研究团队用 大语言模型（LLM，Large Language Model） 为数据虚拟化服务自动生成关键词
研究团队提出五种文本数据选取策略，用大语言模型（LLM，Large Language Model）为数据虚拟化服务（DVS，Data Virtualization Service）中的虚拟数据集自动生成关键词，并用三种 LLM 生成器和两种嵌入向量技术做了实验。
#数据/训练
arXiv · cs.AI模型评分2727 arXiv · cs.AI模型评分4444 ReuScope：审计 Capsule Vision 2024 的数据复用与评估敏感性
研究团队提出审计协议 ReuScope，并以 Capsule Vision 2024 为案例检测数据复用与评估敏感性。该数据集公开训练集与验证集间存在字节完全相同文件，41 段 Kvasir-Capsule 录像的帧同时出现在两个分区；移除相关训练数据后，公开验证集平衡准确率从 82.5% 降至 61.2%，但在其他来源验证行上反而提升 1.38 个百分点。
arXiv · cs.AI模型评分4141 RECAST：无需隐藏推理通道，从 Claude-Sonnet-5.5 等闭源模型重建思维链
RECAST 提出一种基于重建的框架，仅凭问题和目标模型的最终答案，就能重建第一人称结构化推理过程，并清理成可直接用于监督微调（受监督微调（SFT，Supervised Fine-Tuning），Supervised Fine-Tuning）的数据。
arXiv · cs.AI模型评分5050 Re3Culture 数据集：用真实人群数据界定文化价值对齐的目标
研究团队发布 Re3Culture 数据集，用 700 多名来自四种文化的参与者、社区成员选出的文化敏感场景和 1,400 多份价值问卷，为文化价值对齐提供基于真实人群的目标依据。分析发现，替换文化或缩小亚群体覆盖都会改变价值估计，大语言模型模拟也偏向特定亚群体；抽象问卷画像难以还原具体情境中的价值优先级，价值优先级应显式询问，而不能只从回答偏好中学习。
arXiv · cs.AI模型评分2727 ERIM：用显式规则归纳提升多模态上下文学习
研究者提出 ERIM 框架，让多模态大语言模型（MLLM，Multimodal Large Language Model）在上下文学习中显式归纳演示样本背后的潜在规则，而非直接做输入输出映射。该框架构建以规则为中心的数据集、引入规则归纳的显式监督，并用混合冷启动监督微调加强化学习的两阶段训练完成微调。实验显示多种多模态上下文学习设置下性能一致提升，正确归纳规则可直接带来更强更稳定的表现。
arXiv · cs.AI模型评分3434 BioBERT 与 BioMistral 用于临床试验结果预测，PR-AUC 较 HINT 提升 10–20%
研究在 TOP 基准（12,477 项试验）上评估 BioBERT（108M 参数）和 BioMistral（7B 参数）两个生物医学领域模型，用试验注册文本做分期结果预测。
arXiv · cs.AI模型评分4040 TSBPO：面向交互式语言智能体的树结构分支策略优化
研究提出 TSBPO，一种树结构采样到更新的训练范式，在同一训练循环内解决交互式语言智能体从终端结果学习时的采样、延迟反馈分配和多 token 动作损失聚合问题。使用 Qwen2.5-1.5B 作为执行模型，在 ALFWorld 上取得 97.79% 已见任务和 96.64% 未见任务的随机成功率，在 WebShop 500 个测试目标上每回合成功率 81.07%。
arXiv · cs.AI模型评分3030 径向核注意力（RKA）提升聚合物机器学习力场的长程建模能力
研究提出径向核注意力（RKA，Radial Kernel Attention），将原子到簇中心的距离映射为可学习径向特征，以线性成本实现全局特征交换，并插入 EquiformerV3 局部模块之间。
arXiv · cs.AI模型评分3636 SWIFT：用小世界连接打破稀疏微调中的信息孤岛
研究提出稀疏微调框架SWIFT（Small-World Induced Fine-Tuning），将块对角稀疏更新与固定的确定性散射置换结合，在不增加可训练参数的情况下打通特征维度间的信息孤岛。
arXiv · cs.AI模型评分3333 大语言模型该遗忘什么：知识关联的强化学习遗忘方法 KARU
研究者提出知识关联（KA，Knowledge Association）作为大语言模型遗忘的基本目标，并据此设计知识关联强化遗忘（KARU，Knowledge Association Reinforcement Unlearning）框架，通过 token 级奖励、分布级正则和邻近感知保留采样抑制应遗忘的知识关联。
arXiv · cs.AI模型评分3939 基于分块的深度核学习：用极稀疏观测做数据同化与偏差校正
研究者提出一种混合框架，将卷积神经网络（CNN，Convolutional Neural Network）与可学习核的高斯过程（GP，Gaussian Process）耦合，从极稀疏观测中联合完成数据同化与偏差校正。
arXiv · cs.AI模型评分2929 去中心化联邦学习中的连接感知客户端选择方法
一项研究提出用图谱工具做轻量客户端选择，让去中心化联邦学习（DFL，Decentralized Federated Learning）中的每个客户端只向结构上最相关的邻居发送模型更新，而非全邻域广播。在数据异构性强、结构丰富的大图上，该方法准确率最高提升约 3 个百分点，同时传输消息总数比朴素广播减少 50%。
arXiv · cs.AI模型评分4242 EvoMCP：让 模型上下文协议（MCP，Model Context Protocol） 智能体与训练数据协同进化
EvoMCP 提出智能体与数据互相进化的框架，通过任务进化、轨迹进化和监督微调的闭环，让基于模型上下文协议（MCP，Model Context Protocol）的智能体持续针对自身能力短板生成训练数据。在 Toolathlon、MCPMark 和 MCP-Atlas 上，该方法相比初始学生模型分别取得 16.5%、10.2% 和 12.6% 的绝对提升。
arXiv · cs.AI模型评分4242 CryoAtlas：面向冷冻电镜原子模型构建的大规模精选数据集与统一基准
CryoAtlas 发布冷冻电镜原子模型构建的大规模精选数据集与统一基准，整合截至 2026 年 3 月的 EMDB 和 PDB 条目，提供 17,809 条地图-模型-序列条目，其中训练集 16,657 条。
arXiv · cs.AI模型评分3737 scAnyOmics：用基础模型蒸馏实现多组学虚拟细胞的任意到任意补全
scAnyOmics 是一个生成式框架，把冻结的单细胞基础模型知识蒸馏进多模态学生模型，将 scRNA-seq、蛋白标记测量和 scATAC-seq 整合到共享表示中，实现跨模态预测与缺失模态重建。研究汇总六项公开研究的 690,880 个细胞进行评估，并在留出供体数据上多项指标优于基线方法。该框架还用于细胞类型注释、扰动响应预测和生物学年龄估计。
arXiv · cs.AI模型评分4747 BULLPEN：用多通道模型嵌入实现样本高效的大语言模型画像
BULLPEN 框架在 EmbedLLM 基础上扩展，首次将模型自身回答文本与正确性、问题文本联合编码，并新增 20 个行为、风格与来源类任务基准。在 260 个开放权重模型上，其回答文本编码器在新任务上得分 0.48±0.10，优于此前最佳编码器的 0.35±0.10；仅用 400 个问题即可保留全量问题池至少 91% 的能力，推理计算量约为全量池的 1.3%。
arXiv · cs.AI模型评分4444 RECITE：用文本证据自动修订临床试验入组标准
研究团队提出 RECITE 框架，可从方案修订文档中自动发现、抽取并落实有证据支持的入组标准修订，并基于 5,735 项试验构建了 11,913 条配对数据集。
arXiv · cs.AI模型评分3333 MarketImage 诊断框架：交易价格能否反映视觉偏好
研究团队提出 MarketImage 诊断框架，用 266 组六图对比集和保留平局的价格-人类排序协议，检验交易价格何时反映视觉偏好。结果显示仅 24.2% 图像对有非平局价格方向，其中 34.7% 与人类多数一致，HPSv2 在该区域以 66.4% 可恢复准确率领先。作者认为交易价格只能作为不确定的代理信号，而非真实偏好标准。
arXiv · cs.AI模型评分3737 SERIAL-7：面向七种表示的可执行验证基准，衡量机器可验证输出
SERIAL-7 是一个韩英双语基准，用可执行验证框架检验大语言模型在七种表示上的机器可验证生成，包含 177 个经校验的规范产物和 43 条原子表示约束。它把任务拆成语义推导、受限产物生成和跨表示保持三步，并逐级加严检查格式、结构与任务语义。在十个模型上，REALIZE-L3 的 HSR 从 42.0% 到 93.9%，完全合规检查还暴露出最终答案正确、表示合法之外的产物级失败。
arXiv · cs.AI模型评分5959 研究显示模型特质可通过评审模型打分在强化学习中传递
一项 arXiv 论文发现，在基于语言模型评审打分的后训练中，学生模型即使只看到自己生成的音节或数字，其偏好也会向评审模型偏好的动物方向移动。在 48 个设计单元中，17 个在 5% 错误发现率下确立了特质传递，仅含数字的单元也在其中；只去掉评审之间的奖励差异，传递就消失。
arXiv · cs.AI模型评分3232 用辅助奖励实现自我改进：从已验证推理轨迹中学习并评估迁移效果
研究比较了基于置信度和基于熵（UID-Conj.，结合全局熵变化与局部平滑度）的辅助轨迹偏好，能否提升小语言模型在有限监督下的自我改进与迁移。
arXiv · cs.AI模型评分2626 SciGraphSelect：用知识-推理图实现可审计的科学数据筛选
SciGraphSelect 提出一种基于知识-推理图的可审计科学数据筛选框架，通过概念覆盖、关系与路径共支撑及方向对齐为候选文档打分。该框架将领域知识、可复用推理操作和参考文献佐证的关系组织为带类型图，并公开每次筛选背后的证据，使科学训练语料的上游构建过程可追溯。
arXiv · cs.AI模型评分3434 MEMIG：面向抗体优化的自进化记忆构建框架
MEMIG 提出一种面向生物分子优化的智能体记忆构建框架，把经验记录改为可索引、定量、结构化的形式，而非自由文本重写。它用领域标识符定位每条经验并累积性质预言机测得的定量效应，使更新保持局部、检索变为精确查找，还能连接联合施加的干预并分解评估集来度量其上位效应。在计算机抗体优化任务中，MEMIG 在多数设置下提升了表现。
arXiv · cs.AI模型评分3232 专家存在结构化冗余：面向混合专家大模型的保结构专家剪枝方法
研究提出保结构专家剪枝框架，包含投影能量专家剪枝（PEEP，Projection Energy Expert Pruning）和分布覆盖专家剪枝（DCEP，Distributional Coverage Expert Pruning）两种方法，利用路由器权重作为先验，在保留专家间全局结构关系的同时兼顾单个专家重要性。
arXiv · cs.AI模型评分3535 TRIDENT 与 SHAKTI：印地语 人工智能（AI，Artificial Intelligence） 文本检测框架与基准
研究团队发布印地语 人工智能（AI，Artificial Intelligence） 生成文本检测基准 SHAKTI，覆盖四种文体、八个大语言模型（LLM，Large Language Model）家族及多种提示策略与对抗变换。
arXiv · cs.AI模型评分4141 RTL-Interact：训练可调用 EDA 工具的多任务 RTL 设计模型
研究团队提出多任务后训练框架 RTL-Interact，让单个模型生成 RTL、构造任务对应的 EDA 检查并依据工具反馈修改实现。在 CVDP 上，RTL-Interact-32B 取得 48.7% 加权 Pass@1 和 68.9% Pass@5，超过其教师模型 DeepSeek-V3.2，8B 版本加权 Pass@1 为 44.9%。
arXiv · cs.AI模型评分5454 研究者提出人在回路演化流程，发现纠缠辅助量子纠错码族
研究者提出一条人在回路的发现流程，把程序演化、精确评估、数学推广、不存在性验证与形式化证明检查结合起来，用于寻找纠缠辅助量子纠错码（EAQECC，Entanglement-Assisted Quantum Error-Correcting Code）。
arXiv · cs.AI模型评分3838 ImplicitHop：评估大语言模型跨上下文与记忆的知识整合能力
研究者提出 ImplicitHop 基准，包含形式化图基准和基于真实知识图谱的知识组合基准，用于评估大语言模型（LLM，Large Language Model）在不同推理深度下的演绎推理与知识整合能力。测试显示，无论知识来自预训练权重还是上下文，准确率都随组合长度增加而急剧下降，但上下文提供的信息明显优于权重中编码的信息。该结果量化了当前模型在提示词控制智能体行为和持续学习方面的根本局限。
arXiv · cs.AI模型评分4848 FrontierMat：面向材料研发前沿的语言模型基准测试
研究团队推出 FrontierMat 基准，包含 330 道来自航空航天、半导体、具身智能和核聚变等前沿研究与工业实践的问题，每题均由领域实验专家验证。最强通用模型仅得 53.7%，跨尺度推理题比单尺度题低 8.7 分，一半题目最多只有一个模型能解出。采用元加权持续预训练与尺度模块化自蒸馏的领域适配方法，可将开源模型从 36.7% 提升至 55.4%，追平最强闭源模型。
arXiv · cs.AI模型评分3030 用代理辅助遗传编程实现动态柔性作业车间调度规则的终身学习
针对遗传编程学到的调度规则在任务特征变化时性能明显下降、在新任务上微调又会丢失旧知识的问题，一项研究提出面向动态柔性作业车间调度的代理辅助遗传编程终身学习方法，可依次处理作业到达或批量到达的异构任务。该方法包含自适应两阶段训练、基于任务相似度的加权机制和带距离约束的改进代理模型三部分，实验显示其能缓解灾难性遗忘并保持较强适应性，优于多个对比方法。
arXiv · cs.AI模型评分3535 CPA：反事实成对增强提升小型逐点 大语言模型（LLM，Large Language Model） 评判器
研究者提出反事实成对增强（CPA，Counterfactual Pairwise Augmentation），为每个逐点样本合成并审核一条同查询、标签相反的反事实回答，把接受的样本对转为成对任务，与逐点数据联合微调后仍以逐点模式部署。
arXiv · cs.AI模型评分4242 研究：GPT-5 mini 与 Grok 4 Fast 超九成外部知识问题会搜索，Mistral Small 仅两成
一项新基准用 400 道选择题测试五个商用大语言模型（LLM，Large Language Model）何时该搜索、何时该直接作答，题目分为应直接回答的已知知识和训练截止后新闻类外部知识两类。
arXiv · cs.AI模型评分4444 帕累托自适应压缩（PACE，Pareto-Adaptive Compression for Efficient Native MLLMs）：用重复人工评分预测代理优化下的人类收益曲线
研究者提出 帕累托自适应压缩（PACE，Pareto-Adaptive Compression for Efficient Native MLLMs）（Proxy Alignment and Curvature Expansion），一种优化前诊断方法，利用重复人工评分预测固定代理目标带来的人类感知收益曲线，将局部收益近似为 A√d+Bd。
arXiv · cs.AI模型评分3535 Smooth Rank t 分布随机邻居嵌入（t-SNE，t-Distributed Stochastic Neighbor Embedding）：为 t-SNE 加入可微排序项以保留邻居顺序
研究者提出 平滑排序随机邻居嵌入（SR-tSNE，Smooth Rank t-Distributed Stochastic Neighbor Embedding）。
arXiv · cs.AI模型评分4545 分位数对齐（QUAL，Quantile Alignment）：分位数对齐提升零样本时间序列基础模型
研究者提出免标签框架分位数对齐（QUAL，Quantile Alignment），利用模型池作为概率参考对齐各成员预测，再经Huber聚合与重排得到稳健组合预测，无需训练或改动模型。
arXiv · cs.AI模型评分3636 研究：业务语义变化后如何重新验证 文本转结构化查询语言（text-to-SQL，Text to Structured Query Language） 查询
一项研究提出可执行验证配置，在退款归属、税务处理等业务定义变化后重新校验固定 结构化查询语言（SQL，Structured Query Language） 查询，在 32 个新编写的修订族中保留 192 个查询-定义单元，其中 144 个不符合。
arXiv · cs.AI模型评分3333 合成 HR/ERP 图谱中的薪资欺诈检测：规则、路径特征与图神经网络的归纳式对比
一项在合成人力资源与企业资源规划（HR/ERP）图谱上的研究，把薪资欺诈筛查建模为归纳式链接预测与实体排序，在 24 个留出组织上对比分析员规则、显式路径特征和图神经网络（GNN，Graph Neural Network）。
arXiv · cs.AI模型评分3434 用优化算法求解最小红蓝分离集问题，并应用于人类与 人工智能（AI，Artificial Intelligence） 文本区分
研究针对计算几何中的最小红蓝分离集问题（MRBSSP，Minimum Red-Blue Separating Set Problem）提出紧凑集合覆盖整数线性规划（ILP。
arXiv · cs.AI模型评分5151 Noura 研究：把个人饮食要求变成规划监督信号
论文提出 Noura，把公开临床指南和个人健康档案转成可执行规格，在规划中约束食物选择、份量优化和多日计划校验，并用执行结果与修订记录监督紧凑模型。
arXiv · cs.AI模型评分5151 P-ContextBench 发布：从个人事实回忆到个性化智能体行为
研究团队发布 P-ContextBench，一个用于评估大语言模型理解个人上下文能力的基准，包含 100 个数字人、10,088 条隐藏事实、18,261 条应用记录片段和 4,810 个已验证测试用例。