研究审计六款大模型戒烟建议：同一问题因用户身份不同答案不同
研究团队向四家厂商的六款大语言模型（LLM，Large Language Model）提出同样的四个戒烟问题，并搭配十二种不同用户画像，共收集 2880 条回答，发现模型给出的内容取决于提问者看起来是谁。
#论文/研究
arXiv · cs.AI模型评分5858 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3636 Geo-FSRL：优化少步流模型强化学习的随机策略几何
研究提出 Geo-FSRL（Geometry-Optimized Few-Step Reinforcement Learning），通过最小化条件 KL 散度对应的单一几何因子，在保持系数的各向同性高斯转移族中推导出唯一闭式最优策略。该方法在 4 步设置下训练图像与视频生成模型，最终奖励分数高于 Flow-GRPO 和 Flow-CPS，推理时仍保留确定性求解器。代码已公开。
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3131 ArchOR：面向优化建模的结构感知技能检索与仲裁
ArchOR 在 OptSkills 基础上新增两个检索模块，用同一 DeepSeek-V4.1-Flash 主干和已发布技能库，在五个基准上达到 65.00% Micro-Avg. Pass@1，比 OptSkills 提升 1.64 个百分点 Micro-Avg. 和 2.68 个百分点 Macro-Avg.。
arXiv · cs.AI模型评分3636 ReX-GG：面向关系抽取与图生成的 大语言模型（LLM，Large Language Model） 集成流水线
ReX-GG 是一个可定制的轻量级大语言模型（LLM，Large Language Model）集成流水线，通过 JavaScript 对象表示法（JSON，JavaScript Object Notation） 结构化输出和匿名同行评审排序来减少模型幻觉和单模型故障点。
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。
arXiv · cs.AI模型评分2727 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。
arXiv · cs.AI模型评分2929 用模糊选择性状态模型预测消费者偏好动态
研究用Mamba型选择性状态空间模型预测零售连锁客户的偏好变化，隐藏状态为三角模糊数，并在Matveev双分量模糊数代数中计算。一个仅107参数的轻量模型在合成示例中预测中心平均绝对误差为0.154，优于恒定惯性算子的0.163和朴素预测的0.179，且模糊度不随时间累积。该模型还能通过语言化读数识别客户永久转向竞争对手。
arXiv · cs.AI模型评分3636 LIT：让视频导演智能体在交互与执导中协同进化
研究提出 LIT 框架，由导演智能体、模拟用户和元工程师组成进化闭环，让元工程师主动学习外部知识以发现并解决交互与制作问题。在 Test 与 OOD Test 划分上，LIT 的制作与交互得分分别比初始流程提升 19.1% 和 32.0%。消融实验显示制作与交互提升存在相关性，协同进化机制进一步促进执导技能与交互模式探索。
arXiv · cs.AI模型评分3535 Dynamical Memory Transformer：用恒定成本注意力实现选择性循环记忆
研究者提出 Dynamical Memory Transformer（DMT），一种将序列编码与信息读取分离的混合架构：编码器用多个由复数对角循环矩阵构成的动力系统记忆单元，由输入相关的泄漏率控制更新，解码器通过注意力直接读取其输出而不经过 token 历史。
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3232 面向人工智能（AI，Artificial Intelligence）对抗条件下互联临床技术的临床协议感知网络韧性框架
一篇投稿IEEE的论文提出基于有界临床微网络与受控互联的临床协议感知网络韧性框架，将临床因素纳入网络安全的设计、管理与评估。参数化蒙特卡洛模拟显示，互联架构使平均网络暴露较分段架构上升56.3%，预防与遏制结合则使暴露下降60.1%；协议依赖度提高可在网络暴露不变时把建模临床影响指数从1.021推高至7.567。作者强调结果仅支持架构对比分析，并非真实网络风险或患者伤害的校准估计。
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 基于分布式强化学习的多目标在轨巡检风险敏感任务规划
一项研究用分布式强化学习为低轨多目标巡检任务做规划，采用分位数回归深度Q网络（QR-DQN，Quantile-Regression Deep Q-Network）智能体，按均值-方差准则同时考虑预测回报的期望与方差来选择下一个巡检目标。
arXiv · cs.AI模型评分3030 基于安全强化学习的在轨服务机会约束检查视点排序
一项研究把目标航天器近距离检查的视点选择建模为约束马尔可夫决策过程，用带拉格朗日松弛的近端策略优化求解，并结合CW方程评估每次转移。该方法在Galileo级导航卫星点云模型上测试，将碰撞风险设为显式设计参数，在各风险预算下把禁飞区违规率控制在限定范围内，覆盖度接近最大且不超任务Δv预算。相比固定禁飞半径余量的确定性规划，它在相近覆盖度下违规率不到一半，且无需在每个决策点重复蒙特卡洛风险评估。
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6666 预注册机制审计：大语言模型（LLM，Large Language Model） 智能体系统 25 个认知架构模块中 18 个未接入生产输出
一项预注册审计对基于本地大语言模型的智能体系统做了静态核查，发现其宣称的 25 个认知架构模块中有 18 个计算出的值从未到达任何生产输出。作者提出带行号证据和调用链追踪的四问静态审计协议，对 11 个模块预注册可证伪预测并执行干预，在第二个独立系统的 IIT-phi 核心上复现该协议，并做了两次修复实验作为阳性对照。
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4343 Verify–Backtrack Loop：面向长程语言智能体的结构化前置条件恢复方法
研究者提出免训练的 Verify–Backtrack Loop（VBL），在 推理与行动（ReAct，Reasoning and Acting） 基础上把前置条件发现与失败诊断变成结构化的规划状态更新，用目标栈和双视野校验触发 Push、Pop、重试或回退到父目标。
arXiv · cs.AI模型评分4040 面向大语言模型的规范引导生成框架
研究者提出一种神经符号的规范引导解码框架，把大语言模型（LLM，Large Language Model）生成与符号推理结合，在每一步过滤掉无法满足形式化规范的取值。该框架与模型无关、无需重新训练，前向变体在配置与约束求解基准上稳定输出符合规范的答案，并比拒绝采样减少重复推理；回溯变体进一步减少模型被迫选择自判不合适取值的情况。
arXiv · cs.AI模型评分5252 研究用 722 份联合国安理会记录和五项测试量化大语言模型的国家倾向
研究团队用 722 份联合国安全理事会（UNSC，United Nations Security Council）官方记录，对 GPT-4o-mini、Llama 3.3-70B、Mistral-22B-Small 和 Qwen3-30B 四款大语言模型（LLM，Large Language Model）做国家倾向评测，并首次为每项测试明确设定无偏基准。
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4141 证据引导的 人工智能（AI，Artificial Intelligence） 智能体恢复方法：应对工具结果不明与部分执行
针对工具超时导致 人工智能（AI，Artificial Intelligence） 智能体面临结果不明与部分执行的问题，研究者提出证据引导的任务恢复方法，结合标准观测 contingent 规划与独立实现的效果历史裁决器。
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4444 面向 人工智能（AI，Artificial Intelligence） 计算机使用智能体的跨接口授权协议
研究提出一种面向固定版本计算机使用部署的 profile 限定授权协议，通过枚举带效果的路径与持久写入点、将请求归一化为规范效果并签发路由绑定的准备票据，在提交时再次校验路由、效果、授权与状态。
arXiv · cs.AI模型评分3232 在线证据包含预测（OECP）：跨文本片段的差异化查询验证调度
研究者提出在线证据包含预测（OECP，Online Evidence-Containment Prediction），要求每个候选片段在精确验证前先做预测且最多查询一次，把片段包含关系形式化为三角二维乘积序，从而转化为差异化查询的在线等渗回归问题。
arXiv · cs.AI模型评分3939 Ask on Demand：面向并行智能体系统的定向同伴通信框架
研究者提出 Ask on Demand（AOD）通信框架，让并行大语言模型智能体在出现具体信息需求时向同伴发起定向求助，由框架检索同伴执行历史中的相关证据并生成针对性回复。团队用最终任务结果与推理成本训练一个轻量门控，判断何时求助值得。在 AppWorld 和 WebShop 上，AOD 的任务表现优于独立并行执行，推理成本低于现有信息共享基线。