跳到正文
11月17日周二
  1. arXiv · AI20

    Mem2Fair:基于公平记忆的文本到视频生成在线公平性控制框架

    论文提出 Mem2Fair,一种即插即用的框架,通过维护概念条件化的公平记忆在推理时提升文本到视频(T2V)生成的公平性。 该框架利用生成视频作为反馈,基于属性干预选择提示词,无需模型训练或独立部署前采样,可在多个属性、提示设置和目标分布上持续改善公平性,并保持与未修改生成器相当的提示-视频对齐和视频质量,同时支持在商业黑盒 T2V 模型上运行。

  2. arXiv · AI20

    STaSBO:基于 LLM 引导策略规划与配置选择的贝叶斯优化

    针对贝叶斯优化中代理-采集配置选择依赖问题状态的情况,提出任务无关的 LLM 驱动元控制器 STaSBO,将数值计算与策略规划解耦。 STaSBO 包含策略规划与配置选择两阶段,利用结构化记忆优化轨迹。在 12 个合成数学及 10 个工程任务中,平均排名 2.17 和 2.60,优于最强基线的 4.08 和 4.10。

  3. arXiv · AI30

    置信度信号何时揭示问题难度?

    研究发现扰动不一致性、语义熵和解长度等置信度信号与群体问题难度呈强相关,优于 token 级不确定性。 即便限制在模型答对的问题子集,这些信号仍表现出难度区分能力,可作为推理时决策的代理指标。

  4. arXiv · AI26

    LABEL:Qwen2.5 在药物适应症与禁忌症文献不对称中的表现研究

    Qwen2.5 在药物文献中展现适应症与禁忌症的记录不对称(LABEL),574 种药物中适应症提及频率约为禁忌症的 2.19 倍。 Qwen2.5 从 0.5B 扩容至 14B 时,适应症准确率提升 18.3 个百分点,而禁忌症准确率接近随机猜测;提供检索片段或路由至 FDA 标签可显著改善安全性问答效果。

  5. arXiv · AI27

    FundingClaw:自动化科研基金申请书写作智能体系统

    多智能体框架 FundingClaw 基于模板驱动技能选择,使单一研究简报可为 NSFC、NSF、KAKENHI 或 ERC 生成合规申请。 采用蓝图骨架策略先起草结构化大纲再撰写正文,通过多源验证 PI 记录及可选 PDF 提取代表作,在十个研究主题的八维评分中优于基线模型。 代码将在论文被接收后发布,旨在降低基金申请中重复性格式转换的人工负担。

  6. arXiv · ML28

    利用微调语言模型设定在线拍卖最优保留价

    研究者通过微调预训练文本嵌入模型,基于拍卖记录学习并设定在线拍卖的最优保留价。 在约 65,800 个二手车拍卖数据上,该模型预测的净利润较现行政策增加 14.6%。 该方法无需预先构建产品分类体系,适用于需求信息记录在文本中的异质产品市场。

  7. arXiv · AI26

    AGPV 通过智能体引导过程验证提升数学推理自纠正准确率

    AGPV 在五个数学推理数据集上实现平均准确率 63.8%,较最强基线提升 13.5 个百分点。 该方法将解题分解为关键声明序列,结合共享数学工具箱与完整性验证,证明了在覆盖充分时的正确性保障。 评测涵盖 DeepSeek、Qwen 及 GPT 四个模型,显示 AGPV 的修复覆盖率高于程序化验证基线。

  8. arXiv · ML35

    Qwen3.5-27B 能否在上下文中调优聚类算法

    Qwen3.5-27B 在 5 个合成聚类场景中表现良好,其智能体循环产生的 silhouette 分数接近网格搜索,但迭代次数大幅减少。 实验分为三步:区分最优聚类、为可视化结果打分,以及通过 VLM 调整 k-means 超参数。 研究证实 VLM 视觉反馈可自动调优聚类算法,但在噪声和模糊设置中表现挣扎。

  9. arXiv · AI30

    模拟不同技能成年人评估加拿大国家 AI 战略

    研究者构建 3200 个生成式智能体模拟 PIAAC Cycle 2 受访者,发现成年人普遍支持加拿大“AI for All”战略但对其个人效益信心不足。 智能体指出差距源于参与成本和社区控制权有限,且数字设备使用率越低,预期获益感越弱。 研究提出“有条件支持”模式,建议 AI 素养政策应面向数字技能最弱的成年人设计。

  10. arXiv · AI23

    Meta CLEAR 系统通过可编辑自然语言兴趣层实现透明可控的个性化推荐

    Meta 部署的 CLEAR 推荐架构将用户偏好转化为可检查、可修改的自然语言兴趣层,取代不可见的向量表示。 用户评价约 88.5% 的显示兴趣准确;离线测试中 3B 专用生成器 F1@10 达 0.3967,优于 Gemini 2.5 Pro。 该系统已在 Instagram 和 Facebook 运行超一年,支持用户对推荐兴趣进行纠正和引导。

  11. arXiv · ML35

    ECOD: 用于多轮智能体的经验校准策略蒸馏

    提出ECOD方法,在ALFWorld和WebShop基准上,使用Qwen2.5-1.5B和7B模型时,将标准OPD的相对成功率提升最高4.06%。 通过在任务、轨迹和回合层面分配教师监督,ECOD在ALFWorld未见任务上实现6.20%平均相对增益,WebShop增益介于2.29%至21.60%。 该机制可作为跨不同蒸馏目标的可复用监督分配方法。

  12. arXiv · AI61

    一线教师设计的AI在19所大学随机试验中提升学习效果

    一项跨19所大学、7200名学生的随机对照试验显示,由一线教师设计的AI创新显著提升了学生的AI防作弊评估成绩。该试验持续三个学期,结果未显示学生参与度或满意度发生明显变化,表明一线驱动且赋予教师设计权的AI应用能有效促进学习。

    推荐理由:原文展示了由一线教师主导设计AI对学习效果的具体改进,读者可据此评估高校AI应用模式。

  13. arXiv · AI38

    异构多智能体强化学习中假设/保证契约的组成式框架

    研究提出假设/保证契约(AGC-MAS)与迭代异构分配(IHA-MARL)框架,通过定义契约元组规范子任务假设与保证,实现异构智能体间的协作与替代。 契约包含自动机、超时及成功概率要求,分解算法将团队任务拆解为契约,迭代算法交替执行任务分配、训练与能力评估,直至团队成功率达标。

  14. arXiv · AI26

    POLPO 通过帕累托排序实现多验证器策略优化

    研究团队提出 Partial-Order Likelihood Policy Optimization (POLPO),利用帕累托主导解决多验证器场景下的策略优化难题。该方法扩展了直接偏好优化的列表似然,无需构建聚合标量奖励,直接学习验证产生的比较关系。在代码生成与指令遵循实验中,POLPO 展示了比标量奖励训练更高的学习效率及完整需求满足率。

  15. arXiv · ML26

    FedFit 通过 Fisher 信息评分实现联邦动态稀疏训练

    FedFit 提出基于 Fisher 信息矩阵的联邦动态稀疏训练框架,显著缩小稀疏与密集模型间的准确率差距。 该框架利用损失景观的二阶近似替代幅值启发式,在无显式 Hessian 计算开销下实现高效结构调整。 实验显示其在 CV 和 NLP 基准上优于 SOTA 方法并保持高通信效率,代码已开源。

  16. arXiv · AI26

    AI 安全基准开发者访谈揭示安全基准实用性与预期目标脱节

    针对生成式 AI 安全基准常被引为主要风险工具却难以满足现实评估需求的现状,研究者访谈了 5 名学术界与工业界的 AI 安全基准开发者。 研究发现,基准设计预期效用与实际部署评估效用存在脱节,主要障碍包括安全构念的评分者间信度难以达成,以及外部效度威胁应对策略缺乏清晰度。 研究主张安全基准必须基于并主动融入部署环境,并建议建立学术界与工业界利益相关者之间更透明的沟通路径。

  17. arXiv · ML34

    HiMX:基于定制化 HIFLOAT4 表示的混合格式矩阵乘法

    HiMX 提出混合尾数框架优化 4-bit 权激活量化(W4A4)LLM 推理,将 Qwen3-8B 平均端到端精度损失从 2.38 降至 1.77。 框架利用 S1P2 与 E2M1 互补特性,针对不同分布权重和激活优化量化,实现统一整数 MAC 阵列。 该异构尾数表示方法在 Qwen3-30B-A3B 上将精度损失从 2.23 降至 1.85,展现 W4A4 推理潜力。

  18. arXiv · ML25

    制造业预测性维护中持续机器学习的操作价值

    针对博世(Bosch)25 种产品配置在五年内的域增量学习难题,结合持续机器学习与鲁棒优化可提升维护模型性能。 实验表明该方法在预测性能和维护成本上优于微调、在线学习等基线,相关成本指标降低超 40%。 结果证明在无法保留全部历史制造数据且产品组合不断扩展时,持续机器学习对维护决策支持具有实际价值。

  19. arXiv · AI33

    通过参数合并恢复 VLA 模型中的 VLM 能力

    提出通过合并 Vision-Language-Model 与 Vision-Language-Action 参数来对抗微调导致的灾难性遗忘。 具体方法是提取任务向量并经 SVD 分解,学习标量混合系数以优化保留 VLA 适配比例。 实验显示合并模型在动作预测与视觉语言理解上均优于现有基线,已获 EACL 2027 接收。

  20. arXiv · ML38

    预训练多模态模型在数据稀缺下的心理治疗结果预测研究

    针对小样本临床数据,冻结预训练多模态嵌入结合统计池化和经典模型在9项量表平均$r=.406$,显著优于深度学习。 具体实验使用106个会话和88名患者数据,症状困扰量表$r$达$.490$,而优化后的单阶段深度模型仅$.222$。 该结果建议在数据稀缺场景下避免学习聚合方法,采用固定统计池化以提升预测可靠性。

  21. arXiv · AI31

    SPLICE: 结构化提示词局部迭代组合进化框架

    提出 SPLICE 统一 NLO 框架,将优化建模为受限组合搜索,解决全局重写不安全等失败模式。 该框架通过块级可变性保持契约文本,结合精英束搜索及长度正则化,提供形式化保证。在七个公开基准上,SPLICE 在四项中获胜,其余三项与最强先前方法持平。

  22. arXiv · ML26

    Mamba 选择性门控在金融市场中机制可解释性的泄漏控制研究

    研究揭示六层 Mamba 模型在金融时间序列中识别市场状态的 F1 分数从 1.00 降至 0.398,证实此前完美结果系标签泄漏所致。 控制协议移除了定义标签的输入特征及辅助分类头,剩余选择性门控效应虽统计显著但经济意义可忽略,且跨层均匀分布。 该研究提供了可复现的泄漏控制协议,量化证明已报告的市场结构是标签污染产物。

  23. arXiv · ML35

    Skill-LR:基于LLM引导奖励公式化的分层强化学习框架

    研究人员提出分层强化学习框架 Skill-LR,利用视觉语言模型识别子目标,并通过 LLM 生成匹配的潜在奖励公式。 该框架基于两阶段提示过程,使奖励信号随分层计划演化,降低了时间方差并提升了样本效率。 在 MiniGrid 和 BabyAI 的多阶段基准测试中,Skill-LR 比 RUDDER 等基线收敛更快且更可靠。

  24. arXiv · AI25

    Agents Cannot Hand Over What They Have Not Yet Understood

    研究显示AI代理在传递任务时,无法保留尚未完全理解的隐性知识。 在包含隐藏规则的56个交互世界中,八代代理链的学习效率远低于拥有完整历史记录的单一代理,表现仅相当于单一代理的前四代。 将笔记压缩至300字符会造成显著的信息丢失,即使基于全记录重写也只能恢复70%-82%的损失。 这表明代理只能传递其已理解的内容,尚未发现的规则会在交接中永久丢失。

  25. arXiv · NLP23

    零训练 LLM+OVOD 管线中 CAAP-SNAP 归因差异的细粒度分析

    零训练 LLM+OVOD 管线中 CAAP 与 SNAP 的显著差异主要源于词汇新颖度,当 LLM 用词超出检测器原生类别时定位准确率从 80.9% 降至 31.6%。78-88% 看似定位失败实为模型正确找到 COCO 未标注的真实物体,而非幻觉。该发现表明需重新评估基于开放世界的多模态系统失败模式与检测幻觉方法。