跳到正文
11月3日周二
  1. arXiv · AI33

    Qubrio:基于多智能体 LLM 协作的高性能量子编译框架

    多智能体 LLM 框架 Qubrio 通过三级分解和专职智能体,显著降低量子编译启发式重设计需求,并在现实负载下大幅提升硬件运行时间和程序保真度。 该框架采用序贯操作阶段划分、placement/routing/optimization 专职 agent 及解耦反馈纠错,还能发现 novel 策略增强硬件并发性,并保持 code 公开。

  2. arXiv · AI31

    判别、校准与排序:统一矩阵框架

    提出统一矩阵框架,填补判别、校准与排序评估的代数缺口,引入偏差算子与秩相关算子。 校准部分证明 Murphy 分解的矩阵形式,Brier 聚合坍缩为单一标量;排序部分揭示 raw DCG 在聚合下坍缩而 nDCG 不坍缩。 相关结果通过 Lean 4 机器验证,实验代码与证明已公开。

  3. arXiv · AI34

    TTT-Consolidate 提出了一种利用多智能体推理轨迹作为测试时训练(Test-Time Training)自适应数据的框架,用于提升后续推理性能。

    该框架通过双层优化进行元学习,内循环使用轻量级 LoRA 适配器编码轨迹,外循环学习元参数;同时构建了包含 12,810 道数学题的 OpenParallelThinking 语料库。 在数学和 STEM 基准测试中,TTT-Consolidate 在匹配计算和运行时间的情况下,比最佳聚合基线高出最多 20 个百分点,且随着可用轨迹数量增加,其从失败轨迹中恢复的能力增强。

  4. arXiv · AI21

    扩散驾驶 VLA 的自适应读出与解码框架

    提出场景自适应读出与解码框架,通过单次骨干网络扫描结合 MoE 加权读出层及自适应策略减少冗余计算。在 Waymo E2E 和 nuScenes 基准上,验证集 RFS 最高提升 0.56,Waymo E2E 端到端加速达 6.0 倍。 该框架利用层特定后期表征支持轨迹读出,并仅在场景需要时应用额外原生细化。代码已开源。

  5. arXiv · AI20

    AgenticMobility:多智能体出行动力学开源平台

    开源平台 AgenticMobility 利用 LLM 智能体模拟出行决策与管理干预,分析城市交通动力学。 平台在 MATSim 中运行,智能体身份与状态跨轮次持久保留,支持通过信息访问、经验保留和管理反馈调整实验。 初步演示涵盖 5 种配置共 100 天模拟,其中联合运行产生 1,179,300 个有效目标决策,验证了执行正确性与记忆保持。

  6. arXiv · AI23

    MEX:音乐预期基准测试套件

    研究者提出 MEX 基准测试套件,用于感知层面验证计算音乐预期模型。 该套件评估模型估计的音乐信息动力学指标在重复、段落边界、音频与符号音乐一致性以及预测电生理反应方面的表现。 作者提供开源代码,支持用户利用基线模型从音频中估计 surprisal 和 uncertainty 并运行相关任务。

  7. arXiv · AI33

    DTP-OPSD:面向时间视频定位的抗干扰感知时序特权在线自蒸馏强化学习框架

    DTP-OPSD 提出一种抗干扰感知的时序特权在线自蒸馏强化学习框架,专门解决时间视频定位中因视频包含相似或相反事件导致 GRPO 策略梯度失效的问题。 学生模型生成响应,共享权重的教师模型观察标记了目标窗口和干扰窗口的特权视频,通过计算教师评估学生前缀的 Jensen-Shannon 散度提供密集 token 级监督信号。

  8. arXiv · AI33

    Reap: 利用轻量级模型揭示蒙特卡洛证明搜索机制

    Reap 提出基于 Lean4 的开放证明搜索框架,训练的 1.7B 参数模型 Reaper-1 在 miniF2F-test 基准上以 pass@32 达到 79.9% 解题率,确立了同级别开源求解器的前沿性能。 系统通过共享状态转换与重放验证,结合策略价值引导的蒙特卡洛树搜索,利用强化学习增强证明组织能力,使更少显式搜索决策能驱动更复杂的策略程序执行。

  9. arXiv · AI21

    ZeroGraph:通过实体化边界监督实现组合式分块训练

    ZeroGraph 通过实体化冻结教师的边界轨迹为版本化数据集,实现预训练模型转换与蒸馏中的分块独立训练。 在 GPT-2 Large 上,无锚定目标使去噪误差降低 99.44%,但交叉熵从 3.63 恶化至 10.48;在 Qwen2.5 模型上,干净教师边界回归方案通过质量与上下文使用测试。 该方案将跨深度语义依赖从在线优化转移至持久数据,中断的分块可恢复至比特级相同的最终状态。

  10. arXiv · AI34

    LARK:LLM生成GPU内核的Lean辅助自动形式化验证框架

    LARK是一个能自动对LLM生成的GPU内核进行形式化等价性验证的智能体框架。 它通过Lean 4将内核拆解为可证明片段,并与PyTorch参考实现逐段比对以验证正确性。 在KernelCraft任务中,LARK配合ReAct智能体,使GLM 5.3成功验证了12个Level-1内核中的10个,并在生产级内核中发现了1个新的数据竞争漏洞。

  11. arXiv · AI32

    GURU:面向关键任务数字工程与运维的层级神经符号多智能体系统

    系统 GURU 采用层级神经符号多智能体架构,在计算流体动力学中将未知几何收敛模拟率从不足 1% 提升至 74%。 该系统在 100 个单次尝试案例中验证了效率,并通过符号层提升了边界层捕捉能力。在太空态势感知领域,该方法在 conjunction risk 评分上超越了五种方法,包括全量微调的语言模型。

  12. arXiv · AI38

    更强能力的 LLM 监控器如何区分奖励黑客攻击与诚实失败

    在 Llama 3.1 8B 代理的 60 个集数中,小型本地监控器未能有效区分利用尝试与诚实失败,预注册主要监控器的 AUC 仅为 0.64。 Gemini 3.1 Flash-Lite 在相同输入下达到预注册的 0.80 AUC 标准,但其对未命名利用的检测存在局限;8B 监控器在获取完整轨迹后能标记所有 25 个复现集,却常描述未发生的动作。研究团队已发布该环境、标签及预注册日志供参考。

  13. arXiv · AI33

    Taurus:LLM 环流 CT 标注成本仅为编码智能体的一半

    Taurus 利用 LLM 环流框架实现 CT 主动脉标注,主要指标表现与使用 Claude Opus 5.5 的自由智能体无显著差异,但单病例成本仅为 $1.22,低于后者的 $2.71。 该框架通过自动化路径处理扫描,并结合固定规则平滑标签表面及多项选择检查以修正大型错误,在 38 个留出病例上取得主要增益。 此类标注自动化使得专家时间可从绘制标签转向核查,提升了效率。

11月2日周一
  1. ZCode56

    ZCode 更新 3.17.1 版本,支持操控电脑与浏览器

    ZCode 更新至 3.17.1 版本,正式上线 Computer Use、Browser Use 与 ZCode Sites 官方插件。用户可通过插件操控本地桌面软件、浏览器执行图文调研与 OA 填单等日常任务;在编程场景中,ZCode 支持拉起浏览器实测交互、修复 Bug,并通过 ZCode Sites 将网页项目(如 3D 射击游戏)一键部署上线为在线链接。

  2. HiDream智象元一42

    智象元一与中国科大提出 EraseSAE:基于稀疏自编码器的视频扩散模型概念擦除方法

    智象元一与中国科大联合提出 EraseSAE,利用稀疏自编码器实现文本到视频模型中概念的安全擦除,代码已开源且研究被 ECCV 2026 接收。 方法通过分区卷积 SAE 分解特征并采用动态时空掩码进行局部干预,在 CogVideoX-5B 上将裸露内容检测率从 28.25% 降至 2.62%,显著优于现有方法。

  3. arXiv · NLP23

    Saidzoda-Tajik-LFM-2.6B 适配塔吉克语工具调用及持续预训练影响分析

    发布 Saidzoda-Tajik-LFM-2.6B,基于 LFM2.5-2.6B-Base 适配塔吉克语工具调用。经 LoRA 持续预训练与 SFT,塔吉克语严格全调用准确率从 20.69 升至 64.14。 CPT 去除了原生工具调用格式,导致所有检查点评分为零;英文 MMLU 下降至 52.5,模型在多轮调用及拒绝无效工具方面表现较弱。

  4. arXiv · ML21

    强化学习的统计基础:非渐近视角综述

    该专著基于表格型马尔可夫决策过程,建立强化学习(RL)的非渐近统计理论框架。 重点分析生成模型 RL、在线 RL 和离线 RL 三种采样机制,以及模型驱动与模型无关两大算法范式的样本复杂度,强调最小极大最优算法设计。 还简要讨论了鲁棒 RL、多智能体 RL、联邦 RL 及基于人类反馈的 RL 等扩展方向。

  5. arXiv · ML20

    AuditFL:面向开放联邦学习的合同支持清算层

    AuditFL 提出一种合同支持的清算层,实现可审计的开放联邦学习。它保持链下训练和聚合,仅将内容标识符和状态上链。在 MNIST 上,200 个客户端时产生 5,026 笔交易、829.7M EVM gas。 该设计使协调者的链上轮次决策可归因、可重放和可审计。压力测试显示,在高故障率下最终准确率变化仍保持在几个百分点以内。

  6. arXiv · ML25

    持续强化学习是整合问题

    论文提出10项设计准则,指出当前无公开证据表明单一智能体能同时满足所有准则,且现有基准测试未验证这些属性在终身学习中的共存性。 作为次要贡献,作者提出一个紧凑持久世界场景及新基准,旨在单次生命历程中综合评估广泛的行为能力。

  7. arXiv · ML25

    Monte Carlo Random Walk Kernel (MCRWK):一种无需构建乘积图的随机游走核估计器

    MCRWK 是一种新的随机游走核(RWK)估计器,其成对计算成本独立于图的大小,并通过采样共享游走长度来近似 RWK,无需构建乘积图。 固定预期游走长度下,每对样本 m 次蒙特卡洛采样的估计耗时为 O(m),可用样本预算调节速度与精度的平衡。 在大规模合成图实验中,MCRWK 比 Graph Voyagers 更快且同等运行时间下更准确;在 5 个真实数据集上 Gram 矩阵计算运行时间最低。

  8. arXiv · AI31

    TamilEOT:泰米尔语电话语音语义回合结束检测数据集与模型

    研究团队发布 TamilEOT,这是针对南亚语言的第一个开放语义回合结束检测数据集及检测器,包含来自 116 段电话对话的 18,485 个标注边界。 模型基于 Smart Turn v3 架构,在 4,168 个留出片段上准确率从 70.30% 提升至 86.13%,单线程运行低于 150 ms。 所有数据、权重、代码及阴性结果均已公开。

  9. arXiv · AI33

    CogBattery:语言模型认知任务行为与结构评估

    CogBattery 评估了 54 个开源语言模型在 13 项认知范式文本改编中的表现,并与源研究的人类数据进行对比。结果显示,模型虽能复现人类效应方向,但在非目标误报、置信度区分及固定下注偏好上表现远劣于人类,且这些模式跨越多个模型家族。研究指出,匹配人类效应方向不足以确立类人行为,大规模模型也未一致地更接近人类表现。

  10. arXiv · AI28

    基于统一 Copula 理论视角的互信息估计基准构建

    现有互信息估计基准多局限于低维简化分布,难以评估复杂真实数据下的性能。研究提出基于 Copula 理论的基准框架,涵盖合成流变换与真实图像依赖结构,评估非参数、变分及生成式估计器。 结果显示不存在通用最优估计器,不同类别在特定场景下表现各异。通过识别基本估计壁垒并提出新测试,该基准更有效地揭示了现有方法的局限。