超级智能软件工程：让治理随能力扩展的 OSTEON 方法
论文提出“超级智能软件工程”，即用能力超过人类工程师的智能体构建和演进软件，并让治理（门禁、契约、决策与知识衰减控制）随能力同步扩展。作者以 452 个高星 GitHub 仓库为样本，发现 48.67% 含智能体上下文文件，且部分路径无法解析。其 OSTEON 以 Claude Code 插件形式发布，为每个项目建立受治理的决策与契约知识库并机械校验每次变更，但作者明确未测量其实际效果。
#部署/工程
arXiv · cs.AI模型评分3838 arXiv · cs.AI模型评分4141 帕累托自适应压缩（PACE，Pareto-Adaptive Compression for Efficient Native MLLMs）：面向原生多模态大模型的帕累托自适应压缩框架
研究者提出 帕累托自适应压缩（PACE，Pareto-Adaptive Compression for Efficient Native MLLMs）。
arXiv · cs.AI模型评分3131 PriorityFEC：面向边缘多智能体系统 KV 缓存交接的截止时间感知流式 FEC
论文提出 PriorityFEC，一种在边缘多智能体大语言模型（LLM，Large Language Model）系统中交接 KV 缓存（key-value cache）的方案。
arXiv · cs.AI模型评分4343 GUI-Lens：让现成 视觉语言模型（VLM，Vision-Language Model） 通过由粗到细裁剪实现精准 GUI 定位
GUI-Lens 提出一种由粗到细的 GUI 定位框架，让通用视觉语言模型（VLM，Vision-Language Model）通过主动视觉观察逐步确定点击目标，在 ScreenSpot-Pro 上的准确率最高达到直接定位的 9.3 倍。
arXiv · cs.AI模型评分4444 AMMA：面向低延迟百万级上下文注意力服务的多芯粒内存中心架构
研究团队提出多芯粒内存中心架构 AMMA，用 HBM-PNM 立方体替代 图形处理器（GPU，Graphics Processing Unit） 计算裸片，将可用内存带宽提升约一倍，以服务受内存带宽限制的解码阶段注意力计算。
arXiv · cs.AI模型评分4242 TIRx：跨异构后端的统一 Tile 原语机器学习编译器
TIRx 是面向 图形处理器（GPU，Graphics Processing Unit） 与 人工智能（AI，Artificial Intelligence） 加速器的机器学习编译器，通过显式执行作用域抽象、张量布局和 Tile 原语调度，把高层操作下沉为高效实现。它在最新 GPU 和 AI 加速器上达到厂商级性能，原生代码案例显示底层实现代码大幅减少。该工作已被 ASPLOS 2027 接收。
arXiv · cs.AI模型评分3131 SpectRAG：面向多跳检索增强生成的加权块图谱与 token 预算上下文选择
SpectRAG 提出一种图谱增强检索框架，通过加权块图谱、图谱扩展和谱相关性传播，在固定 token 预算下为多跳检索增强生成（RAG，Retrieval-Augmented Generation）挑选上下文。
arXiv · cs.AI模型评分3232 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。
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4040 Latent-Lens：让小语言模型通过隐状态通信获得视觉感知
Latent-Lens 用约 160 万参数（占两模型总规模 0.2%）的轻量编解码器，在冻结的视觉语言模型（VLM，Vision-Language Model）与冻结的小语言模型（SLM，Small Language Model）之间直接传递隐状态，替代有损的文本通信。
arXiv · cs.AI模型评分3636 ORION：面向 RL 多域 6G 切片放置的结果驱动 大语言模型（LLM，Large Language Model） 顾问
研究提出 ORION，一个分层编排器，用两个大语言模型（LLM，Large Language Model）智能体把服务意图转成结构化请求并生成抽象放置方案，再由协作式多智能体强化学习协调器选择跨域划分。其核心是结果驱动的情景记忆，把每次尝试的网络状况、方案与可行性结果回传给规划器，在固定下游机制的控制实验中使接纳率提升 4.6–11.5 个百分点。
arXiv · cs.AI模型评分4141 让安全审计不再泄露隐私：面向 大语言模型（LLM，Large Language Model） 智能体的隐私保护审计范式与 SealCall 框架
研究者提出一种隐私保护的安全审计范式，把审计计算与明文访问、执行权限分离，并落地为 SealCall 框架，结合学习式审计表示、基于 CKKS 的加密相似度计算和与受审工具调用绑定的执行控制。在 1,252 个公开二元候选样本上，SealCall 在分组嵌套评估下平均 F1 达 0.840，所有测量案例均保留明文审计决策，单次加密评分耗时 0.176 秒。
arXiv · cs.AI模型评分4242 无需训练的 Agentic Soft-Token Compression：为长程 大语言模型（LLM，Large Language Model） 智能体压缩上下文
研究者提出无需训练的 Agentic Soft-Token Compression（ASTC），利用模型原生的混合 Gated Delta Network（GDN）-attention 循环动态判断已吸收的信息，将其作为智能体软 token 前传，同时以硬 token 保留精确值。
arXiv · cs.AI模型评分5353 论文提出面向智能体检索的知识编译层，导航树使查询 token 平均减少 38%
论文提出在检索增强生成（RAG，Retrieval-Augmented Generation）的智能体检索流程中加入知识编译层，把文档加工成导航层级、实体图谱、时间线等结构化产物。
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5050 Caper：先沙箱试跑再审批的编码智能体命令放行机制
论文提出 Caper，一种面向编码智能体的后果感知审批机制：先在快照沙箱中预执行每条命令，把观察到的效果整理成有界报告交给独立审批方，放行的命令提交、拦截的命令回滚并附上可供智能体处理的原因。
arXiv · cs.AI模型评分3737 CLIC：为 Open RAN 中 大语言模型（LLM，Large Language Model） 驱动的控制加装闭环意图一致性防护
研究者提出闭环意图一致性层（CLIC，Closed-Loop Intent Consistency），用于同时防御 Open RAN 中 大语言模型（LLM，Large Language Model） 控制回路的运行时提示注入和残留虚拟提示注入（VPI）攻击。
arXiv · cs.AI模型评分4444 MetaVul：面向漏洞检测的智能体执行框架自动发现
MetaVul 是一个面向漏洞检测的自我改进框架，能从种子结构化推理脚手架出发，通过工作流优化循环迭代改进智能体执行框架（harness，即包裹大语言模型的脚手架代码），并返回一组帕累托最优框架。
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4242 LEAP：用可泛化长度预测实现高效 大语言模型（LLM，Large Language Model） 推理调度
研究者提出长度预测系统 LEAP，复用服务模型预填充阶段的隐藏状态，通过线性读出提取输出长度信号，并在测试时用递归最小二乘法在线更新，无需梯度计算或历史数据回放。跨域迁移实验中，在线适配使 Spearman 相关系数提升 64.7%；服务实验中，相比所评估的长度预测器，LEAP 将平均每 token 延迟降低 15.9–40.8%，吞吐量提高 1.9%，预测器参数量少 30,569 倍。
arXiv · cs.AI模型评分3737 基于 HiFloat4 格式的大模型量化校准方法研究
研究提出 HiGPTQ、HiAutoRound 和 HiFlatQuant 三种校准方法，用于 HiFloat4（HiF4）这一采用三级缩放层级的分块浮点（BFP，Block Floating-Point）4-bit 量化格式。实验显示三种方法均比直接转换为 HiF4 提升推理精度，将 HiF4 与 BF16 的差距缩小至 1% 以内，并在多种模型和下游任务上优于 NVFP4 格式。
arXiv · cs.AI模型评分5656 LanG 2.0 提出用小型本地模型做大规模安全运营的智能体系统
LanG 2.0 是一个面向安全运营中心（SOC，Security Operations Center）的智能体系统，负责检测威胁、关联证据并编写规则，研究小型本地模型能否在结构性防护而非模型准确率提供保障的前提下，低成本且安全地替代前沿模型。
arXiv · cs.AI模型评分4646 去中心化 大语言模型（LLM，Large Language Model） 团队如何用于周界防御：共识机制与集中指挥的对比
一项 arXiv 研究在简化的周界防御模拟中对比了集中指挥官、基于拍卖的共识团队和独立智能体三种大语言模型（LLM，Large Language Model）团队架构，共识团队的入侵率最低，为 15%，集中指挥官为 32%，独立智能体为 29%。
arXiv · cs.AI模型评分4949 能力锚定的智能体规划（CGAP，Capability-Grounded Agentic Planning）：让 大语言模型（LLM，Large Language Model） 智能体基于工具能力做可执行规划
研究者提出能力锚定的智能体规划（CGAP，Capability-Grounded Agentic Planning），先把工具目录确定性地编译为规划领域定义语言（PDDL，Planning Domain Definition Language）模型，再由 大语言模型（LLM，Large Language Model） 将请求转为目标并交给经典规划器求解。
arXiv · cs.AI模型评分4242 论文提出智能体运行框架的可移植规范框架
研究者把大语言模型运行所依赖的基础设施（即运行框架）拆成八个功能组件，并提出一套可移植规范框架，记录哪个模型在哪个运行框架中运行。同一模型在不同运行框架配置下，报告分数可相差数倍，且智能体的攻击面很大一部分来自运行框架。现有模型卡和智能体卡未记录一次运行内有效配置的先后顺序，而运行框架可能在版本间、运行间乃至运行中发生变化。
arXiv · cs.AI模型评分5050 AWM：无需复制环境的智能体测试时扩展世界模型
论文提出智能体世界建模（AWM，Agentic World Modeling），把下一步观测预测改写为多轮证据获取任务：智能体模拟器通过安全的只读接口查询真实环境，再基于返回证据推理并构造观测结果，从而不修改共享状态。
AWS Machine Learning Blog精选模型评分6464 AWS 发布 Amazon Bedrock 成本管理五步操作手册
AWS 官方博客给出管理 Amazon Bedrock 成本的五步操作模型，依次是归因、观测、限额、优化和复盘。归因环节利用 IAM 主体标签和 CUR 2.0 把每笔推理费用落到具体用户、团队和应用，并针对共享网关角色给出按用户会话标签的解法。观测环节通过模型调用日志和请求元数据回答哪个工作负载消耗了 token，限额环节则按风险选择仅告警、IAM 拒绝或网关同步拦截三档。
推荐理由：文章把 Amazon Bedrock 的成本治理拆成归因、观测、限额、优化、复盘五步，并给出可直接照做的配置与查询示例。
AWS Machine Learning Blog模型评分5858 AWS 演示用 AgentCore runtime 会话端点实时预览编码智能体构建的网页应用
AWS 发布教程，演示如何用 Amazon Bedrock AgentCore runtime 的会话端点（Session endpoints）在编码智能体修改文件时实时预览网页应用。
AWS Machine Learning Blog精选模型评分6161 Worldwide Express 如何用 Amazon Bedrock 自动处理运费账单异常
Worldwide Express（隶属 ShipStation Global）与 AWS、LTM 合作，基于 Amazon Bedrock 构建多智能体方案并接入其运输管理系统 SpeedShip，自动处理零担货运的账单异常。
推荐理由：物流企业用三个分工智能体处理运费账单争议，并给出人工审批与准确率门槛的落地细节，可迁移到其他对账场景。
AWS Machine Learning Blog模型评分4747 在 AWS GovCloud (US) 中为 ChatGPT 桌面应用配置 Amazon Bedrock
ChatGPT 桌面应用现已在 AWS GovCloud (US) 的 Amazon Bedrock 上可用，通过 Work 和 Codex 两个组件访问 OpenAI 前沿模型。