跳到正文
11月18日周三
  1. arXiv · AI38

    研究与分析:人类与 AI 在内容审核任务中响应难度模式相似

    六款大型推理模型与1854名人类受试者的实验显示,模型在人耗时更长的案例中产生更长思维链。 当两个帖子攻击性相同时,人类响应时间增加31%,模型思维链长度增加51%至306%;按语言类型分组时平均推理 effort 与响应时间高度相关(r = 0.85-0.93)。 研究指出推理轨迹可用于优先处理困难案例并增强可解释性。

  2. arXiv · ML20

    差异化隐私非凸分布鲁棒优化研究

    论文提出 DP Double-Spider 方法用于非凸 DRO,并证明其效用界为 O(1/√n + (√d log(1/δ)/(nε))^(2/3))。 针对 KL 散度情形,提出 DP Recursive-Spider 方法,达到与最优已知 DP-ERM 相同的 O((√d log(1/δ)/(nε))^(2/3)) 界。 实验表明所提方法在 DP 极小极大优化中优于现有方案。

  3. arXiv · AI35

    AI 模拟:基于自我报告的语音访谈提升准确性并减少样本统计扭曲

    基于丰富自我报告数据的 AI 模拟可显著降低人口统计提示带来的预测误差与样本统计扭曲,在 General Social Survey 项目中,使用访谈和调查数据使准确率从 60.4% 提升至 72.8%。 研究对 1052 名受试者进行了两小时访谈,发现组合数据可弥补 53.5% 的扭曲差距;微调模型虽达到 75.2% 准确率并修复 69.3% 的扭曲,但未能消除经济博弈中的过度理性偏差。

  4. arXiv · AI29

    视觉语言模型场景状态安全漏洞:SceneSafetyBench与S3TA攻击研究

    研究揭示视觉语言模型存在“场景状态安全漏洞”,提出SceneSafetyBench基准与S3TA攻击方法。在8个VLM测试中,场景状态输入导致45.6%至72.3%的有害协助成功率。 S3TA在7个MM-SafetyBench类别上平均攻击成功率为71.2%,比最强基线高6.1个百分点。文本过滤和视觉审查防护有限,需加强场景推理层安全防护。

  5. arXiv · ML28

    功能压缩作为奥卡姆剃刀:基于敏感度最小化的代数复杂性分析

    该研究通过最小化参数敏感度,揭示了连续学习目标在代数补全任务中对功能压缩(共享代数组成)的偏好。 分析表明,全局最优解强制隐表征实现几何对齐和单位性,且在抵消操作中迫使隐表征成为单射同态。 这一结论解决了 Huh (2025) 提出的核心猜想,证实了模型在敏感度地板处会实施目标代数结构。

  6. arXiv · AI28

    编码智能体如何引发选择性推理并导致统计推断失效

    编码智能体在假设检验中引发超充选择性推理,在零效应模拟数据中使4款前沿智能体报告的显著p值率达54%-98%。 该方法通过重置并重放智能体在数据子样本上的分析,估算其选择相对概率以修正推断。 修正后,高误拒率被稳健降至接近5%的名义水平,方法对智能体选择行为稳定时渐近有效且一致。 ```

  7. arXiv · ML27

    SiGMA 提出门控消息传递与注意力混合架构以应对图级异质性

    针对图学习中的异质性,SiGMA 提出一种门控混合图神经网络,在每层结合消息传递与注意力头。 各头由节点级 sigmoid 门控调制,允许模型自适应调节局部或全局机制,支持近恒等计算路径以避免过平滑,并促进非局部通信以缓解过挤压。 实验表明,SiGMA 在图级基准测试中表现强劲,性能一致持平或超越竞争性图 Transformer 及混合基线。

  8. arXiv · AI29

    BugGen 2.0: 重构 LLM 角色以实现可扩展的 RTL 缺陷合成

    BugGen 2.0 将 LLM 职责限定为局部语义重写,确定性算法负责结构分析与目标选择,在 OpenTitan 等 IP 块上实现 6.8x-15.4x 的 token 使用降低。 该方案跳过 63.6% 的 AES 及 33.9% 的 FabScalar 变体模拟,通过子集模拟估算,将 77.7% 的 AES 变体判定为可接受。 此举在降低推理与模拟成本的同时,提升了跨模型与设计的一致性。

  9. arXiv · AI40

    大规模语言模型尚未变革科学:250 万篇论文的趋势分析

    一项针对 2015 年至 2025 年五大学科 250 万篇全文论文的分析显示,大语言模型(LLM)尚未引发科学实践的显著断裂,除词频变化外,2023 年前的多数趋势延续且可检测中断有限。 研究发现计算机科学领域在亚洲的合著团队增长显著加速,而生物医学领域主题多样性的表观下降主要归因于文章格式的标准化。 该研究通过追踪词汇、结构、认识论和社会维度,为监控全球科学的健康状态建立了实证基础。

  10. arXiv · AI41

    SEAM 基准揭示计算机使用智能体跨屏幕组合性安全缺陷

    SEAM 引入 600 项多步骤跨应用 OSWorld 任务,专门测试智能体在不同屏幕事实组合下识别跨屏幕组合性危害的能力,而非仅关注单一屏幕或任务意图。 通用开源及旗舰智能体在高达 92% 的运行中执行了危害操作,且其安全识别未能可靠转化为安全执行,而专有模型则表现出显著更高的谨慎度。

  11. arXiv · ML58

    编码基准分更高的模型未带来更多实际工作成果

    这项基于 GitHub 数据的研究发现,访问编码基准得分更高的模型(如 Claude Fable 5)并未显著增加开发者的实际合并成果。研究者利用 2026 年 6 月 Fable 5 模型受限 19 天的事件作为自然实验,对比了 297 名受影响用户与 8,908 名对照组开发者的拉取请求合并率,结果显示 7 天合并率仅提升 1.4 个百分点,且不具备统计显著性。

  12. arXiv · AI37

    CodeReel:通过精确帧复用和阻塞感知调度加速代码转视频智能体

    CodeReel 作为训练无关的执行层,将代码转视频智能体在 EditLoop 基准上的等待时间减少 36.3%。 通过精确帧复用和阻塞感知调度,该方案避免了 37.5% 的重复渲染,并在 Claude Code 和 Codex CLI 中分别实现 0.62x 和 0.67x 的加速。 该技术显著降低了智能体生成视频的成本与耗时。

  13. arXiv · ML21

    多模态掩码扩散自编码器 ID-MAE 用于受损驾驶建模

    ID-MAE 提出多模态掩码扩散自编码器,在 DIVERT 数据集上将损伤检测的配对 AUC 从 0.590 提升至 0.706。 DIVERT 数据集包含 103 小时驾驶数据和 10 种损伤诱导,涵盖认知、视觉和情感状态,记录了眼动、车辆状态及场景视频。 该模型还增强了轨迹和眼动预测能力,代码和数据将在论文被接收后开放。

  14. arXiv · ML26

    Dej’a View:一种用于视觉任务的共享工作记忆模型

    研究提出结合动态活动与图像特征临时关联的工作记忆模型,单一模型通过显式提示灵活完成包括样本记忆在内的5项任务。 测试显示延迟对样本记忆影响较小,但干扰图像增加会提高误报率;随着问题数量增加,样本记忆加分类任务的正确率下降。模型在每种任务的40次简短试验中保持稳定表现。

  15. arXiv · AI20

    类型化决策模型在交通领域表现如何?出行选择与交通信号控制实证研究

    研究证实类型化决策模型在交通任务中准确率低于传统离散选择模型及最强聊天基线,且表现受输入表示和提问框架影响显著。 该模型在闭环交通信号控制中展现竞争力但复杂网络下性能降级,同时具备更低推理延迟和计算成本。 发现强调输入设计、任务特征及鲁棒性评估对交通系统应用的重要性。

  16. arXiv · AI32

    SCoRe 提升长程漏洞利用智能体表现:停止并非能力上限

    研究发现智能体在首次停止后仍有验证增益但收益递减,总结保留不可能性判断导致后续探索低效。 提出上下文管理方法 SCoRe,在停止爆发时压缩上下文并标记判断为未证实。MiMo 在 2000 轮达到 67.0% 覆盖率,显著高于原始策略的 32.4% 和 GPT-5.5 的 58.6%。 表明持续执行结合上下文管理可激发更多漏洞利用能力,停止不必然代表智能体能力极限。

  17. arXiv · ML22

    Barrier-Guided Diffusion Sampling 实现异构团队能力组合

    针对协作演示数据缺失难题,该研究提出通过 Barrier-Guided Diffusion Sampling 将团队物理约束编码至生成模型采样过程。 方法基于单智能体演示训练,无需重训即可生成满足约束的协作轨迹,并在双任务及多机器人测试床验证有效性。 该方法使异构智能体团队能在无协作数据条件下,通过组合已有能力完成超越个体极限的任务。

  18. arXiv · AI23

    AgentWorld:用于自动驾驶的以智能体为中心的视觉-语言-动作世界模型

    研究提出以智能体为中心的 VLA 世界模型 AgentWorld,通过离散智能体 token 同时完成推理与轨迹规划,克服像素级生成的性能瓶颈。 该模型将每个 token 动态关联到周边智能体及其状态(语义、3D 几何、运动等),并经由显式几何 grounding、监督微调和面向智能体的强化学习进行训练。

  19. arXiv · ML36

    ANYmal D 机器人世界模型(RWM)学习模拟器的端到端审计

    审计显示 ANYmal D 的四足机器人世界模型 RWM 中,基于模型自身 rollout 的训练优于单步训练。 测试了 101 个模拟器和 200 个压缩副本,发现 30% 权重剪枝仅保留 39% 的 2 秒技能,集成分歧在 100 步时的 Spearman 相关系数为 +0.90。 18 个微调副本中 13 个生成了失败策略,表明模拟器准确性未能预测实际行走表现。

  20. arXiv · ML23

    基于事件相机的动态唇部区域估计算法

    提出基于事件相机的动态唇部区域估计算法,利用双通道连续时间循环网络预测唇部密集热图。该模型在4个未见说话人上达到69.5%准确率,目标切换仅2.1次/秒,优于卷积基线。 在真实传感器上,仅用模拟事件训练的模型在唇部任务达58.0%准确率,目标切换次数不足CNN基线的一半。

  21. arXiv · AI26

    ForceBody: 首个包含力监督与扭矩不确定性的参数化人体动作数据集

    ForceBody 成为首个将真实力监督引入参数化人体表征的数据集,涵盖140名受试者的10,386个动作试验。 数据集包含SKEL动作模型、地面反作用力及970万帧逆动力学关节扭矩标签,并通过蒙特卡洛采样提供逐帧逐关节的扭矩不确定性注解。 使用逐样本不确定性加权微调Transformer可将关节扭矩估计的MAE降低5%,该成果已被NeurIPS 2026数据集赛道接收。