超越标量排行榜：多目标 LLM 竞技场帕累托前沿识别的自适应采样算法
研究者提出了用于多目标 LLM 竞技场评测的自适应采样算法 VB-EGE，以高效率识别帕累托前沿（Pareto frontier）模型。该算法基于多目标 Bradley-Terry 模型，在积累足够统计证据后逐步剔除模型，具有高概率返回正确前沿的实例相关样本复杂度上界，并在对数因子意义下达到极小化极大最优。
#论文/研究
#论文/研究
今日 59 条arXiv stat.MLAI 评分3535 arXiv stat.MLAI 评分3131 通用特征的通信复杂度研究
研究人员探讨了面向函数族评估的数据表示复杂度，构建出仅需 $O(d^{*}\log(1/\varepsilon))$ 比特编码长度的确定性编码器，其中 $d^*$ 为函数族的对偶 VC 维，误差至多为 $\varepsilon$。该编码长度在最坏情况下达到最优，且研究给出了两种基于无标签样本学习该表示的方法。实验验证了贪心构建方法的精度与大小权衡，并探索了其与神经稀疏自编码器的联系。
arXiv stat.MLAI 评分2828 基于浅层神经网络的扩散 Score 估计：正则性、逼近与有限样本收敛率
研究探讨了使用有限宽度浅层 ReLU 网络和去噪 Score 匹配（DSM）估计 Ornstein-Uhlenbeck 扩散 Score 的样本复杂度及反向采样效果。
arXiv stat.MLAI 评分2020 流形上 Besov 函数的高斯逼近与 Logistic 分类理论
该研究针对内在维度为 $\varrho$ 的紧致光滑流形，提出了基于高斯核逼近与正则化 Logistic 分类的快速预言机不等式。研究利用不同带宽的高斯核积分算子符号组合消除低阶偏差，克服了二阶饱和并实现了内在维度控制下的核范数界限。结合预测截断后，该方法在有界密度下的 Logistic 超额风险多项式指数与超额误分类风险均达到了极小化极大最优速率。
arXiv stat.MLAI 评分2828 稳健隐变量图模型：精确恢复与基本极限
研究针对分解为稀疏矩阵减去对称低秩矩阵的高斯精度矩阵，提出了一种基于测度变换协方差的凸估计器，可实现稳健的图结构与参数恢复。在对偶见证定理下，该估计器能唯一恢复真实秩与惯性，且无虚假边；惯性恢复需要 $N\gtrsim p/\nu_{\min}^2$ 的样本量。研究还证明了其在 Huber 污染下的稳健性，并给出了具闭式更新的全局收敛线性化 ADMM 算法。
arXiv stat.MLAI 评分3636 用于时间序列预测的动态双反馈共形推理 DDCI
研究人员提出了用于时间序列预测不确定性量化的动态双反馈共形推理（DDCI），该研究已被 NeurIPS 2026 接收。DDCI 结合了由真实观测驱动的实际反馈与基于经验阈值的估计反馈，在更新期间抑制预测区间的过度膨胀或收缩。该方法在时序环境下实现了更稳定且更窄的预测区间，同时在实际应用中保持了接近标称水平的覆盖率。
arXiv stat.MLAI 评分2424 严格可复现可实现学习：未知边际分布、有限类插值与共享随机性代价
该研究确定了边际分布未知条件下严格可复现可实现学习的样本复杂度，证明在大小为 $M$ 的有限类上最坏情况界为 $\Theta((\log M)^2)$。针对全布尔类 $P_d$，论文通过适定泊松化球采样算法给出了匹配的 $\Theta(d^2/(\varepsilon\rho^2)+\varepsilon^{-1}\log(1/\delta))$ 样本复杂度界，并给出了显式 Gibbs 上界。
NatureAI 评分5959 研究显示大语言模型建议的临床诊疗费用是人类医生的 3 倍
大语言模型建议的临床护理方案费用是人类医生实施方案的 3 倍。研究显示大模型倾向于建议更多的检查、转诊和药物，从而推高了医疗成本。此外，超过 80% 的美国医生表示已在提供医疗护理时使用了 AI 模型。
科学网AI 评分3535 中国科学院南海海洋所开发 DLSCR 模型重建印-太交汇区次表层三维洋流
中国科学院南海海洋研究所杜岩、张玉红团队开发了基于深度学习的次表层流重建模型 DLSCR，实现了印-太交汇区 1/12° 分辨率、最深约 643 米的三维次表层洋流高精度重建。该模型以 7 个海表变量为输入，在独立测试中纬向和经向流速平均均方根误差分别为 0.060 米/秒和 0.056 米/秒，整体精度优于 U-Net 和 TransUNet 等基线模型。
科学网AI 评分6565 AI模型凭面部照片预测癌症患者死亡风险
美国医学研究团队开发出新型AI基础模型FAHR-Face，可仅凭面部照片估算生物学年龄并预测癌症患者死亡风险，相关成果发表于《柳叶刀·数字健康》。在接受放疗的癌症患者中，AI评估面部表观年龄比实际大至少5岁者的4年内死亡风险高出21%，年轻至少5岁者死亡风险低17%。该研究旨在帮助医生在制定手术或放疗方案前，更标准化、规模化地评估患者身体储备能力。
arXiv quant-phAI 评分2828 HyQ-LC：通过量子-经典混合学习提升光变曲线分类
研究人员提出用于十类恒星光变曲线分类的模型 HyQ-LC，结合窗口多层感知机（MLP）主干与 9 量子比特读出，在 44,238 个参数规模下，其在 20,000 个测试样本上的 Macro-F1 较纯 MLP 对照组在两个微调随机种子上分别提升 0.8276 和 1.2393 个百分点。该量子线路在经典计算上完成模拟，相关特征、预测结果与代码均已公开。
arXiv quant-phAI 评分3535 LiftDiff：基于引导式离散扩散模型的量子纠错码构建方法
研究人员提出基于生成式方法的量子纠错码发现工具 LiftDiff，利用离散扩散模型生成基础矩阵并扩展为提升积码。该方法通过评估围长、度数、稀疏度及解码性能的能量函数引导反向扩散，成功构建出 [[169,13,11]]、[[143,15,9]]、[[260,24,10]] 等参数的量子码。
arXiv quant-phAI 评分2424 基于仿真的量子密钥分发取证：利用机器学习进行攻击检测与特征提取
研究人员提出了基于仿真的量子取证框架 QF-LOG，通过分析量子误码率（QBER）、光子计数、毫秒级延迟和中止标志四项日志特征来检测 QKD 攻击。在包含 500 万条平衡记录的 Generator-A 数据集上，逻辑回归、随机森林和 XGBoost 等全特征机器学习模型取得了 0.8211 至 0.8243 的宏 F1 分数。
arXiv quant-phAI 评分2727 基于机器学习推理的受限信息下量子关联多发射体定位
研究人员提出一种通过机器学习推理直接从多模态数据推断发射体数量和位置的新方法，解决了传统拟合选择框架在光子受限和强背景下误差传播的问题。该方法在定位精度上实现超过 10 倍提升，所需光子数减少多达 5 倍，显著改善了低光子计数与窄间距等严苛条件下的定位表现。
arXiv quant-phAI 评分3131 经典数据编码下的量子机器学习基于间隔的泛化理论
研究者提出了一个基于间隔（margin）的泛化框架，用于处理输入经典数据并编码为量子态的量子机器学习任务，同时覆盖固定编码与可训练编码。针对可训练编码，团队通过两尺度覆盖论证推导出泛化界，引入了阶数为 $\tilde O(\sqrt{L/m})$ 的附加编码容量项。在跨越多种图像数据集和线路架构的 19,440 次模拟训练中，逆间隔在条件独立性与 90 分位符号误差标准下表现最优。
arXiv quant-phAI 评分2828 基于原型引导的线性复杂度量子数据嵌入优化方法
研究人员提出了一种原型引导的量子数据嵌入优化框架，将传统数据自适应方法所需的样本两两保真度评估复杂度从 $O(B^2)$ 降至线性的 $O(B)$。该方法结合了任务特定的量子线路架构优化与数据嵌入参数连续微调，在最高支持 20 个量子比特的 5 个基准数据集上保持了具有竞争力的量子核 SVM 分类性能，并在 T-MNIST 数据集上表现尤为突出。
arXiv quant-phAI 评分3737 EntangledEdge：面向轨道量子传感与学习的分布式系统架构
研究人员提出 EntangledEdge，这是首个将轨道量子传感与学习端到端统一的系统架构，通过量子数据平面与经典控制平面确保数据在传感至推理全流程保持量子态。系统支持将事件路由至匹配模型、实现无标签自适应检测阈值，并依据硬件保真度跨站点聚合。混合原型评估显示，其在限制单事件成本的同时实现了高质量推理，提升了量子处理器利用率并支持随卫星编队规模扩展。
arXiv quant-phAI 评分2121 具有奇异半链因子的平移不变纯态研究
研究人员借助 AI 辅助发现反例，在 1D 晶格上构造出一类平移不变纯准自由费米子态，其半链 von Neumann 代数可呈现 $\mathrm{II}_\infty$ 型或任意 $0<\lambda\leq 1$ 的 $\mathrm{III}_\lambda$ 型超有限因子。
arXiv quant-phAI 评分2929 Quantinuum 在 Helios 离子阱处理器上实现远低于阈值的量子纠错
研究人员在 Quantinuum 的 Helios 离子阱量子处理器上实现了距离 d=3、5 和 7 的三角色码低于阈值运行。结合电路与硬件级漏失抑制方案，逻辑错误率低至 5_{-2}^{+4}×10^{-6}，码距每增加一级错误抑制因子达到 Λ=12_{-2}^{+3}。基于卷积神经网络和 Transformer 的解码器实现了比伴随式提取速率快一个数量级的实时解码。
科学网AI 评分6868 清华等团队研发1克重无线介观显微镜Airscope，可观测小鼠半脑神经活动
清华大学戴琼海团队联合解放军总医院在《自然》发表成果，研发出重量仅 1 克的无线介观显微镜 Airscope，能在 6 毫米视场内以单细胞分辨率同时记录自由运动小鼠超 8500 个神经元的活动。设备结合传感器端数据压缩与配套算法，不仅能在自然活动中解码小鼠位置并以 81.8% 准确率提前预测社交对抗结果，目前也已具备小规模量产条件。
科学网AI 评分6161 清华与解放军总医院团队研制成功百万像素无线介观显微镜 Airscope
清华大学戴琼海团队与解放军总医院戴朴团队研制出百万像素无线介观显微镜 Airscope，成果发表于《自然》。该设备不含电池仅重1克，搭载200万像素传感器，可在6毫米视场下实现单细胞分辨率无线成像，单只小鼠可同步记录8500余个皮层神经元。团队还配套开发了 SAM2Mice 智能追踪工具，并在实验中通过神经活动以81.8%的准确率预判小鼠竞争胜负。
Scientific AmericanAI 评分6262 AI 能仅凭人脸照片预测癌症患者的死亡风险吗？
发表在《柳叶刀·数字健康》（The Lancet Digital Health）的一项新研究显示，AI 模型能够仅凭一张面部照片预测癌症患者的死亡风险。研究人员利用 4000 万张面部图像进行预训练，并在包含 3820 名癌症患者的测试组中发现，最高风险组里超过半数患者在拍照后 90 天内去世。
NatureAI 评分4141 利用 1 克无线介观显微镜实现自然行为小鼠的全皮层成像
研究团队开发出仅重 1 克的无线介观显微镜 Airscope，实现了自然行为状态下小鼠的全皮层神经成像。该设备支持板载 SD 卡存储与 Wi-Fi 实时预览，可实现皮层与脊髓同步成像，并能在大型开放栖息地中开展多鼠群体记录。结合 SAM2Mice 行为分割追踪算法，研究人员成功对 5 只自由活动小鼠同步记录了 21,397 个神经元的皮层动态。
科学网AI 评分3535 南京土壤所探索地下水热耦合研究新方法
中国科学院南京土壤研究所科研团队联合多家单位，基于物理信息神经网络（PINN）构建了面向地热对井系统的水热耦合模拟新方法。该框架将流体流动与热量传输控制方程引入训练流程，采用双网络架构分别预测水头场和温度场，在河北献县地热田对井采灌系统中完成验证。在训练样本有限的条件下，该方法比纯数据驱动深度神经网络具有更高的预测精度和物理一致性。
科学网AI 评分2828 中科院大连化物所团队提出第三代代谢组学发展新框架
中国科学院大连化学物理研究所刘心昱和许国旺团队提出了以“规范化、流程化、自动化和智能化”为核心的第三代代谢组学技术框架。该框架引入 AI 智能体协调实验设计、仪器控制、数据处理及结果解析，以构建全流程闭环分析体系。团队进一步展望了结合自动化质谱分析的黑灯实验室，以及构建以代谢组为中心的数字孪生系统。
MIT Technology Review · AIAI 评分6565 MIT 研究人员将 Claude 置于虚拟孤岛，发现智能体展现自发玩耍与自主学习行为
MIT CSAIL 研究人员将基于 Claude Opus 4.7 的智能体置于虚拟孤岛 30 小时，在未给具体指令的情况下，智能体自发产生了探索、画图、设定规则与发明小游戏等类似玩耍的行为。这些智能体将经历记录在长期记忆文件中，后续在指定任务测试中的表现明显优于未经历该过程的模型副本。
量子位AI 评分7373 谷歌开源双层递归自我改进框架 Harness²
谷歌团队开源大语言模型递归自我改进框架 Harness²，允许模型在运行中动态调整外挂代码、系统提示词与工具链。该框架采用任务级实验对比与改进级经验沉淀的双层递归架构，解决了开放场景下缺乏标准答案与单次任务过拟合的难题。实验显示，装配该框架的 GLM-5 在 WorkBuddy-Bench 办公基准上得分提升 11.5 分，且积累的经验库支持无缝跨领域迁移。
arXiv cs.AIAI 评分3434 FuzzInsight：平衡覆盖率导向 DNN 模糊测试的效率与效果
研究人员提出 FuzzInsight 与 Equalized Sampling 策略，将 DNN 模糊测试的平均种子队列利用率提升至 77%，比以往方法高出 13 个百分点。
arXiv cs.AIAI 评分4949 OfficeTown：面向智能体持续进化的生成式组织模拟框架
研究人员提出生成式组织模拟框架 OfficeTown，可根据自然语言描述初始化虚拟组织，让成员协调工作、委派任务给助手智能体并持久化积累上下文。基于该框架构建的 OfficeTown Bench 涵盖 8 个专业领域、23 个模拟组织的 406 项任务与 4,836 条评估标准。
arXiv cs.AIAI 评分3737 LongForge：通过证据-断言推理图评估与改进长上下文指令数据
研究人员提出长上下文指令数据处理框架 LongForge，将样本反向重构成证据-断言推理图，从广度、深度、正确性和完整性四个维度进行可追溯的质量评估与生成控制。评估 7 个主流数据集发现，数据广度几乎不随文档长度增长且深度普遍偏低。在两个骨干模型上，其生成的 LongForge-1 和 LongForge-N 在 6 个长上下文基准上平均超越最强基线 2.2-4.7 分。
arXiv cs.AIAI 评分3535 算法模型化：将优化算法转化为可进化的智能模型
研究人员提出“算法模型化”（Algorithm Modelization）新范式，将迭代优化算法转化为可训练模型，把算法执行轨迹作为计算经验以内化并超越现有算法。该方法将迭代优化建模为自回归过程，结合跨维度种群时序架构与“从模仿到超越”学习框架，先吸收异构算法知识再由优化反馈持续改进。模型化优化器不仅整合了多样化搜索能力，还能泛化到未知的大规模维度问题中。
arXiv cs.AIAI 评分3434 QuAD：基于多智能体系统与分布对齐的定性数据质量量化评估框架
研究人员提出了用于定性响应数据集分析前量化评估的框架 QuAD。该框架将文本内在聚类分布与基于元数据定义的研究分析视角进行对比，构建四象限联合评估指标来判断数据适用性。为计算视角约束下的响应间差异，QuAD 采用包含两阶段指令生成与自适应锚点的多智能体系统，并在合成数据与真实社会调查案例中验证了其有效性。
arXiv cs.AIAI 评分3434 CIIR：基于类别索引接口表征学习的跨数据集通信框架
研究人员提出模块化编解码器框架 CIIR，通过类别索引地址空间连接异构数据集，无需配对或同步的多模态样本。系统使用 128 维地址表征，新训练的无标签接收器实现了 94.7% 的宏平均地址实现准确率。冻结基础地址空间后仅训练轻量适配器接入未见过的 SVHN 数据集，在无目标端标签下达到 90.2% 的 MNIST>SVHN 和 82.3% 的 SVHN>MNIST 端到端地址迁移准确率。
arXiv cs.AIAI 评分3535 LexPilot：评测法律大模型在中国民事案件咨询中主动交互能力的基准
研究人员推出基准 LexPilot，用于评估法律大模型在中国民事案件咨询中主动引导非专业用户补充案情及下游判决预测的能力。该基准基于 36 种常见案由的 432 份真实判决构建，包含经专家审核的完整与信息不全咨询记录及对应法院判决。实验表明现有 LLM 主动交互能力较弱，在信息不全时的下游诉求判决预测较完整信息设置平均下降 23.84%。
arXiv cs.AIAI 评分4747 WebCoder：基于工件落地智能体强化学习扩展通用前端开发能力
研究团队推出基于工件落地智能体强化学习的前端开发 AI 智能体 WebCoder，通过 Webdev-World 执行环境与工件进度驱动的奖励重分配机制支持长轨迹训练。
arXiv cs.AIAI 评分4444 重新审视大语言推理模型安全对齐中的 GRPO
研究人员针对大语言推理模型在 GRPO 安全对齐中出现的优势崩塌与不安全多样化问题，提出了对齐框架 Beacon。该框架通过安全信号恢复（SSR）重构有效学习信号，并利用安全与效用解耦对齐（SUDA）缓解过度拒答。在 4 个 Qwen3 与 DeepSeek-R1-Distill 变体及 8 个基准测试中，该方法将平均安全错误率最多降低了 32.83 个百分点。
arXiv cs.AIAI 评分4040 智能体上下文学习：Transformer 在闭环交互中能学到什么算法？
研究提出了智能体上下文学习（Agentic ICL），探讨固定参数的因果 Transformer 在闭环交互中逼近主动学习、多臂老虎机和在线强化学习等算法的表现。实验证明 Transformer 能通过知识蒸馏执行三种代表性递归算法，并在有限时界内约束回报损失。此外，在没有先验动作或状态目标时，过程奖励监督与结果最优偏好的对齐程度会直接改变模型学到的决策策略。
arXiv cs.AIAI 评分3333 蒸馏直至发散：面向智能体强化学习的错误截断后见蒸馏方法
研究提出面向智能体强化学习的错误截断后见蒸馏方法，通过轨迹结果与错误边界路由两类互补的后见技能，解决长程交互中后见监督与状态不匹配的问题。该方法利用正面技能强化成功决策，利用负面技能针对关键错误提供修正，错误发生后的后缀部分则完全由 GRPO 优化。实验表明该方法具备竞争力的任务表现，并支持有效的细粒度信用分配。
arXiv cs.AIAI 评分4343 C 转 Rust 性能退化分析与恢复研究
研究人员分析了 20 个真实 C 项目转为 Rust 后的性能退化，发现转译后的 Rust 在部分操作中比原 C 代码慢达 62.2%，并归纳出 9 类主要性能问题。团队提出基于 LLM 的性能恢复方法，结合热点分析与可复用优化规则进行上下文重写验证。在 12 个保留项目的 41 项操作测试中，该方法成功为 40 项操作加速，其中 18 项运行速度超越原始 C 代码。
arXiv cs.AIAI 评分3333 科研构思的起点：基于前向引文监督生成可执行的文献局限性
研究人员提出了基于前向引文监督生成文献局限性的三阶段后训练流程，包括监督微调、验证器过滤的拒绝采样微调以及在线密集奖励强化学习。该研究构建了包含 18,279 个经人工验证三元组的数据集 ActLim-Bench，并在前沿模型评测中取得了最高的召回率得分。人工对比评估显示，所生成的局限性在 64.9% 的非平局比较中更受青睐，相关数据与代码将在发表后开源。