跳到正文
10月27日周二
  1. arXiv · NLP27

    研究揭示 KV 缓存压缩下的“答案-证据鸿沟”:准确率保持不等于推理忠实性

    针对大推理模型,研究指出 KV 缓存压缩下最终答案准确率与推理忠实度可能出现脱节。 该“答案-证据鸿沟”在 10 种 token 驱逐方法中显著存在,这些方法能维持答案准确率但大幅削弱证据链支持。 相比之下,一种保持覆盖率的量化方法受影响较小,表明故障源于对推理轨迹部分的访问缺失而非单纯的 KV 内存缩减。

  2. arXiv · NLP40

    Loopie:最强开源循环 Transformer 系列,含 20B MoE 模型

    Loopie 是迄今最强大的开源循环 Transformer 系列,包含一个 20B 参数(2B 活跃)和一个 6B 参数(0.6B 活跃)的 MoE 模型。 与同等计算量的普通 30B-A3B 模型相比,Loopie 在消融研究中表现显著更优;通过新的后训练方法,该模型展现出强大的推理能力。 作为开源模型,Loopie 为在有限计算预算下实现前沿级推理性能提供了新的技术路径。

  3. arXiv · NLP27

    UMAS: 多智能体大语言模型系统的系统级不确定性量化框架

    UMAS 提出了一种无参数、成本中性的系统级不确定性量化(UQ)框架,通过估计智能体间影响可信度来聚合节点级不确定性。在 Debate 和 DyLAN 基准测试中,UMAS 相比最先进基线平均提升 10.54 AUROC,并在特定任务上通过不确定性感知选择使准确率提高最多 12.6 个点。该框架被 NeurIPS 2026 接收,代码已公开。

  4. arXiv · NLP20

    MechAlign:评估数学形式化中项目级语义对齐的框架

    MechAlign 提出项目级语义对齐审查框架,结合形式依赖提取工具 LeanTrace 与基于大语言模型(LLM)的评估机制。 LeanTrace 从 elaborated declarations 构建语句依赖图,保留定义体与结构约束,排除证明体并在显式库边界处停止。 该框架在 201 个主结果上进行了初步审查,并构建了包含 501 个三元组的 LeanReviewBench 数据集。

  5. arXiv · NLP23

    GEPA 合并操作机制诊断:何时合并有益?

    研究发现 GEPA 的合并操作对 gpt-4.1-mini 和 Qwen3-8B 表现不稳定,但在合适配置下可同时改善两个模型。 九种配置扫描表明,合并不稳定源于配置敏感性而非操作符固有缺陷;基于行为的探针能避免高风险任务中的合并失败。 代码开源为 GEPA-MergeProbe,虽未始终优于 NoMerge,但为理解合并决策提供了诊断依据。

  6. arXiv · NLP28

    基于合并的词汇扩展在预分词器处停滞:一种保留英语的尼泊尔语修复方案

    合并式词汇扩展无法解决 Llama-3 和 Qwen3 分词器对尼泊尔语的多余分词问题,导致其 token 消耗比英语多 2.6 至 5.8 倍。 修复正则表达式后,使用 3.2 万个新合并项可将尼泊尔语 token 量降至英语的 1.01 倍,比标准扩展减少 54%。 该修复在 Llama-3.2-1B 和 Qwen3-0.6B 的持续预训练中被测试,作者已发布相关 tokenizer 和代码。

  7. AWS Machine Learning Blog47

    AWS SageMaker SDK v3 边缘端计算机视觉全生命周期管理

    利用 SageMaker SDK v3 构建双分支 Pipeline,实现边缘设备计算机视觉模型的自动训练、评估与部署。 每相机独立训练 Anomaly Detector 与 ResNet18 分类器,经质量门禁后由 Neo 编译为设备优化构件。 支持 $0.07 低成本全流水线运行,通过 Step Functions 限流并发请求,保障生产稳定性。

10月26日周一
  1. 阿里云百炼31

    阿里云百炼开发者工具:将数学公式转译为读屏友好文本并生成AI讲解

    阿里云百炼开发者 MrsFlower 发布无障碍数学公式学习工具,支持将网页公式转译为结构化中文读法。 该工具结合规则引擎与 qwen3.7-plus 模型生成五段式讲解,并通过 qwen3-tts-flash 合成语音,全程键盘可达且读屏闭环。 该工具无需注册即可在网页版体验,或安装浏览器插件在 Chrome/Edge 中随时使用,帮助视障学生解决公式学习障碍。

  2. arXiv · ML33

    研究揭示 LLM 审计员对静态分析证据的不对称盲从现象

    研究通过 16,572 次审计发现,LLM 对静态分析证据存在不对称盲从,虚假保证使漏洞检测率降低多达 19 分,而虚假警报未显著降低准确率。 实验覆盖 916 个 PrimeVul 函数对及 11 种来自 4 家供应商的模型配置,内部注册复制显示虚假保证对判决影响更大(平均不对称性 +0.16)。 研究建议管道在模型依赖前验证工具保证,并采用方向感知方式测量盲从。

  3. arXiv · AI32

    AU-Harness:用于音频大语言模型高效统一评估的开源工具包

    开源工具包 AU-Harness 解决音频大语言模型评估效率低与支持不足的问题,将评估处理时间减少 77%。 其提供标准化评估协议和灵活配置,支持多轮对话动态分析,使大规模系统评估成为可能。 该框架推进了音频大语言模型的系统性开发,并揭示了现有模型在音频推理能力上的局限。

  4. arXiv · AI25

    NGTR框架:面向视觉大语言模型表格识别的基准测试与邻居引导工具链推理器

    提出NGTR框架与基准测试,通过邻居引导工具链提升视觉大语言模型在无训练场景下的表格识别能力。 实验证实该方法显著增强模型对低质量图像输入的识别表现,发表于IJCAI 2025会议。 为无结构表格识别提供替代解决方案,解决视觉输入瓶颈问题。

  5. arXiv · AI39

    RobustRLlib:面向鲁棒强化学习算法的统一库与基准

    团队开源了 RobustRLlib,这是一个统一的鲁棒强化学习库与基准,整合了 17 种代表性算法以解决复用性限制。 它在 273 种扰动配置下提供评估,构建了当前鲁棒算法的能力图谱,并扩展至人形及视觉-语言-动作任务。 作为开源平台,它支持在新问题中复现现有方法,并为开发新算法提供可扩展代码库。

  6. arXiv · AI21

    Concept Acupuncturist: 基于稀疏自编码器的扩散模型概念擦除高效方法

    针对扩散模型中概念分布纠缠导致的遗忘效率低问题,提出结合可解释性引导与无推理微调的 Concept Acupuncturist 框架。 该框架利用稀疏自编码器(SAE)定位 U-Net 去噪器中最相关的交叉注意力块,通过特征级修正信号实现精确擦除,避免全轨迹优化。 在 SDXL-Turbo 上,该方法将遗忘成功率提升 36.34 个百分点,同时保持图像质量与提示词保真度,代码已公开。

  7. arXiv · AI25

    WiMoT:无回放Wi-Fi传感的持续学习方法

    WiMoT 提出了一种无回放的持续 Wi-Fi 感知方法,通过存储每类特征均值和协方差实现新域学习。 该方法在 3DO、WiMANS 和 Widar3.0 数据集上取得 94.02%、89.61% 和 95.16% 的平均最终准确率,遗忘率不超过 0.58 个百分点。 WiMoT 优于使用回放的基准模型,且将全协方差压缩为秩-32因子后,内存占用降低至 6.4%。

  8. arXiv · AI32

    LGMT:用于测试 LLM 逻辑推理可靠性的开源工具

    LGMT 是一款开源工具,通过基于一阶逻辑的变形关系检测 LLM 逻辑推理中的不一致性。它无需真实标签,生成逻辑等价的后继测试用例并对比模型蕴含预测。 该工具内置 20 种变形关系,支持 Z3 定理证明器验证自定义关系,提供 CLI 和 Web 界面。在 6 款常用 LLM 的 3,091 个基准测试组中,检测出的不一致率介于 20.84% 至 29.44% 之间。

  9. arXiv · AI30

    Solvent:面向多步逆合成的长程推理 8B LLM

    针对多步逆合成任务,研究人员推出 8B 参数 LLM Solvent。模型经 RL 微调后性能提升 2.1 倍,在四个基准上取得 61.86% 的得分。 Solvent 学习交错执行合成规划、外部可用性验证及自适应路线修订。其性能超越中等规模 LLM 和基于搜索的逆合成系统,比肩前沿万亿参数 LLM。

  10. arXiv · AI29

    MPQ 提出消息传递视角的后训练量化方法

    MPQ 将行级后训练量化(PTQ)视为离散码本的后验推理,利用向量近似消息传递计算块级后验,再结合精确块坐标下降细化硬判决。 该方法在 Llama、Qwen 和 Mistral 系列稠密语言模型上,针对 2-bit 格子和 3-、4-bit 标量量化场景,提升了困惑度和零样本准确率。 代码已公开。

10月24日周六
  1. ZCode25

    ZCode 1024程序员节赠送20万份5亿Tokens福利包并更新办公模式与Workflow功能

    ZCode于10月23日启动1024程序员节活动,不限用户登录最新版客户端即可免费领取20万份5亿Tokens福利包,包含GLM-5.3与GLM-5.3-Flash。 福利包在23日20:00至26日09:00期间可用,采用先到先得机制。 近期ZCode更新办公模式、Workflow动态工作流及插件市场,将编程Agent能力延伸至日常专业工作与深度数据分析场景。

  2. 月之暗面 Kimi92

    月之暗面发布 Kimi K3.1 Pro 及高速版

    月之暗面发布 Kimi K3.1 Pro 模型,这是其 3 万亿级参数、支持 100 万上下文的版本。K3.1 Pro 在 Terminal-Bench 4.0 基准测试中得分 65.7%,并在内部金融与 3D 建模场景中实现了长程智能体工作流的端到端交付。即日起可通过 Kimi 官网、API 及桌面应用使用,完整模型权重将于 11 月 4 日前发布。

    推荐理由:月之暗面发布 3 万亿参数 Kimi K3.1 Pro,其在代码和金融长程任务上的提升为评估新一代模型能力边界提供了直接样本。