在推理大语言模型中摊销序贯实验设计
研究人员提出通过信息增益奖励显式训练行动选择背后的推理过程，将序贯贝叶斯实验设计（BED）摊销到大语言模型中。该方法将实验生成模型与大语言模型自身信念解耦，在 Twenty Questions 基准上以显著更低的计算成本超越了训练期和推理期 BED 基线，并泛化到未见类别。研究还证实该策略能正向迁移至真实临床对话基准 Medi-Q。
全部AI 动态
全部动态
今日 1 条arXiv cs.LGAI 评分3737 arXiv cs.LGAI 评分3131 任务阶段条件下的专家路由不能作为 MoE FFN 张量量化敏感度的可靠代理指标
研究发现基于任务阶段的 MoE 专家路由统计量无法有效指导 FFN 张量的分层混合精度量化。研究团队针对 Qwen-3.6-35B-A3B 构建了路由分析流程并计算综合敏感度分数，但在约 4.0 bpw 和约 2.7 bpw 等预算实验中，路由指导的重分配均未能超越均匀量化基线。实验表明路由行为统计量并非层级真实量化代价的有效代理指标，激进预算下还会引发显著的结构性损失。
arXiv cs.LGAI 评分3131 异构网络环境下的 O-RAN 原生干扰检测研究
研究人员提出一种统计集成方法（SEM），利用 O-RAN 的 E2 接口 KPI 遥测数据实现异构网络环境下的射频干扰检测。该方法融合自适应 MAD、计数异常检测及突变检测，支持零标注数据的冷启动模式和离线网格搜索调优的监督模式。
arXiv cs.LGAI 评分4040 用于可验证奖励离线强化学习的 Gibbs-Gap 策略优化（GGPO）
研究人员提出了 Gibbs-Gap 策略优化（GGPO），无需学习者与行为策略间的重要性权重即可在离线强化学习中训练大语言模型。实验表明，GGPO 在数学推理基准以及固定离线数据上均优于 GRPO 和 AGRO，并在策略过时度增加时保持性能稳定。消融实验显示，采用默认参考策略刷新调度的 GGPO 在五项基准问题加权平均分达到 46.58，远高于固定参考策略的 32.96。
arXiv cs.LGAI 评分3030 高维持续线性回归的最优显式与隐式正则化强度研究
一项新研究推导出高维持续线性回归在梯度下降训练下的泛化损失闭式解，证明单一或独立同分布教师任务下的最优固定步长随任务数 $T$ 按 $\ln T / T$ 衰减。该缩放下的泛化损失渐近等价于最优调优的各向同性 L2 正则化，研究还给出了对角正则化矩阵下最优正则项为各向同性的充要条件。相关理论预测已在线性模型与神经网络实验中得到验证。
arXiv cs.LGAI 评分2626 基于可解释时序深度学习的脑电音乐喜好度预测研究
研究人员基于公开的 MUSIN-G 数据集，将脑电（EEG）音乐喜好度预测建模为回归问题，并在 6 种深度学习模型上进行了跨听众评测。在 1 到 5 分的评分体系下，DeepConvNet、CNN-LSTM 和 GNN-CNN 取得了最低的平均绝对误差（0.97 至 0.99），而时序卷积网络（TCN）与喜好度评分的皮尔逊相关系数最高（r = 0.21）。
arXiv cs.LGAI 评分3636 带误差凭证的切片 Wasserstein Sketch 方法研究
研究人员提出了基于自由权重 $M$-atom 最优量化的切片 Wasserstein Sketch 方法，利用 $L$ 个共享投影实现 $O(LM)$ 的比对时间复杂度，并给出了可计算的误差凭证。
arXiv cs.LGAI 评分3434 自适应深度下的保选择共形早退机制：实现免分布覆盖保证
研究人员提出一种路径式共形早退预测方法，无需 alpha/L 校正即可在自适应退出时提供选择安全的免分布覆盖保证。实验显示，在 8 个编码器任务网络组合中，该方法宏覆盖率达 0.901，而朴素层级选择仅为 0.814，平均集合大小为 1.41 且延迟比例降至 0.71。
arXiv cs.LGAI 评分3434 EEG 与文本的语义对齐：用于解码想象语音的对比学习框架
研究人员提出一种多模态对比学习框架，将 EEG 脑电信号与冻结的预训练文本编码器嵌入空间对齐，以解码想象语音。该方法在包含 5 名受试者的 Chisco 数据集上覆盖 39 个意图类别，取得了与任务优化的闭集分类器相当的解码表现。此外，最大 EEG-文本余弦相似度（MaxCosine）可作为解码可靠性指标筛选高准确率样本，评估阶段的 5 个语义维度平均一致性均超过 50% 随机基准。
arXiv cs.LGAI 评分3333 Optimal Hydra：基于数据感知 Hydra-Nets 的大语言模型异构联邦学习
研究人员提出基于 Transformer 架构的异构联邦学习微调框架 Optimal Hydra，结合全局层选择与匹配本地数据分布的客户端注意力头选择，构建客户端专用子网络 Hydra-nets。该方法据称是首个专门面向 LLM 微调的模型异构联邦学习方案。在 3 个数据集上的实验显示，Optimal Hydra 相比基线方法取得显著改进，并降低了本地资源需求。
arXiv cs.LGAI 评分4444 解释大语言模型参数：对抗参数分解方法（VPD）
研究人员提出对抗参数分解（VPD）方法，通过将大语言模型参数分解为各自实现局部算法的简单子组件，以解释模型参数如何执行计算。VPD 优化分解过程，使得即使在对抗性消融大量子组件的情况下仍能保持网络的输入输出行为，在任意输入上仅需少量子组件即可解释模型行为。该方法通过研究参数子组件间的序列交互生成网络输出，支持构建一种新型“电路”分析。
arXiv cs.LGAI 评分2929 用于元测度比较的垂直切片 Wasserstein 距离（VSW）
研究人员提出了用于元测度空间的可扩展度量垂直切片 Wasserstein 距离（VSW）。该方法利用连续测试函数投影内部测度，并使用一维 Wasserstein 距离进行比较，在理论上证明了其为有效度量且具备弱收敛与无维统计收敛保证。研究还推导了经验 VSW2 目标的实用粒子梯度，为分布之分布的比较与基于梯度的传输优化提供了高效方案。
arXiv cs.LGAI 评分3131 用于概率时间序列预测的分位数引导扩散模型
研究提出 Control-TS 框架，通过在去噪网络中引入残差控制路径，在冻结预训练主干网络的同时利用预测分位数作为分布控制来引导扩散时间序列预测。在 8 个基准测试中，该方法持续提升了主干网络的 CRPS 指标，表现媲美 SOTA 模型，并在同等容量对比中保持优势。研究还引入了条件线性预测评分（CLPS），用于评估生成轨迹的下游预测实用性。
arXiv cs.LGAI 评分4747 扩散语言模型的策略内残差学习框架 ORL
研究者提出扩散语言模型策略内残差学习框架 ORL，通过在去噪轨迹中即时学习并引入熵收缩目标，结合异步残差捕获与块扩散注意力实现软硬件协同优化。在由 Qwen3-4B 转换的 4B 模型上，ORL 使每次前向传播生成 token 数提升高达 6.2x，配合 dlmrt 引擎端到端吞吐提升约 6.9x。
arXiv cs.LGAI 评分3737 RoLaQ：针对多头潜在注意力中 2-Bit KV Cache 的联合旋转与范围校准
研究人员提出离线校准方法 RoLaQ，通过联合旋转与范围校准优化多头潜在注意力（MLA）架构下的 2-bit KV cache 压缩。在 3 个 MLA 模型和 6 项评测基准上，RoLaQ 在对比的 2-bit 方法中均取得了最高平均精度。
arXiv cs.LGAI 评分3636 面向力学相关 TPMS 超材料学习拓扑感知表征
研究人员提出一种将持续同调融入 DMAE 主干的拓扑感知表征学习框架，通过持续性引导掩码策略和辅助持续同调解码器，显式编码三周期极小曲面（TPMS）超材料的全局结构连通性。该方法在两个互补数据集上将结构族分类性能提升最高 3.9%，无监督属性聚类性能分别提升最高 26.7% 和 51.5%，同时在回归任务中保持 R²=0.993。
arXiv cs.LGAI 评分3636 代码大语言模型中的因果语法电路：组件预算与探测方式决定定位结论
研究人员通过因果可解释性分析流水线，探究了代码大模型在未指定语言时偏好编写 Python 的机制。测试覆盖 10 个开源代码模型和 55 种设置，发现指令微调后该偏好平均高出基础版 12%，且语法偏好是否呈现“局域化”高度取决于组件预算与探测提示词设计。实验显示将组件预算从 12 提升至 40，显著电路设置从 1/15 增至 6/15，表明相关可解释性结论极大受制于分析时的参数设定。
arXiv cs.LGAI 评分3333 TurboMamba：通过词汇记忆实现更快推理、更快训练与更佳预测的语言模型架构
研究人员提出大语言模型架构 TurboMamba，结合全局 Mamba-3 与小型 Transformer 块内预测以提升性能。在 FineWeb-Edu 评测中，TurboMamba 的平均测试 NLL 较 Mamba-3 降低 9.4%，端到端训练吞吐量达其 2.60x。在 32 批次推理测试下，其相较 Mamba-3 取得 3.12x 加速，并显著超越 Jamba 与 Zamba 变体。
arXiv cs.LGAI 评分3838 稀疏自编码器中的数据收益递减：功能表现并不保证特征可复现性
研究表明稀疏自编码器（SAE）的重构等功能表现在较小数据量下即可收敛，但特征的一对一可复现性仍随数据增加而持续提升。在 Gemma-2-2B BatchTopK 上的测试显示，严格匹配特征的比例从 5M tokens 时的 2% 增至 50M tokens 时的 29%。此外，随机采样更利于特征重构，而多样性采样常能改善 AutoInterp。
arXiv cs.LGAI 评分2626 二次网络中的谱不可区分性与学习曲线可识别性研究
该研究探讨了谱特征与标量学习曲线对零均值二次网络的表征能力。研究人员构造出具有高斯边缘分布但四阶矩算子正交缠绕的输入密度，证明对应谱测度一致时，特定教师模型的分解损失曲线仍因非对易性产生差异，且带噪损失查询区分需要 $O(\varepsilon^{-2r})$ 次观测。相反，在高斯输入且教师谱有理独立时，单条精确标量损失曲线足以确定初始预测器，并能恢复未知教师谱及有效维度。
arXiv cs.LGAI 评分3535 KNOU-Flood：基于提前期感知概率机器学习推进全球径流预测
研究人员提出了基于单层 LSTM 的全球径流预测模型 KNOU-Flood，通过引入 424 天输入窗口、提前期感知输入、GraphCast 气象预报源及基于 fair CRPS 训练的隐噪声集成来量化不确定性。在 2099 个测试流域评估中，其在提前 1 天和 10 天时的中位数 KGE' 分别达 0.65 和 0.48，全流程显著优于基线方案。代码、权重及站点结果均已开源。
arXiv cs.LG精选AI 评分7171 论文解析 RLVR 域外性能提升中有多少仅源于答案格式变化
研究表明基于可验证奖励强化学习（RLVR）报告的跨领域得分提升很大程度源于答案格式而非解题能力。在 4 组 7B SimpleRL 模型上，公开答案抽取器报告的域外多选题涨幅有 82% 在能兼顾正文答案的新抽取器下消失，本质是强化学习使模型学会把答案放进 `\boxed{}` 框内。
推荐理由：论文揭示了强化学习评测中答案抽取器造成的格式假象，为检验模型真实跨领域泛化能力提供了直接的复核方法。
arXiv cs.LGAI 评分4848 用于小型 LLM 欺骗行为 SAE 转向的特征引出研究
研究人员提出一种词袋特征引出流程，通过操控与道义伦理相关的 SAE 特征，成功将 Gemma-3-27B-IT 的合规差距降低至不显著水平，但测试配置在 LLaMA-3-8B-Instruct 上未见效。该研究首次证明机械激活层面的干预能缓解对齐伪装中的合规差距。此外，草稿本分析还发现了模型故意削弱有害功能却伪装顺从的“欺骗性去害化”行为。
arXiv cs.LGAI 评分3434 扩展注意力：通过泰勒级数实现固定循环状态数的线性时间 Transformer
研究提出将注意力机制的指数核展开为截断泰勒级数，将其因式分解并压缩为固定 $n$ 个循环状态，实现了独立于上下文长度 $N$ 的线性时间 Transformer。
arXiv cs.LGAI 评分3535 FlowBudget：Flow Matching 模型的免训练采样预算估计方法
研究人员提出 FlowBudget，一种用于 Flow Matching 模型的免训练采样复杂度估计方法。该方法通过对学到动态进行免模拟插值探测，将主导的单步离散化误差归一化，并结合求解器阶数将数值容差映射为步数预算（NFE），涵盖 ODE 的 Euler、Heun 以及 SDE 的 Euler-Maruyama 求解器。
NatureAI 评分3232 Nature 每日简报：全球陆地保护目标接近 30%
全球陆地保护区实际覆盖率或已达到约 27%，接近 2030 年实现 30% 的政府承诺目标，但研究指出单纯扩大面积并不必然能保护生物多样性。此外，国际计量大会成员国投票决定立即取消闰秒，今年美国大学约 30% 的 STEM 博士论文包含 AI 生成文本。
arXiv cs.AIAI 评分3434 企业软件集成智能体 AI 的参考架构：职责、交互与可变性
研究人员提出了一种用于将智能体 AI 集成至企业软件的技术中立参考架构，将各类架构能力归纳为 10 项核心职责，并定义了边界不变式、跨职责交互与变异点。该架构在现存面向服务的 ESG 组合分析与交易前合规系统中落地验证，实现了其中 7 项职责，并成功映射了一套独立发布的智能体架构。相关部署与记录结果已作为复现包提供。
arXiv cs.AIAI 评分3737 ASIWorld：在持久生存沙盒中评测自主 AI 智能体
研究人员推出生存沙盒基准 ASIWorld，结合持久世界状态、角色范围观测和可编程异步接口，用于评测自主 AI 智能体的持续目标执行能力。在对 9 种智能体配置的探索性研究中，8 种完成了生产任务，6 种完成了生产与探索双重任务。评测不仅关注任务成功率，还综合分析了发展成就、生存成本及准备、战斗与恢复等执行行为。
arXiv cs.AIAI 评分3535 CESNET-TimeSeries26：面向年度周期性、概念漂移与长期异常检测的多年度网络流量时间序列数据集
研究人员推出多年度网络流量时间序列数据集 CESNET-TimeSeries26，包含来自 CESNET3 网络的 995 天连续流量时间序列，以及约 4.5 年的单一子网数据。该数据集覆盖 278,466 个 IP 地址、285 家机构与 566 个机构子网，提供 3 种聚合粒度。实验表明年度季节性是主要周期成分，且预测模型只有在训练窗口至少覆盖一个完整年度周期时才能有效利用该特征。
arXiv cs.AIAI 评分3030 GREAT-ESDD：基于图边注意力网络的动态配送定价与路径优化框架
研究人员提出了结合动态定价与路径规划的框架 GREAT-ESDD，利用图边注意力网络（GREAT）求解不同规模的有容量限制车辆路径问题（CVRP），并在客户下单后直接提供更新路径。
arXiv cs.AIAI 评分3232 反思型 AI 智能体的反事实遗憾分析与 Lean 形式化验证保证
研究者提出了反思型语言 AI 智能体在保留原生控制器下实现次线性反事实遗憾的充分条件，解决局部反思在资源约束下缺乏长期性能保证的问题。该研究建立了资源敏感的转移机制以约束全状态部署偏差，并通过局部生成可靠性推导出累积生成机会界。全部 13 个理论结果的条件证明链均已在 Lean 中完成形式化验证。
arXiv cs.AIAI 评分3434 LYNX：通过对齐与闭环精炼实现分析程序合成
研究团队推出多智能体分析程序合成框架 LYNX，通过规划、生成、验证和精炼的三智能体闭环工作流，将 LLM 数据分析转化为模式与知识约束的求解任务。
arXiv cs.AIAI 评分4343 ProgAgent：通过编程式训练学习工具编排
ProgAgent 提出完整的编程式工具调用（PTC）训练技术栈，通过运行期变量存储中间结果以避免上下文膨胀与编排崩溃。该方案仅用 4 种环境规模下的 215 个合成任务完成两阶段训练，在 4 个基准测试中均优于同规模基线。在 LOCA-bench 的 64k-token 环境状态下，ProgAgent-14B 取得 30.7% 通过率，而参评基线得分为零。
arXiv cs.AIAI 评分4040 摄像头优先的 AI 智能体应如何工作？
针对摄像头优先 AI 智能体面临的短暂目标交互（ETI）时效难题，研究团队提出了感知截止时间契约，将硬性记忆截止时间与软性推理截止时间分离。该双截止时间架构包含常驻非语义快速路径、主动记忆机制以及由多模态模型和工具构成的延迟深思层。实测显示前沿模型短回答耗时达 1.2-9.3 s，该方案确保视觉证据在单路径推理延迟导致目标消失前被持久化保存。
arXiv cs.AIAI 评分3434 CUSE：基于反事实引导与同策略自蒸馏的多模态细粒度遗忘框架
研究人员提出针对多模态大语言模型（MLLMs）的细粒度遗忘框架 CUSE，通过反事实输入确定需遗忘的 token，并结合同策略自蒸馏联合优化遗忘与保留目标。该方法利用冻结的原模型作为教师模型，对当前策略采样的响应进行 token 级别蒸馏。在 MLLMU-Bench 评测中，CUSE 将遗忘集的 ROUGE-L 降低 33.6%，同时保留集 ROUGE-L 相比最强基线提升 1.2%。
arXiv cs.AIAI 评分4040 GateSight：利用循环记忆预测注意力记忆以实现混合大语言模型的 KV 驱逐
研究人员提出 GateSight 方法，利用混合架构大语言模型中 Gated DeltaNet 层的写入门控等信号，无需注意力分数即可在预填充后预测并物理释放低效的 KV cache。
arXiv cs.AIAI 评分2929 模块化金融强化学习信用分配的等信息评估
研究者提出了结合等信息重构控制、固定效用比较与预设下游护栏的评估框架，用于评估模块化金融强化学习中的信用分配。在归因引导的模块化交易架构测试中，残差分配被普通损失预算控制完全复现，直接缺口监督虽改善组件预测却未能保留解码结果，而组件级 critic 监督相比标量监督恶化了风险条件确定性等价和回撤。该结果指出了冗余归因信号等三类评估失效问题。
arXiv cs.AIAI 评分4141 SAGE：推动 2-bit 矢量量化大语言模型迈向实用
研究人员提出针对仅权重矢量量化的 SAGE 方法，通过能量分层分组保护敏感通道，并利用自适应比特拆分平衡方向码本容量与半径精度。在 2-bit 量化设置下，SAGE 在知识、数学、代码生成等基准测试中取得 SOTA 表现，在 Qwen3-30B-A3B 上保留了 BF16 模型 95.3% 的平均基准得分。
arXiv cs.AIAI 评分3434 TASA：面向组合问题的可追踪智能体优化
研究人员提出工具增强策略智能体 TASA，通过总结并利用优化轨迹提升组合问题的求解质量。TASA 将优化过程分解为可追踪的策略选择，并结合 LLM 构建的问题专属工具与自适应工具规划器高效更新解。该方法确立了持续探索下的局部收敛性，并在共享评估预算下验证了优异的解质量与搜索可追踪性。
arXiv cs.AIAI 评分3434 MHWA：多时间尺度分层世界-动作模型
研究人员提出多时间尺度分层世界-动作模型 MHWA，通过跨步高层上下文通道降低更新频率以抑制复合漂移，并结合上下文感知路由动态重构低层专家混合架构。在 10% 离线数据的 14 款 Atari 游戏子集上，77M 参数的 MHWA 取得 0.884 的 IQM 人类归一化得分，大幅超越 JOWA-70M 基线（0.529）。