跳到正文
11月4日周三
  1. arXiv · ML26

    vLLM Hook v1:编程 vLLM 模型内部状态的开源插件

    开源插件 vLLM Hook 发布,允许通过配置捕捉和干预 vLLM 模型的内部状态,实现被动探测与主动干预。 版本 1(vLLM Hook MIA)基于 vLLM V2 模型运行器,保留 CUDA 图,显著降低解码开销,支持离线使用与 vllm serve 服务。 该插件支持提示注入检测、幻觉检测、激活转向等用例,扩展了推理引擎的可编程性。

  2. arXiv · ML30

    GSBR: 面向在线强化学习的几何支持行为正则化

    GSBR(几何支持行为正则化)通过按动作与基础策略支持集的动态距离施加平滑惩罚,有效平衡在线强化学习中的样本效率与学习稳定性。 该方法允许支持集内的动作无惩罚,仅在价值估计低的外部区域逐渐增加约束,且只需访问基础策略样本即可实施。 在4个机器人基准的19项任务中,GSBR将平均成功率从基础策略的33%提升至95%,其归一化吞吐量比次优强化学习方法高约23%。

  3. arXiv · ML25

    NovoCRF:基于前缀质量格的全局规范化从头肽测序

    研究者提出 NovoCRF,这是首个在全部质量可行肽上进行精确全局归一化训练的从头测序 CRF 模型。 该模型拥有 31 万个参数,训练耗时约 17 GPU 小时;在 126,262 张谱图中,其平均肽召回率为 42.4%,氨基酸召回率为 64.0%,速度是 Casanovo 在 GPU 上的 55 倍。 NovoCRF 还能搜索未参与训练的修饰,例如在狮骨样本中找到了 32.1% 的羟脯氨酸肽。

  4. arXiv · ML48

    Sketchpad:利用小型视觉语言模型实现经认证的精确算术

    Qwen3.5-0.8B 配合低秩适配器在 Sketchpad 框架中实现了任意长度算术的精确计算,所有 2,446 个视图测试均通过。该模型在浏览器运行,解决了 200/200 预注册问题及长位数加减乘除运算,表现优于 GPT-6.1 Sol。 代码采用 Apache 2.0 许可证开源,符号运行时支持多项式求解与因式分解,适配器门控可恢复基础模型功能。

  5. arXiv · ML26

    ExaTune:开源 HPC 系统实现大规模超参数全景探索

    ExaTune 是一款开源 HPC 系统,可生成超参数景观地图,通过 K 折交叉验证穷尽评估离散网格上的所有点。 系统发布了包含 8 个完整景观地图的基准集合,涵盖 285,080 个配置及 SVM、XGBoost 等 5 个模型族。 分析表明贝叶斯优化等常规方法会系统性遗漏景观图中的不稳定区域及参数交互效应。

  6. arXiv · ML23

    长时域基准测试揭示接收方导向联邦学习中信任边界的时变失效

    研究评估了13个半合成站点组成的联邦学习系统在600轮交互中的信任边界稳定性。 固定参考门控虽优于起始模型,但允许了29%对当前模型有害的传输;基于当前模型的门控虽将有害传输降至2%,却遗漏了对起始模型有益的部分。 在38%对抗站点场景下,FedFomo与CS-Gate是仅有的在诚实组中均实现正向平均增益的方法。

  7. arXiv · AI29

    Failure-Driven Workflow Refinement:提出 CE-Graph 框架优化 LLM 工作流

    研究者提出 CE-Graph 框架,通过最小化期望失败质量(Expected Failure Mass)优化基于 LLM 的工作流,而非仅依赖标量指标。 该方法在反例池中近似失败分布,识别高密度区域并应用算子约束图编辑,在数学、代码和 QA 基准上以更低成本实现了比强基线更高的鲁棒性。 该研究已被 ICML 2026 接收为 Spotlight 论文,代码已公开。

  8. arXiv · AI36

    GeoFaham:面向灾害响应的领域专用多智能体地理空间分析系统

    GeoFaham 实现最佳整体性能,得分 0.940 高于次优 0.879,且 Token 消耗仅为基线的 7.5 分之一。 系统通过 Orchestrator 协调向量、地图、图像及栅格分析智能体,利用 Response Store 在 LLM 上下文外持久化输出元数据。 代码与基于 40 项任务和 17 条真实灾害记录的 GeoFaham-Bench 基准已公开。

  9. arXiv · AI20

    LIRA:一种更具可解释性的动态损失引导秩分配方法,用于低秩适应(LoRA)

    LIRA提出基于二阶近似损失的动态秩分配方法,使LoRA在线秩重分配更具可解释性。 其通过定期应用DELTA位移评估算法生成离散有效秩,兼容标准(A,B)适配器。在RoBERTa-base GLUE任务中,LIRA性能优于固定秩和自适应秩基线,且Trajectory EMA在更低估计成本下达到与Fixed-point Fisher相当的精度。

  10. arXiv · AI38

    LLM 知识抑制检测:通过激活碎片化识别被抑制的知识

    研究提出基于匿名向量几何一致性的检测框架,在十个 LLM 上证实碎片化指标能有效区分已知与未知概念。 后训练过程中,碎片化几何结构与对抗恢复相关性依赖攻击方法,分层分析揭示不同深度对抗机制利用该几何特征。 该单阶段无攻击代理指标可捕获输出层指标无法触及的参数化知识,参考实现已公开。

  11. Hugging Face Blog61

    IBM 研究团队发布 Palette:基于 20B 模型构建自定义设计语言幻灯片的方法

    IBM 研究团队发布 Palette,通过微调 20B 开放权重模型并生成约 1000 份合成幻灯片数据,使小模型能遵循特定设计语言生成演示文稿。在 PresentBench 评估中,Palette 在经济和教育两个领域排名第一,三领域平均分排名第二,仅次于 NotebookLM(59.7 对 60.8)。

    推荐理由:原文展示了通过微调 20B 模型和特定数据合成方法生成高保真设计幻灯片的完整流程,读者可复用该结构优化其他代码类任务。

11月3日周二
  1. 硅基流动48

    开源 Coding Agent Metis 发布,支持硅基流动模型接入

    开源 Coding Agent Metis 发布,旨在通过定制 Agent 架构解决工程交付问题,并内置硅基流动作为模型服务商。 Metis 采用三层架构:分工明确的 Agent 团队、验证门禁及自学习闭环;支持桌面、终端及 Skill 版,可跨会话积累经验。 该工具让开发者将真实仓库交给 Metis 处理,通过硅基流动统一入口灵活选择模型,实现从调查到验证的完整任务交付。

  2. arXiv · NLP41

    TMax: 一种面向终端智能体的简单强化学习训练方案

    TMax 开源了终端智能体的强化学习训练方案,9B 参数模型在 Terminal-Bench 2.0 基准中取得 33% 成绩,性能超越此前更大规模的模型。 该方案结合了难度控制、角色设定及验证器多样化分类学生成数据,适用于 2B 至 27B 的开源权重模型,并主导了小模型性能帕累托曲线。 作者公开了数据、模型及代码,旨在为学术界终端智能体研究提供强力基线。

  3. arXiv · NLP32

    TRIO:用于检索增强生成(RAG)的任务精炼与个体优化

    该研究提出TRIO方法,通过为三个设计良好的Agent配备迭代精炼范式,解决当前RAG检索不足和幻觉问题。 具体地,查询扩展Agent基于改进的答案质量量化奖励,共识投票标注扩展查询是否充分以优化裁判Agent,答案Agent则通过课程学习进行动态匹配奖励优化。 在多个基准数据集上,TRIO相比SOTA方法有效性得到验证。

  4. arXiv · NLP41

    模型“恐惧”的词:从拒绝方向到词汇表级恐惧词典

    在8个对齐模型中,特定有害词通过单一隐藏状态方向改变生成边界,该方向上的投影可单调预测拒绝率。 利用该方向构建全词汇表恐惧/勇气词典,插入未见过的恐惧词会提升拒绝率,而将最恐惧词替换为保义同义词可显著提高回答率。 这一发现揭示了词元层面的线性拒绝机制,为安全微调提供可量化工具。

  5. arXiv · NLP30

    利用 LLM 小组评估 2024 年欧盟选举宣言的环境立场

    一项研究使用由三个独立提供者的 LLM 组成的小组,对 41 份 2024 年欧洲议会选举宣言在环境保护和气候变化两个维度进行评分,以替代昂贵的人工编码。 小组在 25 个拥有专家基准的政党中恢复了专家排序,但系统性地评价政党“更绿色”,模型间分歧可作为可靠性信号。 该工具以低成本低成本、多语言且透明,补充而非取代专家调查,提示词、代码和结果已公开。