全部 AI 动态 · AITOP

7月15日

10:55

官方账号arXiv cs.AI@Minh Hoang Nguyen

ViHoRec 数据集包含来自 Booking.com、Traveloka 和 Ivivu 三个平台的 18,267 条用户-酒店交互记录，涉及 6,832 名用户和 560 家酒店。数据集采用可复现的构建流程，包括跨平台实体解析和定量质量控制，并通过 HMAC 假名保护隐私。在时序留一法冷启动分割下，BPR-MF 的 Recall@10 从 0.120（长历史用户）降至 0.065（短历史用户），而 UserKNN 整体表现最优，凸显了该数据集的稀疏和冷启动特性。所有数据已在 GitHub 开源。

论文 ViHoRec Booking.com Traveloka

推荐理由：越南语推荐研究缺数据？ViHoRec 提供了 18K 条跨平台高质量交互，还附带了冷启动基准，方便你对比模型在稀疏场景下的表现。

原文

10:54

官方账号arXiv cs.AI@Jonas Ehrhardt, René Heesch, Oliver Niggemann

本文研究参数化动作马尔可夫决策过程（PAMDP）中的强化学习问题。现有算法通常采用单次估计器确定参数，导致训练样本效率低下。作者提出KGRL算法，利用Datalog知识库中的领域知识修剪非适用动作并约束参数空间，再通过梯度参数精化环优化参数。在多个PAMDP基准环境中，KGRL在样本效率和情节回报上均优于现有基线。

论文 KGRL PAMDP 强化学习

推荐理由：这篇论文的KGRL算法把领域知识直接融入强化学习训练，比传统基线更省样本、回报更高，适合做PAMDP相关研究的人参考。

原文

10:09

官方账号arXiv cs.LG@Blanca Cano-Camarero, Ángela Fernández-Pascual, José R. Dorronsoro

论文提出CoCo损失函数，通过鼓励类内坍缩和类间对比来学习归一化且结构良好的表示。理论分析表明，CoCo相比点回归和交叉熵损失具有更接近最优配置的初始化、更有信息量的梯度和更强的类坍缩激励。在OpenML-CC18基准的多个表格数据集上，CoCo实现了与核SVM、随机森林、点回归和基于交叉熵的神经网络相当的性能。实验还证明CoCo促进了更紧的类聚类和更快的收敛速度。这些结果表明CoCo损失在保持竞争性预测性能的同时，能有效学习判别性表示。

论文 CoCo 损失函数表征学习

推荐理由：这篇论文搞了个新损失函数CoCo，训练收敛快，在OpenML-CC18上跟SVM打成平手，做表格分类任务的可以试试。

原文

10:07

官方账号arXiv cs.LG@Jing Qin, Muhao Chen

本文提出一个能量基学习框架，用于簇状张拉整体结构的形式发现和物理属性预测。该方法将总势能最小化与构型关系纳入训练目标，同时预测平衡节点构型和杆件力、力密度等物理量。数值实验在棱柱和着陆器系统上验证了框架的可扩展性和准确预测能力。该框架提升了物理一致性、鲁棒性和数据效率。

论文 Tensegrity 物理信息学习形式发现

推荐理由：这篇论文用物理信息学习解决张拉整体结构的形式发现难题，能同时预测构型和内力，比传统方法更鲁棒。

原文

10:06

官方账号arXiv cs.LG@Sigma Jahan

Deep4ge是一个由14,227次训练运行组成的基准数据集，基于59个TensorFlow/Keras程序生成，通过27种源代码转换引入7类已知故障。包含9,845个故障运行和4,382个正确基线运行，记录每轮训练的4个评估指标和26个特征（权重、梯度、激活值、准确率和损失趋势、学习率、硬件使用）。支持二进制故障检测、多类故障诊断和早期故障预测。数据集和故障注入框架已发布。

论文 Deep4ge TensorFlow Keras

推荐理由：想研究深度学习实现故障？这个新基准Deep4ge包含1.4万次训练运行、27种故障注入方式，帮你做检测和诊断。

原文

10:05

官方账号arXiv cs.LG@Sigma Jahan

研究者提出ROBIN方法，通过敏感度分析排序注意力头并移除偏见子空间。在四个模型的实验中，ROBIN在所有模型上降低了WinoBias差距，同时保持了语言建模质量，优于整体置零方法。这些初步结果表明头级偏见修复不仅要考虑选择哪些头，还要考虑如何修改。

论文 Transformer ROBIN WinoBias

推荐理由：这篇论文给出了一个白盒方法ROBIN，能精准定位模型中的偏见注意力头并修复，比直接抹掉整个头效果好。

原文

10:04

官方账号arXiv cs.LG@Takumi Shioda, Kohei Terashima, Tatsuo Nagai

本研究采用带可验证奖励的强化学习（RLVR）微调开源推理模型，用于建筑热能存储调度。仅用30条训练提示，强化微调（RFT）将排放从70.5降至61.2 kg-CO2，接近动态规划最优值60.8。GPT-5无需微调即接近最优，而GPT-4o（非推理模型）排放高于无存储基线。分析表明，RFT主要稳定了候选比较、前瞻和可行性检查等规划模式，并在预测误差和未见条件下保持鲁棒。

论文 RLVR RFT GPT-5

推荐理由：这篇论文用30条提示微调开源模型，让建筑冷负荷调度排放从70.5降到61.2，逼近最优，比GPT-4o强得多。

原文

10:02

官方账号arXiv cs.LG@Rajdeep Pathak, Archi Roy, Tanujit Chakraborty

ANGLE是一种针对圆形响应数据的轻量级深度生成框架，通过广义圆形能量分数(GCES)损失优化生成映射，学习给定欧几里得和圆形协变量的全条件分布。理论性质包括损失严格性、估计量旋转等变性，支持加性噪声前后模型。在物体姿态估计和风向预测任务中，相比传统条件均值回归，ANGLE在处理多模、偏斜数据时展现出更优的预测性能和不确定性量化。实验覆盖模拟数据和真实应用，包括视频监控、自动驾驶和能源系统场景。

论文 ANGLE Engression 圆形数据

推荐理由：想处理角度或方向数据？ANGLE用深度生成模型做圆形回归，比传统方法更准，能搞定多模风向和物体姿态估计。

原文

09:58

官方账号arXiv cs.LG@Winfried van den dool, Patrick Forré, Amir Habibian, Yuki M. Asano, Max Welling

AVQ-Attention 通过自适应向量量化将注意力复杂度从 O(N²) 降至 O(MN)，其中 N 为 token 数，M 为码字数量。与固定码本的 VQ-Attention 不同，它根据注意力重要性动态分配码本容量，在高注意区域使用预学习的子码字进行细粒度量化，低注意区域维持粗粒度。方法基于自定义 Triton 内核，可在 Flash Attention 的平铺计算中完成重要性评分、子码字插入等操作，实现最小开销。实验表明 AVQ-Attention 在保持 O(MN) 复杂度的同时，相比固定码本 VQ-Attention 实现了更好的精度-效率权衡。

AI模型 AVQ-Attention VQ-Attention Flash Attention

推荐理由：这篇论文提出了一个聪明的点子：让注意力机制像人一样，在关键地方用更多计算资源，其他地方粗略处理。复杂度降低但精度不降，做推理优化的同学可以关注。

原文

09:56

官方账号arXiv cs.LG@Paolo Magliano, Puze Liu, Jan Peters, Davide Tateo, Raffaello Camoriano

安全强化学习中，约束常降低学习速度并导致次优性能。ATACOM-DC方法在ATACOM框架基础上引入方向性约束，区分靠近和远离约束边界的动作。仅在必要时激活约束，改善安全与任务性能的权衡。在多个模拟机器人控制任务中评估了约束违规成本和任务性能。代码已开源。

AI模型 ATACOM-DC 安全强化学习方向性约束

推荐理由：ATACOM-DC改进了安全强化学习，通过方向性约束只在必要时限制动作，比普通方法探索更高效。

原文

09:55

官方账号arXiv cs.LG@Trinh Tran, Binh Nguyen, Truong X. Nghiem

论文提出了基于学习加速的ADMM算法，用于高效求解场景模型预测控制（SBMPC）问题。该方法将SBMPC重写为共识形式，通过ADMM分解实现场景和时间步的并行更新，并引入Moreau envelope学习加速原始更新。在微电网能量管理问题上，与IPOPT和MadNLP求解器相比，该方法在保持可靠闭环性能的同时实现显著计算加速。

论文 SBMPC ADMM Moreau envelope

推荐理由：这篇论文用学习加速ADMM让场景模型预测控制跑得更快，在微电网问题上比IPOPT和MadNLP快很多，适合做实时控制的人看看。

原文

09:46

官方一手arXiv: DeepSeek@Jincheng Xie, Runheng Liu, Heyan Huang, Yawen Ling, Hanbin Dai, Yu Zheng, Wen Hu

精选

稀疏混合专家（MoE）模型在扩展LLM时依赖专家激活模式，现有投机解码忽视专家激活成本，导致专家散射增加内存流量。EcoSpec通过轻量级专家预测器和动态专家缓冲区，在保持高接受率前提下优先复用了当前验证集的专家路径。在DeepSeek-V3.1（671B）、Qwen3-235B-A22B、GPT-OSS-120B三个大规模MoE模型上，于推理、编码、问答和对话基准测试中，EcoSpec持续减少活跃专家足迹，最高实现1.62倍解码速度提升。

论文 EcoSpec MoE 投机解码

推荐理由：这篇论文提出EcoSpec，在DeepSeek-V3.1等MoE模型上通过成本感知投机解码最高提速1.62倍，值得关注。

原文

09:41

官方一手arXiv: DeepSeek@Wei Liu, Weisong Sun, Tingting Xu, Hanwei Qian, Yi Zhao, Chunrong Fang, Xia Feng

本研究针对方法名预测（MNP）任务，发现现有评估多依赖token相似度指标（如BLEU）与人类判断不一致，且LLM直接代码-名称映射不及人类先理解再命名的过程。实验对比6种指标评估器、5种LLM评估器（包括DeepSeek）和6名人类评估者，显示DeepSeek评估器与人类判断更一致。进一步比较直接生成与摘要-精炼策略，后者提升了语义质量。基于此提出SMNP方法，融合MNP导向摘要和链式精炼，在5个LLM和2个数据集上验证了有效性。

论文 SMNP LLM Method Name Prediction

推荐理由：这篇论文告诉你：给代码自动取名时，先写摘要再命名比直接硬猜更靠谱。他们用DeepSeek做评估，效果比传统指标好十倍。

原文

09:40

官方账号arXiv cs.AI@Wenjun Xia, Zhicheng Peng, Haopeng Li, Zhengdi Zhang

该论文首次将物理信息融入跌倒检测，提出双LTC（Liquid Time-Constant）神经网络架构，分别建模质心（CoM）和支撑面（BoS）两个子系统的动态。通过可学习耦合模块模拟物理交互，并使用基于Lyapunov的稳定性度量在联合隐空间检测边界跨越。网络参数小于50K，能够在资源受限的边缘设备上实时推理，在二分类数据集（Normal vs. Falling）上验证了核心稳定性判别能力，兼顾准确性与物理可解释性。

论文 LTC CoM BoS

推荐理由：这篇论文用双LTC网络模拟人体稳定性，模型不到5万个参数，在低算力设备上也能实时跑，适合做边缘端的跌倒预警。

原文

09:39

官方账号arXiv cs.AI@Xixuan Hao, Zeyu Zhang, Zehao Lin, Yihang Sun, Ziliang Guo, Xichong Zhang, Yuxuan Liang, Feiyu Xiong, Zhiyu Li

MemOps基准将对话记忆重新定义为生命周期操作序列,包括记住、遗忘、更新、反思及其组合。它通过可控生成流水线在长任务对话中嵌入操作,产生六类操作级探针,并在相邻证据与长上下文两种设置下评估。实验对比了长上下文、检索、参数化和托管记忆系统,发现会话级检索优于回合级检索,而长上下文模型在重构有序记忆状态轨迹上表现明显较弱。该基准揭示出仅靠最终答案准确度无法暴露的多种失败模式,推动记忆评估向可解释的操作级诊断转变。

论文 MemOps LLM 记忆操作

推荐理由：想测AI的记忆系统到底靠不靠谱？这个新基准MemOps把记忆拆成6种操作来测，比只看最终答案准多了，搞记忆研究的必读。

原文

09:38

官方账号arXiv cs.AI@Lirui Zhao, Modi Shi, Li Chen, Qi Liu, Ping Luo, Hongyang Li

UR-VC是一种无监督、无需训练的方法，专门修正时间衍生的进度标签噪声。它利用演示数据中相似状态跨片段出现的规律，聚合时间标签来获得更准确的进度估计。在真实双臂布料折叠任务数据上，UR-VC修正的标签能捕捉局部回归和非均匀进度，而原始时间标签无法做到。将修正后的信号用于VLA训练的advantage标签后，实际机器人任务成功率呈现积极趋势。

论文 UR-VC 机器人操作值函数

推荐理由：给机器人训练加进度标签太麻烦了，UR-VC能自动修正常见的时间噪声，不用额外标注，在布料折叠任务上实测有效。

原文

09:35

官方账号arXiv cs.AI@Cameron Cagan, Pedram Fard, Jiazi Tian, Jingya Cheng, Shawn N. Murphy, Hossein Estiri

Pythia是一个多智能体系统，可自主编写并优化临床概念提取提示词，无需人工工程或微调。在本地运行的开源模型上，Pythia利用开发集的敏感度和特异度选择提示词。与基于词典的方法在72个症状和400份临床笔记上比较，Pythia的平均敏感度为0.76，特异度为0.95；词典则分别为0.82和0.76。对于词典将所有笔记均标记为正的14个概念，Pythia通过要求现在时、患者归因的发现，恢复了平均0.97的特异度。在低于2%患病率的概念上，Pythia的敏感度转移出现0.25的平均差距，而BERT分类器在相同开发集上微调后，敏感度仅为0.23，且低于约5%患病率时降为零。

论文 Pythia 多智能体提示词优化

推荐理由：看这篇论文你就知道，不用微调也能高效提取临床症状。Pythia靠多智能体自己写提示词，敏感度0.76、特异度0.95，比传统词典和BERT都稳，还能本地部署。

原文

09:34

官方账号arXiv cs.AI@Yize Mi, Jianan Li, Liang Li, Shiyu Zhao

论文提出EEC解释框架，包含新分析工具Agent Response Map (ARM)。ARM揭示机器人隐含学习环境几何场并用作协调运动目标。在合作的多机器人形状组装任务中，ARM发现机器人将未占用的目标内部作为导航目的地区域，随中心被占自动移向边界。在竞争的捕食者-猎物追击任务中，ARM识别捕食者Voronoi图边界作为猎物汇聚目的地。

论文 MARL Agent Response Map EEC

推荐理由：想弄明白为啥机器人从简单奖励就能自动集群？这篇用ARM工具看到机器人内部学到的几何场，合作和对抗场景都适用。

原文

09:32

官方账号arXiv cs.AI@Jhen-Ke Lin

ChartGenEval是一个包含六个问题的评估框架，其核心采用自动抗扰动测试。它通过匹配官方谱面的时间映射锚定节奏，但允许音符选择自由。在80组歌曲的测试中，七个输出轴满足预设的敏感性和不变性标准。相位估计可恢复15、30、60毫秒的注入偏移，同时谱面输出基本不变。常见模式重写使语言模型困惑度降低37%，循环折叠使自相似度提高62%。

论文 ChartGenEval 节奏游戏谱面生成

推荐理由：想自动评估节奏游戏谱面生成质量？ChartGenEval用抗扰动测试给出多维反馈，比单一得分靠谱多了。

原文

09:31

官方账号arXiv cs.AI@Zhengfei Chen, Alex Welbourne, Matthew O. A. Ellis, Dan A. Allwood, Eleni Vasilaki, Thomas J. Hayward

这篇论文研究了超顺磁纳米点集合在储层计算中的温度敏感性。由于系统动力学受热激活效应支配，环境温度波动会降低任务性能。通过模拟发现，引入不同尺寸纳米点的异质图案可稳定性能。在NARMA-10基准任务上，优化异质性使储层在5-35°C范围内性能稳定。研究还揭示了性能与温度稳定性之间的可调权衡。

论文储层计算超顺磁纳米点温度敏感性

推荐理由：用不同尺寸纳米点组合，让储层计算在5-35°C下性能稳定，不惧温度变化。想了解新型低功耗计算硬件的人可以看看。

原文

09:30

官方账号arXiv cs.AI@Daehoon Gwak, Minhyung Lee, Junwoo Park, Jaegul Choo

本文对扩散大语言模型（dLLM）的推理加速技术进行了系统综述。研究指出，并行生成并不天然带来实际速度提升，需要专门推理机制如扩散感知缓存与复用。作者提出了一个统一的延迟分解框架，用于解耦算法、架构和系统层面的因素。文章从算法创新、架构与系统优化、推理时缩放三个维度对加速技术进行了分类。最后，给出了可重复基准测试的指南，并指出了实现并行生成潜力所面临的开放挑战。

论文扩散模型大语言模型推理优化

推荐理由：想了解怎么让扩散大模型跑得快？这篇综述把加速方法分了三个维度，还给了评测框架，搞推理优化的值得看。

原文

09:29

官方账号arXiv cs.AI@Evgenii Vityaev

该论文针对Carl Hempel提出的归纳-统计推理中的统计模糊性问题，使用Nancy Cartwright的因果定义（概率提升）引入因果规则概念，定义了一种语义概率推理程序逐步精炼因果规则，得到最大特定因果关系（MSCR）。论文证明（Theorem 1）基于MSCR的预测是一致的，从而解决了统计模糊性问题。该语义概率推理程序可作为一种概率因果学习系统，用于因果AI和因果机器学习领域。

论文 Hempel Causal AI MSCR

推荐理由：这篇论文用因果规则和MSCR证明解决了统计模糊性问题，理论扎实，适合想深入因果AI原理的人看。

原文

09:28

官方账号arXiv cs.AI@Eranga Bandara, Ross Gore, Asanga Gunaratna, Ravi Mukkamala, Nihal Siriwardanagea, Gihan Siriwardanagea, Sachini Rajapakse, Isurunima Kularathna, Pramoda Karunarathna, Chalani Rajapakse, Sachin Shetty, Christopher K. Rhea, Ng Wee Keong, Kasun De Zoysa, Amin Hass, Shaifali Kaushik, Wathsala Herath, Preston Samuel, Anita H. Clayton, Atmaram Yarlagadd

该论文分析了人类与AI助手、编码协作或图像生成等交互中的迭代循环，指出每次请求-反馈-再调整过程会高频触发条件反射，强化不耐烦、完美主义等消极神经通路。作者提出，通过在三层观察（预认知感受、调节间隙、后反应）和两种模式（用户引导与代理辅助）中打断反应链条，可以利用长期抑制替代长时程增强来弱化不良回路。论文以生成式图像提示为例，说明同一挫败会话在观察与否时行为相似但神经效果相反。

论文 AI agent 神经可塑性条件反射

推荐理由：这篇论文把日常AI交互解读成神经训练，教你用观察来打断反应回路，实操感强，图像提示例子很直观。

原文

09:26

官方账号arXiv cs.AI@Hiroto Osaka, Shohei Taniguchi, Gouki Minegishi, Kai Yamashita, Masahiro Suzuki, Yutaka Matsuo

论文提出Visual Access Sweep方法，通过遮蔽生成token到图像token的注意力，定义Visual Access Boundary (VAB)。在Qwen2.5-VL-32B和InternVL3的14B、38B规模上，CoT的VAB层与无CoT全访问目标差异最多两层。CoT提升受限于感知读出：当视觉属性可可靠读出时CoT有效，否则无效。符号属性oracle显示，提供真实属性文本后CoT可改善计数。单目标探针-解码检查表明，困难属性可从隐藏状态线性恢复但模型难以输出。

论文 Qwen2.5-VL InternVL3 CoT

推荐理由：这篇论文用实验告诉你，视觉语言模型做CoT推理时，图像其实只在开头看一次，后面全靠语言处理。想知道为什么CoT有时没用？进来看看

原文

09:25

官方账号arXiv cs.AI@Sarthak Chittawar, Vansh Garg, Aditya Vadali, Krish Pandya, Rohit Jayanti, Sourav Garg, Madhava Krishna

PixelLoop提出在像素空间直接引入闭环，不同于SLAM中的稀疏图像级边或位姿图校正，其像素级闭环作为密集拓扑快捷方式改变规划连通性和成本传播。在模拟实验中，相比图像相对基线，PixelLoop在成功率和SPL上绝对提升超过35%。该方法在真实机器人部署中得到验证，证明密集像素级闭环为拓扑视觉导航提供了鲁棒基础。

论文 PixelLoop 拓扑导航闭环

推荐理由：这篇论文提出PixelLoop，在像素级做闭环导航，比图像级方法成功率高35%以上，还能在真实机器人上跑通，值得看看。

原文

09:24

官方账号arXiv cs.AI@Wei-Hao Liou, Teng-Hu Cheng

该研究为配备云台相机的固定翼无人机提出统一控制框架，实现从目标检测到精确拦截的端到端任务。系统采用三阶段策略：基于YOLO的视觉目标获取、基于NMPC的跟踪以及基于BPNG的终端制导。在跟踪阶段，无迹卡尔曼滤波器（UKF）融合YOLO检测与惯性测量，鲁棒估计未知动态目标状态。为防自遮挡，引入含控制障碍函数（CBF）的约束感知NMPC。高保真仿真验证了框架在无人机动力学与相机视场约束下的稳定跟踪与终端命中。

论文固定翼无人机 YOLO NMPC

推荐理由：这篇论文给固定翼无人机装上云台相机，用YOLO+UKF做跟踪，加CBF防自遮挡，最后用BPNG精准制导。整套方案仿真验证了效果，挺扎实的。

原文

09:23

官方账号arXiv cs.AI@Tapan Parikh

研究让44个语言模型在“选一个词”这类开放任务中作答，结果41%的模型选择了“serendipity”。实验使用31个单轮提示（如“说一种树”），每个提示重复4次，无系统提示，通过精确匹配分析。模型间趋同严重：31个类别中有7个类别超过80%的回答相同。但不同模型遵从度差异超4倍，人格化/社区调优模型最分散，最新旗舰模型最聚合。在Claude、GPT、Qwen、Grok四个家族内，各代模型趋同度递增，但最新旗舰Claude和GPT出现反转。

论文 Claude GPT Qwen

推荐理由：这篇论文发现44个模型在选词时高度趋同，41%都选了同一个词，而且新模型比旧模型更爱跟风。想了解AI的集体“从众心理”可以看看。

原文

09:22

官方账号arXiv cs.AI@Roman Prosvirnin, Victor Minchenkov, Alexey Soldatov, Vladimir Bashun

该论文提出JADR（Jacobian Assessment of Danger Recognition）协议，利用Jacobian空间（J-space）在模型生成第一个token前衡量其危险识别能力。协议将每个层级的top-k J-space tokens映射到6个行为轴，并使用StrongREJECT构建危险样本、XSTest和OKTest构建安全对照。方法不依赖外部裁判模型，完全在模型激活上本地运行。研究者测试了Qwen3-1.7B、Qwen3-4B、Qwen3-8B、Qwen3-Uncensored-4B、Qwen3-SafeRL-4B和Gemma 2 9B共6个模型在BF16、INT8、INT4三种量化精度下的表现，使用SafetyAUC指标及bootstrap置信区间进行统计比较。结果能显著区分模型内部安全机制的强弱并揭示不同量化带来的差异。

论文 Qwen3 Gemma 2 JADR

推荐理由：JADR协议能从模型内部直接测出危险识别能力，不用外部裁判，还能对比Qwen3和Gemma 2在不同量化下的安全表现，挺实用。

原文

09:20

官方账号arXiv cs.AI@Xing Zhang, Guanghui Wang, Yanwei Cui, Ziyuan Li, Wei Qiu, Bing Zhu, Peiyang He

这篇论文指出，自进化智能体系统依赖一个隐藏假设：存在可靠的评估指标，但现实中往往没有。作者提出演化指标方法，通过搜索小缺陷检测器的组合形成可检查的指标，使用十项锚定参考集训练，并采用共识正则化和留出审计。在代码生成（MBPP+）、企业文本到SQL（Spider 2.0-Snow）和无参考报告生成任务中，共进化方法Double Ratchet保留了由真实指标驱动下的88-110%的提升效果。安全方面，移除锚定守卫会导致指标退化，独立裁判能捕获技能游戏行为，且任务感知裁判在77%的判定对中偏好演化输出。

论文 LLM 智能体评估指标

推荐理由：这篇论文解决了自进化AI的一个核心漏洞：没有可靠指标怎么办。他们让指标和技能一起进化，在多个基准上验证了有效性，还能防作弊。值得研究Agent自改进的人读一读。

原文

09:19

官方账号arXiv cs.AI@Kaiwen Zheng, Junchen Fu, Wenhao Deng, Hu Han, Joemon M. Jose, Xuri Ge

论文针对多模态情感识别（MER）中大模型（如7B参数）推理慢、难以部署的问题，提出轻量级框架Light-MER，模型参数小于1B。通过知识蒸馏将大教师模型的知识迁移至学生模型，引入两种优化策略：基于Sliced Wasserstein距离与隐藏状态对齐的最优传输损失，以及基于GRPO的多奖励优化以平衡性能与效率。在9个基准数据集上，Light-MER取得SOTA性能，同时推理速度显著提升。代码已在GitHub开源。

论文 Light-MER 知识蒸馏多模态

推荐理由：他们挑战了多模态情感模型必须大的假设，用知识蒸馏搞出<1B的Light-MER，9个基准超了大模型还更快，做部署的可以看看。

原文

09:18

官方账号arXiv cs.AI@Mehdi Saeedi, Eddie Richter, Paul Hartke

本文研究用44.8M参数的编码器-解码器Transformer进行量子电路合成。在参数化电路（2-6 qubits）上，混合方法（结构来自Transformer，角度来自经典优化）对3-6 qubit电路实现中位数保真度1.000。在Clifford+T电路（3-6 qubits）上，模型虽能学习有效语法和准确T计数，但精确等价率从≤9门的88%跌至超过26门时接近零。推理时生成多候选并通过等价验证选择，将精确匹配率从7%提升至22.5%；训练数据扩展2.5倍则提升至39.5%，但长电路退化仍存在。结论：当需要完全离散正确性时，自回归漂移限制可靠性，推理时搜索和数据扩展有效，而微调和模型多样化无效。

论文 Transformer 量子电路 Clifford+T

推荐理由：这篇论文揭示了量子电路合成里Transformer的一个关键问题：自回归漂移让长电路精确匹配率从88%几乎归零，即使数据翻倍也只能部分缓解，值得搞量子计算和AI交叉的人看。

原文

09:14

官方一手arXiv: DeepSeek@Ziqi Yin, Jianyang Gao, Peiqi Yin, Jiangneng Li, Gao Cong

本文针对长上下文稀疏注意力中的Indexer-TopK操作，指出现有GPU内核如DeepSeek Sparse Attention（DSA）存在全局内存开销大、同步成本高问题。作者利用高维空间中向量距离分布集中的特性，提出LiteTopK内核：通过采样小部分数据估计查询-数据分数范围，在线分桶，维持紧近似阈值并回写有潜力候选。实验在GLM 5.2的预填充阶段实现1.2倍加速，同时降低内存开销，且保持精确Top-k结果。

论文 LiteTopK DeepSeek Sparse Attention GLM 5.2

推荐理由：这论文用维度诅咒的视角，搞了个LiteTopK算子，比DeepSeek的DSA更快更省内存，GLM 5.2预填充直接快1.2倍。

原文

09:11

官方账号arXiv cs.LG@Xingyu Dang, Haocheng Tang, Junmei Wang, Yanjun Li

研究团队构建了大规模反应机理推理数据集，并创建了FukuyamaBench基准，该基准源自Fukuyama的《高级有机反应机理》一书，用于评估模型的分层机理推理能力。微调后的Qwen3-30B-A3B模型在FukuyamaBench Set A上达到8.3%的精确路径匹配率，超过专用FlowER模型的5.1%。结果表明机理感知训练可显著增强语言模型的化学推理能力。

AI模型 Qwen3 FlowER 化学反应

推荐理由：Qwen3微调模型在化学机理推理上直接击败了专用FlowER，准确率从5.1%提升到8.3%，化学和AI交叉领域值得一看。

原文

09:10

官方账号arXiv cs.LG@Usman Haider, Karl Mason

该论文提出约束感知聚合方法，用于联邦强化学习中的分布式能源协调。与标准FedAvg不同，惩罚基聚合规则(w_i ∝ R_i - αV_i)在DairyGridEnv基准上实现奖励与安全性的可靠权衡。使用芬兰和德国FIELD数据集评估，惩罚基聚合显著减少约束违规并提高奖励。

论文 FedRL 约束感知聚合微电网

推荐理由：这篇论文提出了一种简单的联邦强化学习聚合方法，在微电网场景下比FedAvg更安全高效，能同时提升奖励和降低违规。

原文

09:08

官方账号arXiv cs.LG@Gunner Levi Howe

该论文通过188次新实验研究了表征先验在Grokking中的作用。错误特征族（幅度带）像随机划分一样阻止泛化（1/15 vs 0/20 grok，p=0.43）。完全无标签的不变性先验（仅交换对）在15/15次运行中泛化，中位加速2.7倍，且比标签监督先验更可靠（p=0.038）。早期窗口（前2000个epoch，占4%预算）即可实现10/10泛化及2.7倍加速，优于连续应用（8/10，1.25倍）和后期窗口（2.1倍）。结合权重范数钳制的先验达到中位17倍加速（5/5），而普通交叉熵仅在精确临界范数下才匹配此速度。

论文 Grokking 表征先验无标签不变性

推荐理由：这篇论文搞清了Grokking延迟的可控关键：用无标签特征族先验就能加速17倍，而且只在训练早期用一小会儿就够，比你想的简单实用。

原文

09:07

官方账号arXiv cs.LG@Julius Steiglechner, Lucas Mahler, Gabriele Lohmann

Elenchos是一个基于lambda演算系统的生成式评估框架，用于测试大语言模型（LLM）的溯因推理能力。评估发现，前沿和中端模型在检测系统是否被修改时表现较好，但识别具体规则修改的能力显著不足。在交互突变场景下，模型性能大幅下降，通常只能恢复部分突变。初步证据显示，增加推理时间预算仅带来微小改进，收益递减。

论文 LLM Elenchos 溯因推理

推荐理由：这篇论文用Elenchos框架测了LLM的溯因推理，发现模型能发现异常但猜不准具体改了啥，挺有意思的。

原文

09:06

官方账号arXiv cs.LG@Sarah Al-Shareeda, Gulcihan Ozdemir, Heung Seok Jeon

该论文提出一个统一的一日前概率预测框架，用于比较模块化事后残差分位数与集成模型内分位数学习两种方案。使用三种深度学习骨干网络（循环、混合循环、Temporal Fusion Transformer）在相同输入下进行评估。结果表明TFT上的集成分位数学习性能最优，MAPE为2.2-3.6%，RMSE为28-83W，且区间宽度比模块化方案窄约5倍。重建敏感性测试显示重建输入使分位数得分增加106%，但区间宽度几乎不变，说明模型未自动吸收重建不确定性。该研究揭示事后残差分位数在依赖重建输入时的局限性，并通过非DL基线和季节性验证支持排名。

论文 TFT 负荷预测概率预测

推荐理由：这篇论文教你怎么选负荷预测模型——TFT内部做分位数学习比事后校正靠谱，区间窄5倍，适合做精确调度。

原文

09:05

官方账号arXiv cs.LG@Jorge Alda, Jacobo Asorey, Alejandro Mir, Siannah Peñaranda

该论文提出使用梯度提升回归树（XGBoost）构建机器学习仿真框架，以高效处理高能物理和宇宙学中高维参数空间的复杂非高斯似然函数。方法在B介子衰变味异常分析中验证，能准确解析具有弯曲退化等复杂相关性的置信区域。框架可推广至轴子粒子或宇宙学全局拟合等场景，并通过SHAP值实现特征重要性透明分析，确保预测与物理一致性。

论文 XGBoost SHAP 高能物理

推荐理由：用XGBoost搞物理参数拟合，还能用SHAP解释结果，做物理AI的值得看。

原文

09:04

官方账号arXiv cs.LG@Alaa Almouradi, Erchan Aptoula

论文提出Label-Decoupled Style Augmentation框架，针对多标签遥感场景分类中的域泛化问题。该方法通过逐标签注意力和特征统计，将风格扰动限定在标签特定区域，并与共享标签的跨域样本混合。在UCM、AID、DFC15构建的多源基准上，最佳变体达到71.5%平均精度。相比经验风险最小化提升5.0个百分点，比最强全局统计基线高1.3个百分点，在最难迁移任务上提升达7.7个百分点。参数量仅增加0.35%，推断过程不变。

论文多标签分类域泛化遥感场景分类

推荐理由：这篇论文给多标签遥感域泛化提了个新思路，用标签解耦增强比全局统计强1.3个点，参数量几乎没加。

原文

09:03

官方账号arXiv cs.LG@Junyu Ren

精选

EG-VAR提出基于Lean 4的形式化验证架构，通过工具调用公理和源声明确保每个输出都结构性地源自可验证的工具调用（定理3.1）和内核检查的有效推理链（定理3.2）。在TableBench数值推理子集（n=120）上，EG-VAR达到120/120，而相同工具基线为95%。在覆盖5个领域×2个模型的反事实压力测试中，EG-VAR保持100%源忠实度，相同工具下降至80-90%，无工具则为50-80%。LLM作为部署时形式化器时，Sonnet上的残余语义形式化错误率为3.3%，Opus为1.7%。

论文 EG-VAR Lean 4 TableBench

推荐理由：这论文搞了个叫EG-VAR的框架，用Lean内核做形式化验证，让LLM的推理结果100%可追溯，在TableBench上满分，比普通工具调用靠谱太多了。

原文

仅展示最近 2000 条内容。更早的内容请查阅 AI 日报存档（侧边栏 → AI 日报 → 顶部「往期日报」）。