PIFT：用扩散与流匹配联合引导将肽-靶点相互作用模式迁移至小分子
研究者提出 PIFT（Peptide InterFace Transfer）框架，通过掩码离散扩散与连续流匹配的联合采样引导，把已知肽-靶点相互作用模式迁移到小分子生成中，用于靶向蛋白质-蛋白质相互作用（PPI，Protein-Protein Interaction）界面。
#数据/训练
arXiv · cs.AI模型评分3030 arXiv · cs.AI模型评分4343 WeGenEditBench 与 WeGenEvoStudio：图像编辑评测与模型进化基准
研究团队推出图像编辑评测基准 WeGenEditBench，包含 2,740 个评测实例和 148 种任务类型，覆盖单图、文本密集和多参考图编辑，用预生成检查清单把每个请求拆成原子要求并逐项扣分。
arXiv · cs.AI模型评分4949 ROSTrans：面向 ROS1 到 ROS2 迁移的大语言模型基准测试
ROSTrans 基准用 108 个任务评测大语言模型把 ROS1 代码迁移到 ROS2 的能力，任务来自 70 多个开源仓库，按接口、行为和系统三级正确性划分。六个前沿模型 pass@1 均低于 10.9%，56.5% 的样本编译成功却在运行时失败。执行引导修复三轮后，Claude Opus 4.6 和 GPT-5.5 的任务成功率分别升至 49.1% 和 47.2%。
arXiv · cs.AI模型评分4141 ARK：为分离式 大语言模型（LLM，Large Language Model） 推理的 键值缓存（KV cache，Key-Value Cache） 传输规避路由冲突
ARK 是一种分布式大象流路径预留机制，通过协调发送方选择源端口，把并发流的哈希映射到不同 spine 上，避免无状态 ECMP 的哈希冲突，且无需改动交换机或接收端重排数据包。
arXiv · cs.AI模型评分5151 Lineage Is Memory：短预算 大语言模型（LLM，Large Language Model） 引导优化中的父代继承与反馈披露
论文在九个提示词与程序合成基准上做了 1,750 次预注册实验，把父代继承与每轮反馈广度分开考察。结果显示贪心父代继承贡献了绝大部分优化进展，即使种子重置方案每轮拿到全部失败的聚类摘要或使用更大的提议模型也未能反超。作者还拆解了 GEPA 的 token 开销，发现提议模型反思只占小部分成本，验证与小批量筛选几乎吃掉全部预算。
arXiv · cs.AI模型评分4444 TetraState：面向学习型世界模型的回归测试协议，单一判定不够用
研究者提出 TetraState 回归测试协议，针对成对的可实现/不可实现视频测试，在四种模型原生配置下运行并给出四类结果，同时把测试框架本身纳入版本管理。
arXiv · cs.AI模型评分3838 Muon-RT：复用教师轨迹的无动量 Muon，用于 大语言模型（LLM，Large Language Model） 自蒸馏
研究者提出 Muon-RT，通过复用教师与学生之间的位移来消除隐藏权重矩阵的动量缓冲区，从而降低持续训练内存。
arXiv · cs.AI模型评分3636 随机舍入下 SGD 的缩放规律：模型规模、训练时长与精度如何影响预测误差
一项理论研究分析了随机舍入（SR，Stochastic Rounding）在低精度训练中如何随模型规模、训练时间和精度变化影响预测风险，并给出最终模型与参数平均的预测误差上下界。
arXiv · cs.AI模型评分5555 论文指出 bf16 舍入丢弃多数强化学习策略更新，并提出一行修正方案 Fair Cast
论文指出，语言模型强化学习后训练中，优化器保留 fp32 主权重，但 rollout 使用的是经 round-to-nearest 转换得到的 bf16 副本；在常用学习率下，多数单步更新小于半个 bf16 间距而被丢弃，Qwen3-1.7B 上每步仅 0.4-0.5% 的权重发生变化，生成训练数据的策略落后优化器 50-150 步。
arXiv · cs.AI模型评分4444 让 大语言模型（LLM，Large Language Model） 智能体既接受变更又拒绝攻击：鲁棒记忆管理
研究把大语言模型（LLM，Large Language Model）智能体的记忆鲁棒性定义为同时处理过时记忆与记忆投毒，并用证据条件准确率（ECA，Evidence-Conditioned Accuracy）衡量所选记录是否包含答案所需的全部更新证据且无攻击内容。
arXiv · cs.AI模型评分4343 微调混合专家大模型中的可恢复专家利用特征研究
研究发现，微调后的混合专家（混合专家（MoE，Mixture of Experts），Mixture-of-Experts）大语言模型会记住训练数据及其内部处理路径，形成独特的路由指纹，且仅凭路由和输出 logits 即可在无训练数据情况下恢复这些专家路径。
arXiv · cs.AI模型评分2828 WebOverlay：面向极端宽高比网页浮层检测的高吞吐纯视觉蒸馏方法
WebOverlay 提出一种纯视觉网页浮层检测器，通过从前沿视觉语言教师模型蒸馏训练，无需解析 DOM 树即可识别 cookie 同意横幅、订阅提示等遮挡内容。它采用动态分块策略把极端宽高比的整页渲染切成保持宽高比的重叠图块，并配合宽高比感知的边界判定机制消除拼接伪影。该方法吞吐量比大型专有多模态模型高数个数量级，部署成本大幅降低，精度与召回率仍具竞争力。
arXiv · cs.AI模型评分4242 用世界模型生成数据替代实地航拍：检测精度提升最高 33.5%
研究团队用 7B 参数世界模型以野生动物无人机视频为种子生成画面，将训练集扩充一倍以上，在真实数据中加入这些帧后 mAP@50--95 提升 4.3%，替换真实数据时提升 10.3%，城市基准上最高提升 33.5%。
arXiv · cs.AI模型评分4949 语言模型能判断什么是有说服力的科学证据吗？EDB-Bio 基准发布
研究者构建了科学推理基准 EDB-Bio，从药物扰动转录组学、CRISPR 筛选和人类全基因组关联分析（GWAS，Genome-Wide Association Studies）三个生物学领域的真实数据中整理出 96k 个任务，要求模型预测目标假设为真的概率。
arXiv · cs.AI模型评分4646 研究：把引导向量用作 大语言模型（LLM，Large Language Model） 后训练的训练信号
一项被 NeurIPS 2026 接收的研究提出，引导向量（SVs，Steering Vectors）除推理时控制行为外，还可作为大语言模型后训练的训练信号。
arXiv · cs.AI模型评分2727 CAMEL：面向超轻量视网膜基础模型的跨架构掩码嵌入学习
研究提出跨架构知识蒸馏框架 CAMEL（Cross-Architecture Masked Embedding Learning，跨架构掩码嵌入学习），通过非对称掩码策略把大型教师基础模型的知识迁移到轻量学生模型。在四个数据集上的实验显示，CAMEL 在保持精度的同时大幅降低计算复杂度，使模型可部署于硬件受限的临床环境。
arXiv · cs.AI模型评分3636 研究揭示大语言模型强化学习中训练-推理不匹配的来源与演化，提出 DLC 修正方法
研究把大语言模型强化学习中的训练-推理不匹配拆成推理引擎的数值差异与异步采样的策略滞后两类，并追踪二者在训练中的演化。基于此提出的差异-滞后修正（DLC，Discrepancy-Lag Correction）在 Qwen3-0.6B 和 Qwen3-1.7B 上使陈旧采样器下的 KL 散度保持在两次独立同策略训练之间 KL 的两倍以内。
arXiv · cs.AI模型评分4242 基于核插值方法的注意力机制上下文压缩
研究者提出 GAIM 和 Q-DAIM 两种键值缓存（KV-cache）压缩方法，分别基于广义经验插值法（GEIM，Generalized Empirical Interpolation Method）和 Q-离散经验插值法（Q-DEIM。
arXiv · cs.AI模型评分3939 TSFLab：面向时间序列预测研究的自改进、智能体无关工作台
研究者提出 TSFLab，一个自改进且不绑定特定智能体的工作台，为兼容的编程智能体提供共享资源和工具，用于低成本的时间序列预测（TSF，Time Series Forecasting）研究及研究资源持续维护。
arXiv · cs.AI模型评分3030 GraphTFactor：基于图的蛋白质转录因子预测框架
GraphTFactor 将蛋白质序列编码为图结构并直接分类转录因子，可处理变长输入且不设长度限制，在基准数据集上优于现有方法。该框架还提供开源软件包和交互式网页应用，用户可对自定义序列执行转录因子预测。
arXiv · cs.AI模型评分3232 LangFlow 与 DSpark 对比：连续扩散语言模型在长序列生成上优于投机起草器
研究在无验证条件下对比了连续扩散语言模型（CDLM，Continuous Diffusion Language Model）LangFlow 与 DSpark 的 Markov、循环头架构的独立生成能力，全部从零训练于 OpenWebText 无条件下生成。
arXiv · cs.AI模型评分4848 从遥操作到长程灵巧性：评估视觉运动技能与离线代理指标用于灵巧操作
研究团队用五指机械手完成 RJ45 网线抓取与插入，在约 1700 次真机试验中评估了覆盖 7 个策略族的 281 个模仿学习策略。结果显示观测与动作表征比优化器和采样选择更关键：点云策略的感兴趣区域裁剪、机器人基座坐标系表征和点编码器内归一化各提升成功率 70-100 个百分点，视觉-语言-动作策略改用绝对动作预测后插入成功率最高提升 70 个百分点。
arXiv · cs.AI模型评分4444 TAPE：从参考音频学习通用音效表示
TAPE（Transformations of Audio Parameter Embeddings）仅凭处理后的参考音频即可估计其信号处理链，并把参数迁移到另一段未处理录音上。
arXiv · cs.AI模型评分4141 AutoHebb：可零样本推理与持续学习的自修改神经网络
研究者提出自学习赫布网络（AutoHebb，autonomous Hebbian networks），一类在线学习的前馈神经网络，用外部反馈结合内部生成活动产生全局学习信号“神经调质”，再门控三因子赫布规则更新可塑性权重。
arXiv · cs.AI模型评分3434 RiskyPy：面向 大语言模型（LLM，Large Language Model） 生成代码安全与功能联合评估的模型校准提示词生成
RiskyPy 是一套自动化流程，用功能与漏洞“金丝雀”生成与模型能力相匹配的安全导向代码生成数据集，已针对 Python 覆盖 2025 CWE Top 25 中的 18 类 CWE、产出 101 条提示词。在 Qwen3-4B 和 Seed-Coder-8B 上，57-72% 的提示词能生成可运行代码，但仅 5-10% 的生成结果不含 Bandit 告警，为安全改进方法的联合评估留出空间。
arXiv · cs.AI模型评分4141 PoSE：用流匹配学习先验的贝叶斯配电网状态估计
研究者提出 PoSE（posterior sampling for state estimation），只学习变电站注入功率的分布，潮流方程与拓扑仅在采样时通过噪声感知的卡尔曼式校正进入，使每个后验样本都是物理一致的运行点。
arXiv · cs.AI模型评分5151 PrivacyFlow 提出智能体隐私防护方法并发布 agentic PrivacyBench 基准
作者提出 PrivacyFlow 防护方法，把隐私规划与任务执行分开，在执行前追踪每条数据流的来源与用途、模拟接收方背景知识和外部可推断的信息，再权衡披露风险与任务效用，决定执行、阻止或询问用户。
arXiv · cs.AI模型评分2828 CausalGrade：用 Jev 证据引导的因果图评分方法
研究者提出因果图评分方法 CausalGrade，基于概率判断模型 Jev，结合观测数据的关联、条件依赖与方向性证据以及因果发现基础模型 CDFM 给出的边概率，对候选因果图打分。
arXiv · cs.AI模型评分3232 研究：AlphaFold 3 类模型无需完整循环即可预测置信度，按需回收算力
一项研究提出，AlphaFold 3 类模型（如 Boltz、Protenix）的置信度指标 ipSAE、ipTM 和结构一致性指标可在回收早期直接从主干网络预测。该预测器计算成本低、可微分且每个循环都可用，既能帮助系统判断何时执行、询问或阻止以合理分配筛选的回收预算，也可作为基于幻觉的设计的优化目标。两种用法均在显著降低计算成本的同时提升了性能。
arXiv · cs.AI模型评分4545 研究：低秩适配（LoRA，Low-Rank Adaptation） 微调比全量微调显著降低大语言模型记忆泄露风险
一项研究重新考察了大语言模型（LLM，Large Language Model）微调中的记忆问题，发现模型规模和数据重复等因素在 低秩适配（LoRA，Low-Rank Adaptation） 微调下并不遵循预训练和全量微调中的趋势。采用更宽松的基于相似度的记忆指标，LoRA 相比全量微调显著降低记忆风险，同时保持较强的任务表现。
arXiv · cs.AI模型评分4040 联邦学习中的恶意梯度泄露：攻击难以兼顾有效与隐蔽，可用轻量检测拦截
研究首次系统分析联邦学习（FL，Federated Learning）中恶意服务器操纵全局模型、诱发客户端梯度泄露隐私的攻击，发现这类攻击无法同时做到高还原效果和高隐蔽性，在含归一化与联邦平均的真实设置下尤其容易被基础监控发现。作者据此提出一种轻量客户端检测机制，在本地训练开始前标记可疑的模型更新，以很低开销为隐私敏感的联邦学习系统提供可部署的防护。
arXiv · cs.AI模型评分4040 Latent Sparse Attention（LSA）：面向超长上下文的亚二次方注意力方法
研究者提出潜在稀疏注意力（LSA，Latent Sparse Attention），在学到的潜在空间中对键分层聚类，让查询只对聚类层级打分而非逐键打分，从而在超长上下文下加速预填充、解码和训练。
arXiv · cs.AI模型评分3939 ACCT：跨 大语言模型（LLM，Large Language Model） 非对称上下文迁移，KV 缓存缩减 75% 仍保持性能
研究者提出 ACCT（Asymmetric Cross-大语言模型（LLM，Large Language Model） Context Transfer，非对称跨大语言模型上下文迁移），把源模型的键值缓存（KV cache，Key-Value Cache）转换为目标模型可直接使用的稀疏 KV 状态，实现同系列不同规模模型间的上下文计算复用。
arXiv · cs.AI模型评分3737 TradeWar：面向可执行结算的多国贸易谈判 大语言模型（LLM，Large Language Model） 智能体基准
研究者提出 TradeWar 基准，把大语言模型（LLM，Large Language Model）智能体的多轮贸易谈判对话转成具体关税与贸易份额政策，在结算中施加产能与网络约束，并用经济健康指数（EHI，Economic Health Index）评估执行结果。
arXiv · cs.AI模型评分4141 DAMI：面向门控线性注意力长上下文检索的双轴记忆初始化方法
研究者提出双轴记忆初始化（DAMI，Dual-Axis Memory Initialization），在训练前联合配置门控参数 A_log 与 dt_bias，为不同注意力头分配几何时间尺度、为不同层设置低-高-低输入敏感度。
arXiv · cs.AI模型评分3939 ID2Pattern：为交易风险基础模型预训练可泛化的身份行为模式
ID2Pattern 预训练框架将卡号、设备、账户等高基数身份字段编码为跨交易序列的行为模式，而非依赖具体身份值。它先用 Local Anonymous ID（LAID）分词器捕捉身份在序列中的出现与复现方式，再在无标注序列上预训练多尺度模式码本，把 LAID 序列抽象为离散行为模式供下游预测。
arXiv · cs.AI模型评分4646 测试时搜索何时真正帮到世界动作模型？Cosmos Policy 与 RoboCasa 的候选选择与仿真器完整性审计
一项预注册审计在 Cosmos Policy 和 RoboCasa 上检验测试时搜索的三项前提：学习型价值选择器比随机选择差 1.66 个百分点，事后最优选择仅提升 1.40 个百分点，82% 的状态下候选结果完全相同。
arXiv · cs.AI模型评分3535 ETAPS：面向大语言模型极端稀疏度的高效渐进剪枝方法
研究者提出 ETAPS，通过分阶段收紧全局稀疏约束、并以固定小预算训练稀疏增量，在 125M 到 13B 参数的六个模型上，50% 至 90% 稀疏度下困惑度均低于 ELSA，最高降低 42%。在 90% 稀疏度下剪枝 LLaMA2-7B 仅需单张 H200，而 ELSA 需四张，持久状态小 5.0 倍、图形处理器（GPU，Graphics Processing Unit） 小时少 49%。
arXiv · cs.AI模型评分2727 Sensorium：面向具身手术 人工智能（AI，Artificial Intelligence） 的开源多模态数据采集与整理库
Sensorium 是一个开源 Python 库，可基于机器人操作系统（ROS，Robot Operating System）及 ROS2 中间件，从可配置的机器人与传感器数据流中录制、处理、标注和整理多模态手术数据。研究团队在 1516 次体模、离体和活体猪实验中评估了该库，并给出了初步可用性反馈。
arXiv · cs.AI模型评分3030 用机器学习通过学习者交互轨迹测量技术增强学习中的自我效能信念
研究团队开发了一套基于数据挖掘与机器学习的方法，通过学习者在技术增强学习（TEL，Technology-Enhanced Learning）系统中的交互轨迹识别低自我效能信念。团队在两所大学开展实验，收集交互轨迹与自我效能自评数据，并构建包含多个分类模型的机器学习流程。结果显示，由于自我效能信念在学习过程中高度动态变化，密切监测它有助于提升预测性能。