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。
全部 AI 动态
arXiv · cs.AI模型评分3232 arXiv · cs.AI模型评分4646 MONOLOGUE：通过逻辑劫持对 检索增强生成（RAG，Retrieval-Augmented Generation） 实施单文档投毒
研究者提出 MONOLOGUE，一种基于逻辑劫持的单文档投毒框架，不直接反驳事实，而是先承认原文为权威历史基线，再以带日期的记录更正叙事把反事实目标包装成最新更新。
arXiv · cs.AI模型评分4141 LegoSR：面向智能体引导科学发现的统一框架
LegoSR 是一个统一代数符号回归与微分方程发现的框架，通过共同的方程表示和评估流程整合了七个求解器，并支持部分已知方程约束下的搜索。其 LegoSR Agent 能根据求解器知识、中间结果和过往任务经验选择求解器并调整搜索，在含噪常微分与偏微分方程基准上恢复的方程数量接近七个专家调优求解器的并集，且比同模型、同工具、同预算的通用智能体高出最多 29 个百分点。
arXiv · cs.AI模型评分4444 AgentOrch 基准：全局编排与逐步交互的准确率差距有多大？
AgentOrch 基准在 650 条企业标准作业程序和 3,220 个运行时变体上，用匹配的工具、环境和评测直接比较全局编排与逐步交互。逐步交互在所有被测模型上仍更准确，但差距从早期模型到最强近期模型已缩小约 79%。
arXiv · cs.AI模型评分5050 R³（Reject, Remember, Retry）：让多轮越狱攻击者记住失败轮次
研究者提出黑盒多 大语言模型（LLM，Large Language Model） 框架 R³（Reject, Remember, Retry），让攻击模型只依据紧凑状态而非原始对话记录来发起多轮越狱攻击，失败轮次从目标模型上下文中移除但由攻击方连同失败原因记住。
arXiv · cs.AI模型评分4949 研究：微调监控模型可减少 Llama-3.3-70B 与 Qwen2.5-72B 的未发现合谋行为
研究者在 Llama-3.3-70B 和 Qwen2.5-72B 上安装五组策略-监控行为对，用 300 条已发现合谋的诚实评审微调监控模型，再在未见提示格式下测量其余四组合谋。
arXiv · cs.AI模型评分2828 从预测到行动：数字医学的群体健康世界模型（PHWM）
一篇 arXiv 论文提出群体健康世界模型（PHWM，Population Health World Model），主张数字医学不应止步于任务特定、结果特定的预测，而要能表示行动如何改变未来健康走向。
arXiv · cs.AI模型评分5858 Self-Building Labs：让实验室自行设计并搭建实验装置
研究团队提出自搭建实验室（SBL，Self-Building Laboratory），给定高层科学目标后，系统可自行设计实验室布局、配置数字孪生、生成机器人技能和实验流程，把现有实验室从空房间或已运行的自驱动实验室（SDL，Self-Driving Laboratory）升级为可执行新实验的装置。
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4646 研究：置信度分数能否判断 文本转结构化查询语言（text-to-SQL，Text to Structured Query Language） 答案正确性？基于 BIRD 与 Spider 的探索性研究
一项研究审计了生产级对话分析系统中置信度分数的设计，在 BIRD dev 的 1,534 道题上由 GPT-5.1 每题采样五次作答，该分数区分对错的能力较弱（AUROC 0.624），并会扣留 35.7% 的正确答案。
arXiv · cs.AI模型评分4444 WeFair：面向微信短视频搜索个性化查询改写的人类反馈保真对齐方法
研究提出 WeFair，按人类反馈反映个性化意图的直接程度分级，用示范、偏好、验证三阶段训练 2B 查询改写模型。离线实验中 WeFair-2B 在整体准确率和意图保持上优于强基线，微信短视频搜索线上 A/B 测试显示有效视频观看率相对提升 2.593%、查询改写率相对下降 2.350%。该模型已部署于日均处理超 1 亿次查询的微信短视频搜索系统。
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5252 论文探讨智能体 人工智能（AI，Artificial Intelligence） 的验证与自我改进基础及边界
Chien-Ping Lu 发布论文《Verification and Self-Improvement in Agentic 人工智能（AI，Artificial Intelligence）: Foundations and Limits》，提出用显式支持接口和转录接口扩展任务相对验证，以区分搜索增益与可接受任务覆盖的变化。
arXiv · cs.AI模型评分3030 微调 Gemma-4 提升视觉语言模型 2D 与 3D 旋转空间推理能力
研究团队用多个物体旋转数据集微调 Google DeepMind 的 Gemma-4 模型，发现微调后的混合专家（MoE，Mixture of Experts）版本在预测旋转轴和角度上明显优于通用版本，并显著改善无显式坐标系下的 2D 角度估计。实验还显示，可识别物体并未提升角度检测精度，具有明显线性特征的物体表现更好。
arXiv · cs.AI模型评分4949 LazyAgent：面向智能体程序的按需物化与物理优化
LazyAgent 提出智能体运行时的按需执行机制，只运行当前请求真正需要的就绪步骤，并在计划变化时保持判断精确。在 154 个生产工作流的 303 个请求上，它相比急切运行方式节省 42.0% 的 CPU，在 LangGraph 应用中节省 24.0% 的费用，且无质量损失。该机制还能充当查询优化器，在候选工作流之间做选择。
arXiv · cs.AI模型评分3232 统一智能体视频编辑：覆盖不同复杂度与创意层级
研究提出一套智能体工具方法，用于自动完成场景预览、视频摘要和电影预告片三类视频编辑任务，三者在编辑目标、复杂度和创意程度上各不相同。团队评估了输出结果，并讨论了自动化与自主性（agency）的含义。
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3838 用因果关系与注意力机制提升 检索增强生成（RAG，Retrieval-Augmented Generation） 检索精度
一项研究针对检索增强生成（RAG，Retrieval-Augmented Generation）的检索阶段提出改进：标准稠密向量相似度检索常返回只与查询共享关键词、却不含所需信息的文档，且知识库越大越严重。作者用因果图建模该阶段，把查询与文档共享的关键词视为潜在共同原因，并引入注意力机制区分关联与因果关系，以提升检索精度。
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4141 PA-SciML：用物理审计约束大语言模型智能体的科学机器学习发现
研究者提出 Physics-Audited Agentic SciML（PA-SciML）框架，把大语言模型智能体与物理审计结合，在候选搜索前固定叠加性、边界条件和因果性等物理契约，并在无参考解情况下对预测场做对抗性检验。
arXiv · cs.AI模型评分4949 GENSTRAT：用程序化生成博弈评测大语言模型的策略推理能力
GENSTRAT 通过程序化生成双人零和不完全信息下注博弈，按状态空间、时序偶然性等五个复杂度维度刻画每局游戏，并构建了 50 局基准，让 12 个前沿与开放权重模型进行了超过 4 万场对战。结果显示，在 8 局最难游戏上，最好与最差模型的差距是全部游戏上差距的 1.7 倍；更高的思考预算、向模型披露对手策略、以及与游戏需求匹配的推理深度，都与模型更高的胜率差相关。
arXiv · cs.AI模型评分3838 GRAM：把递归潜在推理变成概率多轨迹计算
研究者提出生成式递归推理模型（GRAM，Generative Recursive reAsoning Models），将原本确定性的递归潜在推理改为随机潜在轨迹，支持多条假设、多种解法以及按递归深度和并行轨迹采样扩展推理计算。GRAM 用摊销变分推断训练，在结构化推理和多解约束满足任务上优于确定性循环与递归基线，并具备无条件生成能力。
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1515 arXiv 撤下一篇 Agentic 检索增强生成（RAG，Retrieval-Augmented Generation） 系统性综述（SoK）论文
arXiv 管理员撤下了一篇关于智能体检索增强生成（Agentic 检索增强生成（RAG，Retrieval-Augmented Generation），Retrieval-Augmented Generation）的系统性知识综述（SoK，Systematization of Knowledge）论文，理由是未达到该平台的研究内容质量标准，目前无 PDF 可查看。
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1919 Ax-Prover：面向数学与量子物理定理证明的深度推理智能体框架
arXiv 管理员撤下了 Ax-Prover 论文，理由是未达到该站研究内容质量标准，目前无 PDF 可看。
arXiv · cs.AI模型评分2929 混合 SMT-NRA 求解器：融合 2D 单元跳跃局部搜索、MCSAT 与 OpenCAD
研究者提出一种面向非线性实数算术可满足性模理论（SMT-NRA，Satisfiability Modulo the Theory of Nonlinear Real Arithmetic）的混合求解框架，将新提出的二维单元跳跃局部搜索框架 2D-LS 与 MCSAT、OpenCAD 结合，通过信息交换提升搜索效率。
arXiv · cs.AI模型评分3131 共享模块化递归提升多机器人形态控制的零样本泛化能力
研究者提出一种基于 Transformer 的共享模块化递归架构，利用模块间交互补全部分缺失的上下文特征，在 MuJoCo 机器人集合上实现通用形态控制。在四种环境中，该架构对动力学、运动学和拓扑结构均未见过的新机器人取得显著提升的零样本泛化性能。
arXiv · cs.AI模型评分3939 ID-WM：解耦可达性与局部控制的分层世界模型
研究者提出分层世界模型 ID-WM（Implicit Dynamics World Models），用高层模型采样状态空间中可行的状态转移，再由低层世界模型作为逆动力学求解器把转移落到精确动作上。在三个导航与操作测试集上，它比现有最优的策略与扩散模型规划器提升 38.5%，相比单层世界模型 MPC 在复杂未见长程任务中提升 135%。
arXiv · cs.AI模型评分5757 RoboArchitect：用编码模型自动设计带持久记忆的机器人智能体外壳
RoboArchitect 让编码模型观察机器人执行过程、诊断失败并迭代修改冻结策略外围的控制外壳，在不更新任何模型权重的情况下把未见场景平均成功率从 9.7% 提升到 43.3%（4.5 倍），未见任务从 12.7% 提升到 40.2%（3.2 倍）。
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。
arXiv · cs.AI模型评分3333 从噪声测量中学习干净的生成过程
研究提出仅用独立噪声观测学习干净图像生成模型的方法：先用 Noise2Noise 回归学习噪声水平及以上的后验预测，再引入一致性约束——预测应等于继续采样后的期望，从而把预测延伸到更低噪声水平。作者推导了一致性唯一确定干净图像分布延续的条件，并在 Poisson、二项、Gamma 和负二项测量上验证。CIFAR-10、光子计数显微和合成孔径雷达实验显示，缺少一致性时延续会严重退化，加入后可修复。
arXiv · cs.AI模型评分3434 研究：预训练后给模型加循环层，只有 0.8B 小模型划算
一项研究比较了在预训练后给模型加循环层（让每个 token 多次通过同一组层）的收益与推理成本，在 Qwen3 和 Qwen3.5 的 0.8B 至 9B 模型上，只有 0.8B 的循环模型同时胜过等参数无循环模型和等推理浮点运算（FLOPs）基线。4B 和 9B 的循环模型未能胜过同结构无循环模型，说明在固定参数预算下，这种加循环的做法只对小模型划算。
arXiv · cs.AI模型评分3636 大语言模型（LLM，Large Language Model）-SR-UQ：面向大语言模型引导符号回归外推的结构不确定性框架
研究团队提出 大语言模型（LLM，Large Language Model）-SR-UQ 框架，通过保留多个候选方程结构并利用它们之间的分歧来刻画函数形式的不确定性。在 LLM-SRBench 数据集上，标准保形区间在分布内覆盖达标，但在外推时经常失效；该框架扩展固定宽度保形方法以量化结构区间，显著提升外推覆盖并保持分布内覆盖，还可推广到其他符号回归方法。
arXiv · cs.AI模型评分6060 AutoAnalysis 发布自动更新的元分析，综合 420 篇论文看人机协作
研究团队提出 AutoAnalysis，一个可自动更新的人机协作元分析系统，最新一次运行综合了 420 篇论文的 1,955 个效应量。结果显示，人机组合平均显著优于人类单独工作，但显著弱于人类或 人工智能（AI，Artificial Intelligence） 中表现更好的一方。作者指出，这区分了提升人类表现与实现人机协同，评估协作时应同时对照人类单独和 AI 单独的表现。