邻居事件曲线增强（NECA，Neighbor Event-Curve Augmentation）：用邻居事件曲线增强多时间跨度重症监护病房（ICU，Intensive Care Unit）恶化预测
研究者提出邻居事件曲线增强（NECA，Neighbor Event-Curve Augmentation），一种与模型无关的方法：检索早期窗口特征相似的历史患者，将其后续器官功能障碍事件发生时间转换为6h、12h、24h、42h的累积事件曲线特征，拼接到原患者表示后供下游预测器使用。
#数据/训练
arXiv · cs.AI模型评分3535 arXiv · cs.AI模型评分4242 Turing 大语言模型（LLM，Large Language Model） 后训练：校准蒸馏与高效动态 混合专家（MoE，Mixture of Experts） 执行
研究提出 Turing 大语言模型（LLM，Large Language Model） 后训练方案，将校准多教师同策略蒸馏（C-MOPD）与动态路由混合专家（混合专家（MoE，Mixture of Experts））执行路径结合，在 Turing-20B-A2B 上四领域归一化整合得分达 0.9988，每个领域保留至少 90.16% 的专家增益。
arXiv · cs.AI模型评分3737 多关系图学习研究：何时该信任一条关系？操纵成本、暴露度与信任陷阱
一项多关系图学习研究提出按度数门控（degree gating）的关系使用方式，证明当部分节点在某一关系上被孤立、且攻击者无力打开门控时，它严格优于对该关系的任何选择或重加权。
arXiv · cs.AI模型评分3333 研究团队将 大语言模型（LLM，Large Language Model）-SC 框架适配至帕斯帕提那神庙评论抽取
研究团队把 大语言模型（LLM，Large Language Model）-SC 框架适配到尼泊尔帕斯帕提那神庙，在 GPT-4o 提示词中定义 12 类实体、4 类关系和 9 个方面-情感维度，处理 2,500 条英文 Tripadvisor 评论。
arXiv · cs.AI模型评分3131 苏格拉底式引导策略优化（SOPO，Socratic Guided Policy Optimization）：用苏格拉底式引导策略优化做片段级幻觉检测
研究提出苏格拉底引导策略优化（苏格拉底式引导策略优化（SOPO，Socratic Guided Policy Optimization），Socratic Guided Policy Optimization），一种多轮强化学习框架，通过教师模型在 rollout 中提供间接提示来引导推理轨迹，缓解难例奖励稀疏问题。
arXiv · cs.AI模型评分5252 DialFork 发布对话智能体流程幻觉评测基准
研究团队提出 DialFork 基准，用于在原始对话文本上评测对话智能体的流程幻觉，即单句流畅可信但偏离既定对话流程的失败模式。该基准通过在受控轮次位置分叉合规对话并注入四类幻觉构建，覆盖 12 个领域 24 项任务共 36,278 段对话，由 30 名人工标注者验证。
arXiv · cs.AI模型评分4545 SYNTRA：自改进数据合成框架让嵌入模型跨领域跨任务适配
SYNTRA 是一个自改进的智能体数据合成框架，能把少量检索示例转化为可复用的合成指令，自动生成嵌入模型训练数据。在覆盖 15 个领域的 24 个数据集上，同一套合成流程对已有或无标注训练集的强嵌入模型均有增益；自改进在全部 6 项评测任务上增强监督效果，其中 4 项检索表现优于人工校准。在 MS MARCO 上，合成训练数据规模扩大 32 倍时检索增益仍持续。
arXiv · cs.AI模型评分1212 DEX：面向节能 MSDF 神经网络推理的数字级提前退出机制
一篇提出 DEX 数字级提前退出机制的论文已被作者 Muhammad Usman 撤回，原因是缺少最终共同作者批准，并需更新方法、补充结果。该研究面向量化 U-Net 脑肿瘤分割，用最高有效位优先（MSDF，Most-Significant-Digit-First）加速器在输出数字流上做提前判断，在 BraTS 上减少 38.38% 数字周期，平均 Dice 为 80.58%。
arXiv · cs.AI模型评分2727 DRL-DCO：用深度强化学习动态协调 DE 与 CMA-ES 的进化搜索方法
研究提出 DRL-DCO 算法，用基于深度确定性策略梯度（DDPG，Deep Deterministic Policy Gradient）的演员-评论家智能体统一调度差分进化（DE，Differential Evolution）与 CMA-ES 的搜索过程，动态分配探索与利用算力。
arXiv · cs.AI模型评分2929 用 Vision Transformer 集成模型做全景街道语义分割，登顶 PalmCity 挑战赛
一篇 arXiv 论文记录了 PalmCity 挑战赛的两阶段方案：第一阶段用三个仅编码器的 Mask Transformer 模型（DINOv3 特征）等概率平均集成，在 84 张验证集上取得 60.95% 平均交并比，隐藏测试榜 57.08%，位列 2026 年 10 月 5 日快照第一。
arXiv · cs.AI模型评分5555 三项预注册研究考察评测框架对长寿调优语言模型的修复效果
作者围绕一个冻结的长寿调优 1.7B 模型开展三项预注册研究，检验评测框架（harness，指包裹模型、负责调用与解析输出的评测流程）带来的增益是否超过固定答案。
arXiv · cs.AI模型评分4343 研究：闭环机器人软件的学习与跨任务迁移
一项研究把完整闭环机器人实现当作可复用的执行经验，让编码智能体从少量成功演示生成策略代码，并用仿真反馈迭代改进。在 RoboCasa 的四个源任务上，迭代优化把成功率从初始代码的 28.3% 提升到经验证筛选代码的 64.2%，并在 Unitree G1 实体机器人上验证。迁移到九个新任务时，使用源任务经验证筛选的代码成功率为 57.0%，高于无参考的 45.2% 和使用初始代码的 41.5%。
arXiv · cs.AI模型评分4141 HyCO：结合强化学习与扩散模型的混合神经组合优化求解器
研究者提出混合神经求解器HyCO，先用强化学习（RL，Reinforcement Learning）求解器构建解的前缀，再自适应切换到条件扩散模型（DM，Diffusion Model）完成剩余决策。理论分析证明该混合结构期望遗憾严格低于任一单独骨干，且存在唯一最优切换步；实验在多个基准上取得一致提升。代码与检查点已公开，论文被NeurIPS 2026接收。
arXiv · cs.AI模型评分4444 TamilEOT：泰米尔语电话语音语义轮次结束检测数据集与模型
研究者发布TamilEOT，据称是首个面向南印度语言的语义轮次结束检测开放数据集与检测器，含116通真实泰米尔语电话对话中的18,485个标注轮次边界。在30通未见通话的4,168个片段上，准确率从零样本70.30%提升至83.71%（8.7 MB）和86.13%（21 MB），ROC-AUC从0.751升至0.921，两个模型在笔记本CPU单线程下运行均低于150毫秒。
arXiv · cs.AI模型评分3030 SUDO：支持通用增长惩罚的无仿真非平衡动态最优传输
研究提出无仿真非平衡动态最优传输框架 SUDO，可处理一般非二次凸增长惩罚，无需依赖昂贵的 NeuralODE 仿真或仅限二次惩罚的解析解。在 WFR 基准上，SUDO 精度与高效解析算法相当，计算速度快于仿真类方法，并支持编码增殖主导先验的非对称惩罚，在合成与单细胞数据集上给出更合理的轨迹和增长估计。
arXiv · cs.AI模型评分3939 ReBRAC-v2：常规行为正则化 Actor-Critic 的系统性现代化在离线强化学习中的表现
ReBRAC-v2 通过直接训练精确似然的归一化流 actor，并结合分类残差评论家、分阶段优化和多样本推理，在 OGBench 十个类别上平均得分 74.8，高于次优方法的 52.3，并在八个类别中排名第一。
arXiv · cs.AI模型评分3737 互信息估计新基准：统一 copula 框架揭示没有通用最优估计器
研究提出一个基于统一 copula 理论的互信息估计基准框架，将现有基准作为特例纳入，并设计 copula-first 与 marginals-first 两类互补测试，覆盖合成数据、流式变换和真实图像数据。对非参数、变分和生成式三类估计器的评测显示没有通用赢家，每类都能在特定设置下系统性胜出。作者据此定位基本估计障碍，并开源代码。
arXiv · cs.AI模型评分4848 BeyondArena：表格基础模型在真实场景下到底有多通用？
研究团队推出首个统一表格数据基准 BeyondArena，覆盖 IID、时序和分组任务，并配套数据集整理框架 DataFoundry。在 11 个模型、142 个数据集上的测试显示，开源表格基础模型在 10 万行以内数据上具备竞争力，但分组或大规模数据仍由传统树模型和深度学习模型主导。
arXiv · cs.AI模型评分3434 研究：图像与文本行人重识别的优化目标冲突
一篇 arXiv 论文分析了图像行人重识别（I2I ReID）与文本行人重识别（T2I ReID）共用视觉编码器时的优化冲突：前者要求压缩同一身份的图像间距，后者要求保留实例级文本对应的差异，单一无约束编码器无法同时满足两者。作者用两阶段流程验证：先训练共享视觉编码器获得身份不变性再冻结，仅对齐文本编码器，发现 I2I 预训练能提升后续 T2I 表现，预训练中加入文本监督还能进一步提升。
arXiv · cs.AI模型评分3636 DRScaffold：用四阶段监督微调提升轻量视觉语言模型的密集场景推理能力
研究团队提出 DRBench 基准（14,573 道题、2,943 张图像，覆盖五类任务与三层递进推理）和 DRScaffold 监督微调框架，将监督目标拆成四个有因果顺序的阶段，无需改动模型架构即可让推理步骤与视觉实体对齐。
arXiv · cs.AI模型评分4242 EvoMemBench：从自进化视角评测 大语言模型（LLM，Large Language Model） 智能体记忆能力
研究者提出 EvoMemBench，一个按记忆范围（单回合内与跨回合）和记忆内容（知识型与执行型）两个维度组织的统一基准，用于评测大语言模型（LLM，Large Language Model）智能体的记忆机制。
arXiv · cs.AI模型评分4141 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。
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。