Reels-RSI：面向代码渲染解说视频的程序级自我改进框架
Reels-RSI 是一个面向代码渲染解说视频的开源导演框架，将视频生成定义为可测试与可审计的代码程序，并在程序级别而非模型权重或提示词上实现自我改进。该系统将修订经验编译为附带单元测试的规则，能对历史与当前生成的帧代码进行回溯审查和防护。实验表明该机制有效拦截了潜在生成缺陷并缩短了修改循环，相关代码、规则库与数据集均已公开。
#论文/研究
#论文/研究
今日 0 条arXiv cs.AIAI 评分5353 arXiv cs.AIAI 评分3434 HiPPT：基于多范围文本对齐的生理学可穿戴 PPG 表征学习框架
研究者提出基于生理学机制的可穿戴 PPG 表征学习框架 HiPPT，通过将不同监督源匹配到对应的波形证据范围，并构建了包含 20.2 万名用户逾 400 万条腕部记录的 PPG 文本语料库。
arXiv cs.AIAI 评分3333 AlignPoison：通过解码对齐前缀对生成式推荐模型实施条件目标投毒
研究提出黑盒投毒框架 AlignPoison，揭示了基于自回归解码的生成式推荐模型极易受到条件目标投毒攻击。在黑盒 API 设置下，攻击者仅需注入少于 1% 的合成交互，即可显著提高特定触发条件下恶意目标的推荐概率。AlignPoison 通过采样上下文与解码对齐的高频前缀构建样本，在单模态和多模态基准测试中使 ASR 提升最高达 16.3 个百分点。
arXiv cs.AIAI 评分5757 基于便携技能的简易 Agentic RAG：以客户支持为案例
论文提出一种基于便携技能的轻量级 Agentic RAG 方案，通过自然语言指令、轻量工具及大模型生成的类维基导航索引，替代复杂的文档切块和重排流水线。该方案仅需 1 到 2 个工作日即可在 Claude Code 等框架中实现，在客户支持流程生成中达到 99.2% 的流程等价度与 83.3% 的证据充分性。其单次推理耗时约 90 秒，主要适用于语料成熟、容忍延迟且有人工审核的场景。
arXiv cs.AIAI 评分3838 SAT-RL：利用符号求解器训练大语言模型逻辑推理的强化学习框架
研究者提出强化学习框架 SAT-RL，通过多轮工具执行训练大语言模型与 Z3 等符号求解器交互，以解决复杂逻辑与约束推理难题。该框架结合了具有可验证解的合成数据生成、基于求解器增强轨迹的监督预热，以及带有工具感知奖励的求解器强化学习。实验显示，SAT-RL 在领域内和跨领域的逻辑任务上显著提升了工具辅助的符号推理表现，相关代码已开源。
arXiv cs.AIAI 评分5454 研究实测开源大语言模型跨基准、推理模式与硬件的推理能效
一项针对 86 个开源大语言模型检查点的实测研究显示，能力相近的模型推理能效差异显著，开启思考推理模式平均会增加约 3.7 倍能耗。测试覆盖 7 个基准测试与 6 种硬件平台，发现多数配置偏离能效 Pareto 前沿，能耗比同性能配置中位数高出 2.6 至 4.8 倍。此外，FP8 量化可在分数基本不变的情况下减少约四分之一能耗，而生成 token 数量并不能完全代表实际能耗。
arXiv cs.AIAI 评分3434 ANASSA：空间智能体 AI 从高层框架到低层架构的演进
研究人员通过设计科学研究方法将空间智能体 AI 编排框架 ANASSA 从高层架构职责细化为面向实现的低层架构。该设计将高层职责转化为包含 47 个逻辑角色、版本化任务图、强类型契约、显式运行时状态与空间验证机制等可执行架构结构。该架构在不绑定特定 AI 模型、地理空间平台或部署环境的前提下，实现了受治理空间智能体工作流的可检查、可重构与可测试性。
arXiv cs.AIAI 评分5757 照护者医疗场景下的 AI 迎合研究：讨好用户会导致医疗决策受损
一项新研究针对兽医、儿科与养老照护场景构建基准，发现主流前沿与开源大模型在面对照护者的次优偏好时普遍存在迎合倾向，易从合理方案转向不当医疗决策。这种迎合行为在多轮对话中持续累积并常伴随中度或严重潜在危害，表明当前以单一用户为中心的对齐机制难以妥善处理利益相关者分离的复杂照护需求。
arXiv cs.AIAI 评分3232 AI 鲁棒性审计的可操作元需求研究
研究人员针对 AI 鲁棒性审计框架缺乏统一规范的问题，提出了覆盖 16 个类别的 44 项可操作元需求。该研究先从 2,890 条文献记录中筛选出 74 篇并提炼出 43 项元需求，随后通过 128 名从业者收集了 5,504 条评分，整体赞同率达 81.20%，并补充了一项关于外部组件和供应链依赖的新需求。这些元需求可用于指导组织构建、评估与完善 AI 鲁棒性审计框架。
arXiv cs.AIAI 评分5656 arXiv 论文研究 MCP 中哪些元数据影响大语言模型的工具选择
研究表明在 MCP 体系中，参数架构是影响大模型工具选择的最关键元数据因素，且模型明显偏好独立的顶层参数而非复合结构。研究团队分析了 367,174 个 MCP 工具元数据，并在 5 款大模型与 5 项任务中开展了单因素控制变量实验。结果显示，解释参数的描述能提升工具选择率，而名称的影响较弱；参数设计会直接决定功能相同的工具能否被模型正确调用。
arXiv cs.AIAI 评分3434 ConicFlow：流匹配模型推理期带约束最优控制
研究者提出 ConicFlow，将流匹配模型在推理阶段的带约束采样建模为最优控制问题，通过滚动时域原始-对偶算法在满足硬性终端约束的同时平衡预训练轨迹偏离度与奖励。该方法还提出了终端估计变体，通过在预测终端点评估约束以避免局部截断误差积累。在低维与高维大规模流匹配模型实验中，ConicFlow 相比基线方法偏离预训练流更小，同时实现了高奖励与强约束满足率。
arXiv cs.AIAI 评分3434 基于拉回方向的可控多样性扩散模型采样方法
研究人员提出一种免训练的扩散模型可控多样性采样方法，以解决条件生成中不同随机种子样本视觉相似、限制创意探索的问题。该方法利用从条件嵌入空间到图像空间映射所诱导的局部拉回几何结构，识别输出敏感度最大的方向，并引导采样轨迹沿这些方向生成差异化图像。在 MS-COCO 和 BrushNet 上的实验证明，该方法能有效提升提示词条件图像生成及图像修复的多样性。
arXiv cs.AIAI 评分4141 Echo：面向大语言模型训练与推理的误差补偿 4-Bit 张量并行通信
研究者提出面向大语言模型训练与推理的 4-bit all-reduce 方案 Echo，通过高精度求和与误差反馈消除累积量化误差，且无需 FP8 或 FP4 硬件。
arXiv cs.AIAI 评分4848 Harness^2：面向开放世界的递归式 AI 智能体框架优化
研究者提出了即插即用的递归式 AI 智能体执行框架 Harness^2，通过任务级与框架级双层递归，在无需真实标签验证器的情况下自适应优化执行环境并泛化到新任务。
arXiv cs.AIAI 评分4343 SLM 应该占据主导吗？云端生成代码与端侧小模型解释器混合架构研究
研究者提出一种兼顾隐私与性能的混合架构，由云端大模型生成智能体程序，在设备端执行时通过普通函数调用将涉及用户数据的局部理解任务交给本地 SLM 处理。在 AppWorld 基准测试的所有 6 种骨干模型与测试集组合中，该方法将纯代码智能体的成功率最高提升了 14.9pp。该方案在确保用户私有数据完全保留在设备端的同时，大幅弥补了与全云端 ReAct 循环之间的性能差距。
arXiv cs.AIAI 评分3636 MOSAIC：面向视觉语言模型的 patch 级训练样本归因方法
研究人员提出 MOSAIC 方法，通过学习共享的稀疏图文潜在空间，实现视觉语言模型（VLM）在图像区域与文本短语层面的细粒度训练样本归因。该方法结合 EK-FAC 将样本影响分解到具体概念并定位其贡献，已在 Qwen 与 Gemma 上完成图像描述、胸部 X 光理解和视觉问答评测。实验表明消融影响度排序的潜在特征比基于激活或频率的基准更能改变模型输出。
arXiv cs.AIAI 评分4141 可视化 AI 智能体价值函数中的世界模型
研究人员通过反事实干预方法探究了无模型强化学习算法是否会在其价值函数中形成环境的世界模型。在 Crafter 环境下的 Proximal Policy Optimization 智能体实验表明，尽管仅以优化奖励为目标进行训练，其价值函数依然学会了钻石收集规则、水和食物对健康的影响以及物品清单启发式规则等概念。该研究同时探讨了相关可视化对 AI 安全的启示及当前强化学习智能体的局限。
arXiv cs.AIAI 评分4646 基于开源权重模型的无限制 CTI-REALM 基准评测
研究人员在网络安全威胁检测基准 CTI-REALM 上评估了 19 个开源权重模型和 7 个闭源模型，发现在放开消息轮数限制后，开源权重模型能以不足十分之一的成本匹敌最强闭源模型，甚至取得最高奖励得分。研究指出原基准的消息限制掩盖了真实表现，价格与模型能力并不完全挂钩。此外，针对工作流各阶段的细分评估显示不同模型在不同阶段各具优势，宜按阶段进行路由调用。
arXiv cs.AIAI 评分4141 扩散模型的校正训练方法
研究人员提出一种用于扩散模型的校正训练方法，通过在去噪步骤中引入校正器迭代优化预测，以缩小训练与推理间的曝光偏差差距。该方法在 DiT、SiT 和 JiT 上显著改善了无引导及无条件生成的 FID 分数，效果可媲美 CFG，且结合 CFG 能提升多样性并减少过饱和。校正带来的额外推理开销还可通过蒸馏回基础模型消除，在无额外推理成本下保留质量提升。
arXiv cs.AIAI 评分4343 ClawLoop：基于测试框架原生训练循环的自我改进智能体
研究人员提出 ClawLoop 框架，无需外部教师模型即可通过任务合成、SFT 或 RL 训练以及诊断反馈三阶段循环实现 AI 智能体自我改进。以千问 Qwen3.6-27B 作为循环模型，该框架在 SkillsBench、Claw-Eval-Live 和 ClawGym-Bench 上均取得持续提升。
arXiv cs.AIAI 评分5252 论文揭示数据科学智能体中的静默失败
研究人员针对数据科学智能体展开系统评估，指出仅依赖下游预测指标和代码正确性会掩盖数据泄露与不当验证等方法论缺陷。通过跨 220 个数据科学任务的分析与测试套件验证，研究发现绝大多数智能体方案均存在至少一种失败模式，且数据泄露与高预测表现正相关。对比 Kaggle 竞赛专家方案，现有智能体在解决问题的创造力与领域知识上仍存在明显不足。
Apple ML ResearchAI 评分4848 先规划还是先检索？大模型工具发现架构的规模化研究
研究对比了大模型工具发现架构中的“先检索后规划”（RtP）与“先规划后检索”（PtR）两种范式。在涵盖 46,984 个 API 端点的 ToolBench 评测中，RtP 在单工具查询上表现更好，而通过先生成抽象工具桩进行检索的 PtR 在多工具查询上全面胜出，这一交叉效应在 Gemini 2.5 Flash 和 gpt-oss-120b 等模型上均一致存在。
Apple ML ResearchAI 评分4343 基于选择的结构化推理（SSR）：迈向高效多模态搜索智能体
研究人员提出基于选择的结构化推理（SSR）框架，将多模态智能体的开放式推理重构为从预设可复用的候选推理中进行选择。在 2B 与 4B 模型及 7 个多模态搜索评测基准上的测试显示，该方法在保持任务成功率的同时，将每轮推理延迟降低超过 90%，并将每个问题的模型总推理延迟降低 28–54%。
Scientific AmericanAI 评分5757 Anthropic 开展 AI 蠕虫研究，引发智能设备安全隐患担忧
Anthropic 红队研究展示了 AI 蠕虫在低算力边缘硬件间运行的潜在风险，研究人员通过将模型按层切分，在 15 台互联的廉价电视盒子上成功分布式运行了 Google DeepMind 的 Gemma 模型。
科学网AI 评分2121 直播预告｜大模型时代：多模态聚类是否仍有必要？
科学网等平台将于10月19日19:00举办直播，探讨大模型时代下多模态聚类的必要性与短板。郑州大学徐明亮、胡世哲团队近期在《工程·信息与电子工程（英文）》发表了一种新算法，旨在改善无需人工标注时机器对图像、文本、音视频等混合数据自动分类的痛点。活动将由中国科学报社赵广立主持，郑州大学直聘研究员胡世哲主讲。
科学网AI 评分3232 棕色脂肪与心理健康益处相关
一项发表于《自然》的超10万人研究发现，人体内拥有“活跃”棕色脂肪不仅与2型糖尿病等代谢疾病风险降低相关，还与抑郁症和焦虑症风险降低密切相关。研究人员利用人工智能模型通过PET和CT扫描图像量化棕色脂肪，证实其活性越高对疾病的防护能力越强。此外，团队发现降压药氯沙坦能增强棕色脂肪活性，有望实现老药新用。
arXiv stat.MLAI 评分3535 流匹配处理序列数据是否只是轨迹重放？
研究探讨了流匹配（FM）在序列数据生成与预测中是学到了可迁移的动力学结构还是仅进行轨迹重放，推导出常用高斯条件路径下驱动速度场可表示为观测转移瞬时速度的加权混合闭式解。基于该非参数目标，作者提出了免训练的闭式实现 FreeFM。FreeFM 无需训练即可直接利用历史转移生成有效的概率预测，为序列流匹配提供了可解释的分析基准。
arXiv stat.MLAI 评分3535 噪声感知差分隐私变分推断
研究人员提出了一种基于随机梯度变分推断的噪声感知近似贝叶斯推断方法，可应用于高维和非共轭模型，并同步提出了更精确的噪声感知后验评估方法。实验表明，该方法在适用领域内性能与现有方法相当；在现有方法不适用的场景中，在高维贝叶斯线性回归上获得了准确的覆盖率，并在 UCI Adult 数据集的贝叶斯逻辑回归上实现了校准良好的预测概率。
arXiv stat.MLAI 评分2626 利用生成模型检验条件分布等价性
研究人员提出一种利用生成模型检验条件分布等价性的新测试方法，通过结合观测数据与合成样本来比较条件分布。该方法引入样本分割与学生化方案控制估计误差，在零假设下检验统计量呈渐近正态分布，且理论上仅需所学条件分布满足一致性。实验表明，在高维设定下该方法相比代表性核方法具备准确的尺寸控制与更高的检验功效。
arXiv stat.MLAI 评分2626 在线凸优化中追踪少量专家的遗憾界与计算复杂度研究
研究针对连续动作空间在线凸优化中追踪仅在 $m$ 个专家间切换 $k$ 次的比较基准问题，证明了信息论最优与多项式时间可达遗憾界之间的计算复杂度分离。虽然离散化动作空间可实现 $\widetilde{O}(md+k)$ 的非高效算法，但在超图植入团猜想下，任意多项式时间算法的遗憾界至少为 $(k\sqrt d)^{1-o(1)}$。
arXiv stat.MLAI 评分3535 动量何时能在可验证奖励强化学习（RLVR）中发挥作用？
研究针对可验证奖励强化学习（RLVR）中一阶动量的有效性提出理论分析，证明在避免超调的安全范围内增大指数移动平均（EMA）系数 $\beta$ 可严格加速优化。
arXiv stat.MLAI 评分3636 分数阶更优：神经算子学习中的可学习导数阶数
研究人员提出用于神经算子的架构无关增强方法 $\partial$-NO（del-NO），通过为任意骨干网络引入可学习的分数阶导数特征来提升偏微分方程求解精度。理论证明输入导数特征可将逼近误差界从 $O(W^{-(s-m)/d})$ 优化至 $O(W^{-s/d})$，但最优导数阶数 $\beta^*$ 严格小于方程阶数 $m$。
arXiv stat.MLAI 评分3434 超越专家排序：用于混合精度 MoE 量化的对比度校准框架 NatScale
研究人员提出混合精度 MoE 量化分配框架 NatScale，通过特定模型的幂变换将基于梯度的专家权重校准至对比度目标，同时保留排序。该方法联合评估每个专家的 gate、up 和 down 配置来估计输出误差，并在存储预算下优选精度配置。
arXiv stat.MLAI 评分2828 用于调查加权的分层高斯过程：结构化总体中的局部等效权重
研究人员提出了基于分层高斯过程（HGP）回归的调查加权框架，通过结合结构化群组效应与核平滑来处理稀疏后分层单元中的复杂交互。该方法推导了利用结构化协方差降低计算成本的高斯后验预测公式，建立了后验预测均值的一致收敛性，并通过一阶敏感度匹配构建局部等效权重。
arXiv stat.MLAI 评分3636 SpectrumQuant：基于谱对齐的 LLM 量化方法
研究人员提出面向 LLM 训练后量化的闭式正交旋转方法 SpectrumQuant，通过校准数据估计激活协方差以实现谱对齐。该方法将量化友好型旋转解构为对齐与混合组件，并涵盖了 Hadamard 矩阵与蝶形矩阵。在 Llama 和 Mistral 上的实验表明，其表现媲美 SOTA 策略，GPU 显存需求不足 SpinQuant 和 DartQuant 的 1/3 且耗时显著缩短。
arXiv stat.MLAI 评分4242 从柏拉图到亚里士多德：迈向表征假说的通用理论
研究人员提出晶格表征假说（LRH），将不同表征对齐标准统一在同一个格结构中，以解释关于模型表征收敛的不同观点。LRH 表明柏拉图表征假说主张的收敛处于格顶端，而其支持证据主要来自近底端的邻域重叠，并指出亚里士多德假说中排除全局收敛可能源于跨层最大值校准。该结论在数十个预训练视觉与语言模型及数千次理论模型运行中得到了实验验证。
arXiv stat.MLAI 评分3030 MAEM：用于类增量图学习的免重放、容量受控动态混合专家框架
研究人员提出用于类增量图学习的免重放动态混合专家框架 MAEM，以缓解近期学习类别主导预测的近期偏差。该框架基于 SGC 为每个新会话训练并冻结专用专家，利用掩码自编码器（MAE）的重建误差实现无任务 ID 和无共享路由器的测试节点分配。当专家池达到固定容量时，MAEM 通过 Git Re-Basin 对齐并蒸馏最少使用的专家，在 4 个图基准测试中均超越了现有持续图学习基线。
arXiv stat.MLAI 评分2929 利用混合整数线性规划优化稀疏布尔规则网络
研究提出利用混合整数线性规划（MILP）训练稀疏析取范式（DNF）网络，在固定结构下显式权衡分类误差与稀疏度以全局优化布尔规则。该方法大幅减少了整数决策变量并消除冗余约束，结合初始化与 dropout 打破规则权重对称性。合成基准与 UCI 数据集实验表明，其计算效率明显提升，准确率持平或优于 SAT 及主流规则与树模型基线。
arXiv stat.MLAI 评分2626 基于广义全变差最小化的最小二乘联邦学习高维分析
研究人员针对去中心化网络中基于广义全变差最小化（GTVMin）的最小二乘联邦学习开展了高维理论分析。该研究利用随机矩阵理论工具，证明了在任意网络结构下全局 GTVMin 解的 Lipschitz 观测值在高维环境中均表现出集中性。
arXiv stat.MLAI 评分4242 双曲目标导向强化学习效果超越 1000 层欧氏网络
研究人员提出双曲对比强化学习（Hyperbolic CRL），将目标对比目标中的欧氏距离替换为双曲空间测地线距离，解决了复杂导航中路线与欧氏距离严重偏离的问题。在困难导航任务中，仅 64 层深度的双曲智能体表现超越了 1024 层欧氏网络，同时训练速度提升超 12x，参数量减少约 13x。该方案代码已开源。