跳到正文
11月2日周一
  1. arXiv · AI33

    BeyondArena:表格基础模型在 11 种模型和 142 个数据集上的统一基准测试

    BeyondArena 支持 IID、时序和分组任务,覆盖多特征类型与学科,是首个统一的表格数据综合基准。 基于 142 个策划数据集和 11 个模型的评估显示,当前开源表格基础模型在 10 万行以下数据集中具有竞争力,而传统树模型和深度学习模型在分组或大规模数据上仍占主导。 该基准引导模型研究聚焦于表格数据领域最具挑战性的场景。

  2. arXiv · AI40

    EvoMemBench 从自演化视角基准化 Agent 记忆

    EvoMemBench 是一个从自演化视角评估 LLM Agent 记忆的基准,对比了 15 种记忆方法与长上下文基线。基准沿记忆范围和内容两个维度组织,发现现有记忆系统尚无通用解,检索法在知识密集场景强,程序化记忆在任务匹配时更有效。 该工作已被 NeurIPS 2026 接收。

  3. arXiv · AI21

    Samyama 构建大规模开放生物医学知识图谱并支持 AI 智能体访问

    研究团队基于 Rust 原生图数据库 Samyama 构建开放生物医学知识图谱生态系统,单库合并 22 个图谱后包含 3.28 亿节点和 14.4 亿边,加载耗时 37 分 49 秒。 在 40 题 BiomedQA 基准测试中,专用 MCP 工具准确率达 98%,高于独立 GPT-4o 的 75%,且零模式错误。 该系统实现了跨知识图谱集成与 AI 智能体高效访问。

  4. arXiv · AI31

    Geo-FSRL:面向少步流强化学习的随机策略几何优化方法

    该研究提出 Geo-FSRL 方法,通过最小化条件 KL 散度诱导的几何因子来选择最优随机策略。 在等向高斯转移族中推导出唯一闭式优化器,结合梯度尺度匹配推导闭环策略梯度权重。Geo-FSRL 在 4 步设置下于图像与视频生成任务中取得优于 Flow-GRPO 和 Flow-CPS 的最终奖励分数,代码已开源。

10月31日周六
  1. 商汤科技SenseTime70

    商汤开源 SenseNova Loop-9B-Preview:探索以计算深度释放模型潜力

    商汤开源日日新 SenseNova Loop-9B-Preview 模型,采用 Looped Transformer 架构引入循环计算,通过参数共享模块扩展有效计算深度,在 9B 参数规模下性能媲美 27B 级模型。

    推荐理由:商汤开源了基于 Looped Transformer 架构的 9B 模型,通过循环计算扩展有效深度,为社区提供了替代单纯扩大参数规模的模型架构实践参考。

10月30日周五
  1. arXiv · ML40

    可规模化消息传递量子图神经网络在 Weisfeiler-Leman 层级中的表现

    研究构建了具备置换等变性及指定 Weisfeiler-Leman 层级位置的量子图神经网络,实现消息传递功能。 在多达 56 量子比特的大规模模拟中,该框架在合成图、分子性质预测及旅行商问题上得到验证。 该研究为具有理论保证的近期量子算法提供了路径,推动图学习原则应用于量子电路设计。

  2. arXiv · ML23

    LLM 高效评估:具有统计保证的主动查询方法

    研究者提出 FAQ 方法,将大语言模型基准测试视为有限总体推断,在固定查询预算下追求紧置信区间。 该方法利用贝叶斯因子模型和混合方差缩减策略自适应选择问题,在两个基准套件上比基线方法带来高达 5 倍的有效样本量增益,且计算开销可忽略。 代码和数据集已开源以支持可复现性。

  3. arXiv · ML23

    首个用于虚拟传感器的可扩展多任务模型

    首个虚拟传感器多任务模型在超过180亿样本的评估中,将计算时间最多降低415倍,内存需求减少951倍。 该模型同时预测多种虚拟传感器并保持计算效率,与现有单一传感器模型相比,在相近推理速度下生成更优预测,且能以近乎恒定的参数数量扩展到数百个传感器。

  4. arXiv · ML35

    预训练自回归图像模型任意顺序生成解锁

    针对预训练自回归图像模型无法进行推理时编辑的问题,提出未来感知位置嵌入和顺序课程两种组件实现任意顺序生成。 在 LlamaGen 和 RAR 四个基座模型上,该方法在 ImageNet 修补任务 FID 达 6.21,优于 MaskGIT 的 10.44,且兼容现有 AR 推理栈。 额外计算成本仅为预训练的 13-33%,论文已被 NeurIPS 2026 接收。

  5. arXiv · ML20

    Modular Bayesian Foundation Models: SBNN 用于时间序列 OOD 检测、路由与预测

    模块化贝叶斯基础模型利用 SBNN 编码器实现无标签专家路由,在七个数据集上显著降低不确定性并提升校准度。 该模型比确定性版本节省 63.8% 存储,平均 ECE 降至 0.072,平均 NLL 降至 0.836,PICP90 升至 89.03%。 SBNN 参数量比 MC Dropout 少 63.9%,实现高效概率预测。

  6. arXiv · AI40

    Rebuild Dossier:面向智能体应用重建的机械化强制规范及模型层级失败分析

    开源工具 Rebuild Dossier 在编码前锁定应用接口,并通过自动化检查强制“一次一测试”构建流程。 对比显示合规智能体在保留测试中失败,而违规者全部通过;在大应用上该工具甚至未运行自动化检查。 该工具采用 MIT 协议,支持在自有应用中端到端复现。

  7. arXiv · AI37

    规模条件下评估 Agent 记忆:当存储证据停止可用

    研究提出规模条件评估协议,检验无关会话累积下 Agent 记忆证据的可用性。 在 LongMemEval 上,HippoRAG 维持双调用预算但可靠性损失 16-20 个百分点;LiCoMemory 表现因 Qwen3 模型版本而异。 该研究被 NeurIPS 2026 接收,支持构建依赖智能体、界面和规模的记忆声明框架。

  8. arXiv · AI30

    TaskFrame:连接任务级规划与帧级控制的游戏智能体框架

    TaskFrame 提出分层规划-控制框架,通过 GRPO 优化任务规划器并连接帧级键鼠控制。 规划器将目标分解为原子指令,其隐藏状态作为目标嵌入复用;因果 Transformer 控制器结合观测预测离散动作与连续相机运动。 实验显示,TaskFrame 在 Minecraft 闭环评估中的战斗成功率优于基线。

  9. arXiv · AI43

    Tracekit Box: 在微VM中运行AI智能体,所有出口均由签名器裁定

    Tracekit Box 是一款开源(MIT 协议,v0)系统,让 AI 智能体在 Firecracker 微VM中运行,无网卡,出口由宿主机签名器裁定。 每个任务使用 vsock 通道,密钥与元数据地址被拒,变更以补丁形式返回。13 项端到端检查通过,15 个模糊测试发现 9 个问题均已修复。 结果打包为 .tkb 文件,支持离线验证。

  10. arXiv · AI20

    FermiScope 通过累积局域态密度改进 Kohn-Sham 哈密顿量学习

    针对机器学习 Kohn-Sham 哈密顿量模型中元素级误差无法保证本征值准确的问题,研究提出新训练信号“累积局域态密度(FermiScope)”。 该方法通过计算给定能量阈值下空间各点的电子数,完整捕获误差并确定哈密顿量,避免了梯度消失。 在 QH9 数据集微调三个模型后,FermiScope 在降低 HOMO-LUMO 能隙误差的同时,未增加元素级误差。

  11. arXiv · AI33

    CLIK 通过单次前向传播将上下文知识内化至 LoRA 参数

    CLIK 模型通过单次前向传播生成 LoRA 参数,将上下文知识直接内化至冻结基模型,无需任务级优化或推理时保留输入。 该方法在文档问答任务中显著优于无上下文基模型及现有超网络生成器,且可迁移至多轮对话。 分析表明上下文依赖部分集中于生成适配器的紧凑子结构中。