Sparkle：解耦引导实现生动的指令驱动视频背景替换
研究团队提出 Sparkle 数据集，包含约 140K 对视频，覆盖五类常见背景更换主题，并配套发布目前规模最大的背景替换评测基准 Sparkle-Bench。该数据集通过解耦生成前景与背景引导并严格质量过滤，解决了现有数据中背景静态、不自然的问题，在其上训练的模型在 OpenVE-Bench 和 Sparkle-Bench 上均显著优于现有基线。数据集、基准、模型及完整数据生成流程已全部开源。
#论文/研究
arXiv · cs.AI模型评分4141 arXiv · cs.AI模型评分4444 AMMA：面向低延迟百万级上下文注意力服务的多芯粒内存中心架构
研究团队提出多芯粒内存中心架构 AMMA，用 HBM-PNM 立方体替代 图形处理器（GPU，Graphics Processing Unit） 计算裸片，将可用内存带宽提升约一倍，以服务受内存带宽限制的解码阶段注意力计算。
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4040 大语言模型（LLM，Large Language Model） 智能体长期记忆安全综述：覆盖记忆全生命周期的攻击、防御与治理
一篇被 EMNLP 2026 接收的综述提出记忆生命周期框架，沿写入、存储、检索、执行、共享传播、遗忘回滚六个阶段和完整性、机密性、可用性、治理四个安全目标，梳理 大语言模型（LLM，Large Language Model） 智能体的长期记忆安全威胁。
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4343 STRIATUM-CTF：基于 模型上下文协议（MCP，Model Context Protocol） 协议的自主 CTF 解题智能体框架
STRIATUM-CTF 是一个通过模型上下文协议（MCP，Model Context Protocol）在 大语言模型（LLM，Large Language Model） 推理与工具执行之间做中介的模块化 CTF 解题智能体框架，协议层会在执行前拒绝不符合 schema 的工具调用。
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3030 面向机器人基础模型的规范感知动作分布优化框架
研究者提出一种规范感知的动作分布优化框架，可在不修改预训练机器人基础模型参数的前提下，让机器人在执行时满足信号时序逻辑（STL，Signal Temporal Logic）约束。该方法在每个决策步通过前向动力学推演剩余时间范围，计算满足硬性 STL 可行性约束的最小修改动作分布，并在仿真中用先进机器人基础模型跨多环境与复杂规范完成验证。
arXiv · cs.AI模型评分3737 Samyama 图数据库构建大规模开放生物医学知识图谱并支持 人工智能（AI，Artificial Intelligence） 智能体访问
研究团队基于 Rust 原生图数据库 Samyama 构建开放可复现的生物医学知识图谱生态，将 22 张图谱合并为含 328,130,739 个节点、1,441,425,733 条边的单一存储，全部快照加载耗时 2,269.1 秒。
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4848 SUREON：面向手术视觉推理的基准与视觉语言模型
研究团队推出手术视频问答数据集与基准 SUREON，用对抗猜测模型过滤掉不看画面也能答对的题目，含 76K 训练问答对、覆盖 168 种手术，另有 340 道经外科专家核验的测试题。
arXiv · cs.AI模型评分4040 Place-it-R1：用环境感知 MLLM 推理实现视频物体插入
Place-it-R1 是一个端到端视频物体插入框架，让多模态大语言模型（MLLM，Multimodal Large Language Model）分析目标环境、推断物体与场景的交互，并判断插入位置在物理上是否合理。
arXiv · cs.AI模型评分4545 可解释性设计：CALMs 兼顾局部可加性与条件特征效应
研究者提出条件可加局部模型（CALMs，Conditionally Additive Local Models），在保持接近广义可加模型（GAMs，Generalized Additive Models）可解释性的同时，精度接近 GA²Ms。
arXiv · cs.AI模型评分3838 基于高斯过程动力学模型与恢复式屏蔽的安全强化学习
研究者提出一种恢复式屏蔽框架，让强化学习在未知非线性连续系统中具备可证明的安全下界。该方法用高斯过程（GP，Gaussian Process）量化不确定性以预测安全约束违反，仅在必要时切换到备份策略恢复安全轨迹，并借助内部模型采样实现无限制探索与样本高效学习。在多个连续控制环境中，该方法表现出较强性能并严格满足安全约束。
arXiv · cs.AI模型评分4747 JudgeGPT 与 RogueGPT 框架因果分析：人类为何难辨基础模型幻觉与虚假信息
研究提出 JudgeGPT 与 RogueGPT 双轴框架，将“真实性”与“归属”解耦，分析 918 次评估中人类对 GPT-4、Llama-2 等五个基础模型输出的辨别能力。
arXiv · cs.AI模型评分4242 TIRx：跨异构后端的统一 Tile 原语机器学习编译器
TIRx 是面向 图形处理器（GPU，Graphics Processing Unit） 与 人工智能（AI，Artificial Intelligence） 加速器的机器学习编译器，通过显式执行作用域抽象、张量布局和 Tile 原语调度，把高层操作下沉为高效实现。它在最新 GPU 和 AI 加速器上达到厂商级性能，原生代码案例显示底层实现代码大幅减少。该工作已被 ASPLOS 2027 接收。
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4646 Speech-DRAME：面向语音角色扮演的人类对齐评测基准框架
Speech-DRAME 框架包含双语人工标注基准 Speech-DRAME-EvalBench 和微调的音频语言评测器 DRAME-Eval，用于评估语音角色扮演中的韵律、情感表达与角色贴合度。
arXiv · cs.AI模型评分4545 研究揭示视觉思维链的视觉信息不可信，提出 SCCM 学习提升忠实度
研究发现，大型视觉语言模型（LVLM，Large Vision-Language Model）经强化微调（RFT，Reinforcement Fine-Tuning）生成的多模态思维链（MCoT，Multimodal Chain-of-Thought）中，视觉信息即使答案正确也常不准确，干扰视觉内容后预测几乎不变。
arXiv · cs.AI模型评分3838 MLLMEraser：用激活引导实现多模态大模型测试时遗忘
MLLMEraser 提出一种无需训练的多模态大语言模型（MLLM，Multimodal Large Language Model）遗忘框架，通过激活引导在测试时动态擦除知识，不更新模型参数。
arXiv · cs.AI模型评分3030 PPS：即插即用的扫视视觉方案，提升细粒度分类
研究者提出 PPS（Plug-and-Play Saccadic Vision），一种即插即用的轻量扩展，可将任意带空间特征图的预训练骨干网络改造成扫视式分类器，仅新增一个小型优先级头和单个交叉注意力融合模块。该方法用同一权重共享编码器先看低分辨率全局图，再由优先级头预测扫视优先级分布并并行编码高分辨率局部裁剪，峰值内存与输入分辨率解耦。在九个基准上，该框架相对其骨干网络均取得稳定提升。
arXiv · cs.AI模型评分3535 VisualSphinx：面向强化学习的大规模合成视觉逻辑谜题数据集
研究者提出 VisualSphinx，一个大规模合成视觉逻辑推理训练数据集，通过“规则到图像”的合成流程从种子题目提取并扩展谜题规则、生成可执行的渲染程序来组装谜题。
arXiv · cs.AI模型评分4242 SOReL 与 TOReL：实现完全离线强化学习的方法框架
研究提出完全离线的贝叶斯基于模型强化学习方法 SOReL，通过学习动力学后验、用预测不确定性估计策略价值，实现全程离线的超参数选择；TOReL 则把该调参框架扩展到任意无模型与基于模型的离线强化学习算法。作者给出遗憾分析，证明贝叶斯离线强化学习在标准正则条件下达到极小极大最优参数速率。
arXiv · cs.AI模型评分4040 LLINBO：可信的大语言模型在环贝叶斯优化框架
研究者提出 LLINBO（LLM-in-the-Loop Bayesian Optimization）框架，包裹现有基于大语言模型（LLM，Large Language Model）的贝叶斯优化方法，判断何时采纳模型建议、何时回退到经典贝叶斯优化。
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2929 MSMV-Swin：多尺度多视角 Swin Transformer 框架用于乳腺癌诊断
研究者提出多尺度多视角 Swin Transformer 框架（MSMV-Swin），作为辅助放射科医生分析乳腺 X 光片的决策支持工具。该框架借助 Segment Anything Model（SAM）分离乳腺区域以减少背景噪声，并采用混合融合结构应对临床中仅有单视角影像的情况。其多尺度设计同时捕捉肿瘤局部区域与周边组织信息，使输出更贴近放射科医生的阅片方式。
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6464 代数世界模型 AWM 提出：把陌生环境交互转成可证明的数学模型
论文提出代数世界模型（AWM，Algebraic World Model），把与陌生环境的交互转化为可形式化推理的显式数学模型。AWM 先探索环境并生成可执行的 Python 假设，再按观测不断测试和修正，随后把假设整理成带类型的对象与共享规则，用范畴论引导的变换简化结构，最终在 Lean 4 中形式化以证明可达性与不可达性。
arXiv · cs.AI模型评分4141 EvoTeam：通过演化团队实现多智能体协作
EvoTeam 提出一种以协作为中心的多智能体系统演化框架，同时演化团队组织、交互规则和单个智能体技能，并维护可复用团队库，按团队上下文积累协作经验。该框架在四个基准上验证了有效性，代码已开源。
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5353 研究：模型把事实改写成故事时，来源一致性指标漏掉了哪些失真
一项研究让三个模型家族把 2000 篇新闻改写成摘要和故事，逐项比对五个 W（即事件的人物、时间、地点、原因、方式）上的变化，并判断每处失真是否由指定视角合理带来，结果有三分之一被排除。
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6060 Concordat：为 大语言模型（LLM，Large Language Model） 智能体加上类型化会话约束
作者提出 Concordat，一个把智能体接口定义为有限状态协议并在运行时强制执行的 Python 库，模型每轮只能看到当前状态允许的工具，越界调用在产生副作用前被拒绝。
arXiv · cs.AI模型评分3131 SpectRAG：面向多跳检索增强生成的加权块图谱与 token 预算上下文选择
SpectRAG 提出一种图谱增强检索框架，通过加权块图谱、图谱扩展和谱相关性传播，在固定 token 预算下为多跳检索增强生成（RAG，Retrieval-Augmented Generation）挑选上下文。
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。