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。
#数据/训练
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3333 分层协作生成流网络（HCG，Hierarchical Cooperative GFlowNets）：分层协作 生成流网络（GFlowNets，Generative Flow Networks） 提升采样探索覆盖
研究者提出分层协作生成流网络（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。该方法还给出归一化加权聚合规则，并证明在给定假设下可恢复目标奖励比例分布。在多模态分布、序列生成、组合优化和生物序列设计实验中，HCG 提升了模式覆盖与目标逼近效果。
arXiv · cs.AI模型评分3131 苏格拉底式引导策略优化（SOPO，Socratic Guided Policy Optimization）：用苏格拉底式引导策略优化做片段级幻觉检测
研究提出苏格拉底引导策略优化（苏格拉底式引导策略优化（SOPO，Socratic Guided Policy Optimization），Socratic Guided Policy Optimization），一种多轮强化学习框架，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。
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4141 模型该多快投入监督训练？Tsallis 损失连续体上的推理模型训练方法
研究者提出基于 Tsallis q-对数的一族损失函数 J_Q，在强化学习可验证奖励（RLVR，Reinforcement Learning with Verifiable Rewards）与潜轨迹对数边际似然之间连续插值，并推导出无需标注推理过程和外部验证器的两种蒙特卡洛估计方法 GARL 与 PAFT。
arXiv · cs.AI模型评分3939 3D-ARD+：用自回归扩散模型按文本指令生成3D场景
研究团队提出3D-ARD+，一种3D自回归扩散模型，把多模态token序列的自回归生成与下一个物体的3D潜变量扩散生成统一起来，可按文本指令生成并摆放物体。团队构建了23万组带文本指令的室内场景数据集，并评测了7B版本，模型能遵循文本描述的复杂空间布局与语义。
arXiv · cs.AI模型评分4949 Mstar：让每个任务拥有自己的记忆框架
Mstar 通过反思式代码进化自动为不同任务发现专属记忆程序，在对话、具身规划和专业推理四类任务上均优于现有基线。该方法把记忆框架写成可执行的 Python 记忆程序，联合优化其 Schema、Logic 和 Instruction 三部分，进化出的程序在各领域呈现结构不同的处理机制。
arXiv · cs.AI模型评分4242 研究：人类无法可靠分辨 大语言模型（LLM，Large Language Model） 生成的新闻
一项基于 JudgeGPT 平台的研究收集了 1054 名参与者对六个大语言模型（LLM，Large Language Model）生成内容的 2318 次判断，发现人类无法可靠区分机器生成与人类撰写的新闻，该结论在所有测试模型上均成立，包括参数量仅 7B 的开源模型。
arXiv · cs.AI模型评分3535 ES2：通过嵌入向量空间分离提升大语言模型安全性
研究者提出微调方法 ES2（Embedding Space Separation，嵌入向量空间分离），通过拉大有害与无害嵌入向量之间的距离来提升大语言模型的安全性，使攻击需要更大的嵌入偏移从而破坏语义。
arXiv · cs.AI模型评分1919 arXiv 撤稿：Proof-Carrying Materials 用 Lean 4 为机器学习原子间势提供可证伪安全证书
arXiv 管理员撤下了一篇提出 Proof-Carrying Materials（PCM）的论文，该稿因不符合 arXiv 研究内容质量标准被撤回。论文称单个机器学习原子间势（MLIP）作稳定性筛选会漏掉 93% 的密度泛函理论（DFT）稳定材料，PCM 通过对抗性证伪、95% 置信区间自助包络细化和 Lean 4 形式化认证三阶段补上这一缺口。
arXiv · cs.AI模型评分3333 变分分解自编码（VDA）提升潜表征解耦质量
研究者提出变分分解自编码（VDA，Variational Decomposition Autoencoding）框架，并实例化为仅含编码器的变分分解自编码器（DecVAE，Variational Decomposition Autoencoder），在分布层面做潜自编码以学习对齐时频特征的多个潜子空间。
arXiv · cs.AI模型评分3535 InstruBPM：用指令微调开源权重模型生成 BPMN 流程模型
InstruBPM 通过指令微调开源权重大语言模型，使其能直接从自然语言描述生成 BPMN 流程模型，并采用参数高效微调与量化以支持本地部署。在 BPMN 数据集上，该紧凑微调模型在 BLEU、ROUGE-L、METEOR 及相对图编辑距离等指标上优于未微调开源基线和强闭源模型，且资源需求更低。生成的图基本符合 BPMN 最佳实践，可作为减少建模工作量的起点，训练模型与脚本已公开。
arXiv · cs.AI模型评分3232 DiTGaze：几何条件扩散增强实现少样本视线估计
DiTGaze 用几何条件潜在扩散 Transformer（DiT，Diffusion Transformer）改造双流 3D Gaussian Splatting 的卷积渲染阶段，在 ETH-XGaze 上把生成器级视线误差较 GazeGaussian 降低 4.1%。
arXiv · cs.AI模型评分3131 AnytimeReasoner 提出 BRPO：按 token 预算优化大模型推理
研究团队提出 AnytimeReasoner 框架，把完整思考过程截断到从先验分布采样的 token 预算内，让模型为每段截断思考总结答案以接受验证，从而在强化学习中获得可验证的稠密奖励。
arXiv · cs.AI模型评分5353 研究用成员推断攻击检测 OpenAI 模型对未授权非公开书籍的识别
研究团队用 34 本 O'Reilly Media 版权书籍（13,962 个段落）构建数据集，通过 DE-COP 成员推断攻击测试 OpenAI 模型是否识别出未获授权训练的非公开付费内容。
arXiv · cs.AI模型评分3333 TintCF：用时间信息为协同过滤去噪
研究提出 TintCF 机制，通过生成融合全局偏好与时间模式的时间感知用户/物品嵌入向量（embedding），并采用重加权邻接矩阵（Tint-A）和重加权损失函数（Tint-L）两种策略识别并修正噪声交互。在四个真实数据集上的实验显示，时间信息确实有助于找出并纠正噪声边，提升推荐模型对隐式反馈噪声和恶意交互的鲁棒性。代码已公开。
arXiv · cs.AI模型评分5454 MoLRSI：可递归自我改进的分子发现 人工智能（AI，Artificial Intelligence） 智能体
作者提出分子发现智能体 MoLRSI，它把工作流与模型架构的系统优化和跨任务持久记忆结合起来，递归改进自身的搜索策略。
arXiv · cs.AI模型评分4646 仅用参考样本学习推理：面向现代 大语言模型（LLM，Large Language Model） 后训练的强化对抗学习 RAL
研究者提出强化对抗学习（RAL，Reinforced Adversarial Learning），用共同训练的 大语言模型（LLM，Large Language Model） 评判模型把参考答案变成推理大模型在线后训练的唯一奖励。
arXiv · cs.AI模型评分3232 MuSID-KD：面向语义 ID 生成式推荐的多粒度知识蒸馏
MuSID-KD 通过分层候选分布对齐（HCDA，Hierarchical Candidate Distribution Alignment）和排序影响引导的分层蒸馏（RIGD，Ranking Impact Guided Levelwise Distillation），改进语义 ID（SID）生成式推荐中多 token 解码的知识蒸馏效果。
arXiv · cs.AI模型评分3232 Terminal-RSI：通过递归自我重写与策略精炼实现递归自我改进的终端智能体
研究提出 Terminal-RSI，交替对已验证轨迹做递归自我重写（RSR）与继承评论家的递归策略精炼（RPR），从 Qwen3.8-27B 基座经五阶段训练得到 Terminal-RSI-27B。
arXiv · cs.AI模型评分3535 ReState：面向多模态大模型MLLM的统一迭代推理框架
研究者提出 ReState，一个把多模态推理从按预设阶段分别训练改为在共享状态空间中动态转移的统一迭代推理框架，包含统一推理状态建模（URSM）与闭环推理状态学习（CRSL）两部分。
arXiv · cs.AI模型评分2828 统一逐 token 门控家族：FKL/RKL 混合与多通道、偏置系数用于在线策略蒸馏
研究提出四系数逐 token 门控参数化 λ_t = σ(a·h_t + b·u(x) + c + d·gap_t)，把 EOPD 与 ToDi 的方向对齐代理纳入同一坐标系，并新增多通道组合与显式偏置。
arXiv · cs.AI模型评分4242 SIRF：面向工业内容风控的规范内化风险基础模型
SIRF 将平台复杂策略内化进模型权重，在仅输出判定结果的低延迟部署下实现高精度风控。同源对比中，SIRF-8B-受监督微调（SFT，Supervised Fine-Tuning） 的 Black Recall@P95 达 71.3%，比基线高 15.1 个百分点，仅用约 70M CPT token 且不损害通用能力。
arXiv · cs.AI模型评分3333 FedPA-低秩适配（LoRA，Low-Rank Adaptation）：缓解异构联邦 LoRA 聚合与初始化误差的乘积对齐框架
FedPA-LoRA 提出乘积对齐框架，同时缓解联邦低秩适配（LoRA，Low-Rank Adaptation）在异构秩下的聚合误差与初始化误差，并给出同构、异构秩的收敛界。客户端跨轮保留本地因子以消除初始化误差，服务器在乘积空间聚合异构秩更新并重建秩受限的全局适配器。在自然语言理解与生成任务上，异构秩下 GLUE 平均准确率提升 6.82 个百分点，代码已开源。
arXiv · cs.AI模型评分3131 部分可观测下时序知识图谱记忆的神经符号元策略
研究提出一种神经符号元策略，在部分可观测强化学习中学习在每个决策点选用哪种符号记忆启发式，执行仍保持符号化。该方法在 RoomKG 的时序知识图谱记忆环境中运行，隐藏状态与观测用资源描述框架（RDF，Resource Description Framework）图表示，记忆带时序 RDF 三元组标注，并通过问答、探索、遗忘三个价值头组成可适应且可检查的控制器。
arXiv · cs.AI模型评分4545 让大语言模型学会“何时不该知道”：TCFT 框架训练时间边界审查能力
研究者提出时间审查微调（TCFT，Temporal Critique Fine-Tuning）框架，训练大语言模型在给定查询、时间截止点和候选回答时识别截止点之后的信息泄漏并判断回答是否时间上可接受。
arXiv · cs.AI模型评分4646 可控用户模拟：用因果推断消除大语言模型模拟器的前视偏差
一项被 NeurIPS 2026 接收的研究把可控用户模拟形式化为因果推断问题，指出用事后轨迹标签做监督微调训练模拟器会引入前视偏差，破坏因果一致性。作者证明策略偏移下评估指标方差会几何级膨胀，称为“可控性崩塌”，并提出先验控制、逐步动态控制和直接策略条件学习三种训练缓解方法。实验显示因果化模拟器消除了前视偏差、保留自然方差，并对未见过的智能体行为具备零样本泛化能力。
arXiv · cs.AI模型评分4242 ThinkSafe：推理模型自生成安全对齐方法
ThinkSafe 提出一种无需外部教师模型的安全对齐方法，从冻结的学生模型自身生成安全数据，经拒绝引导与安全过滤后离线微调。在 DeepSeek-R1-Distill 和 Qwen3 上，该方法显著提升安全性且推理性能保持竞争力；在 Qwen3-0.6B 上，其安全性和推理表现与 GRPO 相当，但包含数据生成在内的实际耗时约为后者的七分之一。
arXiv · cs.AI模型评分5959 Zyphra 提出树状索引器 ZHA，将注意力扩展降至次平方级
作者提出名为 Zyphra Hierarchical Attention（ZHA）的稀疏注意力方法，用分层树状索引器在 KV 缓存上递归压缩键摘要，使包含路由与最终注意力的总成本随序列长度次线性增长，整体呈次平方但超线性扩展。
arXiv · cs.AI模型评分3838 CRoS：在打乱顺序的思维链上施加因果奖励，提升准确率与推理忠实度
研究提出思维链因果奖励方法CRoS（Causality Reward on Scrambled CoTs），通过打乱推理步骤顺序而不改动内容来评估思维链的因果作用，避免以往删除步骤或注入错误带来的信息变化干扰。
arXiv · cs.AI模型评分3333 个体光滑性下近最优二阶凸有限和优化：新下界与 Taylor 校正惰性牛顿法
研究在个体光滑性与凸性假设下求解凸有限和优化的二阶随机预言复杂度，给出下界 Ω(n+n^{5/7}ε^{-2/7})，并提出 Taylor 校正惰性牛顿法，配合 Monteiro-Svaiter 加速达到 Õ(n+n^{5/7}ε^{-2/7})，与下界仅差对数因子。该结果相比此前平均光滑性下的 Õ(n+n^{6/7}ε^{-2/7}) 进一步加速，为大规模有限和优化算法设计提供理论依据。