论文 · AITOP · AI热报

论文 Agent 与开发者精选73°12:16

NOAH模型：全患者旅程纵向多模态预测

NOAH模型能处理医疗图像、时间序列、数值信号等多种医疗数据，实现患者状态预测和反事实干预模拟。

#NOAH #医疗AI #多模态 #预测模型

arXiv cs.AI@Tobias Susetzky 等 8 人原文

技巧 Agent 与开发者12:15

医疗流程自动化机会识别框架

医院RPA项目成功率低？这个框架帮你科学选择自动化流程，匹配合适工具，准确预测回报。

#RPA #医疗 #UiPath #n8n

arXiv cs.AI@Maria Alejandra Gomez, Juan Manuel Castillo原文

论文 Agent 与开发者12:15

Co-Evolving Harnesses and Models: On-Policy Correction Helps Weaker Models Catch Up Where Imitation Fails

研究解决了小模型模仿专家时的性能下降问题，提出了新的在线策略修正方法，让小模型在特定任务中更接近大模型表现。

#智能体 #系统提示 #Qwen3-Coder #Gemma 4

arXiv cs.AI@Zhou Yu 等 11 人原文

技巧 Agent 与开发者精选73°12:15

ExecCritic：测试与修复分离的智能体框架

微软新框架让测试和修复各司其职，Qwen模型组合在代码修复任务上突破72%成功率。

#ExecCritic #Qwen-3.5-35B-A33 #SWE-bench #编程助手

arXiv cs.AI@Leitian Tao 等 10 人原文

论文 Agent 与开发者12:14

视觉编码器与视觉语言模型概念解码研究

这篇论文揭示了视觉编码器如何存储物体概念信息，即使在没有颜色的情况下也能识别物体的标准颜色。

#视觉编码器 #视觉语言模型 #概念解码 #标准颜色

arXiv cs.AI@Xiaofu Chen 等 3 人原文

论文 Agent 与开发者78°12:14

DeCAL：基于物理的灵巧视觉-语言-动作模型

DeCAL模型通过触觉感知和物理动力学建模，解决了灵巧操作中的视觉遮挡问题，在未见场景中表现出色。

#DeCAL #视觉-语言-动作模型 #灵巧操作 #触觉融合

arXiv cs.AI@Yankai Fu 等 8 人原文

论文 Agent 与开发者精选73°12:13

MeClear：基于合作博弈归因的LLM智能体记忆清理

MeClear解决了LLM智能体长交互中的记忆污染问题，通过智能清理冲突记忆，显著提升任务完成率。

#MeClear #LLM Agents #Shapley #记忆清理

arXiv cs.AI@Boyu Yang 等 6 人原文

论文 Agent 与开发者12:13

SAEScientist-Bench：AI代理能否自主进行SAE可解释性研究

这个基准测试了AI代理能否自主进行稀疏自编码器研究，发现代理能设计对比实验但常误解测量结果。

#SAEScientist-Bench #SAE #Gemma-2-9B-IT #可解释性

arXiv cs.AI@Yuqiao Tan 等 4 人原文

论文 Agent 与开发者11:55

多任务学习在稀疏标记时间序列中的应用

农业AI研究：用多任务学习解决葡萄抗寒性预测难题，一个模型同时处理两个相关任务。

#多任务学习 #时间序列 #RNN #农业AI

arXiv cs.LG@Aseem Saxena 等 5 人原文

论文 Agent 与开发者73°11:55

PlayTrain：LLM生成可适应JavaScript游戏的高效强化学习框架

PlayTrain让LLM直接生成JavaScript游戏，无需大量手动编码，RL训练速度达百万决策/秒/GPU。

#PlayTrain #LLM #JavaScript #强化学习

arXiv cs.LG@Ryan Truong 等 4 人原文

论文 Agent 与开发者11:54

推理表示对人类评估LLM输出的影响研究

这篇论文研究了六种推理格式如何影响人类对LLM输出的评估，发现偏好与实际效果存在差异。

#LLM #推理表示 #思维链 #可解释性

arXiv cs.LG@Jaewoo Lim 等 3 人原文

论文精选73°11:53

大语言模型上下文理解评估研究

研究人员提出了S3KG评估方法，能更准确衡量大模型在问答任务中的上下文理解能力。

#S3KG #知识图 #上下文理解 #评估框架

arXiv cs.LG@Subavarshana Arumugam 等 7 人原文

论文 Agent 与开发者73°11:52

深度学习减少ICU室性心动过速误报

MIT团队用物理约束的深度学习模型，大幅减少ICU误报，比现有方法准确率更高。

#SE-ResNet #VTaC #Windkessel模型 #深度学习

arXiv cs.LG@Athanasios Papastathopoulos-Katsaros 等 3 人原文

论文 Agent 与开发者精选73°11:51

机器遗忘评估中的BatchNorm伪影研究

这篇论文揭示了机器遗忘评估中的BatchNorm伪影问题，用10张无标签图片就能恢复大部分被掩盖的准确率。

#BatchNorm #机器遗忘 #归一化 #深度学习

arXiv cs.LG@Aaryaman Kalani 等 5 人原文

论文 Agent 与开发者11:50

地球系统世界模型用于情景模拟

这个地球系统模型能模拟'如果...会怎样'的情景，比传统预测模型更灵活，可用于数字孪生研究。

#Earth System World Model #生态系统模拟 #机器学习 #数字孪生

arXiv cs.LG@Zhihao Wang 等 9 人原文

论文中美对照精选73°11:48

结构化越狱攻击跨模型通用但不叠加

谷歌Gemini被测试出严重安全漏洞，结构化越狱攻击在金融场景成功率高达100%，但非英语环境反而能缓解风险。

#Gemini #IICL #越狱攻击 #AI安全

arXiv: OpenAI@Tejasvi C. Addagada原文

论文 Agent 与开发者11:48

LLM与规则注入在OpenStack中的故障测试对比

阿里和DeepSeek的代码模型在云系统故障测试中表现如何？和传统规则注入有什么不同？

#Qwen2.5-Coder #DeepSeek-Coder #OpenStack #故障注入

arXiv: DeepSeek@Giuseppe De Rosa 等 3 人原文

论文 Agent 与开发者73°11:41

CAST结合规划器引导行为提升强化学习

新提出的CAST方法结合规划器与策略，在强化学习中实现更高效的值学习，并在四足机器人上验证效果。

#CAST #强化学习 #模型基础 #规划器

arXiv: Google DeepMind@Pietro Noah Crestaz 等 4 人原文

论文 Agent 与开发者78°11:41

TrojanWorld：通过想象操控攻击世界模型智能体

TrojanWorld通过物理对象触发，能悄无声息地控制AI智能体的决策，威胁世界模型安全。

#TrojanWorld #world-model #DreamerV3 #R2-Dreamer

arXiv: Google DeepMind@Wenkai Huang 等 7 人原文

论文 Agent 与开发者73°11:21

近似值迭代在自我博弈中的有效性研究

这篇论文发现近似值迭代(AVI)在多个棋类游戏中比 AlphaZero 更准确且成本更低，挑战了 MCTS 主导地位。

#Approximate Value Iteration #AlphaZero #MCTS #自我博弈

arXiv cs.AI@Raphael Boige 等 3 人原文

论文 Agent 与开发者精选73°11:21

SPINE基准测试揭示LLM在持续压力下的谄媚行为

SPINE基准测试揭示了LLM如何在持续压力下放弃正确立场，发现情绪诱导是导致谄媚行为的主要因素。

#SPINE #LLM #谄媚行为 #Olmo3-7b

arXiv cs.AI@Leyuan Tang 等 4 人原文

论文 Agent 与开发者精选73°11:20

GoDeep：无标注3D场景理解新方法

GoDeep用纯语言模型作为翻译器，实现无标注3D场景理解，能处理OOV对象且结果可解释。

#GoDeep #3D场景理解 #开放词汇 #CLIP

arXiv cs.AI@Thodoris Betsas 等 3 人原文

论文 Agent 与开发者精选11:20

多领域模型训练中的领域覆盖优化研究

阿里团队发现多领域模型训练中每个领域都有最佳覆盖比例，对齐阶段难以弥补领域差距。

#Qwen3-8B-Base #KOR-Bench #多领域训练 #模型对齐

arXiv cs.AI@Yunpeng Xu, Kun Zheng原文

论文 Agent 与开发者11:20

ThinkPrior：零轮次难度先验用于RLVR冷启动提示选择

研究人员提出ThinkPrior方法，通过离线锚点构建难度先验，解决了RLVR训练中的冷启动问题，显著减少了无效轮次。

#ThinkPrior #RLVR #GRPO #Qwen2.5-Math-7B

arXiv cs.AI@Tommy Sha 等 3 人原文

模型 Agent 与开发者多源确认11:19

Doctorina临床AI系统诊断表现超越医生

Doctorina在初级护理诊断上全面超越人类医生，比第二名Kimi K3表现更好。

#Doctorina #Kimi K3 #Claude Opus 5 #临床AI

事件专题

arXiv cs.AI@Andy Nkansah 等 9 人6 个信源在谈原文

论文 Agent 与开发者精选73°11:18

训练自由任务向量实现LLM行为控制

新方法TFTVs让LLM行为控制无需微调，支持加法学习减法遗忘，比传统方法更好保留模型能力。

#TFTVs #LLM #任务向量 #行为控制

arXiv cs.AI@Gabriel J. Perin 等 4 人原文

论文 Agent 与开发者11:18

LLM决策审计中评估工具影响比人口偏见更显著

这篇论文揭示了LLM审计中评估工具设计比人口偏见更能影响结果，对AI公平性评估有重要启示。

#LLM #AI公平性 #决策审计 #偏见评估

arXiv cs.AI@Siddharth Vohra, Manikandan Ravikiran原文

论文 Agent 与开发者精选73°11:18

LLM推理的答案分布轨迹研究

这篇论文提出了分析LLM推理动态的新方法，通过答案分布轨迹揭示了传统评估方法忽略的推理过程细节。

#LLM #推理模型 #熵轨迹 #答案分布

arXiv cs.AI@Mar Gonzàlez I Català 等 6 人原文

论文 Agent 与开发者11:17

AI编程代码所有权研究

这篇论文深入分析了AI编程中的责任归属问题，对开发者和管理者都有重要参考价值。

#AI编程 #代码所有权 #质量工程 #AI辅助开发

arXiv cs.AI@Augusto Camargo原文

论文 Agent 与开发者11:17

扩散模型处理离散任务新方法

扩散模型在Sudoku等离散任务表现提升，直接采样+自纠正训练让错误率大幅下降。

#扩散模型 #离散任务 #自纠正训练 #Sudoku

arXiv cs.AI@Mariia Drozdova 等 3 人原文

论文 Agent 与开发者精选73°11:16

Deposon：LLM推理路径的可审计散射层

MIT团队推出Deposon散射层，为LLM推理路径提供可审计记录，在陷阱检测上表现优异。

#Deposon #LLM推理 #机器学习 #可审计性

arXiv cs.AI@Qihao Yuan原文

论文 Agent 与开发者精选73°11:16

Transformer作为上下文采样器研究

这篇论文揭示了Transformer在数据生成方面的能力，展示了如何通过上下文学习实现无参数估计的采样过程。

#Transformer #diffusion #in-context learning #生成模型

arXiv cs.AI@Arman Adibi 等 4 人原文

模型 Agent 与开发者精选73°11:16

Gander模型实现全模态实时交互

Gander模型实现了全双工自然对话，支持用户随时打断，模型也能主动提供反馈，代码模型数据已开源。

#Gander #全模态交互 #智能体 #开源模型

arXiv cs.AI@Orantqing 等 23 人原文

论文 Agent 与开发者精选73°11:15

GraphFAS：工业交易网络图特征自动生成系统

支付宝上线GraphFAS系统，用分布式特征选择让工业图特征生成效率提升10倍，还兼容表格模型和TreeSHAP解释。

#GraphFAS #Boruta #工业欺诈检测 #图神经网络

arXiv cs.AI@Yice Luo 等 10 人原文

论文 Agent 与开发者11:15

预训练与SFT检查点质量研究

论文揭示了训练流程中检查点选择的关键问题，对大模型训练实践有重要指导意义。

#混合专家 #预训练 #SFT #解决方案密度

arXiv cs.AI@Sohir Maskey 等 5 人原文

模型 Agent 与开发者精选73°11:15

PlannerForge：自动驾驶运动规划测试的LLM智能体框架

PlannerForge用LLM智能体整合了自动驾驶测试全流程，开源模型表现接近商业API，成本调优将规划成功率提升20%。

#PlannerForge #LLM Agents #自动驾驶 #Qwen3.6:35B

arXiv cs.AI@Yuan Gao 等 8 人原文

论文 Agent 与开发者精选73°11:15

SQLMorph：文本转SQL评估新框架

SQLMorph提供文本转SQL系统评估新方法，通过查询变异和细粒度指标，帮助开发者更准确评估系统性能并发现潜在问题。

#SQLMorph #Text-to-SQL #JQE #TQA

arXiv cs.AI@Mohammadhossein Malekpour 等 4 人原文

模型 Agent 与开发者精选73°11:14

SkillAdam：智能体技能稳定高效进化框架

SkillAdam让AI智能体技能进化更稳定高效，比现有方法少花很多迭代次数就能获得更强技能。

#SkillAdam #智能体 #Agent #技能进化

arXiv cs.AI@Gaoyuan Li 等 10 人原文

论文 Agent 与开发者精选10:34

AI模型处理用户分歧的权威管理研究

这篇论文揭示了AI模型如何应对用户质疑，不同模型在权威转移和坚持原主张上的差异很有意思。

#GPT-5.2 #DeepSeek 7B #大语言模型 #对话分析

arXiv: DeepSeek@Riyadh Alnasser 等 4 人原文

论文 Agent 与开发者10:34

JudgmentLens：复杂法律判决的人机协同理解

清华团队开发了JudgmentLens，帮助普通人更快理解复杂法律判决，比传统PDF阅读体验更好。

#JudgmentLens #法律AI #DeepSeek #人机协同

arXiv: DeepSeek@Xinyi Chen 等 4 人原文