跳到正文
11月19日周四
  1. arXiv · AI30

    多模态模型在自主科学图表证据验证中的表现评估

    研究在 31 篇完整手稿上测试 6 个多模态模型自主验证图表一致性,结果显示 1,445 份审查中仅 3.3% 被评分标准认可为成功诊断矛盾。 尽管 60.6% 的审查提及了错误图表,但明确指出矛盾的低得多;当直接指明图表名称时,诊断率升至 20.4%,而仅靠文本审查无法识别矛盾。 表明评估多模态文档理解需重点考察模型提出验证目标的能力,而非仅测试其回答给定问题的能力。

  2. arXiv · AI33

    automodel:面向智能体模型发现的技能

    automodel 是一种通用模型发现的智能体技能,可赋予商业编码智能体发现或改进模型的能力。 案例研究涵盖天体物理、心血管动力学、精准农业、交通流及车辆轮胎动力学等领域,证明配备该技能的智能体能识别出新颖且具有科学相关性的模型。 将模型发现方法编码为便携式智能体技能,为领域特定的自动化发现管线提供了简单、交互性强且适用范围广泛的替代方案。

  3. arXiv · ML34

    UCLIR: 基于独立表征的无监督持续学习方法

    提出UCLIR方法,利用无监督正则化独立学习互补表征,通过分解输入限制参数干扰,提升多任务知识保留。 方法受EDR启发,使用独立自编码器学习输入局部成分,推理时结合线性分类器。 在MNIST、CIFAR-10及Tiny ImageNet等基准上,结果与监督及基于回放的方法具有竞争力。

  4. arXiv · AI38

    超时级联策略降低编码智能体推理成本

    研究提出超时级联策略,优先运行小模型,仅在必要时升级大模型。 该策略在 SWE-bench Verified 基准上将总 GPU 小时成本降低 33%,整体任务降低 16.4%,且准确率无损失。 级联策略性能接近最优任务路由器,为生产环境部署低成本编码智能体提供了低工程复杂度的实用路径。

  5. arXiv · ML23

    VESPA:基于可验证符号策略适应的安全强化学习框架

    VESPA 框架通过利用形式验证生成的反例对决策树策略进行定向微调,实现不安全策略向安全策略的转化。 该框架在 CartPole 环境中将平均验证安全步数从 63.8 提升至至少 92.7,在 MountainCarContinuous 环境中 60 次运行有 53 次成功将不安全策略转为安全策略。 验证器生成的反例被证明是有效的训练信号,可系统性提升强化学习策略的安全性。

  6. arXiv · ML26

    MRPD 提出多专家重放策略蒸馏,实现长程 RL 专家高效整合

    该研究提出多专家重放策略蒸馏(MRPD),通过重放专家训练日志进行整合,无需额外采样或调用环境。该方法计算成本仅为原 RL 训练成本的大约七分之一。 在推理、搜索和 SQL 三个长程智能体领域,MRPD 生成的学生模型显著优于在线 RL 基线。实验表明日志顺序比数量或奖励更重要,表明专家训练日志实质上是课程学习而非数据混合。

  7. arXiv · AI31

    OpenKAGE:基于知识共享智能体群进化实现开放世界开放式终身学习

    OpenKAGE提出智能体群进化框架,支持在开放世界中通过经验积累实现开放式终身学习。 框架包含两层知识表示(记忆层与经验层)及知识共享机制,将可执行技能原样共享,并将文本经验语义整合为持续演化的共享知识图谱。 在Minecraft中,该框架使智能体群达到高级技术里程碑,且积累的知识可迁移至不同骨干模型的新智能体群,提升其生存与探索进展。

  8. arXiv · ML26

    更快得出错误答案:联邦优化中本地更新的代价

    联邦优化中的本地计算虽能改善更新条件数,却会引入偏差导致固定点偏离全局最优。研究表征了给定条件数界下可实现的最坏情况最小偏差。 针对强凸二次目标,建立了精确的最坏情况偏差公式,证明小步长本地梯度下降与近端更新可达此界,并将非交换 Hessian 矩阵问题简化为标量曲率分布。 分析进一步扩展至非二次的光滑强凸目标,并量化了非精确本地求解引入的误差。

  9. arXiv · ML24

    OMNIS+:面向动态分割神经网络的语义 RAN 切片与量化框架

    提出 OMNIS+ 框架,结合动态神经压缩与自适应量化实现语义 RAN 切片,支持多蜂窝边缘计算。 采用新型“box”量化方案增强抗传输比特错误能力,通过多智能体分布式优化解决 QoS 与队列稳定性约束下的推理精度最大化问题。 相比基线,OMNIS+ 将 QoS 违规概率降低最多 1.75 倍,实现更优的精度-违规权衡。

  10. arXiv · AI38

    多模态对齐中重新思考物理事件:从点到轨迹

    论文指出主流多模态对齐架构通过压缩时序生成单点嵌入,导致无法区分相同条件下的孪生物理事件。 作者证明时序池化表示随序列增长收敛至稳态,并提出轻量插件模块 CounterPoint。 CounterPoint 通过去除模态时序均值评分帧级跨模态一致性,在四种 SOTA 对齐器上超越现有方法。

  11. arXiv · ML36

    Kernel Ridge Attention: 结合非线性特征与选择性遗忘的循环序列混合器

    新型循环序列混合器 Kernel Ridge Attention (KRA) 结合学习非线性特征与协方差引导的记忆更新。 通过递归岭回归存储关联,利用 Ornstein-Uhlenbeck 过渡控制保留率,使推理状态大小独立于上下文长度。 在语言建模实验中,KRA 预测质量优于注意力及循环基线模型,并实现高效的分布式训练吞吐量。

  12. arXiv · ML23

    基于参与者级别的评估揭示sEMG运动耦合中缺乏特异性神经肌肉关联

    研究发现,冻结双向模型在82名健康人和43名卒中患者测试中,主要依赖共享的步态相位模式。 移除完整源模态使重建RMSE增加6.90%至11.38%,而参与者间替换仅增加1.68%,且学习不对称性预测POMA分数表现不如基线。 结果表明模型缺乏明确的受试者特异性耦合及额外临床价值。

  13. arXiv · ML37

    TabBioMed:生物医学表格学习的大规模基准

    研究人员发布大规模生物医学基准 TabBioMed,包含 94 个精选公开表格数据集,涵盖电子健康记录、药物发现及单细胞组学等领域。 该基准统一了预处理和评估框架,对 23 个模型进行了测试,发现基础模型在家族层面表现最强,但树模型和多层感知机在成本约束下极具竞争力。 TabBioMed 提供了数据集、代码及结果,为生物医学机器学习的模型选择与方法开发提供了可复现的基准。

  14. arXiv · AI26

    注意力并非相关性:挑战自动驾驶中注意力的因果性

    研究在8万多个合成驾驶场景中基于PlanT 2.0模型分析发现,注意力机制提供的是相关性而非因果性的物体重要性指示。 注意力方法无法一致识别所有相关物体,且常错误地将对驾驶影响微小的物体判定为相关;其在简单单车道直线场景中表现尚可,但在多车道和路口等复杂场景下准确率显著下降。 这些结果凸显了注意力作为物体重要性代理的局限性,呼吁开发能准确捕捉单个物体对车辆驾驶因果影响的新方法。

  15. arXiv · ML29

    小最优子空间系统性分析:n-DAS 与物理信息神经网络

    研究者提出主导对齐子空间(DAS),主张 Hessian 曲率最高的方向并非优化路径,并证明 DAS 约束训练在低维梯度对齐子空间内即可收敛。 基于物理信息神经网络(PINN)在抛物线、椭圆及双曲算子上的基准测试显示,即使投影 Hessian 病态,DAS 限制训练配合线搜索仍能达到全空间训练效果。

  16. arXiv · AI29

    Test-Time Symmetrization: Scaling Laws for Model-Agnostic Learning under Structure

    研究证明 $O(\log |G|)$ 次随机重写足以替代单一表示的重复采样,恢复所有 $|G|$ 次重写提供的信息,且该对数扩展律在一般情况下是最优的。 理论表明,只要模型答案依赖于输入写法,在相同前向传递次数下,将计算预算用于重写输入而非重复采样原始提示词,准确率会显著提升。

  17. arXiv · AI22

    SCAFFOLD:面向可复用 LLM-Agent 技能的凭证保留证据传输框架

    该论文提出凭证保留证据传输(WPET)框架,旨在解决 LLM-Agent 技能在上下文变更后复用时的信任与授权问题。框架定义了可废止的复用声称(WRC),将历史证据的适用性判定与真实性区分,并制定了条件保留结果及三值适用性标准。 文章强调 WPET 是一种规范学科而非已实现的验证器,仅贡献形式化问题陈述、设计义务及报告协议,未提供经验性优越性证明或通用 agent 安全证明。

  18. arXiv · ML23

    联邦学习 LoRA 重分配:提出 RASA 框架优化接收方感知知识迁移

    现有联邦 LoRA 方法保留主奇异方向导致响应误差无界,本文提出 RASA 框架解决矩阵最优截断与接收方需求不匹配问题。 RASA 利用对角输入二阶矩执行无中心化 PCA,在 DomainNet-100 上将准确率提升 3.23 个百分点,SuperNI 任务 ROUGE-L 最高提升 8.33。 该框架支持资源、任务和数据异构场景下的高效模型微调,具有即插即用特性。

  19. arXiv · AI38

    MLE Agents 实现大规模推荐系统中的自主机器学习工程

    人类在环的 MLE Agents 在大规模搜索排序器上自主提出并评估模型变更,单次战役运行 1,097 个实验并采纳 325 个,接受率达 29.6%。 该智能体采用并行训练和校准目标来解决反馈延迟与离线指标失准问题,最佳模型在 A/B 测试中使搜索量增加 0.23%,且多探索了人工直觉未涉及的架构变更。

  20. arXiv · ML36

    Toaster:基于级联线性记忆与目标传播的非线性记忆模型

    Toaster 通过组合两个线性记忆层并引入激活函数,构建了两层非线性记忆架构,利用目标传播机制更新隐层状态。 在 C4 和 PG19 数据集上,Toaster 的困惑度在所有测试尺寸(0.2B-1.6B)均优于 KDA 并匹敌或优于注意力基线,最大模型三试准确率 51.84%。 在 20K token 长度外推中表现稳定,且比 Titans 快 2.8-5.5 倍,提升了长序列处理效率。

  21. arXiv · AI40

    EVA-RSI: 视频评估器的递归自我改进以判断时间质量

    研究人员提出多智能体框架 EVA-RSI,通过构建固定代理考试实现对视频评估器的递归自我改进,无需人工标注即可提供监督信号。 基于 Qwen3-VL-8B 模型,EVA-RSI 在平滑度维度取得最大增益,并在 21 个测试模型中于公共基准动态子集上取得最高分数。 作为强化学习奖励,该评估器提升了生成视频的运动质量并获得了人类偏好。

  22. arXiv · ML27

    Agent Verifiers 在反事实分析中的初步研究:智能体异质性处理效应基准测试

    研究提出三层基准协议,利用 11 个数据集验证智能体生成的协变量,发现 xAI 的 GrokBot 工作区队友在文本及组合特征下于 6/11 和 7/11 数据集中获得更高的 RATE 比率。 协议包含检索合法性过滤、基于 RATE 的异质性验证及编码器合法性检查。研究显示编码器选择显著影响异质性信号,且时间过滤仅能保证检索合法性,无法消除编码器中记忆的未来事实泄露风险。