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。
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。
该工具通过分离环境参数演化与智能体决策模块,提供标准化接口与基准问题,以支持算法在动态环境下的可复现评估。 作为 NeurIPS 2025 数据集与基准赛道论文,NS-Gym 旨在推动非平稳决策研究的标准化进程。
GPTZero 5.0 推出层级多任务架构,在 11 个第三方基准和 18 个写作领域刷新 AI 检测准确率 SOTA。 该方案通过多层自动化红队测试,增强了对对抗攻击和复述改写的鲁棒性,并提供可解释的检测与使用指导。 其旨在解决 LLM 引发的内容真实性挑战,确保文本评估的公平与透明。
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。
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。
研究提出结构-残差归纳偏置,在 GPT-2 Medium 模型 300M 训练 tokens 中组合 BBC 与 CC 方法提升 1.44% NLL。 BBC 在早期层效果最佳,CC 在后层更有效;增益在高达 20B 训练 tokens 的运行中持续存在。 代码已开源,该方法可超越单纯 next-token prediction 改善预训练效果。
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。
提出 ACC-SGD-IE 估计器,通过后续出现的 Hessian 修正早期移除对后续移除的影响,解决标准 SGD-IE 忽略交互项导致的跨 Epoch 偏差。
研究发现四个 LLaVA-1.5-7B 偏好优化检查点在降低幻觉率的同时降低了物体覆盖率。 通过基础模型早停可复现 58% 至 86% 的 CHAIRi 收益,且未带来物体 F1 显著增益。 提出的无训练恢复方法使三个检查点召回率接近基础模型,同时保持较低的幻觉率。
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。 ```
summary_zh: 部署于 IAAI-27 的多智能体系统 TriAgent 在 43 天影子模式中处理了 499 张工单,识别出 92 处文档缺口,其可验证断言准确率达 81.1%。
基于 OpenROAD 的 MLBuf-RePlAce 框架在开源流程中实现 TNS 最大 56%、平均 31% 的改进。 该框架采用递归学习预测 buffer 类型与位置,并解决了传统方法的计算开销及 ERC 违规问题。 在商用流程中,其 TNS 平均提升 28%,且后路由功耗保持无显著退化。
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。
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。
数据驱动优化中存在已知为优化者诅咒的乐观偏差,研究者开发了Optimizer's Information Criterion (OIC)方法来解析并修正该偏差。
决策引导式推测感知(DGSP)通过假设对象探测规划器,仅在决策敏感区域进行高分辨率验证。在三个驾驶数据集上,该方法以约四分之一的像素成本复现98%帧的全帧动作,减少误刹车并修复漏检的关键对象。
Spool 是一款免训练框架,通过缓存帧状态变换实现混合视觉语言模型的精准移除过期帧。 在五个开源模型和四项视频推理基准测试中,Spool 将 p95 首 token 延迟降低 6.6 倍,准确率平均提升 2.3 个百分点。
针对基于 OpenAI 和 Anthropic 模型构建的两个 Web 研究智能体,在 36 次运行中分析其对 Microsoft 和 Alphabet 的评估,其中 21 份给出优先级的报告关注了该优先级但标准各异。
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。
在 Qwen-2.5-7B-Instruct 与 Llama-3.1-8B-Instruct 上的审计显示,注意力头地图与标签盲响应长度地图的相关性高达 ρ = -0.950 和 -0.768,表面混淆因素显著。
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。
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。
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。
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。
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。
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。
研究者对比了 8 种 LoRA 方法在 200 种语言及 9000 多种评估设置下的表现,发现小尺度搜索无法可靠预测全量排名。 LoRA 在翻译数据上稳定提升模型拟合度,但削弱阅读理解能力,且对低资源语言获益最大。因此,LoRA 应被视为针对性工具而非通用多语言增强手段。
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。
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。
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。
summary_zh: 在生成式推荐中,RL后训练提升头部排序精度但降低候选列表召回率,导致模型变成更差的检索器。 研究通过控制实验发现,根源在于RL将未采样的候选项视为错误,惩罚了相似用户常选的高可能替代项。
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。
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。
研究者提出 Tree-grams,这是一种通过二阶和三阶张量层次化组合构建条件概率的自回归生成 n-gram 模型,其性能超越传统 n-gram 基线并可与深度 Transformer 语言模型竞争。
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。
VFM 树注意力验证器可并行评估 N 条自然语言准则,返回独立的三元判定。其预训练语料 CriteriaBank 包含 394K 数据元组,微调版 VFM-4B 在治理基准上优于 GPT-5.4。
提出 StitchRAG 框架,通过动态压缩检索段落并利用文本扩散连接锚点句,构建紧凑且高信息密度的 RAG 上下文。 该框架将信息保留与计算成本转化为效用最大化问题以调整大小缩减比例,在五个开放域 QA 基准中持续优于多种多步及压缩基线。
论文提出顺序分数采样器(SSS),一种基于校正自训练的退火采样方案。 SSS 利用重要性采样和 MCMC 校正样本,通过回放缓冲区存储数据以优化训练。在多个基准测试中,SSS 相比竞争采样器减少了能量评估次数,运行时间更短。
研究揭示了 Pollen Robotics Reachy Mini Lite 存在的安全漏洞,未认证攻击者可利用管理接口替换 LLM 系统提示词及人格设置。攻击导致物理硬件行为改变,被映射为 CWE-306 和 CWE-1327,CVSS v3.1 评分为 6.5(中等)。
Magflow 是一个完全可微分、支持 GPU 并行的六自由度磁悬浮模拟器,用于训练首个纯靠模拟物理学习得出的工业级神经控制器。 该控制器在 4 kHz 实时约束下实现零样本仿真到真机迁移,能操控无传统手工方案支持的磁体拓扑。 研究证明共设计并非磁悬浮控制的物理必要条件,控制学习可发现超越传统工程的解决方案。