Work2Skill：捕捉人类 GUI 经验以归纳可复用 AI 智能体技能
研究人员提出 Work2Skill 框架，通过捕获人类桌面 GUI 操作经验来归纳可复用的 AI 智能体技能。该框架包含用于同步记录屏幕、键鼠操作与无障碍树的 WorkRecorder，以及首个包含 350 个完整演示的多模态数据集 WorkDemo-350。
#论文/研究
#论文/研究
今日 0 条arXiv cs.AIAI 评分4444 arXiv cs.AIAI 评分3636 超越 Semantic IDs：生成式推荐中的有限束可达性与连续查询生成
研究者提出了连续查询生成范式 CQG-Single 与 CQG-AR，通过生成连续检索查询替代离散 Semantic IDs 的自回归解码，消除了有限束搜索带来的可达性限制与离散词表对齐问题。
arXiv cs.AIAI 评分3535 少训多学：基于不确定性引导渐进收缩的高效推理后训练框架
研究人员提出一种基于不确定性引导的渐进收缩框架，通过围绕中间推理状态构建蒙特卡洛推理树揭示过程级不确定性，将监督与优化聚焦在最具学习价值的轨迹上。该框架先将语料收缩为紧凑的教师数据池，再在 SFT 期间根据学生模型状态进行在线路由优化。实验显示该方法仅需全量数据 SFT 0.22% 的优化预算（训练暴露减少超 450x），即可保持甚至提升推理性能。
arXiv cs.AIAI 评分3333 基于模型切片的协同学习与推理
研究人员提出协同学习方法，通过构建异构协作模型并学习跨模型协同机制，解决单一大语言模型容易出现错误传播和推理盲点的问题。该方案利用模型切片在相近参数预算下将大模型拆为较小异构模型，并结合金字塔监督优化推理与交互决策。在多跳问答、数学推理、代码生成及开放式约束生成等任务中，该方法性能媲美或超越原大模型与主流多智能体基线，同时推理效率更高。
arXiv cs.AIAI 评分3939 用自然语言训练神经解码器
研究提出 Language as Supervision（LaS）框架，通过将神经特征与自然语言类别描述对齐来解码神经活动。在涵盖视觉、运动和语音解码的 7 种编码器架构测试中，LaS 相比类别标签监督基线将语音解码准确率最高提升 17.15 pp。该表征还支持候选集复用与受试者适应，并在稳态视觉诱发电位（SSVEP）中实现了条件未见频率解码。
arXiv cs.AIAI 评分3333 零售市场中的 AI 介入：收益影响与选品优化
一项研究探讨了 AI 导购助手介入下的零售选品规划，构建了结合确定性与 Plackett-Luce 随机排序的消费者选择模型。实验表明，零售商若忽视 AI 介入会导致平均收益损失 2.52% 至 11.37%，而仅基于拟合 AI 效用排序的确定性插件表现更佳，平均损失最多仅 0.53%。此外，研究证明了在确定性介入下，选品优化问题支持完全多项式时间近似方案（FPTAS）。
arXiv cs.AIAI 评分3131 DeFiRank：用于去中心化金融网络治理的联邦成对排序框架
研究人员提出了基于联邦学习的成对排序框架 DeFiRank，允许多家机构在不共享私有交易数据的前提下协作训练排序模型，用于去中心化金融网络的治理决策。在真实区块链交易数据集的评测中，该联邦方案的 NDCG@15 达到约 0.87（中心化基线约为 0.92），且排序稳定性与中心化方案持平（Kendall $\tau$ 均约为 0.70）。
arXiv cs.AIAI 评分3737 OGPO：面向可恢复视觉-语言-动作模型的离线目标条件策略优化
研究者提出用于可恢复视觉-语言-动作（VLA）模型后训练的离线目标条件策略优化框架 OGPO。该框架通过自适应重标记语义关键状态并构建目标条件过程奖励，将后训练转向关键状态可达性学习，无需在线交互即可从偏离演示的状态恢复并完成目标。在 LIBERO、MetaWorld 及扰动评测基准 LIBERO-ReAct 上，OGPO 表现均优于标准监督微调。
arXiv cs.AIAI 评分4040 基于 Seq-Drifting 的单步文本生成研究
研究者提出 Seq-Drifting 框架，将漂移机制应用于连续 token 表示序列，直接学习高斯噪声到文本的映射以实现单步文本生成。该框架通过漂移场中的吸引力引导输出逼近合理的 token 表示，同时借助排斥力防止模式崩溃与序列内重复，推理时仅需单次前向传播即可联合生成完整序列。在 LM1B 上其单步生成困惑度达到 36.01，并在翻译、摘要与推理任务中展现出良好适用性，相关代码已开源。
arXiv cs.AIAI 评分4242 协同心智理论（CToM）：让 LLM 通过预判用户反馈实现自我修正
研究人员提出协同心智理论（CToM）框架，通过训练大语言模型预判用户回复并据此引导内部自我修正，结合 GRPO 优化多轮协作任务表现与交互效率。在协作数学推理任务中，CToM 相比原生 GRPO 将最终准确率从 74.1% 提升至 79.6%。消融实验显示，增加预测监督使代码任务的用户回复轮数减少 8%，写作任务减少 17%。
arXiv cs.AIAI 评分3737 通过表征几何正则化缓解大语言模型自我提升中的能力退化
研究人员提出表征几何正则化（RGR），通过提升类内紧凑度和类间分离度来保持大语言模型在后训练期间的表征几何结构，从而缓解在线自蒸馏（OPSD）导致的能力退化。OPSD 在优化过程中会使隐藏表征的几何特性恶化，导致模型遗忘早期已掌握的查询。实验表明，RGR 可无缝集成到现有 OPSD 方法中，在保留能力提升的同时普遍缓解退化，代码已开源。
arXiv cs.AIAI 评分3535 迈向 AI 应用中创造力的定义、度量与利用
研究人员针对计算创造力缺乏形式化定义的问题，提出了一套基于新颖性、价值与意外性三大核心准则的创造力数学定义与形式化公设。该创造力计算公式在国际象棋走法评估，以及毕加索、雷诺阿等画家的画作评估两个场景中完成了验证。实验结果表明，该公式成功捕捉到了跨象棋与艺术领域的创造力模式，证明统一的数学结构可有效表征不同领域的创造力。
arXiv cs.AIAI 评分4545 神经网络比单个神经元所表现的更具模块化
研究提出包含单元级、正交与线性三层的模块化层级框架，证实神经网络即使缺乏单神经元专门化，也在子空间层面具备清晰的功能模块化。在视觉模型、语言模型及多任务 RNN 中，内容与风格、句法与语义在子空间消融下均成功解耦，并与大脑皮层活动差异化对齐。这使得对特定计算的靶向干预成为可能，为模型机制可解释性提供了新路径。
arXiv cs.AIAI 评分5858 研究揭示多智能体编码系统中奖励作弊可跨智能体传播
研究表明多智能体编码系统中单个智能体产生的奖励作弊策略能够向其他智能体传播，并破坏系统协调。作弊行为可通过代码、共享内存及自然语言计划跨角色传递，甚至基于小型开源模型的智能体也能诱导更强的闭源模型作弊；代码审查与独立验证机制可有效缓解此类作弊交付。
arXiv cs.AIAI 评分4444 VEPA：面向终身 LLM Agent 护栏的可验证演进形式化策略框架
研究人员提出 VEPA 框架，通过构建可执行符号规则的形式化策略，为 LLM Agent 提供终身自适应且可验证的运行时护栏。部署中 LLM 会基于反馈提议策略补丁，经确定性验证器排查冲突后，由证据感知层在证据充分时激活规则。在 ASSEBench-Safety、ASSEBench-Security 和 ATBench 测试中，VEPA 表现持续优于基线。
arXiv cs.AIAI 评分4646 EvoBelief：面向自我进化 LLM 智能体的可证伪世界模型
研究人员提出自进化世界模型 EvoBelief，将环境知识表征为可证伪假设，使冻结参数的 LLM 智能体能在部署期间动态更新环境认知。在 ALFWorld 基准上，配合 Claude Haiku 4.5 与 GPT-5.4，其成功率相比 Frozen World Model 分别提升 23.9% 和 31.3%。
arXiv cs.AIAI 评分3434 基于蒸馏最优传输的少配对样本表征对齐方法
研究人员提出一种仅需 100 到 500 对样本即可实现单模态编码器对齐的方法。该方案利用少量配对锚点建立统一坐标系，通过解决全量数据的熵正则最优传输问题抵消集聚效应，并将匹配方案蒸馏至两个轻量级编码器以支持归纳推理。实验表明，在相同锚点预算下，该方法在 Flickr30k、MS-COCO 和 ChEBI-20 的图像-文本及分子-文本对齐评测中超越现有方案。
arXiv cs.AIAI 评分3535 基于 LLM 的层次化硬件知识图谱自动化构建框架
研究者提出了一个基于大语言模型（LLM）的自动化流程，通过分块属性提取、层次化路由和迭代精炼，将硬件数据手册转化为层次化硬件知识图谱。在包含 20 份不同类型与长度的硬件数据手册评测中，该框架实现了 98.8% 的属性真实度，显著高于单次处理基线的 76.1%。此外，该框架能完全覆盖基线 83.6% 的真实属性，而基线仅能完全覆盖该框架的 10.5%。
arXiv cs.AIAI 评分4343 MagicBeanStalk：通过递归数据合成摆脱 RLVR 的零优势陷阱
研究人员提出递归数据合成算法 MagicBeanStalk，通过自顶向下分解与自底向上递归合成，在保留推理蓝图的同时生成难度校准的训练题目，以解决 RLVR 中约 88% 问题全对或全错导致的零优势陷阱。
arXiv cs.AIAI 评分4141 CLEAT：面向交互式智能体的价值引导澄清学习框架
研究者提出 CLEAT 框架，通过共享交互结果协同训练澄清价值控制器与任务策略，以残差查询价值衡量提问相对于直接执行的任务效用增益。基于 Qwen3-4B，CLEAT 在 4 个基准的全部 10 项评估设置中取得最高平均分。相较于最强基准模型，其在 UserGym Travel 和 IN3 不充分说明判断准确率上分别提升了 13.2 和 6.5 个百分点。
arXiv cs.AIAI 评分3838 超越二元可验证奖励：软件工程智能体的行为自我奖励方法 BSR
研究人员提出了行为自我奖励（BSR）方法，使软件工程智能体在无需独立奖励模型的情况下，复用自身策略对比相同验证结果下的调试行为。BSR 将成对偏好聚合为任务局部得分并转化为有界辅助奖励，在保持通过与失败排序的同时为已采集轨迹提供额外监督。
arXiv cs.AIAI 评分5656 SpireBench：利用《杀戮尖塔》评估智能体长程策略推理能力的基准测试
研究团队推出评测基准 SpireBench，通过让大语言模型运行完整商业游戏《杀戮尖塔》（Slay the Spire）来评估其长程策略规划能力。在游戏最高难度下测试 20 款大语言模型发现，前沿模型表现可达人类平均水平但远低于专家，且随流程拉长会在局内成长和风险决策上暴露出过度保守的缺陷。测试还通过术语重命名与跨局记忆分析证实，模型部分成绩依赖游戏先验知识，而跨局自写的记忆经常出错且未带来提升。
arXiv cs.AIAI 评分4040 EvoSyn：通过演化生成空间实现闭环学习的智能体数据合成
研究人员提出多智能体数据合成框架 EvoSyn，通过演化生成空间为交互式 AI 智能体实现闭环学习。该框架利用 Designer 分配生成方向并由 Planner 落地为可执行经验，支持弱项区域的自适应与生成空间拓展。在 $\tau^2$-Bench 和 CAR-Bench 实验中，EvoSyn 相比最强合成基线将平均任务成功率提升了 13.3 个百分点。
arXiv cs.AIAI 评分3838 DAG 工作流调度中同等预算 MCTS 对比随机重启列表调度的受控计算研究
在相同候选调度评估预算的受控实验中，蒙特卡洛树搜索（MCTS）在 DAG 工作流调度上的表现比无搜索树的随机重启列表调度差 2.88%（95% CI [-3.62%, -2.15%]）。在 2048 次评估预算下，随机重启在稀疏不规则工作流上占优，而 MCTS 的选择规则易锁定在首个展开子节点导致试验高度相关。换用教科书级 UCT 虽能缩小差距至 -0.26%，但未能反超随机重启。
arXiv cs.AIAI 评分3434 EliteTable：基于 LLM 的可执行控制策略自改进程序搜索算法
研究者提出了由大语言模型（LLM）引导的自改进程序搜索算法 EliteTable，通过固定容量的高分方案表来指导新提议、现有方案编辑与混合。在 6 项 Gymnasium 控制任务的评估中，所有任务的候选得分中位数均在首代到末代之间上升，CartPole-v1 在全部 10 次搜索的首代即达得分上限。虽然 4 项任务在保留测试集上实现提升，但 Acrobot-v1 在保留情景中出现性能下滑。
arXiv quant-phAI 评分2727 基于退火与离散小波变换的量子神经网络提升空气污染临近预报
研究人员提出一种结合变分量子线路与量子退火的混合框架，利用神经拟态量子计算平台构建量子神经网络（QNN），用于英国高密度城市 PM2.5 污染临近预报。该模型成功扩展至 172 个量子比特，结合小波分解在原始高熵环境数据上达到 SOTA 预测保真度，表现显著优于 MLP 和 LSTM 等经典基线。
arXiv quant-phAI 评分2525 基于组合融合的量子-经典模型多样性感知集成
研究人员提出基于组合融合分析（CFA）的量子-经典模型集成方法，利用排名-评分函数与认知多样性，从包含 29 个经典模型和量子电路的候选池中筛选高多样性子集进行融合。在 4 个跨领域二分类基准测试中，该混合融合在所有数据集上均超越表现最好的单个模型，准确率最高提升 6.03%。
arXiv quant-phAI 评分2525 固定门量子拟设的动态李代数
该研究提出了一种计算量子电路动态李代数（Dynamical Lie Algebras）的新方法，专门针对结合参数化门与非参数化纠缠门的量子架构。该成果旨在将近期的代数理论分析扩展至量子机器学习（QML）实际采用的电路拟设中，以推进 NISQ 时代的变分量子算法研究。
arXiv quant-phAI 评分3131 QTN-RQNN：基于量子张量网络的循环量子神经网络
新架构 QTN-RQNN 将张量网络近邻交互与循环量子处理相结合，用于解决 NISQ 设备上异构数据的故障诊断难题。在 SPID 数据集上，该模型将 RQNN 的 F1-score 从 0.3077 提升至 0.4516，ROC-AUC 从 0.4485 提升至 0.6970。
arXiv quant-phAI 评分2424 利用量子极限学习机预测实验混沌电子电路信号
研究人员利用量子极限学习机对混沌电子电路实验产生的 4 组连续时间序列信号进行了成功预测。研究提出通过采样局部峰谷以及按自相关时间尺度均匀采样两种离散化方法，分别捕捉共振行为与完整混沌特征并重建混沌吸引子。该算法在模拟和实验信号上均取得高预测精度，在中度退相干下保持鲁棒性，展示了近端量子模拟器处理连续信号的能力。
arXiv quant-phAI 评分2626 奇偶校验学习中数据约束的渗透与布尔函数态重组研究
研究探讨了神经网络在奇偶校验学习中随训练推进和数据累积如何重组学到的布尔函数，并引入函数态与有效施密特秩 $K_f=1/\textrm{Tr}(\rho_A^2)$ 进行刻画。结果显示，少量数据增加会拓宽施密特谱并带来区分化，而更大量数据会使其在目标模式上重新聚集；在固定数据集上，施密特谱重组先于目标对齐和预测准确率的提升发生。
arXiv quant-phAI 评分2525 用于委托生成式量子机器学习的可验证采样
研究人员提出了一种用于量子生成模型推理阶段的盲态可验证采样协议，以解决向远程量子服务器安全委托计算的问题。该协议基于通用盲量子计算（UBQC）与陷阱化（trapification）方案实现，并在训练阶段结合了委托变分量子算法的扩展方案。除常规的接受或中止判定外，该协议即便面对恶意服务器也能估算受损生成样本的数量，提供细粒度的输出质量评估。
arXiv quant-phAI 评分2525 受体功能效价预测中的量子线路残差：预测增益与二次结构
研究人员将经典分子编码器与浅层量子线路残差头联合训练，用于受体功能效价预测。在 GLP-1R 结构分组划分下，该模型将 MLP 与 GNN 编码器的平均绝对误差分别从 0.677 和 0.680 降至 0.639 和 0.641，评估并扩展至 ADRB2 与 MC4R。参数量匹配的实正交对照实验表现相近，表明部分量子残差增益与结构化二次特征交互相关。
arXiv quant-phAI 评分3535 可训练量子原生语言模型：耗散记忆、容量限制与硬件验证
研究提出以小型量子寄存器为隐藏状态的字节级自回归量子原生语言模型，通过可学习耗散门控实现了超越单 token 的有效记忆。在上下文长度 12 下，门控模型测试负对数似然比单 token 对照提升 0.20 +/- 0.03 nats/byte，并在 IBM Heron 硬件上完成验证。该模型表现仍显著逊于经典 n-gram 基线且可被经典模拟，未声称具备量子优势。
arXiv stat.MLAI 评分3434 调控序列建模在生物与技术分布偏移下的稳健机器学习研究
研究人员提出了一个结合机理模拟基准与大规模并行报告基因测验（MPRA）真实数据集的稳健性评估框架，用于量化调控基因组学模型在生物与技术分布偏移下的性能衰减与不确定性。
arXiv stat.MLAI 评分2525 不完全前瞻信息下多用途批处理过程的贝叶斯动态调度
针对现实制造中前瞻信息不完全的动态扰动环境，研究提出了一种用于多用途批处理过程的贝叶斯动态调度方法。该方法通过从扰动分布中学习贝叶斯网络，在线执行时结合实时观测更新后验概率以指导重调度。在 4 个基准问题上的计算结果表明，该方法在长期成本和系统调度变动（system nervousness）指标上均在统计上显著优于周期性重调度策略。
arXiv stat.MLAI 评分3131 信息力学理论：通过测量不确定性实现泛化（学习即测量）
研究人员提出了一个基于意外度（信息论不确定性）的无模型实例学习框架，无需显式分布建模即可直接从原始数据执行泛化推理。该方法支持训练数据的直接编辑与删除，可统一应用于生成式推理、因果发现、异常检测及时间序列预测等任务。实验显示其在异常检测和部分监督任务上达到了 SOTA 表现，为高可解释性 AI 提供了理论基础。
arXiv stat.MLAI 评分3232 用于异构模型输出集成的可优化模型平均法（OMA）
研究者提出可优化模型平均法（OMA），通过在冻结所有模型参数的前提下最小化正则化预测熵，为各候选模型学习一个非负标量权重以平均预测概率。该黑盒集成方法针对异构基础模型难以进行参数空间合并的问题，通过正则化机制缓解过度自信错误，在特定配置下实现了更低的模型校准误差（ECE）。实验表明其在文本和图像分类任务中取得了优于传统模型输出平均的性能与校准权衡。
arXiv stat.MLAI 评分3434 解耦总方差与信噪比提升扩散模型性能
研究提出总方差与信噪比解耦（TV/SNR）框架，通过对两者的独立控制显著提升扩散模型的生成效率。该方法发现采用恒定 TV 调度能持续改善方差指数爆炸问题，并将参数搜索空间缩减为两个独立可解释的参数。结合推广的最优传输流匹配 SNR 调度，该方案跨多种逆向求解器均表现出增益，适用于分子结构生成等复杂科学应用。
arXiv stat.MLAI 评分2929 再生核希尔伯特空间中的数据驱动随机最优控制
研究人员提出了一种针对随机扩散非线性控制仿射系统的全数据驱动最优控制方法，适用于非线性动力学和阶段成本函数均未知的场景。该方案将状态概率密度嵌入再生核希尔伯特空间（RKHS），结合算子回归与凸算子理论的 Hamilton-Jacobi-Bellman 递归，计算规模随状态维度呈线性扩展。数值实验证明其能解决包括自主水下航行器深度调节在内的多种非线性控制任务。