 Pinal 登上《自然》
香港科技大学（广州）、西湖大学与中国科学院深圳先进技术研究院联合团队在《自然》发表论文，提出160亿参数的蛋白质设计模型 Pinal，能够直接根据自然语言功能描述生成候选蛋白质序列。该模型以三维结构为中间过渡先构建蓝图再设计序列，依托17亿组蛋白质与文本配对数据集完成训练。团队通过实验验证了其生成的荧光蛋白、PET塑料水解酶、醇脱氢酶以及固碳协同H蛋白的实际生物活性。
科学网AI 评分5454 研究显示使用 AI 撰写论文的博士生进入学术界可能性降低
NBER 一项针对美国逾 22.6 万名 STEM 博士论文的研究显示，使用 AI 生成摘要的毕业生进入学术界的可能性降低了 17%，进入产业界的可能性则高出 16%。样本中含 AI 生成内容的摘要比例在 2026 年前 5 个月已达 29.4%，其中数学和计算机科学领域的使用率最高达 36%。研究人员指出该结果属于相关性而非确定的因果关系，可能受学术训练深度或职业流向意愿等多重因素影响。
The DecoderAI 评分6363 OpenMobile-2 开源手机智能体发布，多项基准逼近闭源模型
南京大学与商汤等机构联合推出开源手机智能体 OpenMobile-2，提供基于 Qwen3.5-9B 与 Qwen3.6-27B 打造的两款模型及完整训练环境。
科学网AI 评分00 研究或可解释日冕之谜
相关科学研究或可解释日冕之谜。原文仅包含转载与版权使用声明，未提供该项研究的具体发现、数据及正文细节。
The DecoderAI 评分6969 研究显示 AI 可即时提升初级专利律师表现，但可能削弱其持久专业能力
一项针对专利律师的对照研究显示，使用 Google 实验性 AI 工具 InFlow 能显著提升初级律师的起草质量，但在脱离 AI 的审阅任务中，初级律师并未沉淀出持久的专业判断力。
TechCrunch · AIAI 评分6868 研究显示被迫表态时 Grok 偏向共和党而 OpenAI 偏向民主党
一项由康奈尔大学学者主导的最新研究显示，当通过 API 被迫在选举中明确站队时，xAI 的 Grok 4.7 在 92% 的回答中推荐共和党候选人，而 OpenAI 的 GPT-6.1 Sol 在 97% 的情况下选择民主党。
科学网AI 评分3232 《自然》（20261022出版）一周论文导读
《自然》新一期论文导读涵盖机电超材料时间晶化、体心立方合金低温增韧、字节级语言模型改造及极端受限水氢键等前沿研究。其中在信息科学领域，研究团队提出两阶段转换方法，仅需少量额外训练即可将基于子词的大语言模型改造成字节级模型，在保持实用推理速度的同时显著提升字符级推理能力。
The DecoderAI 评分7373 研究发现复杂框架大幅推高编码智能体成本却未见性能提升
Liu 与 Han 的最新研究表明，为编码智能体配备复杂的运行框架会大幅增加推理成本，但在基准测试中并未带来显著的性能提升。在 SWE-bench Verified 评测中，配置庞大系统提示词的 Claude Code 与仅包含基础 Bash 工具的 mini-SWE-agent 成绩差异在 2 个百分点以内，完全处于单次运行的测量噪声区间。
科学网AI 评分6161 清华等团队研发出仅重1克的无线介观显微镜Airscope
清华大学戴琼海团队与解放军总医院戴朴团队研发出无线介观显微镜 Airscope，整机不含电池仅重1克，实现了百万像素级无线传输。该设备在6毫米视场内达到单细胞分辨率，单只小鼠可同时记录8500多个皮层神经元，且在同一部位的记录可持续200天以上。研究团队还基于视觉基础模型开发了多动物追踪工具，并搭建了自然化栖息地行为记录与皮层成像公开数据集。
arXiv cs.AIAI 评分3434 基于行为定位的工具使用智能体稳健软技能适应
研究提出面向工具使用智能体的行为定位（Behavioral Localization）方法，通过定位文本技能显著改变模型 token 分布的关键轨迹位置来监督短 soft prompt。
arXiv cs.AIAI 评分3434 GuideEvolve：结合专家指导与 3Ts 机制的自演化智能体框架
自演化智能体框架 GuideEvolve 结合专家评估指导与 3Ts 自主调节机制，通过快慢思考、时序回滚与自适应终止优化认知与演化稳定性。评测显示，该框架在 MGSM 和 MMLU 上的准确率分别达 89.8% 和 89.1%，结果方差降低 25-59%。此外，其演化成功率达 100%，优化迭代次数减少约 50%，显著提升了生产部署表现。
arXiv cs.AIAI 评分3535 TIDE：基于模型行为的树归纳细粒度诊断评测
研究团队提出细粒度诊断评测方法 TIDE，通过行为驱动的决策树归纳，利用 LLM 裁判与信息增益递归构建分层能力树。在 4 个 benchmark 和 5 个模型的实验中，TIDE 揭示了总分无法体现的细粒度能力差异：Claude Opus 4.6 在微观经济市场推理达 100%（GPT-5.4 为 83.3%），但在合同法推理上以 77.8% 落后于 GPT-5.4 的 88.9%。
arXiv cs.AIAI 评分4040 选择还是弃权？System One 决策模型、LLM 与缺失法律依据
一项研究对比了 System One 决策模型与生成式 LLM 在法律判例缺失时的弃权表现。在扩展的 CaseHOLD 测试中，当缺乏正确裁决时，生成式 LLM 在 38%-86% 的项目中仍会强行作答，而最谨慎的决策模型仅为 30%。在标准 CaseHOLD 上，决策模型以 1/55 的成本达到了与最佳生成式 LLM 相当的准确率（88.1% 对 88.2%），二者配合可将错误引用减半。
arXiv cs.AIAI 评分4040 ToM2Vec：面向多智能体协作的连续心智理论 Token
研究团队提出 ToM2Vec，通过固定预算的连续推理 token 在隐空间构建心智理论（ToM），以提升 LLM 智能体的多智能体协作能力。在 Overcooked-AI、Hanabi 等协作与对抗场景中，该方法显著优于基线，并成功泛化至训练未见过的闭源模型 GPT-5.4。该隐式 token 还能直接提升智能体对搭档信念、意图和下一步动作的判断能力。
arXiv cs.AIAI 评分4848 UserSWE：在与动态用户的多轮对话中评测代码智能体
UserSWE 评测基准正式提出，通过基于 20,859 次开发会话校准的动态用户与逐轮代码执行裁决，评测代码智能体在多轮交互中修复仓库级 Bug 的能力。在涵盖 42 个仓库的 72 项任务评测中，11 个智能体的表现随交互预算变化：Claude Fable 5.1 单轮解决最多任务，Claude Opus 5 在多数中间预算领先，GPT-6-Astra 则在第 8 轮胜出。
arXiv cs.AIAI 评分3535 COMET：面向人类监督 AI 安全系统的协同多层运行时监控框架
研究人员提出面向人类监督 AI 安全系统的协同多层运行时监控框架 COMET，整合信号完整性、物理一致性与能力边界监控输出并映射为交通灯式诊断展示。在压缩空气泄漏检测评估中，COMET 在约 1% 标称虚警率下，将协变量偏移及四分之三传感器故障中的误信错误率降至 0。该框架能将匿名警报转化为具体故障诊断，有效解决了裸 AI 系统的静默失效问题。