超越静态结构：通过 DynaReason-Pro 连接蛋白质动力学与功能
DynaReason-Pro 首次实现了从构象系综联合预测 GO terms 并生成自然语言功能解释，将蛋白质动力学与功能相连接。该框架在源自 Protein Ensemble Database（PED）的内源无序蛋白（IDP）基准上进行了防数据泄露评估。变异度分层评测显示，其在构象高变异性区间取得了最显著的性能提升。
#论文/研究
#论文/研究
今日 0 条arXiv cs.AIAI 评分3333 arXiv cs.AIAI 评分3636 将 UMLS 注入医学问答语言模型的研究已到终点了吗？
研究人员系统评估了在医学问答（MQA）中向语言模型注入 UMLS 知识图谱的方案，指出该技术目前通常仅带来微弱的性能提升。研究深入排查了此前未被讨论的方法论缺陷，指出存在 UMLS 低覆盖率与弱子图检索流程等关键瓶颈，并给出了释放其潜力的可行建议。目前相关代码与文献标注均已开源。
arXiv cs.AIAI 评分3333 通过结构化剪枝与自适应微调释放穿戴信号 PPG 基础模型的能力
研究人员提出结构化剪枝与微调框架 SPAFT，通过基于参数重要性和结构冗余将自适应微调约束在紧凑的相关参数空间中，提升 PPG 基础模型对穿戴设备信号的适配能力。在涵盖 4 个 PPG 基础模型、5 个 benchmark 数据集和 10 个下游任务的实验中，SPAFT 在回归与分类任务上分别取得 82.8% 和 87.5% 的胜率，达到了 SOTA 性能。
arXiv cs.AI精选AI 评分6363 System 1 决策模型指南：超越大语言模型的快速决策架构
研究者发布关于 System 1 决策模型的综合指南，探讨如何通过单次前向传播直接输出结构化决策，解决大语言模型自回归推理在路由、门控、打分和分类等常规决策中延迟高与成本贵的问题。
推荐理由：该文梳理了单次前向传播的快速决策架构，为高吞吐工作流中降低模型延迟与调用成本提供了系统参考。
arXiv cs.AIAI 评分3434 用于近显式大气化学的主动训练神经算子 FNO-MoE
研究人员提出结合傅里叶神经算子与混合专家的 FNO-MoE 模型，单次调用即可预测 30 分钟内的完整近显式大气化学状态。该网络利用专家间的分歧进行主动采样训练，并通过长轨迹微调确保数小时连续模拟的稳定性。模型能高保真还原数千种化学物质的演变，且运行速度比传统数值求解器快数个数量级。
arXiv cs.AIAI 评分3939 基于局部熵波动的黑盒 LLM 生成文本检测
针对现有方法在黑盒指令场景下失效的问题，研究人员提出利用局部熵波动检测 LLM 生成文本的新指标 RelPPR。该指标通过捕捉机器文本相较于人类平稳信息流所特有的剧烈局部熵突变来进行识别。跨模型族与数据集的测试表明，RelPPR 取得了 SOTA 的黑盒检测性能，且相关代码已开源。
arXiv cs.AIAI 评分4949 掌握全部事实仍答错：视觉语言模型中的整合鸿沟
研究发现视觉语言模型普遍存在“整合鸿沟”，即模型即便能准确识别各个局部事实，在多证据联合决策时仍会出现严重失效。例如 Gemma-3-27B 能正确恢复所有孤立单项事实，但在 8 项视觉实例上的全局有效率仅有 19.75%。探测与激活替换实验表明，仅在隐藏状态表征解相关信息不足以实现可靠推理，模型改进需专门针对证据整合能力。
arXiv cs.AIAI 评分3232 面向交互式驾驶行为建模的人类反馈引导多智能体逆强化学习 HFG-MAIRL
HFG-MAIRL 框架提出了一种人类反馈引导的多智能体逆强化学习方法，用于交互式驾驶行为建模。该框架在局部马尔可夫博弈中通过有限边际响应迭代避免动作空间膨胀，并借助 Bradley-Terry 似然将驾驶员情绪等反馈转化为偏好监督。在 AIDE 数据集上的实验表明，HFG-MAIRL 优于代表性 IRL 基线，可生成与反馈对齐的可解释奖励模式。
arXiv cs.AIAI 评分4444 Iris：支持可复用选项记忆的视觉候选类型化决策框架
研究团队推出多模态决策框架 Iris，支持图像与文本候选输入，在保证严格顺序不变性的同时实现精确缓存复用。跨请求复用图像候选使延迟在 K=256 与 K=2048 时分别降低 37x 和 191x，并在新基准上达到最高 91.7% 准确率且零翻转率。此外，Iris-4B 在 JevBench 评测中达到 100% 准确率超越 30B 模型，代码与权重已开源。
arXiv cs.AIAI 评分4040 PACE：面向自适应猜想探索的研究证明智能体
研究人员提出 PACE，一种支持自适应猜想探索与证明开发的研究证明 AI 智能体。该系统结合独立验证器与证据追踪记忆动态管理依赖，并配套推出了包含 51 个已知任务与 6 个开放问题的应用数学基准 ResearchProofBench。在 51 个已知证明任务中，PACE 取得 75.16 的综合 Proof Score 并完成 20 项证明，评审得分均高于对比基线。
arXiv cs.AIAI 评分4040 MORE：面向自进化 AI 智能体的模式优化与自适应算力推理框架
研究人员提出自进化训练框架 MORE，可针对不同任务自适应选择推理模式（直接回答、长短 CoT、代码推理）与 token 支出。MORE 采用两阶段范式，先建立模式先验，再通过 MATE-PPO 在生成的可验证任务流上自进化，无需人工精选数据。在 3B 至 14B 规模的模型上，MORE 在代码、数学和通用推理基准中均实现了更高准确率、更短回复长度与更少推理时间。
arXiv cs.AIAI 评分3434 Meta-CLIP：用于零样本疾病推理的元数据条件对比学习
研究人员提出 Meta-CLIP 框架，利用 DICOM 标头采集相似度重新加权跨模态负样本，以提升医学视觉语言预训练与零样本疾病推理表现。该方法在推理时沿用标准双编码器架构且无需输入元数据。在 CT-RATE 基准上，Meta-CLIP 较 CT-CLIP 将 macro-AUROC 提升 1.41 点，并在 5 个 CXR 基准中的 4 个取得最高 macro-AUROC，代码将公开。
arXiv cs.AIAI 评分4141 SWE-Ladder：通过渐进式特权自蒸馏学习定位、复现与修复
研究者提出 SWE-Ladder，通过将软件修复过程分解为定位、复现与修复的阶段性特权自蒸馏，并结合 GRPO 优化端到端轨迹。在 SWE-bench Verified 基准上基于 Qwen3-4B-Instruct-2507 评测，R2E-Gym 脚手架下的 pass@1 从 9.6% 提升至 16.4%，优于纯 GRPO 的 10.4% 和全补丁 OPSD 的 12.4%。
arXiv cs.AIAI 评分3535 面向事件驱动 VLA 推理的 PoT-LIF 神经元
研究者提出 PoT-LIF 神经元，通过发射幅值为 2 的幂次的离散脉冲，为视觉-语言-动作（VLA）模型实现低功耗事件驱动推理。将其集成至 $\pi_{0.5}$ 模型并在 LIBERO 闭环评测中测试，Heartbeat 模式成功率达 97.25%，优于连续激活基线的 96.70%。
arXiv cs.AIAI 评分2727 面向配电网社区电池协调的物理信息图安全强化学习
研究人员提出一种面向配电网社区储能协调的物理信息安全强化学习算法 LDCPPO，在控制运行成本的同时将关键电压越限程度降低高达 80.5%。该方法构建结合线路阻抗与物理损失的双层物理信息图表征建模时空交互，并通过独立的奖励与成本 Critic 保持异构信号。测试表明，该算法同时取得了最低的电压越限次数与线路过载程度。
arXiv cs.AIAI 评分3535 大语言模型偏好与不完全决策的联合建模
研究人员提出偏好-行为模型（PBM），将偏好表征与不完全效用最大化机制结合，通过逆博弈问题联合推断大语言模型的偏好与行为参数。在公共品博弈、集体风险及公共池塘资源三种社会困境中的评估显示，传统行为经济学工具估算的偏好无法一致预测其决策，而 PBM 跨困境仍具预测价值。该方法还能检验模型与人设指令的对齐情况，揭示传统引出工具容易遗漏的权衡行为模式。
arXiv cs.AIAI 评分3939 TAD：仅凭教师轨迹蒸馏视觉-语言-动作（VLA）策略
新提出的对抗蒸馏方法 TAD 无需在线教师打分或环境奖励，仅依靠固定教师轨迹即可对 VLA 策略进行在线蒸馏。在 ManiSkill 评测中，TAD 将 7B 规模的 OpenVLA-OFT 成功率从 26.2% 提升至 76.6%，最终成功率从 20.3% 提至 58.6%。其表现仅落后白盒在线蒸馏（OPD）0.8 至 5.0 个百分点，但需消耗 OPD 5 倍的学生交互预算。
arXiv cs.AIAI 评分4444 RAQ-MLA：面向多头潜在注意力（MLA）Cache 的角色感知量化
研究者提出免训练的角色感知量化方法 RAQ-MLA，专为大模型的多头潜在注意力（MLA）Cache 设计。该方法针对 latent 和位置 key 对注意力输出的不同误差影响分别拟合可逆变换，将完整 MLA Cache 量化至每个元素约 2.5 bits。在无需训练的情况下，其理论 KV cache 容量提升 6.5x，并在 4 个 MLA 模型的推理与代码任务上保持几乎无损。
arXiv cs.AIAI 评分3030 GDPool：分层图神经网络中实现自适应粒度的图依赖池化
GDPool 提出了一种面向分层图神经网络的图依赖池化方法，可针对每个图动态确定池化粒度，摆脱固定池化比率的限制。该方法利用自注意力选择结构关键节点作为锚点并通过软节点分配构建粗化图，同时分析并缓解了层级间的梯度冲突。在金属有机框架与分子图基准测试中，GDPool 预测性能与模块度均达最优，且活跃聚类数随深度单调递减。
arXiv cs.AIAI 评分4747 当生成信息回流：LLM 介导的信息生态中的错误持续性研究
一项针对大语言模型介导信息生态的研究发现，模型生成的内容重新作为后续输入回流时会导致错误持续复现。在涵盖 12 个事实目标和 4 个生产模型的受控实验中，内容回流使最终轮次中完整错误主张的存在率增加了 7.29 个百分点，同时明确认可率降低了 8.33 个百分点。模型即便避免直接认可虚假主张，保留的具体细节仍会促成错误持续传播。
arXiv cs.AIAI 评分3434 生成式与智能体 AI 数据治理：技术、法律、经济与安全
该著作针对大语言模型、RAG 流水线至自主多智能体系统，构建了融合技术、法律与经济维度的统一数据治理框架。全书包含 11 章与 8 个附录，覆盖全生命周期的数据质量与血缘、零信任架构、六个司法管辖区的 AI 监管，以及面向 2030 年的治理控制平面设计。各章节立足印度法律与机构，并保持跨司法管辖区的比较视野。
arXiv cs.AIAI 评分3434 分布偏移下的反事实模型测试
针对部署机器学习模型在分布偏移且缺乏标签时的性能衰退，研究者提出了一种反事实模型测试方法。该方法在受控基线数据上分别复现总体变化与特征管道数据完整性问题两种机制，用于评估模型当前性能及修复数据问题的潜在收益。真实数据集与流失预测案例实验表明，区分这两种来源可提升评估精度，有效支持监控和修复优先级决策。
arXiv cs.AIAI 评分5353 审计罕见病诊断大模型系统中的评估偏差与数据泄漏
研究团队基于超 60,000 例临床病例开展实证审计，发现当前大模型在罕见病诊断上的高准确率多源于数据泄漏而非真实医学推理。在引入严格的跨数据集隔离后，前沿智能体框架的跨数据集平均 Recall@1 从 54.3% 降至 40.3%，监督分类器准确率也从 42.9% 骤降至 16.7%。研究还量化了大模型利用病历回顾性治疗线索等评估假象，并提出了标准化的医疗 AI 防泄漏评估框架。
arXiv cs.AIAI 评分3636 SMART-Med：基于不确定性感知路由的选择性多智能体医学推理
研究人员提出本地多智能体医学推理方法 SMART-Med，通过不确定性驱动的路由机制自适应决定直接回答还是引入专家智能体协作。该方法结合新构建的数据集 MedVR-3K 并采用 GRPO 算法微调，在 Slake、PathVQA、VQA-RAD 和 PMC-VQA 四项基准上取得 6.7% 的平均提升。同时，SMART-Med 将推理时间缩短超过 3.8x，token 消耗降低 72%。
arXiv cs.AIAI 评分3434 CoEvolve：多智能体系统中基于反事实引导的记忆与协作协同演化
CoEvolve 提出了一种以技能为中心的多智能体协同演化框架，用于解决大语言模型多智能体系统中记忆与协作架构更新不对齐的问题。该框架将局部协作模式表示为连接决策与记忆的技能，并通过对比原始轨迹与反事实轨迹协同更新技能库、技能记忆和执行器记忆。在 ALFWorld 和 WebShop 评测基准中，CoEvolve 取得了优于所有评估基线的最佳综合性能。
arXiv cs.AIAI 评分3838 FraudSociety：基于生成式智能体的金融欺诈社会模拟器
研究人员推出首个联合建模信息传播与资金流动耦合动态的 LLM 智能体模拟器 FraudSociety，用于模拟金融欺诈的现实演变过程。系统集成了动态社交环境、持久财务账本和市民决策架构，成功复现了前 10% 受害记录占总损失 81.1% 的高损失集中特征。反欺诈实验显示，最优的个性化干预策略可将重复支付率从 49.4% 降低至 10.9%。
arXiv cs.AIAI 评分3535 TimeMagnifier：多元时间序列超分辨率预测
研究提出多元时间序列超分辨率预测（MTS-SRF）任务及 TimeMagnifier 模型，可直接从粗粒度历史数据预测细粒度未来。在涵盖 5 个领域 10 个数据集的首个基准测试中，TimeMagnifier 对比 15 个 baseline 将 MSE 平均降低 12.3%。其模块还可作为插件使现有预测模型的 MSE 降低 5.1% 至 9.0%，相关代码将公开。
arXiv cs.AIAI 评分4141 LegoSR：面向 Agent 引导科学发现的自我改进统一框架
研究人员提出面向代数符号回归与微分方程发现的统一框架 LegoSR，通过通用方程表示和评估流程集成了 7 个求解器。其配套的 LegoSR Agent 可自适应调整搜索策略，在含噪声常微分与偏微分方程基准上比相同预算下的通用 Agent 最高领先 29 个百分点。该框架还支持结合部分已知物理知识进行约束搜索，代码已开源。
arXiv cs.AIAI 评分3838 大模型全阶段训练综合框架：从数据与分词、预训练到后训练对齐
该研究提出了涵盖大模型全阶段训练的统一划分与六维分析框架，系统梳理从数据、分词、预训练到后训练对齐的完整流程与跨阶段效应。论文系统综述了 395 篇核心文献，指出 Scaling Law 的可比性取决于数据质量与配比，RLHF 与 DPO 等偏好对齐重塑了后训练边界，且多模态训练对纯文本范式构成了结构性挑战。
arXiv cs.AIAI 评分3838 ConMem：通过反事实多场景探测解决大语言模型记忆不对齐问题
研究人员提出 ConMem 算法与包含 1079 个案例的评测基准 MemAlign，旨在解决大语言模型智能体错误保留或检索隐私敏感及过度泛化信息的记忆不对齐问题。ConMem 将记忆留存决策重构为前瞻性反事实因果推断，通过合成交互场景审计下游干预效果。实验显示 ConMem 取得 75.16% 准确率和 65.31% 的 Macro-F1，有效缓解过度留存偏差。
arXiv cs.AIAI 评分3333 LLM 数据优化综述
一项综述研究针对 LLM 构建了数据优化综合框架，以提升模型训练与推理中的数据利用效率。论文总结了质量、难度、多样性和冗余度四个数据感知维度，将现有优化技术划分为数据选择、增强、重加权等类别并分析其内在关联。该论文已被 ACM TKDD 录用，同时指出了相关领域的关键挑战与未来研究方向。
arXiv cs.AIAI 评分4949 如何构建现代扩散语言模型
现代扩散语言模型通过从噪声或掩码序列中并行生成 token 并迭代去噪，克服了自回归 LLM 顺序生成导致的 GPU 瓶颈与不可修改问题。该机制可实现每秒数千 tokens 的生成速度，并支持内置纠错与推理计算扩展。目前离散扩散模型在生物序列和自然语言领域已扩展至数十亿参数，包含开源与商业化发布。
arXiv cs.AIAI 评分4646 AgentOrch：全局编排能多接近分步交互？
研究提出评测基准 AgentOrch，在 650 个企业 SOP 和 3,220 个运行时变体上直接对比全局编排与分步交互。评测显示分步交互准确率在所有模型中仍保持领先，但近期最强模型已将两者差距缩小约 79%。通过增量构建、执行反馈修正及针对性训练，全局编排准确率可分别平均提升 9.98 pp、6.13 pp 和 12.18 pp。
arXiv cs.AIAI 评分3434 TempShap：确定时间序列预测中特征的作用时机与影响程度
研究人员提出基于损失的回溯性 Shapley 解释框架 TempShap，将时间序列的各个输入单元格作为博弈参与者，精准量化特征的作用时机及在预测期内的影响变化。该方法结合排列共享降低计算成本，并利用符号 Shapley 分解解决冗余输入导致的归因低估。实验表明，TempShap 在多个预测基准与模型家族上的特征删除排序均表现更优。
arXiv cs.AIAI 评分4747 AI 在围棋中教会人类应对复杂性
对 1980–2026 年职业围棋对局的分析显示，自 AlphaGo 于 2016 年取得超人突破后，顶尖人类棋手对局中的战略紧张度呈现显著激增。基于落子距离与吃子的分析表明，现代职业棋手的决策范式已接近神经网络引擎。这表明 AI 系统可作为认知脚手架，提升人类在专业领域应对高阶复杂决策的能力。
arXiv cs.AIAI 评分3434 基于 LLM 的多智能体系统传播风险估计
研究人员提出 IE-Prop（Interaction-Effect Propagation）模型，用于估计基于 LLM 的多智能体系统在执行轨迹中的错误传播风险。
arXiv cs.AIAI 评分3232 GEMS-RAG：面向工程多模态标准的图接地检索增强生成框架
研究人员提出 GEMS-RAG 框架，通过分层解析、细粒度视觉实体提取与多模态知识图谱构建，解决工程标准中跨文本条款与图表的联合推理难题。该框架在推理时融合密集、稀疏与视觉检索并结合图扩展，将图表解构成与规范关联的视觉实体。在《统一交通控制设施手册》（MUTCD）评测中，其检索与问答表现均优于纯文本、多模态及图 RAG 基准。
arXiv cs.AIAI 评分4343 作用域语义不变性：构建大语言模型可靠性的基础
针对大语言模型在语义等价查询下输出不一致的问题，研究提出了基于知识图谱的作用域语义不变性评估框架。在 MITRE D3FEND 及 8 个 Wikidata 派生域的评测显示，模型不一致性集中在由 TREE、STAR 和 CYCLE 模式构成的稳定热点子图上。采用选择性图接地与分层接地策略，可在保留正确知识的同时显著减少不一致并提升正确性。
arXiv cs.AIAI 评分4444 AdaPRA：面向数据科学的自适应评价准则过程奖励智能体
AdaPRA 是一种面向数据科学的持久化编程智能体框架，通过自适应评价准则进行过程监督，能在多次尝试中积累知识并识别纠正错误。在每项任务尝试 5 次的设置下，AdaPRA 使 80B Qwen 模型在 DSPredict-Easy 和 DSPredict-Hard 的排行榜百分位分别提升 24.5 和 14.8 点。
arXiv cs.AIAI 评分4141 大规模提炼专家判断：面向 AI 自动化评估系统的通用方法
研究人员提出一种将人类专家判断提炼为大规模自动化评估系统的通用方法，通过提取专家推理并编码为结构化编辑标准供自动化裁判使用。在 AI 新闻报道验证中，自动化裁判在源质量与中立性上对照专家共识分别达到 F1 = 0.81/0.97 和 F1 = 0.86。对照实验表明，专家校准裁判的表现显著优于未校准的前沿模型，证明编码专家推理是单纯提示词工程无法替代的关键。