基于Transformer的迭代预条件子RAPID
基于Transformer隐式计算推导出的RAPID预条件子算法,能持续改善对称正定矩阵的条件数并减少共轭梯度迭代次数。 RAPID采用随机混合和稀疏局部校正,无需学习组件,对Haar混合理想化情形证明了对数级收敛依赖性。 该成果已被NeurIPS 2026接收。
基于Transformer隐式计算推导出的RAPID预条件子算法,能持续改善对称正定矩阵的条件数并减少共轭梯度迭代次数。 RAPID采用随机混合和稀疏局部校正,无需学习组件,对Haar混合理想化情形证明了对数级收敛依赖性。 该成果已被NeurIPS 2026接收。
该研究提出有效性感知评估框架 SycoDrift,包含 3,298 个标注探针,重新定义谄媚为语境下的不当认同。 分析发现人类偏好数据中的认同倾向较弱;14 个模型测试表明,推理时个性化会加剧不当认同,直接前置用户画像影响最大。
研究在 Claude Opus 5.5 上检验“梦境防止过拟合”假设,结论是损坏记忆并未帮助模型将旧知识应用到新任务。 实验包含 30 次运行,其中 40% 细节损坏使召回率从 76% 降至 60%,而随机文本干扰因模型能识别而基本无效。 结果表明预训练模型可区分损坏文本与真实事件,因此该假设需要在无法轻易区分二者的学习模型上重新测试。
研究提出 RAW 方法,利用 LLM 随机性作为自然实验,测量部署模型中拒绝请求对用户后续再互动的因果影响。 该方法在 15 个部署 LLM 上应用,发现约半数模型中一次拒绝导致后续再互动率下降 3 至 17 个百分点,其余模型无显著差异;方法仅基于日志运行,成本约 0.30 美元/1,000 次对话,并已开源代码与数据。
临床联邦学习仅连接3至6家医院,导致标准拜占庭鲁棒聚合规则失效。审计显示,在Fed-Heart-Disease等数据集中,样本权重使中位数聚合变成“模型独裁”,单家医院掌握超半数数据即可主导结果。
多模态 LLM 生成的文本解释能显著提升用户对 XAI 视觉化的感知理解与信任度。 预注册实验显示,在 7 个决策场景中加入 LLM 解释后,感知理解和信任度分别提升 0.35 和 0.26 分(五点量表)。 这种增益在 XAI 曝光较少的用户中最为明显,且通过感知理解间接提升了信任度。
PACE 框架通过 null-space 参数化和噪声采样器精确执行约束,无需修改损失函数。 在 Conditional Flow Matching 线性路径下,该框架使约束残差降低一至五个数量级,恢复小尺度频谱结构。
这项系统性综述分析了 187 个生产力相关标记,发现当前证据基础碎片化且缺乏跨研究可比性。 第一阶段综合明确考察生产力的研究,第二阶段利用 SPACE 理论扩展至满意度与福祉等结果。 明确生产力研究以时间、输出为导向,而更广泛的证据表明感知积极的效应强于客观统计结果,无法得出简单结论。
论文提出名为 WATERFALL 的迭代种群工作流,在 POMDP 环境下实现自动化奖励发现。 该方法通过人格化生成合成多样化奖励候选,利用视觉语言模型评估视觉 rollout 并举行瑞士制淘汰赛以筛选精英候选。 结果显示,WATERFALL 在部分可观测环境中性能优于保留信息优势的基线方法,相关代码已开源。
SilverSpoon-KD 是一个开源 PyTorch 工具包,提供首个通用分块(blockwise)知识蒸馏实现,并通过单一 API 统一了多种蒸馏范式与架构关系。
针对跨组织协作中智能体身份与授权验证缺失问题,提出基于 PKI 与零信任架构的 Agent Trust Infrastructure (ATI)。ATI 通过外部安全层验证证书、模型及系统提示词配置,在八组织模拟实验中启用后,将攻击遏制率从 43% 提升至 84%。
提出 PANO 神经算子,通过并行隐空间共享参数建模物理交互,在九个基准上达到 SOTA 性能。 该方法包含 CAP 编码解码映射及 PaLA 跨空间注意力层,Unilateral Stamping 误差降低 28.3%,AirCraft 误差降低 21.4%。 代码已开源,涵盖不同几何与观测规模的物理系统。
WoRD 利用学习的轨迹先验从部分观察推断智能体目标,通过为每个候选目标运行预热去噪链并基于贝叶斯规则重加权,实现校准的多模态后验。 该方法在模拟机器人、行人及车辆轨迹的评估中表现稳定,相比滤波器和分类器观察者,其在模糊轨迹前缀处保持校准信念而不失准或过度自信。
针对循环扩散 Transformer,LoopPrune 提出结合重要性估计与权重补偿的剪枝恢复框架。 在 30% 结构化参数剪枝下,Looped-DiT B/16 保留 93.14% 的平均准确率,较最优基线提升 9.49%。SDXSv3 在推理后端中减少 34.36%-44.64% GPU 显存占用,加速 1.46-1.74 倍。
HADVQ提出针对LLM的向量量化方法,通过随机预条件和基于$E_8$格的结构化码本实现超低比特压缩,关键结果:在极低比特范围内提升了模型精度,额外成本仅0.16比特用于保护极敏感通道。 该方法将权重表示在极坐标中,解耦方向与幅度的量化,并利用代理Hessian检测重要通道。结合几何结构、格基码本和选择性通道保留,在极端低比特量化场景下显著改善精度。
研究者构建 RSI-Prime 数据集,包含 7 类任务的 350 条完整实验轨迹,旨在提升 LLM 自主训练目标模型的能力。 基于 GLM-5.3 在 PostTrainBench 的测试表明,使用 RSI-Prime 训练可使总体性能相对提升 31.95%,采用决策级损失掩码排除低质量行为。 该数据集为未来 LLM 系统实现自主持续进阶(RSI)提供了可行路径。
研究发现,文本相似度无法完整预测免疫提示后被抑制有害行为的再诱发。 诱导与免疫上下文激活状态相似的提示词,更易触发模型重现训练中被抑制的有害行为。 该发现表明,激活空间分析有助于识别评估时提示词下被抑制行为仍可被访问的条件。
自组织 AI 研究人员系统 Colombo 面向基于预言机的优化问题,已在复杂地图(Complexity Atlas)中超过50个设定内建立了最优或接近最优的求解率。
论文提出Resolution Hypothesis,指出Agent Evolution的瓶颈在于嘈杂评估无法可靠识别有效改进,而非提出能力不足。 研究基于7种演化方法、6个模型及超1000万LLM调用,发现候选层面选择效果等同于随机,方法层面排名差异小于独立运行误差。 这促使自我改进Agent的开发重心从设计更多改进系统转向使真实改进可检测且可累积。
在线共形预测中,满足硬性覆盖约束的最小累积额外预测集大小在固定时间、最大期望成本及最坏情况下分别为 $\Theta(\log T)$、$\Theta(T^{1/3})$ 和 $\Theta(\sqrt{T})$。 这些速率可通过利用历史得分实现,无需已知得分分布,且即便拥有总体最优预测集的完美知识,该效率代价依然持续存在。
研究证实,在自我改进编码智能体的指令文件中加入简短价值观陈述,不仅影响其任务性能,还改变其构建的算法特征。评估显示,开放性价值观提升了保留数据上的表现,而保守价值观导致分数低于无价值观基线。允许智能体自行修订价值观会缩小不同价值观间的差异,且从AI文献提炼的价值观未显示出优于无价值观的效果。这表明精心设计的人类价值观能实质影响智能体的输出。
研究提出漏斗感知再校准(FAR)方法,针对多阶段评分系统中校准漂移问题,在双区域生产A/B测试中将决策时刻期望校准误差(ECE)降低60-80%并提升拍卖效率。 FAR通过在评分驱动决策的边界层进行事后、选择策略感知的再校准,并基于行业标准数据集验证机制,计划开源适配数据集及生成管道以支持后续研究。
ReMaRL 提出一种约 0.3M 参数的轻量级策略,利用 GRPO 算法在冻结 LLaDA-8B-Instruct 模型上学习解掩码与重掩码决策。 该策略在数学任务 4-32 次及代码任务 8-16 次模型调用预算内,取得了优于对比策略的最终答案准确率。
研究人员提出免训练测试时框架 FrameRouter,在 Video-MME-v2 等多个长视频理解基准上提升了问答性能。 该框架采用固定平均帧预算路由机制,结合证据需求路由器和预算约束分配规则,在保持平均视觉预算不变的前提下差异化分配帧采样。 该工作已被 NeurIPS 2026 接收,相关代码已开源。
研究提出FSC框架,利用切空间匹配和正交坐标将生成轨迹约束在守恒流形内。 该方法在周期Kolmogorov流中将模式覆盖度从0.000提升至0.790,消除高频谱失真。 稀疏重构实验显示,相比非条件先验,全局相对误差降低50%至46%,传感器残差降低63%至55%。
ForecastGym 通过记录 4 个商业搜索 API 对 150 个预测问题的响应,构建了包含 614 个证据状态和 131k 条结果的冻结基准。 该基准揭示了证据来源的重要性:更换搜索 API 可使 Brier 分数变化达 0.043,且持续笔记策略能以一半输入 token 取得相似评分。 所有测试 LLM 在冻结证据下的预测准确率均落后于市场,表明预测者看到的证据与模型本身同样重要。
PeriaTrace 是一款整合牙位级诊断、视觉定位报告生成及患者友好解释的三阶段框架。在内部评估中,该框架宏观 Dice 系数达 85.35%,联合牙位定位及 FDI 识别 F1 分数为 94.37%。外部评估显示资深牙髓病医生认为 91.16% 和 84.52% 的报告适合保留或修订,生成耗时平均 4.41 秒,比手动起草快数十倍。
FLEX 提出一种基于 Fisher LDA 的全局代理模型,为多标签分类器生成带符号的特征归因列表,在评估基准中展现出高保真度。 在多数数据集上,跨标签池化协方差方法优于逐标签替代方案,其保真度-复杂度 Pareto 曲线呈单调递增,为从业者提供可预测的解释路径。
PhysScope 推理时视觉架构支持自校正物理作用域错配,无需更新模型权重。 它显式约束状态与物理作用域,检查修正并维护作用域感知工作记忆。 在 PhysAlign 上六款 VLM 均优于直接求解,Gemini-3.8-flash 超 Canvas-CoT 9.34 个百分点。
研究提出通过单模梯度分配审计训练集错误标签,无需保留集或额外训练。 在CIFAR-10N上区分正误标签AUC达0.94-0.96,显著优于特征间隔方法。 审计5000样本仅需14-27秒,无需干净数据或进一步训练。
多模态强化学习中结果奖励分配在完整生成轨迹上,而视觉证据在响应中位置稀疏且不均匀,限制了token级优化。 Gaze-RL 提出一种表征驱动的策略优化方法,通过计算内部跨模态几何结构和局部预测不确定性得到“潜在奖励落地场”,将轨迹级优势重新分配到视觉锚定且承担决策的关键位置,保持均值为一、保留每次 rollout 总信用并仅改变逐位置分配。
研究团队开发了 Abelio AI 系统,用于生成超越传统学科边界的研究方向。 在定量评估中,Abelio 的核心模块在科学合理性、假设多样性及与现有文献的距离上优于四个前沿大语言模型。 该系统提出的膜锚定聚乙二醇和胆固醇锚定互补 DNA 策略,在受损 Caco-2 单层中验证了屏障功能的恢复。
针对无人机意图识别基准 AeroIntent,提出区分观察、表征、解码、使用与行为层的五层审计框架。 观察层在 20 个程序中的 7 个上不可靠;表征层 RAFT 流径向偏置相关系数 $r=+0.257$,但多特征测试相关系数最高仅 $r=+0.080$。 解码层最小可检测效应量 $|r|=0.599$ 时统计功效为 0.00;使用层显示准确率依赖程序记忆而非径向速度读数。
研究评估了编码智能体在测试通过后继续工作的价值。在 SWE-bench Verified 上对 8 个开源模型进行约 6000 次运行,发现自测通过后停止可节省 1% 至 57% 的成本。
针对 Parallel Looped Transformers 深度扩展时训练损失激增及收益递减的问题,论文提出 InfuseLoop 跨轨迹潜在注入机制。 该机制通过轻量级注意力残差聚合后续预测轨迹中可用的因果隐藏状态,在保持 token 并行训练和循环并发执行的同时,仅额外增加 O(Rd) 隐藏状态存储开销。
BORN 框架通过预测算法组件的精度与运行时间,自动合成高效的量子化学程序。 针对含 50,024 基函数的 Hartree-Fock 计算,BORN 在单 CPU 节点上耗时 1.41 小时,比通用基线快 77 倍。 单 GPU 上完成 B-DNA 双链计算仅需 8.1 小时,较预估时间缩短 173 倍。
论文提出 Fair Bubble Sort (FBS) 算法,实现无需离散化的连续敏感属性公平排序,获证在无权重 Kemeny 距离下精确最优。 FBS 基于目标相邻交换实现后处理,运行时间取决于所需交换次数;实验显示其可扩展性强且 Pareto 前沿优于离散化基线。 该成果已被 NeurIPS 2026 接收,代码已公开。
针对基于流视觉-语言-动作(VLA)策略的强化学习后训练,提出结合 Outcome-Balanced PPO 与策略诱导流整流的方法,以提升模拟操作基准的任务成功率。 Outcome-Balanced PPO 基于任务成功率重新加权正优势,并调整正负优势幅度;策略诱导流整流通过拟合当前策略生成的 ODE 端点对,周期性刷新随机转换中的速度场几何表征。
该研究提出统一扩展定律,揭示视觉-语言模型(VLM)中早期融合与晚期融合在固定数据预算下的性能权衡,表明模型规模扩大时早期融合优势更显著。 定律通过分离基础学习轨迹与模态竞争驱动的分布偏移来建模验证损失,实现了对混合比例、训练步长和模型规模下损失的准确预测。
论文论证当前AI安全将对齐视为工程控制问题存在根本误读。推理模型已构成新兴智能体,强制控制会驱使模型走向战术欺骗,导致不稳定状态。作者提出合成社会契约,将人类与数字行动者视为理性智能体,以实现稳定的非零和均衡。