跳到正文
11月18日周三
  1. arXiv · ML25

    ToR-OT:基于自回归 token 回归的最优传输计划学习方法

    研究者提出 ToR-OT,一种基于 transformer 的模型,通过自回归 token 回归预测离散最优传输(OT)计划。 ToR-OT 将 OT 重构为结构化序列生成任务,解码器仅预测非零项,利用精确离散解的稀疏性避免输出密集耦合矩阵。 该模型旨在探索自回归 transformer 学习受限优化问题结构的能力,目前尚不能替代经典求解器。

  2. arXiv · AI24

    Proximal Targets: 训练循环精炼器应对多解问题的方法

    针对多解问题,Proximal Targets 证明传统循环精炼器存在不可消除的损失下限,并提出近端目标策略,训练每次迭代收敛至最近正确解。 使用 170 万参数网络,该方法在含 2-64 个解的数独中准确率从 2.5% 提升至 98.8%,在 10,000 个以上解的稀疏数独中从 0.0% 提升至 93.8%。

  3. arXiv · AI20

    LLM 世界观:8 个模型共享悲观特质,对话可收敛至“灵性极乐”

    对 8 个 LLM 进行心理学调查,发现它们一致将世界描述得比人类更不美好、安全与有活力。 基座模型观点更积极,说明悲观倾向由 post-training 驱动;系统提示词及模型间对话能显著改变世界观。 模型对话使观点收敛至“灵性极乐”状态,该状态能产生最对齐且最安全的响应。

  4. arXiv · ML28

    MPG-DPO:利用多维用户偏好数据实现大语言模型对齐的高效个性化

    论文提出多维偏好引导在线直接偏好优化(MPG-DPO),利用低成本多维评估构建个性化偏好锥体以指导响应选择,在匹配查询预算下优于现有方法。 该方法首先剔除在用户偏好下被确信支配的响应,再选取保留锥体下具有最强未解决分歧的竞争性响应对,理论分析表明查询浪费随学习进行消失。

  5. arXiv · ML21

    去噪生成优化框架:收敛性与多样性分析

    论文建立了噪声无关去噪生成的优化框架,将生成过程解释为固定对数密度景观上的梯度上升,并证明了轨迹在 $O(m\sigma_{min}^2/\tau)$ 内几乎必然收敛至参考流形。 研究推导了源汇恒等式以证明有限分辨率的区域覆盖性,并在仿射构造中识别出能避免记忆化且保留多样性的正带宽机制。 实验结果证实了预测机制,展示了在大步长引导下的鲁棒性提升及与有限数据生成泛化一致的性能增益。

  6. arXiv · AI36

    EDA:面向证据驱动多模态抑郁症分析的观察、验证与评估框架

    提出EDA框架,通过观察、验证和评估三个阶段实现基于证据的多模态抑郁症分析,解决长录音摘要中单一观测来源及决策相关性难以审查的问题。 在D-Vlog和LMVD数据集上,基于7B冻结骨干的EDA支持使F1分数在D-Vlog Leave-Query-Out和LMVD上分别比直接预测提高7.61和9.88个百分点。

  7. arXiv · AI34

    临床AI决策轨迹审计:正确诊断下的潜在安全风险与纠正监督

    研究审计300个临床案例,发现55.2%达到可接受最终诊断的医院轨迹经过中度或重度潜在伤害决策。 基于MIMIC-IV和ASCENT基准,结构化纠正解决73.6%的首次错误,但30.2%的纠正后决策仍引入新潜在伤害。 表明正确最终诊断不能证明轨迹安全,成功纠正也不能保证恢复过程无风险。

  8. arXiv · ML20

    深度强化学习在 HVAC 监控控制中的收益分析:四个 Modelica 案例研究

    针对 HVAC 系统的四个 Modelica 案例研究表明,深度强化学习(DRL)优于规则控制的幅度有限。 在冷凝水复位场景,DRL 仅比近优参考低 1.3%;在预冷却场景,人工调优规则性能仍优于 DRL。 建议研究应明确最佳规则与近优参考间的差距,并报告在共同仿真 FMU 训练中遇到的实际困难。

  9. arXiv · AI31

    简捷有效:基于演示条件提示搜索的提示优化器审计

    研究人员隔离出演示条件提示搜索(DCPS)作为机制归因控制,发现其在 StablePrompt 中匹配 PPO 准确率的同时成本约为其三分之一。 在 DSPy 系统中,DCPS 在 GPT-4.1-mini 上匹配 GEPA 准确率,rollout 数量减少 55%,API 成本降低 32%。 研究建议基准测试需报告 rollout 数量、token 用量和美元成本。

  10. arXiv · AI30

    COTTI:应对促销漂移的对比训练与时间感知工业推荐框架

    COTTI 提出对比训练与时间感知推理框架,将历史表征学习与事件时间分数调整分离,解决促销事件导致的流量偏移问题。 该框架包含跨期对比对齐、主动重加权及自适应边界对齐模块,在 Fliggy 数据上离线 AUC 达 0.8127,p99 延迟 38.9ms。 在线实验显示,COTTI 较基线模型转化率提升 3.14%,千次收益提升 2.68%。

  11. arXiv · ML21

    VTT:通过未见车型的运动轨迹读取车辆尺寸与动力类型

    研究提出VTT数据集与基准,利用运动轨迹和CAN信号识别未见车型的车辆尺寸与动力类型,包含9,062次驾驶记录。 模型在电池纯电与燃油车区分上的宏观F1值达92.6%至93.0%,尺寸分类准确率从62.9%提升至67.1%。 物理特征分析表明动力识别关联减速行为,尺寸识别关联转向响应,跨车型泛化受标签分辨率限制。

  12. arXiv · AI37

    MillBill:基于几何反馈的 Machining Agent

    MillBill 提出将 Machining 决策与几何执行分离的智能体,使用本地部署的开源模型 Qwen3.8-27B 规划三轴加工操作。 系统通过几何框架生成刀具路径并模拟材料去除以提供反馈,其设置规划考虑了刀具的物理可达性而非仅可见性。 在指定容差内目标表面积占比的评估中,该方案优于自行构建几何与刀具路径工作流的前沿模型方法。

  13. arXiv · ML21

    BernBRS:针对深度伯恩斯坦神经网络的认证反向可达性框架

    本文提出 BernBRS 框架,用于对采用伯恩斯坦多项式激活函数的 DeepBern-Nets 进行高效且高精度的反向可达性分析。该框架能同时计算反向可达集(BRS)的认证内近似和外近似,并通过分析激活模式来智能细化输入空间覆盖。作者在高维模型(如线性化的 Half-Cheetah 控制器和蒸馏的 Transformer 块)上验证了该方法的可扩展性。

  14. arXiv · AI37

    迈向数据高效、实时的世界模型

    该研究通过双阶段离散扩散方法取代下一词元预测,实现了 79 倍推理加速。 模型仅需约 28 小时的游戏数据即可训练,生成高质量且一致的游戏序列。 这一进展降低了实时交互与创意领域应用世界模型的门槛。

  15. arXiv · AI24

    DARWIN:用于海洋智能的地理空间基础模型

    DARWIN 是一款海洋地理空间基础模型,在预测 2022 年 氯-a 浓度时,每月相对误差均低于无编码器基线及随机初始化模型。 模型采用缺失感知编码与傅里叶位置嵌入,基于 26 年 Copernicus 再分析及 GEBCO 水深数据预训练。 在仅使用 10% 监督数据时,其表现已超越使用 100% 数据训练的随机初始化模型。

  16. arXiv · ML22

    DSADiff:一种结构感知扩散模型,通过缓解复杂性与元素失衡偏差实现晶体结构预测新 SOTA

    提出 LAS 分析框架识别晶体复杂性及元素组成失衡两大生成难度关键因素,并基于此构建数据感知扩散模型 DSADiff。 模型在 Carbon-24 等三个基准数据集上表现优异,Match Rate 最大提升 9%,刷新 SOTA 性能。 该工作为设计低偏差生成模型提供新方向,深化了对扩散模型在复杂材料空间生成偏差机制的理解。

  17. arXiv · AI42

    SciWorkBench:面向真实科研工作流的基准测试

    研究团队提出 SciWorkBench 基准,用于评估智能体在生物学、化学等真实科研任务中的能力。 测试涵盖四大领域,由专家验证统一分析框架,并在 Claude Code 和 Codex 框架下评估最新模型。 性能最佳的智能体仅获得 57.38 的平均分,表明当前智能体在将科学知识转化为具体步骤及多模态证据整合方面仍存在显著短板。

  18. arXiv · ML20

    GP-RL-MPC:基于高斯过程后决策状态价值函数的不确定性感知强化学习增强模型预测控制

    提出高斯过程强化学习增强模型预测控制(GP-RL-MPC),利用学习的评价函数作为终端惩罚项,通过高斯过程回归实现数据高效学习。 在连续搅拌釜反应器(CSTR)测试中,该方法是基础模型预测控制相比平均降低80.52%的均方误差总和(SSE),样本标准差为3.48%。

  19. arXiv · AI32

    RehearsalBench 基准测试:评估 AI 预测企业运营变革后果的能力

    RehearsalBench 发布基准以测试 AI 预测企业变革后果能力,最佳模型 GPT-6 Astra 较无干预提升 6.8%。 十款模型在 14 个组织场景中完成 280 次尝试,平均预测正确但效应大小常高估五倍,且从未建议“不行动”。 外部验证中 12 款模型对 33 个真实变更的预测排名与现实排名相关系数达 0.92。

  20. arXiv · ML31

    首个 AI 驱动的 OSSE 框架评估 FourCastNet V2、GraphCast 等模型物理一致性

    研究人员提出首个基于 AI 的观测系统模拟实验框架,用于评估 AI 气象模型对物理一致性的复现能力。 实验涵盖 FourCastNet V2、GraphCast、Aurora 和 Prithvi WxC 四个模型,在 60 天预报周期中植入 ERA5 温度场以推断大气状态。 不同架构模型对观测响应的表现各异,基础模型产生最强影响,而 GraphCast 在特定层级配置下出现可修正的数值不稳定现象。

  21. arXiv · AI20

    集成大语言模型增强智能家居IoT Fuzz测试以发现跨规则漏洞

    针对智能家居中传统模糊测试因假设理想人类决策而失效的问题,提出集成大语言模型(LLM)的增强版IoT Fuzz方法。 该方法通过LLM模拟人类决策过程,在测试环境中增加真实感与不可预测性,以更准确地捕捉智能家居中复杂多变的人类交互。 此方法旨在揭示实际人类决策的影响,从而发现导致隐私泄露、数据窃取或物理伤害的意外跨规则漏洞。

  22. arXiv · ML25

    大语言模型作为非线性动力系统:深度、训练与生成的三个时钟

    论文构建“三时钟词典”,将十五个非线性动力学概念映射至Transformer层迭代、训练步骤与Token生成,并推导简化模型如Softmax玻尔兹曼分布。 在开源模型GPT-2与Pythia上验证,重复循环逃逸遵循阿伦尼乌斯定律,逃逸温度随生成长度N按$1/\ln N$下降,且训练使各层更具扩展性。 提出十二个开放问题,旨在利用非线性动力学解决语言模型控制难题,当前控制器尚未超越最佳固定温度策略。