跳到正文
10月23日周五
  1. arXiv · AI20

    外部化记忆:具身智能体经验存储位置的预注册研究

    将记忆检索附加到固定学生权重上使任务成功率提升34个百分点,达到49.3%参考值,显著优于仅蒸馏策略权重。 该预注册研究发现,当检索缓冲区接入后,适配器未带来可检测增益;同一冻结缓冲区可使基座模型成功率提升至48%。 研究建议在后续实验中注册对照以验证外部化记忆方案,在更难任务上检索优势未达显著水平。

  2. arXiv · AI20

    用于数据治理的可争议智能体:记录跨结构化与非结构化系统的人类 AI 元数据管理

    提出“可争议治理”框架,专家智能体为有争议的元数据决策生成评分及引用论证,管理者在提交前可接受、拒绝、修改或添加论证,治理记录保留证据、干预措施及结果。 版本化领域词汇表为智能体提供特定领域术语及缩写定义,流程包含分诊路径,仅对不确定提案保留完整论证,并通过门控控制经核定的决策成为先例。

  3. arXiv · AI27

    黄金数据模型驱动制药合规声明生产级生成

    采用黄金数据模型(GDM)重构检索上下文的制药声明生成系统,显著提升了生成内容的合规性与个性化。 该模型包含1867条声明数据,支持4个产品维度。在6个产品受众细分中,预期适应症准确率提升29%,目标受众匹配提升67%,每周API成本降低29.5%。 此方法证明了在高风险监管领域,数据架构重构比扩展提示词规则更具可扩展性。

  4. arXiv · ML20

    Lean Finder V2:通过对抗训练与查询重写实现 Mathlib 语义搜索歧义消除

    研究人员推出 Lean Finder V2,这是一个专为 Mathlib 设计的语义搜索框架,能通过模型级对抗训练和输入级查询重写消除用户查询中的歧义。 该框架在人类标注的 MathlibQR 基准测试中取得了新的 SOTA 成绩,相较于之前最好的 Mathlib 语义搜索引擎实现了至少 11% 的相对提升。

  5. arXiv · ML26

    FedGRAG:联邦图检索增强生成框架

    为解决隐私约束下分布式知识图谱无法直接共享的问题,研究人员提出 FedGRAG 统一框架,实现多客户端的图检索与知识增强生成。 框架通过联邦知识路由机制利用轻量索引定位客户端,并采用受控披露方法将证据子图转换为证据摘要,避免泄露敏感实体。 实验显示 FedGRAG 在检索及下游生成任务中持续优于现有基线,确立了联邦环境下部署 GraphRAG 的新范式。

  6. arXiv · AI31

    基于结构的推理框架 SGUR 提升智能体可靠性与效率

    SGUR 提出无训练框架,通过结构化假设空间实现主动不确定性缩减。在医疗诊断基准测试中,SGUR 从 2 个初始症状出发,实现 92.5% Hit@3,比最强 Graph-RAG 基线高 9.4 个百分点,且 Token 消耗减少约 5 倍。该框架使小模型性能匹配或超越大 10 倍的模型,提供比单纯扩大模型规模更稳健、高效的智能体扩展路径。

  7. arXiv · NLP33

    RAG 防护研究综述:基于实测端点的系统性证据映射

    针对 RAG 系统的安全风险,本综述对 118 篇论文进行人工编码,按实测端点而非防御机制分类,构建七族分类法。 32 名标注员双重编码一致性 Kappa=0.867;发现检索重排等机制无法确定防护结果,且 73.3% 研究以语料使用检测为主要端点。 实验显示 Qwen3-8B 上自适应攻击可恢复 48.3% 隐藏事实,作者已公开分类法、数据集及测试床。

  8. arXiv · NLP23

    乳腺病变 RAG 系统检索评估:标注覆盖度如何塑造检索得分

    针对乳腺病变管理文献的 RAG 系统,评估发现交叉编码器重排序在检索得分上表现最佳。 混合检索器采用 384-token 块长与 20% 重叠,Recall@3 等指标均达 0.94;Ground-truth 标注扩充使证据跨度从 25 增至 37,但未改变检索排名。 研究指出标注敏感性需通过独立验证及放射科医生评估证据充分性来确认。

  9. arXiv · NLP21

    结合 RAG 的约束生成框架如何提升 LLM 月经健康摘要的临床一致性

    研究团队评估了三种 LLM 生成的 4,500 份月经健康摘要,发现显式接地约束结合 RAG 能持续改善临床一致性,特别是提高了不确定性保留度。 虽然临床一致性提升伴随阅读难度和医学术语使用的增加,且在基于检索证据评估时通常保持了忠实度。 结果凸显了开发面向患者的医学 LLM 系统时,需联合评估忠实度、不确定性保留和可读性的必要性。

  10. arXiv · NLP23

    RIFT:基于互补可压缩性训练的草稿模型 KV 缓存压缩方法

    RIFT 提出了一族平衡预填充信息与近期生成令牌的 KV 缓存压缩策略,通过自适应刷新机制降低计算开销。 该策略结合基于稀疏注意力掩码的可压缩性驱动训练,显著提升了草稿模型在压缩缓存下的质量。在 32K 输入、4K 输出且 8K KV 缓存预算下,Qwen3.5-4B 为 Qwen3.5-122B 做推测解码时,保持了超过 98% 的全缓存接受长度。

  11. arXiv · NLP33

    SARL:面向检索增强大语言模型的搜索状态感知自评估强化学习

    SARL框架通过自评估强化学习,使大语言模型在训练中自主识别搜索状态,显著提升了检索增强模型的搜索行为。该框架采用双奖励设计,在无需测试时额外评估的情况下,取得了比最强基线相对提升24.3%的结果。在多跳推理和深度研究基准测试中,分别实现了35.9%和27.9%的平均提升,超越了依赖辅助监督或多智能体协调的方法。

10月22日周四
  1. 豆包工作40

    中信戴卡启用豆包工作伙伴解决跨国物料咨询难题

    中信戴卡部署豆包工作伙伴,将物料品类、参数及档案查询效率提升 24 倍。新系统支持多语言问答,平均响应时间从 60 分钟降至 150 秒。 该方案覆盖 52 名活跃用户,日均处理约 15 次咨询。搭建运营成本不足 1 万元,预计年化节省工时价值约 10 万元。

  2. arXiv · NLP25

    AfrIFact:面向非洲语言的跨文化信息检索、证据提取与事实核查数据集

    研究团队发布 AfrIFact 数据集,覆盖 10 种非洲语言及英语,支持信息检索、证据提取和事实核查全流程。 实验显示最佳嵌入模型缺乏跨语言检索能力,LLM 在非洲语言事实核查上表现不足;通过 few-shot 提示,AfriqueQwen-14B 性能提升高达 43%,任务特定微调再提升 26%。 该成果推动低资源场景下信息检索与事实核查研究,数据集已公开。

  3. arXiv · NLP26

    ClusterFusion:混合聚类框架将 LLM 作为核心

    论文提出 ClusterFusion 框架,将 LLM 视为聚类核心而非辅助模块,通过轻量嵌入引导划分、LLM 主题摘要和分配三阶段实现混合聚类。该方法无需高昂微调即可适应特定领域。在三个公开基准和两个新领域数据集上均达到 SOTA 性能,并发布了新构建的数据集与全部基准结果。

  4. arXiv · NLP29

    MAPS: 用于调节检索增强生成中搜索动量的宏观自适应并行推理框架

    研究提出 MAPS 框架,通过宏观自适应并行推理调节搜索动量,缓解检索增强生成中的查询意图漂移。 MAPS 首先保留检索知识与精炼推理状态,减少历史轨迹对后续子查询生成的影响,并将顺序推理扩展为并行范式。在六个问答基准测试中,MAPS 一致优于多种代表性的检索增强生成方法。

  5. arXiv · NLP33

    Accept-or-Repair (AoR):一种无训练过程,用于在对比解码中保留段落支持答案的方法

    AoR 提出一种无训练过程,通过对比段落支持与不确定的替代方案,在对比解码中解决模型幻觉。 该方法在反事实段落上将采样准确率提高 12.5 个百分点,在普通段落上提高 2.3 个百分点,超越了 8 个基线。 该结果表明模型可以在保留常规段落准确率的同时,跟随与模型知识相悖的段落。

  6. arXiv · NLP37

    Signals and Queries: Token-Efficient Agentic Context Discovery

    针对用户端 LLM agents 评估行为策略成本高昂的问题,Parlant 4.0 推出轻量级过滤器 Signals and Queries。 该方法利用独立逻辑回归分类器在下游评估前移除至少 30% 的候选策略,避免了每轮次的 LLM 调用。在涵盖 254 个 τ^2-bench 对话前缀和 36 条航空政策的测试中,该方法在保持高召回率的同时,精确度优于 top-K 和余弦阈值检索。

  7. arXiv · AI28

    保护去标识化文档免受基于搜索的关联攻击的方法

    去标识化模型无法解决链接风险,本文提出结合 N-gram 倒排索引与 LLM 重写的两步法,在保持语义完整性的同时抵御基于搜索的关联攻击。 在法庭案件和维基百科传记两个数据集上的实验表明,该方法能有效防止基于搜索的关联,但对更高级的语义导向方法仍可能失效。 该研究揭示了去标识化技术在对抗复杂语义攻击时的局限性。

  8. arXiv · ML24

    基于区间 AUC (iAUC) 的不确定性感知风险预测评估框架

    研究提出不确定性感知 ROC 框架及区间 AUC (iAUC) 指标,用于评估区间值风险预测。 该框架将正负样本排序分解为确信正确、模糊及确信错误三区域,在有效类条件覆盖下提供最优 AUC 理论边界。 实验表明,相似点 AUC 的模型可能存在不同不确定性感知排名,该框架支持风险感知模型选择及阈值弃权策略。

  9. arXiv · ML35

    联邦学习客户端通过对抗观测发起远程行锤击攻击

    研究首次证明,通过操纵联邦学习客户端的传感器观测,可诱导服务器产生重复聚集内存更新,从而发起远程行锤击攻击(Rowhammer Attack)。 使用强化学习攻击代理在语音识别和 CIFAR10 分类任务中,实现了约 70% 的重复更新率(RUR),有效在服务器 DRAM 中引发位翻转。 该攻击可致学习中断或意外提权,揭示了联邦学习及硬件设计在安全缓解策略上的新方向。

  10. arXiv · AI22

    重新思考疾病预测中的合成推理监督

    研究显示,在阿尔茨海默病预测任务中,采用“先输出推理理由再输出标签”的监督微调策略,其预测性能显著低于仅输出标签的微调方式。 该结论基于包含 504 种配置的受控实验,证实此性能下降现象在多种模型家族和不同数据规模下均存在,且无法通过更换面向推理的基础模型来消除。 专家评估证实生成的推理理由在医学上是准确且符合患者证据的,表明性能下降源于模型对生成理由的条件依赖,而非理由本身的质量缺陷。

  11. arXiv · ML26

    Hyperspherical Simplex 表示实现后向兼容检索

    论文提出基于 softmax 输出的超球单纯形表示,用于独立训练模型间的后向兼容检索。 该方法利用 softmax 交叉熵训练形成的单纯形结构作为几何参考,通过确定性线性变换对齐类别原型,无需额外兼容性损失或架构修改。 在标准兼容性基准测试中,该表示在扩展类别集和独立训练模型上取得了有竞争力的结果。