系统思维在 AI 时代为何至关重要
在 AI 时代，系统思维对工程项目至关重要，工程师的角色正从执行具体技术步骤转变为协同人类判断、AI 能力与多领域专家的知识。AI 虽然能高效生成方案并检索跨学科资料，但在安全性、情境适配与责任界定上仍依赖人类专业判断。工程师需要立足全局审视问题、明确约束条件并设定人机协作标准，统筹推进多学科协作。
全部AI 动态
全部动态
今日 35 条IEEE SpectrumAI 评分2626 Science Magazine NewsAI 评分1919 OpenAI 与 Anthropic 称 AI 攻破计算机科学 27 年支柱难题
OpenAI 与 Anthropic 声称 AI 攻克了计算机科学领域一项已有 27 年历史的支柱难题。该结果是 OpenAI 提出的三项主要主张之一，并引发了关于共享 AI 生成成果的疑问。
TechCrunch · AIAI 评分6565 微软连续10个季度创营收纪录，单季营收达923亿美元
微软最新季度营收达到 923 亿美元，同比增长 19%，连续 10 个季度创历史新高，净利润同比增长 32% 至 366 亿美元。微软云业务营收达 639 亿美元，其中 Azure 带来 332 亿美元，来自 OpenAI 的收入达 100 亿美元。同时微软商业剩余履约义务增长 73% 至 6770 亿美元，单季资本支出亦创下 452 亿美元的新纪录。
TechCrunch · AI精选AI 评分8282 微软季度财报披露来自 OpenAI 的收入达 100 亿美元
微软在监管文件中披露，在截至9月30日的季度内从与OpenAI的商业安排中获得100亿美元收入，占其季度总收入923亿美元的近11%。整个2026财年微软来自OpenAI的收入达到241亿美元，截至9月底OpenAI对微软的未结应收款增至72亿美元。尽管双方逐步放宽排他合作并允许OpenAI接入其他云服务商，但按既定协议其收入分成仍将持续至2030年。
推荐理由：这份监管文件披露了双方的分账规模与应收款项，展现出两家公司在客户竞争加剧背景下依然紧密的资金绑定。
TechCrunch · AIAI 评分7070 Google 在全球扩展 AI 搜索广告以应对核心广告增速放缓
Google 宣布将 AI 搜索模式（AI Mode）中的广告业务拓展至国际市场，并在美国推出多轮对话广告，以应对核心搜索广告收入增速放缓的压力。第三季度财报显示其搜索广告收入同比增长 12%，增速较前两季度进一步回落。官方表示 AI 模式下的赞助商品点击率已可比肩自然搜索结果，且 AI 模式下的查询长度平均是传统搜索的 3 倍。
Latent SpaceAI 评分5151 前沿模型能否看破视觉诱饵？Elorian 推出 DecoyCount 测试视觉推理能力
Elorian 联合 Mercor 推出 DecoyCount 评测基准，专门测试大模型是在真实计数物体还是依赖视觉捷径。评测显示前沿模型在该基准上的准确率均低于 50%（最高为 GPT-6 Astra 的 43.17%），而 Elorian 新推出的视觉推理模型 Glimpse 内部单次测试准确率达 50.48%。
The Verge · AIAI 评分7474 Google 发布前沿模型 Gemini 4 Carbon，重点提升网络安全能力
Google 发布前沿模型 Gemini 4 Carbon，重点提升网络安全、编码及智能体任务能力，并在 SEC-bench Pro 和 ExploitGym 榜单上登顶。
OpenAI News精选AI 评分6060 OpenAI 与 ServiceNow 扩大企业工作流合作
OpenAI 与 ServiceNow 扩大合作关系，计划将 OpenAI 模型与智能体引入 ServiceNow 平台，同时将 ServiceNow 的企业工作流整合至 ChatGPT 与 Codex。
推荐理由：原文明确了双方将智能体能力与企业业务流程打通的合作方向，读者可以据此了解主流企业服务与前沿大模型的整合路径。
MIT Technology Review · AIAI 评分3838 利用企业上下文创造 AI 价值
MIT Technology Review Insights 调研显示，虽然受访企业都在不同程度使用 AI，但仅有 16% 获得了变革性价值，23% 的回报极少甚至为零。目前多数企业仍处于试点阶段（38%）或仅用副驾驶等工具辅助员工（35%），仅 12% 将 AI 智能体投入生产环境。业内人士指出，缺乏连接业务系统与 AI 平台的企业上下文层，是导致先进模型难以在企业实际发挥作用的关键缺失环节。
arXiv cs.LGAI 评分4848 反应式优化器 OPAL
研究人员提出反应式优化器 OPAL，利用预训练大语言模型智能体在单次训练中实时监测训练动态并重写可执行的优化器代码。该方法无需针对优化器的元训练，可直接调整学习率调度、优化器结构、数值精度和动量，在语言建模与图像生成任务中匹配或超越了固定训练配方。实验表明其能有效应对数据损坏并减少过拟合，代码已开源。
arXiv cs.LGAI 评分3535 面向时间序列预测的专家专业化研究：学习该共享什么
研究提出即插即用方法 PCR，通过在冻结的预训练预测器周围交替进行通道特定混合权重的精确条件估计与低秩残差专家的梯度训练，解决多变量时序预测中的通道专业化问题。论文同时引入合成基准 GalaxyTS；在 4 个预测视界平均下，PCR-K4 相对 3 种冻结 backbone 实现了 3.86%-14.25% 的均方误差降幅，且可训练参数量大幅减少。
arXiv cs.LGAI 评分4040 记忆还是时钟？审计 XLand-MiniGrid 中的记忆优势
在 XLand-MiniGrid 任务中，LSTM 智能体相比无记忆 MLP 的性能优势经审计发现大多源于对时间步的感知，而非真正的记忆能力。只要向同尺寸无记忆 MLP 输入时间步，两者原本 25 个百分点的差距便缩小至 3.3 个百分点，且线性探针证实 LSTM 状态编码了时间信息。研究还发现常用二元任务判定指标有 76% 为评估噪声，相关评估协议、工具与检查点已全部开源。
arXiv cs.LGAI 评分2626 面向降维与降阶建模的带 Lipschitz 控制贪心正交多项式流形
该研究提出用于降维与降阶建模的 Greedy-OPM 算法，利用在训练数据上正交的特征来表示多项式解码器。该算法在解码器 Lipschitz 常数受限的条件下，联合选择编码器模式与多项式特征以最小化重构误差。数值实验表明，引入 Lipschitz 约束能够在保持高重构精度的同时，有效提升脱离训练数据时的泛化表现。
arXiv cs.LGAI 评分3232 面向双曲传输图神经网络求解器的 CFL 感知边设计
研究提出一种面向双曲型偏微分方程 GNN 求解器的边局部 CFL 感知设计，将模型最终步预测误差降低了 10.4-14.4%。实验表明，直接向原始边特征追加 CFL 几乎无效，仅在边表示已解耦交互方向与空间尺度时才能发挥最大效用。该改进主要通过抑制激波附近的震荡实现，且随着时间步长增大，误差降低效果更加明显。
arXiv cs.LGAI 评分3636 从分布匹配视角看 LLM 训练算法
研究提出基于分布匹配的统一框架，将现代 LLM 各阶段训练算法解释为最小化模型与目标分布间的散度。分析表明 On-Policy Distillation（OPD）仅在模型贴近目标分布时优于经典知识蒸馏（KD），并揭示了强化学习（RL）目标分布退化机制。基于此设计的 Conditional KL（CKL）正则化可在放宽奖励提升限制的同时有效保留模式多样性。
arXiv cs.LGAI 评分2828 一种基于幅值感知比较的量子 k 近邻（QKNN）实现
研究人员提出一种实用的量子 k 近邻（QKNN）编码技术，通过为每个向量追加单个分量，实现不同 L2 范数向量间的欧氏距离计算。该方法比同类方案更易理解和实现，且所需量子比特更少。在标准标注数据集的真实噪声仿真基准测试中，得益于更少量子比特带来的更高电路相干性，其表现相比近期的欧氏距离 QKNN 方法取得显著提升。
arXiv cs.LGAI 评分2727 多项式残差网络具有泛型可识别性
研究人员证明了带有多项式激活函数和偏置项的常数宽度残差网络（ResNet）具有泛型可识别性。当激活函数的多项式次数不低于 5 时，泛型参数对应的纤维为单元素集；次数不低于 3 且无线性项时纤维由偏置平移与实单位根缩放确定。该方法同样适用于无偏置网络，并导出了奇点学习理论中 ResNet 参数化临界点的必要条件。
arXiv cs.LGAI 评分3333 利用隐动态从粗糙观测重建精细尺度 PDE 轨迹
研究者提出 Structured Latent Dynamics（SLD）框架，用于从时空下采样观测中重建高分辨率 PDE 轨迹。在二维 Gray-Scott 等方程系统中，SLD 成功将 25 帧输入重建为空间各方向细化 8 倍的 100 帧高分辨率输出。在参数规模相当时，其平均相对 L2 误差和平均绝对误差均低于非结构化隐动态及 ConvLSTM 基线。
arXiv cs.LGAI 评分3434 模型抽取结合知识蒸馏：从深度神经网络中恢复参数的密码分析技术
该研究将密码学权重方向抽取与基于预测标签的学习相结合，提出全连接深度神经网络的参数重构方案。在最大合成架构的最深隐藏层中，Leaky ReLU 恢复了 51-57 个神经元（ReLU 为 0 个），较小架构的预测一致性达 0.9890 至 0.9992。在两个 CIFAR-10 目标上，重构模型实现 56.40% 和 58.29% 的一致性，并在三项功能指标上超越蒸馏基线。
arXiv cs.LGAI 评分2929 超越仿射重构：用于辐射传输方程的多分辨率 Transformer DeepONet
研究团队提出一种基于 Transformer 的多分辨率 DeepONet，结合 Perceiver 编码器与交叉注意力解码器实现非仿射重构，用于加速火灾模拟中的辐射传输方程求解。该架构无需统一重采样即可直接处理多分辨率输入，并突破了仿射重构的理论误差下限。二维池火实验表明，该模型在预测辐射强度与入射辐射时精度优于自编码器 DeepONet，且具备更少的可训练参数。
arXiv cs.LGAI 评分3434 面向单轮分布式表格学习的 Geodesic-SVDD 隐空间 Mixup
研究提出分布式表格学习框架 Geodesic-SVDD，通过测地线隐空间 Mixup 将任务重构为超球面单类密度估计，支持单轮隐私聚合。在 5 个表格基准中，该方法在 7 种联邦方法中平均 AUROC 最高，在 Covertype 上领先联邦树模型达 21 个 AUROC 点。其单轮变体仅需 1 轮通信，即可在 IID 及轻度偏斜下媲美中心化 Deep SVDD。
arXiv cs.LGAI 评分2727 阿拉伯湾港口卫星测深基准评测：经验、机器学习与深度学习模型的多站点验证
阿拉伯湾港口卫星测深（SDB）的多模型基准测试表明，验证划分方式对精度的影响远超模型本身，同一 LightGBM 模型在随机划分与未见站点下的 RMSE 分别为 0.57 m 和 1.66 m。跨站点迁移中 Stumpf 比值法以 1.45 m RMSE 表现优于 LightGBM 与 U-Net，而在本地控制点辅助下混合模型在 0-11 m 水深可达 1.11 m RMSE。
arXiv cs.LGAI 评分3333 H-GLow：基于风险引导离散流匹配加速图生成
研究人员提出 H-Glow 框架，通过将连续时间马尔可夫链（CTMC）生成元分解为风险率与条件跳转分布，动态规划图编辑并调整采样时间以加速图生成。该框架既可适配预训练图离散流匹配（DFM）模型，也可结合新提出的 DFM 模型直接预测风险与跳转，在分子和合成图基准上以显著更少的采样步数提升了生成质量。
arXiv cs.LGAI 评分3333 Variational Atlas Autoencoders 与自监督坐标卡选择
研究人员提出 Variational Atlas Autoencoders，通过构建局部潜在表示图册与潜在证据路由，实现了完全自监督的坐标卡分配。该模型通过识别重叠区域与转换映射，支持贴近数据流形的跨图卡连续插值。在 CelebA 等数据集上，其潜在空间结构和采样质量均优于同容量基线，且采样仅需评估单个图卡的解码器。
arXiv cs.LGAI 评分3434 基于物理正则化 flow matching 从 PM2.5 临近预报气溶胶粒径分布
研究提出基于 24h 的 PM2.5 记录及 8 个气象参数，利用生成式模型临近预报小时级气溶胶粒径分布（PSD）。在芬兰森林与城市站点的测试中，flow matching 表现最佳，其引导变体取得了最低的连续分级概率评分（CRPS）。引入简化气溶胶通用动力学方程（GDE）物理约束可使训练站点 CRPS 降低 5.5-11.5%，并有效降低跨站点迁移误差。
arXiv cs.LGAI 评分2222 用于靶细胞分类的高维人类基因评分数据聚类
一项针对完整人类基因评分数据集及激酶基因子集的研究表明，在 769 个特征下使用多种聚类算法分析时，最优聚类数均为 2。该研究对比了直接删除缺失值与按 20% 阈值结合均值填充两种策略，并在标准化与 PCA 降维后测试了 K-Means、层次聚类、Fuzzy C-Means 及图聚类，各场景均取得了相对较高的 Silhouette 分数。
arXiv cs.LGAI 评分3434 隐式信念：面向战略说服的可扩展过程奖励
研究者提出 Probe-RPO 框架与仿真环境 PersuArena，通过读取被说服者的隐式信念状态提供密集过程奖励，以优化大语言模型的战略说服能力。在涵盖医疗、金融咨询等场景的实验中，Probe-RPO 取得 52.5% 的完全接受率，优于最强 GRPO 消融版本的 35.8% 与最佳现有 LLM 的 25.8%。
arXiv cs.LGAI 评分3232 递归自主智能体的集体协作
针对智能工厂跨层级生产协调难题，研究提出了递归自主智能体（RAA）的集体协作框架。该框架依托通用任务与能力接口，实现生产目标的自顶向下递归分解以及能力的自底向上对等聚合，使复合单元能作为同类智能体接入更高层组织。方案涵盖叶单元与复合单元组织模型，并在集成加工、检测和物流的多车间生产网络中完成实例化验证。
arXiv cs.LGAI 评分2626 面向超图级分类的重叠感知子超图模式频率方法
该研究提出用于超图级分类的重叠感知子超图模式频率方法，通过引入超边交集重叠标签并以挖掘模式的相对频率构建特征表示。在 DHG-Bench 的 6 个数据集中，该方法在 5 个数据集上的平均 Macro-F1 超越此前最佳表现，Twitter-Friend 和 Steam-Player 分别提升 18.67 和 10.02 点；消融实验证实去除重叠标签会导致 Macro-F1 下降 4 至 9 点。
arXiv cs.LGAI 评分2929 FedSEAM：基于子空间专家一致性合并的大语言模型联邦持续学习框架
FedSEAM 提出了一种大语言模型联邦持续学习框架，通过将任务知识组织为稀疏专家并在任务与客户端间选择性共享内容。客户端通过子空间兼容性测试决定专家复用与扩容，服务端借助 SEAM 仅沿共识方向合并更新，并针对路由漂移和合并擦除提供保护机制。该方法已在 TRACE 基准上使用 Qwen3-4B 和 Llama-3.2-3B 完成验证。
arXiv cs.LGAI 评分3434 RBGA：面向灵巧操作的离线到在线安全强化学习剩余预算引导仲裁算法
研究团队提出 RBGA 算法，通过显式跟踪回合内剩余安全预算，解决灵巧操作在离线到在线安全强化学习中的探索安全性问题。该方法在每一步对比离线引导动作与在线策略动作的未来代价估计与剩余预算，实现动态动作仲裁。实验表明 RBGA 能在维持高安全表现的同时有效实现在线策略提升，相关代码已开源。
arXiv cs.LGAI 评分3434 多任务模型合并的误差子空间校准框架 ESCal
研究人员提出多任务模型合并校准框架 ESCal，通过专家与合并模型的权重差异识别低维误差子空间，以精确定位并修正特征方向。该方法在中间块边界通过 bridge 模块计算加性修正，保持子空间基底固定且仅学习线性映射，参数效率极高。视觉与自然语言理解基准测试显示，ESCal 仅需小规模校准集即可跨多种模型架构与合并方法提升性能。
arXiv cs.LGAI 评分3636 CD-FFM：基于似然泛函流匹配的气候降尺度模型
研究人员提出气候降尺度模型 CD-FFM，将高分辨率场作为连续随机场建模，支持在任意位置与分辨率查询并具备精确似然。在将 ERA5 降尺度至 1 km 日气温任务中，其 CRPS 较回归方法降低 27-31%，比参数量大 40 倍的神经算子降低 12-18%，效果优于 CorrDiff 风格扩散模型且采样速度快约 50 倍，同时可迁移至降水预测。
arXiv cs.LGAI 评分2525 马尔可夫轨迹下重要性修正动量 Actor-Critic 的统一分析
研究提出了结合岭正则化 LSTD 与重要性修正动量（ICM）的 Actor-Critic 方法，首次在单条马尔可夫轨迹上建立有限时间界。在 $K$ 次更新下，归一化与非归一化步长的平均梯度范数界分别为 ${\cal O}(K^{-1/3}+\frac{1}{T})$ 与 ${\cal O}(K^{-1/4}+\frac{1}{T})$。
arXiv cs.LGAI 评分2929 FG-ConvNO：用于螺旋桨 CFD 预测的几何感知神经算子
研究者提出分解几何卷积神经算子（FG-ConvNO），用于在有限训练数据下实现螺旋桨 CFD 表面压力与全局推力的稳健预测。该架构引入几何感知编码、高效插值解码与辅助全局物理量监督，并结合 DISCO 模块以实现离散化无关。实验表明，FG-ConvNO 在程序生成的螺旋桨数据集上取得了表面压力与全局推力预测的最高精度。
arXiv cs.LGAI 评分3838 从智能走向自主：面向未来智能系统的自主智能体基础与构建
该研究提出了自主智能体（autonomous agent）的理论定义与“单一边界、四环路”构建框架，通过操作、生存、反思与学习四条环路分别组织任务执行、自我维持、元控制及受控学习。论文进一步完成了权限约束、道路封闭响应、健康维护、能力重估与跨任务学习 5 组配对仿真实验，为上述机制的可行性提供了初步验证。
arXiv cs.LGAI 评分3131 数据清洗后的精确机器遗忘
新研究针对数据清洗管线提出精确机器遗忘（Exact Unlearning）方法与数据保留契约，解决删除原始记录导致此前被排除样本重新入选的问题。该方案依据设定的未来删除上限构建训练统计摘要，支持在多次删除请求后精确修复并用于岭回归等模型。在 1,001 条 AskUbuntu 开发记录测试中，精确成员修复成功通过了 13,056 次删除步骤检查。
arXiv cs.LGAI 评分4242 强化学习缩放定律实证研究
一项针对 actor-critic 算法的实证研究建立了强化学习（RL）缩放定律，可在训练算力跨越两个数量级时准确预测性能、最优资源分配与超参数配置。研究采用单智能体 Elo 分数替代传统的平均单局回报，显著提升了规律的可预测性，并据此扩大训练算力在 Craftax 环境中刷新 SOTA。
arXiv cs.LGAI 评分2525 动作相关观测下开环、确定性等价与最优控制的性能差距
研究在动作相关观测的线性二次双线性观测系统中，分析了最优策略、确定性等价（CE）控制与最优开环（OL）控制的性能差距。基于提出的信息强度参数 $q$，证明当 $q$ 处于中间区间时，主动探测信息的策略能比 OL 取得 $\Omega(T)$ 优势，而 CE 仅获 $O(1)$ 优势，确立了 CE 与最优控制间存在 $\Omega(T)$ 的性能差距。
arXiv cs.LGAI 评分3333 COPE：面向 MoE 卸载策略的可组合性能仿真器
COPE 是一种面向 MoE 卸载策略的仿真器，可在集成前为目标模型与硬件平台选出最佳卸载策略。它包含 Policy Matrix 和 Virtual Heterogeneous Machine 两大组件，通过解构设计空间衍生出 4 个新候选策略并估算性能。相比基线，COPE 将最快策略选择准确率提升 24%-100%，性能预测误差降低 1.7x 至 6.8x，策略实现工作量减少最多 74%。