MARQ：融入系统工程知识的模块化跨模型需求质量评估器
研究提出模块化跨模型原型系统 MARQ，通过融入 INCOSE 标准等系统工程知识来增强 LLM 的需求质量评估能力。在专家标注的 NASA 需求集上，MARQ 使 Claude Opus 5、GPT-5.6 Sol 与开源模型 Gemma 3 12B 的中位数 F1 分数分别从开箱基线的 0.55、0.52 和 0.18 提升至 0.80、0.62 与 0.53。
#论文/研究
#论文/研究
今日 0 条arXiv cs.AIAI 评分3737 arXiv cs.AIAI 评分4141 Skill Dreaming：通过 Pull Request 流演进代码仓库技能
研究人员提出 Skill Dreaming 框架，通过从已验证的 Pull Request（PR）流中提取可执行知识，构建并持续演化代码仓库专属技能库。该技能库可指导代码智能体在实现功能的同时，协同维护相关测试、文档、兼容性及仓库规范。通过整合 PR 分析、技能管理、代码执行与持续集成，系统实现了技能演进与代码维护的端到端闭环。
arXiv cs.AIAI 评分2828 基于追踪数据分位数回归学习人类体育运动可行性
该研究将体育运动中的到达时间（TTA）建模为条件分位数回归，通过学习运动时间下分位数预测球员的最短到达时间。基于 64 场比赛的 PFF FC FIFA World Cup 2022 光学追踪数据，轻量级 MLP 在各项指标上均优于 6 种基于物理的基线模型。团队还在篮球和单场 NFL 追踪数据上进行了评估，分析运动动力学的跨项目迁移性。
arXiv cs.AIAI 评分4343 大模型知识冲突需要先验而非固定规则
研究提出解决大模型检索上下文与自身知识冲突需要独立评估两方证据并引入上下文正确率先验 $\pi$，而非依赖固定规则。该机制在 GRACE 基准上使 Qwen3.5-35B-A3B 和 Llama-3.1-8B 分别获得 45.3 与 35.0 分，最高领先最佳基线 26 分。在 ClashEval 上，该方法比同骨干的 CK-PLUG 和 TCR 分别提升 12 与 26 分。
arXiv cs.AIAI 评分3939 StruPO：从结构反馈到提示词策略，学习高保真文生图提示词编辑器
研究人员提出结构感知提示词编辑器 StruPO，通过校准场景图将外部结构反馈转化为可复用的文生图编辑策略。在 3 个 2K 提示词测试集与 4 个冻结骨干网络的实验中，该方法改善了保真度与美学权衡，并持续提升关系保真度。15 名标注员研究与自动评测表明，关系越复杂人类偏好优势越明显，且校准后可单次生成优化提示词，无需迭代重写。
arXiv cs.AIAI 评分3434 当 AI 更擅长科研时人类为何及如何做科研：基于人类理解与指引的框架
论文提出基于“人类理解”与“人类指引”的双重测试框架，用于规范当 AI 达到或超越人类研究者时如何将科研任务委托给 AI。该测试要求科研界保留解释和质疑研究成果的能力，并将问题选择与结论意义的判断权保留给负责任的人类。该框架覆盖 CRediT 划分的各研究阶段，强调即便 AI 能力更优，科学研究仍须服务于人类对世界的持久集体理解。
arXiv cs.AIAI 评分3737 CohortFlow：支持局部语义修正的可控临床队列构建智能体
CohortFlow 是一种用于临床队列构建的可控 AI 智能体，通过将自然语言修正转化为局部更新并结合持久化执行图，可选择性重算受影响节点并保留已有结果。在基于 8B 模型的 100 个临床试验场景中，该方法达到 77.0% 的 requirement micro-F1，修正完成后的平均延迟降低 64.8%，模型调用减少 38.1%，并在 MIMIC 评估中成功执行全部 13 个队列状态。
arXiv cs.AIAI 评分4444 The Trinity：面向多模态智能体的能力驱动递归自我提升框架
研究提出面向多模态智能体的递归自我提升框架 The Trinity，通过 Creator、Explorer 和 Evolver 三个角色将世界生成与 Harness 演化耦合。
arXiv cs.AIAI 评分2323 通过数据生成策略提升深度学习模型性能：橄榄树病害分类
研究人员提出一种结合传统增强、CutMix、MixUp 及 DCGANs 合成图像生成的数据策略，用于解决橄榄树病害分类中的数据不足与类别不平衡问题。该方案设计了平衡类别分布（S1）、增加单类样本量（S2）与保持平衡扩增数据集（S3）三种场景。在预训练和微调的 EfficientNetV2B0 架构测试中，实验结果显著提升了分类准确率。
arXiv cs.AI精选AI 评分6565 arXiv 论文探讨如何衡量 AI 节省的时间：提出结合缺陷遗漏的复核模型
该研究提出应从包含缺陷遗漏的反事实视角衡量 AI 辅助节省的时间，而非单纯记录操作耗时。作者建立了复核基线模型并复现 METR 开发者公开数据，发现盲目信任会以整体时间损失换取表面耗时减少；在实验中，低估 AI 起草错误率会导致复核者减少核对，使错误率从零上升至 22.5%。
推荐理由：该研究指出单纯记录耗时会忽略漏检错误带来的代价，为评估大模型在实际工作流中的真实生产力提供了更严谨的反事实框架。
NatureAI 评分2121 遗传变异塑造单细胞染色质可及性与疾病风险
研究人员通过分析 922 名供者的近 350 万个 scATAC-seq 细胞核数据，构建了人外周血单细胞染色质可及性遗传效应图谱。该研究在 28 种免疫细胞类型中鉴定出 243,225 个 caQTL，其中超半数具有细胞类型特异性。整合 caQTL 与 eQTL 进一步揭示了超 70,000 个共定位信号，补充了单一 eQTL 遗漏的 GWAS 位点并改进了基因调控网络推断。
NatureAI 评分1616 真核生物最近亲缘古菌内部结构简单且依赖互养肽代谢
研究人员成功培养出真核生物最近亲缘分支 Hodarchaeales 的两株古菌，证实其细胞内部结构简单，不具备真核生物特征的内膜系统。实验显示该古菌虽携带末端氧化酶，但仍严格依赖与产甲烷菌的厌氧互养代谢降解肽类获取能量。该发现直接挑战了真核生物祖先在内共生前已演化出复杂细胞结构与有氧呼吸的假说。
NatureAI 评分1616 这片阿拉伯沙漠曾是绿意盎然的乐园，为何早期人类避而远之？
一项针对阿拉伯沙漠的考察研究表明，仅有丰富水源并不足以支撑早期人类定居，石材与水源的分布共同决定了人类能否在此繁衍生息。此外，本期 Nature 播客还探讨了通过太空巨型遮阳板阻挡阳光以应对全球变暖的科学设想，并涉及 AI 医生处方费用高昂等最新研究动态。
arXiv stat.MLAI 评分2828 Orlicz-Sobolev 与 Musielak：面向图结构 IPM 的高效正则化方法
研究人员提出广义 Sobolev IPM（GSI），利用 Orlicz-Sobolev 与 Musielak 范数的联系构建高效正则化方案，打破传统方法受限于 $L^p$ 几何的瓶颈。该方法通过底层图结构将优化简化为单变量问题，使计算速度比 Orlicz-Wasserstein（OW）快数个数量级，并在文档分类与拓扑数据分析中表现优异。
arXiv stat.MLAI 评分3737 论概念激活向量（CAVs）的变异性
一项针对可解释 AI 中概念激活向量（CAVs）构建过程的理论分析表明，CAV 的方差随随机样本数 N 的增加大致呈 1/N 比例下降。该通用结论在 4 种不同模态的多个真实数据集实验中得到证实。研究据此提出了资源高效型应用 CAV 方法的实用建议。
arXiv stat.MLAI 评分2626 基于密度比加法树模型的两样本比较
研究人员提出用于密度比估计的加法树模型，通过引入平衡损失（balancing loss）解决两样本比较问题，并支持梯度提升等监督算法训练。该平衡损失还可作为伪似然实现广义贝叶斯推断，为高维且数据受限分布下的密度比提供不确定性量化。实验表明提升算法计算成本低且精度高，该方法已成功用于评估微生物组组成数据生成模型的质量。
arXiv stat.MLAI 评分2929 贝叶斯优化中 GP-UCB 算法的改进遗憾界
针对贝叶斯优化问题，该研究证明了高斯过程上置信界（GP-UCB）算法在特定平滑度的 Matérn 核下能以高概率实现 $\tilde{O}(\sqrt{T})$ 累积遗憾。
arXiv stat.MLAI 评分4040 大语言模型的双重稳健对齐
研究者提出了一种面向大语言模型的双重稳健偏好优化算法，旨在解决 RLHF 因偏好模型或参考策略设定错误导致微调偏差的问题。该算法只要在偏好模型或参考策略其中之一设定正确时即可保持一致性，理论和实践性能均优于现有 SOTA 算法。该论文已被 NeurIPS 2025 接收，相关代码已开源。
arXiv stat.MLAI 评分3333 利用目标学习进行数据公平性推断
研究人员提出利用目标学习（Targeted Learning）非参数推断框架，用于评估训练数据生成过程中的数据公平性。该方法针对人口统计学均等（demographic parity）、机会均等（equal opportunity）及条件互信息推导了相应估计量。仿真结果显示，相比固定模型推断，该数据公平性估计量提升了置信区间覆盖率，并减少了对总体不公平性的误检。
arXiv stat.MLAI 评分3030 失败风险的代价：带凸正则化的截断障碍策略梯度
针对严防预算耗尽的操作控制场景，研究提出带凸正则化的截断障碍策略梯度方法，通过在状态中保留预算并将奖励下限截断至 -m，将 m 直接作为失败风险的定价。理论证明，在足够强的凸正则化下总体训练流具备指数收敛性，成功将策略梯度的平均场收敛从相对熵拓展至权重衰减，并保证风险超出对比策略的幅度在 1/m 阶以内。
arXiv stat.MLAI 评分3333 时序差分学习自适应不完全覆盖：子图上的预言机不等式
普通时序差分（TD）学习在表格型设定下无需预先选择子图或满足全局覆盖，即可自动融合 TD 的渐近效率与蒙特卡洛（MC）对局部访问的要求。论文提出了连接两者的子图 Bellman 方差，并证明全 TD 的均方误差被任意包含目标且充分覆盖的子图方差除以样本量所界定。有限样本极小极大下界与实验进一步表明，罕见状态被充分观测前无法达到渐近方差。
arXiv stat.MLAI 评分2929 统一精度矩阵与协方差矩阵的稀疏估计
该研究通过对矩阵最后一列进行单一重参数化，将稀疏精度矩阵与稀疏协方差矩阵的惩罚极大似然估计统一到同一框架中。该重参数化将似然函数解耦为一个一维极小化问题及后续的惩罚多元回归，适用于非对角线元素可分且对角线呈线性的任意惩罚项。当惩罚项采用 $\ell_1$ 范数时，该方法直接统一了 graphical Lasso 与 covariance graphical Lasso 算法。
arXiv stat.MLAI 评分2626 核范数正则化的贝叶斯矩阵补全
针对噪声精度未知的核范数正则贝叶斯矩阵补全模型，研究提出了首个具备明确非渐近保证的采样器。该方法将精度离散化至网格并通过热力学积分估计后验，能在矩阵维度和目标精度倒数的多项式步数内收敛至预设的全变差或 Wasserstein 距离。该成果确立了此类非对数凹模型的理论可行性，但其多项式复杂度暂不针对当前规模的实际应用。
arXiv stat.MLAI 评分3333 c-Rectified Flow 的计算与统计理论保证
研究针对生成模型核心架构 rectified flow 展开理论分析，证明迭代 c-rectified flow 在适度假设下始终收敛至最优传输耦合，解决了普通方法失效的问题。团队进一步在二次与强凸位移成本下确立了单步收缩与指数收敛保证。结合新分数估计率，该框架在维度 $d \ge 3$ 时实现了最优传输的速率最优估计，在 $d=1,2$ 时达到近参数速率。
arXiv stat.MLAI 评分3232 基于半正定核密度估计的分布保真数据插补
PSD-Impute 模型利用半正定（PSD）核密度估计将完全随机缺失（MCAR）下的插补重构为凸经验风险问题，可通过牛顿内点法求解闭式边缘分布。该模型支持从同一拟合密度中生成单重与多重插补，并提供自适应超参数选择的非凸扩展。其具备统计一致性并在规则概率分布下克服维度灾难，分布精度优于主流插补 baseline。
arXiv stat.MLAI 评分4444 上下文学习中思维链（CoT）的渐近理论
该研究利用高维渐近随机矩阵理论，推导出上下文学习中思维链（CoT）泛化误差关于推理深度、预训练数据量与上下文长度的精确公式。分析揭示了指数改善、饱和及过度思考间的相变，表明更深推理需充足预训练和上下文支持，否则易导致误差放大或饱和。相关预测已在线性注意力和 softmax 注意力模型实验中得到验证。
arXiv stat.MLAI 评分2929 非参数条件矩双层优化的参数化速率
针对条件矩函数双层优化中插件超梯度易继承非参数估计误差的问题，该研究提出了正交化超梯度估计器 OBiGrad。OBiGrad 将投影梯度下降的期望稳态误差从直接插件法的 $O(T^{-1/2}+n^{-1/2}+n^{-\nu/b})$ 优化至 $O(T^{-1/2}+n^{-1/2}+n^{-2\nu/b})$。
arXiv stat.MLAI 评分3535 多变量保形预测（MCP）：利用多个校准变量优化预测集
多变量保形预测（MCP）框架通过在单一优化问题中联合优化并校准多个预测集参数，消除了校准数据划分并保留有限样本覆盖保证。该框架基于情景理论，提出了泛化传统划分保形预测的 RemMCP，以及支持非凸问题的 RelMCP 两种变体。实验表明，两者均稳定达到目标覆盖率，校准方差更低，且在多数设定下生成的预测集尺寸更小或相当。
arXiv stat.MLAI 评分3232 面向信息缺失可解释分类的专家指导类别条件拟合优度评分
研究人员提出一种融合专家先验知识的类别条件拟合优度评分框架，用于解决含信息缺失场景下的可解释分类问题。该框架利用专家指导模型量化观测与缺失数据特征，并结合透明辅助指标驱动简单判别分类器，生成易于审查的决策规则。该方法已应用于全面禁止核试验条约的地震监测场景，且在小样本仿真中性能优于标准机器学习分类器。
arXiv stat.MLAI 评分3434 OneFlowSBI：面向模拟推断的单模型多查询框架
OneFlowSBI 提出了一种掩码流匹配框架，通过在参数与观测的联合分布上训练单一网络，仅切换三元掩码即可采样任意条件或边际分布。该方法将掩码作为直接输入，避免了 Transformer 架构注意力成本随变量数量二次增长的问题，无须重新训练即可处理缺失区域。实验显示，其在高维任务中采样速度显著快于 Transformer，并在多数 SBIBM 任务中达到或超过神经后验估计。
arXiv stat.MLAI 评分3333 潜在非线性去噪得分匹配（LNDSM）增强结构化分布学习
研究人员提出潜在非线性去噪得分匹配（LNDSM），将结构感知的非线性潜在扩散模型与变分自编码器（VAE）框架相结合，以增强对结构化数据分布的学习。该方法在前向扩散中引入高斯混合模型等预设参考分布，通过 Euler-Maruyama 离散化近似交叉熵上界并去除高方差控制变量，实现编码器、解码器与潜在得分网络的稳定联合训练。
arXiv stat.MLAI 评分3030 微调何时具备可扩展性？结构化任务转移下的带噪数据可信恢复与线性成本微调
一项新研究针对单头 Transformer 提出了两阶段微调方案，证明了在任务共享几何结构时的可验证分布外（OOD）适应。该方案将共享几何结构编码至 Key 矩阵与 Value 分解因子 C，微调时仅需优化因子 A，构成凸优化问题。
arXiv stat.MLAI 评分3535 Foreclassing：从预测到决策
研究人员提出机器学习新框架 Foreclassing，将时间序列的类别标签定义为其未来观测值的函数。论文给出了误差界等理论分析，并提出联合执行预测与分类的神经网络模型族 ForeClassNet。在天气、能源和金融数据集上的实验表明，该方法能有效提升分类性能、概率预测质量及下游决策效果。
arXiv stat.MLAI 评分3333 预设参数卷积核的机制解析
该研究深入分析了 ROCKET、MiniROCKET 等模型共用的正值比例（PPV）池化算子，确立了其平移不变性与随机特征几何集中规律。在 UCR 数据集上的实验表明，增加核数量带来的表征增益递减，且最佳测试表现出现在中等卷积核长度，证明非线性池化利于线性分离但表征过度丰富并不必然提升泛化能力。
arXiv stat.MLAI 评分2727 基于联合偏回归的稀疏偏相关非渐近估计
研究者提出一种基于联合偏回归的方法，可同时估计高维稀疏偏相关矩阵与逆协方差矩阵，并具备非渐近收敛率保证。该方法采用两阶段估计框架，利用逆协方差与线性回归的内在联系，同时强制保证估计结果的半正定性。此外，研究推导了用于数值计算的高效近端分裂算法并提供快速实现，在合成与真实数据上验证了有效性。
arXiv stat.MLAI 评分3434 智能体分布回归：通过智能体编写程序进行条件密度估计
研究者提出智能体分布回归（ADR），利用语言模型智能体编写简短程序来实现条件密度估计，生成可独立检查与评估的显式公式。理论上推导了有限样本误差界与模型选择的预言机不等式，并证明了拟正常数的渐近正态性。在模拟研究、12 个真实数据集及新数据集测试中，搭配 Claude Opus 5.5 的 ADR 在所有对比方法中取得了最佳平均表现。
arXiv stat.MLAI 评分3131 输入跳跃连接可在不提升生成器性能的情况下重参数化 VAE
输入跳跃连接（input skip）能在不改变高斯 VAE 样本生成分布的前提下降低重建均方误差（MSE），本质仅对模型进行了重参数化。通过按比例缩放解码器输出和噪声方差，模型可在生成评分不变时将重建 MSE 缩减至 $(1-\alpha)^2$ 倍。实验表明降低重建误差甚至会恶化能量评分（energy score），证明评估生成质量不能仅依赖重建误差。
arXiv stat.MLAI 评分3434 LinMix：将数据混合建模为线性领域归因
研究人员提出数据混合方法 LinMix，通过在截断单纯形顶点采样解耦领域效应，无需超参数即可通过线性归因直接确定最优预训练数据配比。在 1B OLMo2 与 4B Qwen3.5 实验中，LinMix 较 Dirichlet 采样基准在 MBPP 和 GSM8K 上分别取得 46% 与 14% 的相对增益，并在 288 个细粒度领域下将平均基准准确率提升 11%。
arXiv stat.MLAI 评分3030 面向预测模型的基于成本变量选择算法
研究提出一种基于净获益的决策分析变量选择算法，并将其实现为 R 包 NBvarsel。该算法综合考虑误分类代价以及变量测量带来的资金支出、时间与患者负担等损害，仅在预测收益超过测量成本时纳入变量。案例研究表明，该方法在基本不影响模型区分度和校准度的前提下生成了精简模型，能够显著优化临床实用性。
arXiv stat.MLAI 评分2626 面向贝叶斯校准的 Rényi 正则化流变分推断
针对归一化流变分推断在多模态贝叶斯校准中易丢失模态的问题，新研究提出引入 Rényi 散度正则化项，以促使近似后验覆盖先验支撑集。在模态充分分离的双参数实验中，该正则化将近似崩塌的比例从 50% 降低至 25%。该方法虽然改善了模态覆盖率，但改变了原始变分目标并引入了精度权衡，并非模态崩塌的通用解法。