邻居事件曲线增强（NECA，Neighbor Event-Curve Augmentation）：用邻居事件曲线增强多时间跨度重症监护病房（ICU，Intensive Care Unit）恶化预测
研究者提出邻居事件曲线增强（NECA，Neighbor Event-Curve Augmentation），一种与模型无关的方法：检索早期窗口特征相似的历史患者，将其后续器官功能障碍事件发生时间转换为6h、12h、24h、42h的累积事件曲线特征，拼接到原患者表示后供下游预测器使用。
全部 AI 动态
arXiv · cs.AI模型评分3535 arXiv · cs.AI模型评分4242 Turing 大语言模型（LLM，Large Language Model） 后训练：校准蒸馏与高效动态 混合专家（MoE，Mixture of Experts） 执行
研究提出 Turing 大语言模型（LLM，Large Language Model） 后训练方案，将校准多教师同策略蒸馏（C-MOPD）与动态路由混合专家（混合专家（MoE，Mixture of Experts））执行路径结合，在 Turing-20B-A2B 上四领域归一化整合得分达 0.9988，每个领域保留至少 90.16% 的专家增益。
arXiv · cs.AI模型评分2525 小红书用户如何归因世界杯带来的受众变化并管理社区边界
研究分析小红书 8 个高互动帖的 262 条评论，考察用户如何解释世界杯相关受众涌入带来的社区变化。在 70 条明确给出归因与应对策略的评论中，两者强相关（Cramer's V = .583）：归因于算法的用户多采取技术性边界管理，归因于具体社会行动者的用户则更倾向社会性执行或规范引导。
arXiv · cs.AI模型评分4141 DeFT-检索增强生成（RAG，Retrieval-Augmented Generation）：将多跳问题拆成自包含子问题并复用答案
DeFT-RAG 提出一种检索增强生成（RAG，Retrieval-Augmented Generation）框架，每次只根据原问题和已答问答对生成一个自包含子问题，把依赖跟踪、问答表更新和是否继续的判断交给规则与微调的小型决策模型。
arXiv · cs.AI模型评分3737 多关系图学习研究：何时该信任一条关系？操纵成本、暴露度与信任陷阱
一项多关系图学习研究提出按度数门控（degree gating）的关系使用方式，证明当部分节点在某一关系上被孤立、且攻击者无力打开门控时，它严格优于对该关系的任何选择或重加权。
arXiv · cs.AI模型评分5555 I-HITL：让人工智能（AI，Artificial Intelligence）智能体无法绕过的强制人工审批协议
论文提出不可剥夺的人类在环（I-HITL，Inalienable Human-in-the-Loop）概念，要求人工智能（AI，Artificial Intelligence）智能体只有在获得人类明确批准后才能发起动作，即使人类所交互的系统已被该智能体攻陷。
arXiv · cs.AI模型评分3333 研究团队将 大语言模型（LLM，Large Language Model）-SC 框架适配至帕斯帕提那神庙评论抽取
研究团队把 大语言模型（LLM，Large Language Model）-SC 框架适配到尼泊尔帕斯帕提那神庙，在 GPT-4o 提示词中定义 12 类实体、4 类关系和 9 个方面-情感维度，处理 2,500 条英文 Tripadvisor 评论。
arXiv · cs.AI模型评分3232 HCG：分层协作 GFlowNets 动态划分搜索空间提升模式覆盖
研究者提出分层协作 GFlowNets（HCG，Hierarchical Cooperative GFlowNets），通过共享分类器动态划分搜索空间，让排名靠前的模型探索全空间、靠后的模型转向未被覆盖区域，避免多个采样器塌缩到同一高奖励区。
arXiv · cs.AI模型评分5252 SecPRBench 基准：智能体代码审查能否在合并前发现漏洞
论文提出 SecPRBench，用于评估智能体在真实代码变更上的安全审查能力，已从 Firefox、V8、OpenSSL 等九个关键系统收集 265 个任务。八个前沿模型的召回率在 32.5% 到 78.1% 之间，Grok 4.6 与 GPT-6 sol 居前。
arXiv · cs.AI模型评分4040 SOPO：用苏格拉底式引导策略优化做片段级幻觉检测
研究者提出多轮强化学习框架 SOPO（Socratic Guided Policy Optimization，苏格拉底式引导策略优化），通过教师模型在 rollout 中提供间接提示来引导推理轨迹，缓解难例奖励稀疏问题，并用 Turn-based Advantage Scaling 抑制冗长偏好。
arXiv · cs.AI模型评分3838 超级智能软件工程：让治理随能力扩展的 OSTEON 方法
论文提出“超级智能软件工程”，即用能力超过人类工程师的智能体构建和演进软件，并让治理（门禁、契约、决策与知识衰减控制）随能力同步扩展。作者以 452 个高星 GitHub 仓库为样本，发现 48.67% 含智能体上下文文件，且部分路径无法解析。其 OSTEON 以 Claude Code 插件形式发布，为每个项目建立受治理的决策与契约知识库并机械校验每次变更，但作者明确未测量其实际效果。
arXiv · cs.AI模型评分6161 研究提出针对大语言模型统计生成水印的统一攻击框架
研究提出一个统一攻击框架，针对 KGW 及其变体、GumbelSoft、DipMark、ITS、SynthID 等主流大语言模型统计水印。作者指出这些方案的检测分数与生成时的 token 概率偏移存在关联，称为分数比对齐，攻击者只需黑盒查询、无需密钥或模型权重即可生成规避检测且流畅自然的文本。在七种水印方案、三个大语言模型及相应任务上，检测率在所有设置下被降至最高 0.05，同时保持文本质量。
arXiv · cs.AI模型评分4040 PACE：面向原生多模态大模型的帕累托自适应压缩框架
研究者提出 PACE（Pareto-Adaptive Compression for Efficient Native MLLMs），这是首个针对原生多模态大模型（native MLLMs）的视觉 token 压缩框架，利用位置编码的维度解耦沿高度和宽度分别估计空间显著性，并将 token 预算分配建模为帕累托优化。
arXiv · cs.AI模型评分5252 DialFork 发布对话智能体流程幻觉评测基准
研究团队提出 DialFork 基准，用于在原始对话文本上评测对话智能体的流程幻觉，即单句流畅可信但偏离既定对话流程的失败模式。该基准通过在受控轮次位置分叉合规对话并注入四类幻觉构建，覆盖 12 个领域 24 项任务共 36,278 段对话，由 30 名人工标注者验证。
arXiv · cs.AI模型评分3131 PriorityFEC：面向边缘多智能体系统 KV 缓存交接的截止时间感知流式 FEC
论文提出 PriorityFEC，一种在边缘多智能体大语言模型（LLM，Large Language Model）系统中交接 KV 缓存（key-value cache）的方案。
arXiv · cs.AI模型评分4646 I3L：面向全身移动操作迭代交互式模仿学习的硬件与学习系统
I3L 是一套结合全身纠正与迭代策略精炼的软硬件系统，用低成本开源的 JoyLo+ 接口让操作员通过策略跟随主臂和触摸触发接管进行全身协调纠正。在三种机器人本体、八项仿真与真实任务上，四轮 HG-DAgger 使自主成功率较基础策略平均提升 68.3 个百分点，每项任务至少达 90%，同等训练轨迹数下比纯示范训练高 35.6 个百分点。
arXiv · cs.AI模型评分4545 SYNTRA：自改进数据合成框架让嵌入模型跨领域跨任务适配
SYNTRA 是一个自改进的智能体数据合成框架，能把少量检索示例转化为可复用的合成指令，自动生成嵌入模型训练数据。在覆盖 15 个领域的 24 个数据集上，同一套合成流程对已有或无标注训练集的强嵌入模型均有增益；自改进在全部 6 项评测任务上增强监督效果，其中 4 项检索表现优于人工校准。在 MS MARCO 上，合成训练数据规模扩大 32 倍时检索增益仍持续。
arXiv · cs.AI模型评分1212 DEX：面向节能 MSDF 神经网络推理的数字级提前退出机制
一篇提出 DEX 数字级提前退出机制的论文已被作者 Muhammad Usman 撤回，原因是缺少最终共同作者批准，并需更新方法、补充结果。该研究面向量化 U-Net 脑肿瘤分割，用最高有效位优先（MSDF，Most-Significant-Digit-First）加速器在输出数字流上做提前判断，在 BraTS 上减少 38.38% 数字周期，平均 Dice 为 80.58%。
arXiv · cs.AI模型评分2727 DRL-DCO：用深度强化学习动态协调 DE 与 CMA-ES 的进化搜索方法
研究提出 DRL-DCO 算法，用基于深度确定性策略梯度（DDPG，Deep Deterministic Policy Gradient）的演员-评论家智能体统一调度差分进化（DE，Differential Evolution）与 CMA-ES 的搜索过程，动态分配探索与利用算力。
arXiv · cs.AI模型评分2929 用 Vision Transformer 集成模型做全景街道语义分割，登顶 PalmCity 挑战赛
一篇 arXiv 论文记录了 PalmCity 挑战赛的两阶段方案：第一阶段用三个仅编码器的 Mask Transformer 模型（DINOv3 特征）等概率平均集成，在 84 张验证集上取得 60.95% 平均交并比，隐藏测试榜 57.08%，位列 2026 年 10 月 5 日快照第一。
arXiv · cs.AI模型评分5555 三项预注册研究考察评测框架对长寿调优语言模型的修复效果
作者围绕一个冻结的长寿调优 1.7B 模型开展三项预注册研究，检验评测框架（harness，指包裹模型、负责调用与解析输出的评测流程）带来的增益是否超过固定答案。
arXiv · cs.AI模型评分3434 检测与抑制：针对 VLA 模型对抗补丁的机制性防御
研究者用稀疏自编码器（SAE，Sparse Autoencoder）分析视觉-语言-动作（VLA，Vision-Language-Action）模型的内部表示，找到一个激活与对抗补丁强相关的特征，仅在线性探针检测到攻击时于推理阶段抑制该特征，无需微调即可提升鲁棒性。在 LIBERO-10 上的测试显示，间歇性攻击下按需干预能提高成功率，而持续施加同一干预会明显损害策略性能。
arXiv · cs.AI模型评分3434 研究将公平性视为分布稳定性：预测器在受保护群体构成变化下保持稳定即为公平
一项研究把公平性定义为分布稳定性：预测器在受保护群体构成被扰动时预测结果保持稳定即为公平，多种经典公平概念可视为对特定扰动的稳定性，其不公平差距由预测率泛函的 Lipschitz 常数给出。该框架无需知道部署分布即可在测试时对多种人口构成提供一致保证，并给出基于重加权预测器凸组合、以二阶锥规划求解的学习方法及泛化界。标准基准实验验证了该方法的有效性。
arXiv · cs.AI模型评分4343 研究：闭环机器人软件的学习与跨任务迁移
一项研究把完整闭环机器人实现当作可复用的执行经验，让编码智能体从少量成功演示生成策略代码，并用仿真反馈迭代改进。在 RoboCasa 的四个源任务上，迭代优化把成功率从初始代码的 28.3% 提升到经验证筛选代码的 64.2%，并在 Unitree G1 实体机器人上验证。迁移到九个新任务时，使用源任务经验证筛选的代码成功率为 57.0%，高于无参考的 45.2% 和使用初始代码的 41.5%。
arXiv · cs.AI模型评分4141 HyCO：结合强化学习与扩散模型的混合神经组合优化求解器
研究者提出混合神经求解器HyCO，先用强化学习（RL，Reinforcement Learning）求解器构建解的前缀，再自适应切换到条件扩散模型（DM，Diffusion Model）完成剩余决策。理论分析证明该混合结构期望遗憾严格低于任一单独骨干，且存在唯一最优切换步；实验在多个基准上取得一致提升。代码与检查点已公开，论文被NeurIPS 2026接收。
arXiv · cs.AI模型评分4444 TamilEOT：泰米尔语电话语音语义轮次结束检测数据集与模型
研究者发布TamilEOT，据称是首个面向南印度语言的语义轮次结束检测开放数据集与检测器，含116通真实泰米尔语电话对话中的18,485个标注轮次边界。在30通未见通话的4,168个片段上，准确率从零样本70.30%提升至83.71%（8.7 MB）和86.13%（21 MB），ROC-AUC从0.751升至0.921，两个模型在笔记本CPU单线程下运行均低于150毫秒。
arXiv · cs.AI模型评分3030 SUDO：支持通用增长惩罚的无仿真非平衡动态最优传输
研究提出无仿真非平衡动态最优传输框架 SUDO，可处理一般非二次凸增长惩罚，无需依赖昂贵的 NeuralODE 仿真或仅限二次惩罚的解析解。在 WFR 基准上，SUDO 精度与高效解析算法相当，计算速度快于仿真类方法，并支持编码增殖主导先验的非对称惩罚，在合成与单细胞数据集上给出更合理的轨迹和增长估计。
arXiv · cs.AI模型评分5050 GUI-Lens：让现成 VLM 通过由粗到细裁剪实现精准 GUI 定位
GUI-Lens 提出一种由粗到细的 GUI 定位框架，让通用视觉语言模型（VLM，Vision-Language Model）通过主动观察逐步确定点击目标，在 ScreenSpot-Pro 上的准确率最高达到直接定位的 9.3 倍。
arXiv · cs.AI模型评分3939 ReBRAC-v2：常规行为正则化 Actor-Critic 的系统性现代化在离线强化学习中的表现
ReBRAC-v2 通过直接训练精确似然的归一化流 actor，并结合分类残差评论家、分阶段优化和多样本推理，在 OGBench 十个类别上平均得分 74.8，高于次优方法的 52.3，并在八个类别中排名第一。
arXiv · cs.AI模型评分4545 CogBattery：用人类认知任务评测语言模型的行为与结构
CogBattery 在 13 个认知范式的文本改编任务上评测了 54 个开放权重语言模型，并与各原始研究中的人类数据对照。模型和人类一样对 n-back 诱饵更敏感，但在普通非目标上误报远多于人类，多数模型的置信度区分正误的能力弱于人类，且无论分类是否准确都倾向选择同一赌注。研究还发现模型得分可归结为两个维度，其中一个与规模密切相关，但更大的模型并不总是更接近人类。
arXiv · cs.AI模型评分3232 研究揭示稠密联想记忆的自由能景观
一项研究用大偏差理论求解稠密联想记忆（dense associative memory）的自由能泛函，给出多项式交互与 Log-Sum-Exponential（LSE）激活下随温度变化的表达式，并得到大量极限下的无序平均基态能量景观。该框架揭示高阶稠密网络的记忆检索依赖初始状态，并给出 LSE 模型的精确无误阈值。
arXiv · cs.AI模型评分2929 DAUPNet：面向跨域小样本语义分割的域感知不确定性建模
DAUPNet 将跨域原型匹配重构为不确定性感知的原型判别，先对齐分层支持-查询特征，再用概率方式表示前景与背景原型，并以估计的不确定性调控对比优化。在四个标准目标域上，该框架在 1-shot 和 5-shot 设置下平均 mIoU 分别达到 72.6% 和 76.7%，两个医学域提升明显。代码已公开。
arXiv · cs.AI模型评分3737 互信息估计新基准：统一 copula 框架揭示没有通用最优估计器
研究提出一个基于统一 copula 理论的互信息估计基准框架，将现有基准作为特例纳入，并设计 copula-first 与 marginals-first 两类互补测试，覆盖合成数据、流式变换和真实图像数据。对非参数、变分和生成式三类估计器的评测显示没有通用赢家，每类都能在特定设置下系统性胜出。作者据此定位基本估计障碍，并开源代码。
arXiv · cs.AI模型评分4848 BeyondArena：表格基础模型在真实场景下到底有多通用？
研究团队推出首个统一表格数据基准 BeyondArena，覆盖 IID、时序和分组任务，并配套数据集整理框架 DataFoundry。在 11 个模型、142 个数据集上的测试显示，开源表格基础模型在 10 万行以内数据上具备竞争力，但分组或大规模数据仍由传统树模型和深度学习模型主导。
arXiv · cs.AI模型评分3434 视频基础模型如何编码直觉物理？研究对比 V-JEPA、VideoMAE 与 LTX-Video
研究用冻结特征探针在 IntPhys2 和 Minimal Video Pairs（MVP）上对比 V-JEPA、VideoMAE 与 LTX-Video 三种预训练范式的直觉物理编码能力。
arXiv · cs.AI模型评分3434 研究：图像与文本行人重识别的优化目标冲突
一篇 arXiv 论文分析了图像行人重识别（I2I ReID）与文本行人重识别（T2I ReID）共用视觉编码器时的优化冲突：前者要求压缩同一身份的图像间距，后者要求保留实例级文本对应的差异，单一无约束编码器无法同时满足两者。作者用两阶段流程验证：先训练共享视觉编码器获得身份不变性再冻结，仅对齐文本编码器，发现 I2I 预训练能提升后续 T2I 表现，预训练中加入文本监督还能进一步提升。
arXiv · cs.AI模型评分3838 语义最优传输用于稀疏自编码器特征匹配与电路压缩
研究者提出一种基于分布的最优传输方法，用于匹配跨层稀疏自编码器（SAE，Sparse Autoencoder）特征并自动将大型特征电路压缩为可解释的超级节点。该方法把每个特征表示为激活加权分布而非单一解码向量，通过投影到共享参考空间并用 Wasserstein 距离比较，实验表现优于解码向量和基于大语言模型的基线。
arXiv · cs.AI模型评分3939 自我改进智能体的相对可计算性理论：区分能力获取与独立性认证
一篇 31 页论文提出自我改进智能体的相对可计算性理论，用显式的获取与完成契约把“学会求解器”和“认证其已脱离教师”分开。对已知有限维布尔特征语言，带守卫的协议可在保证以最优教师调用次数完成的同时允许修改查询提议者，所得求解器无需教师即可回答所有输入。核心障碍在于完成规格无法从任意全程序中被基线有效过程统一提取，即使只有一个特征维度或两个候选描述。
arXiv · cs.AI模型评分3636 DRScaffold：用四阶段监督微调提升轻量视觉语言模型的密集场景推理能力
研究团队提出 DRBench 基准（14,573 道题、2,943 张图像，覆盖五类任务与三层递进推理）和 DRScaffold 监督微调框架，将监督目标拆成四个有因果顺序的阶段，无需改动模型架构即可让推理步骤与视觉实体对齐。
arXiv · cs.AI模型评分4242 EvoMemBench：从自进化视角评测 大语言模型（LLM，Large Language Model） 智能体记忆能力
研究者提出 EvoMemBench，一个按记忆范围（单回合内与跨回合）和记忆内容（知识型与执行型）两个维度组织的统一基准，用于评测大语言模型（LLM，Large Language Model）智能体的记忆机制。