跳到正文
11月11日周三
  1. arXiv · AI47

    SciConBench 揭示健康领域 AI 智能体科学结论综合能力不足

    针对健康领域 AI 智能体结论综合能力的未知,研究提出 9.21K 问题的 SciConBench 基准,并配套 SciConHarness 隔离环境以防止数据泄露。 在清洗后的评估中,前沿模型表现不佳,最佳智能体事实 F1 仅 0.337,远低于无约束环境下的估计。 研究还发现 Google AI Overview 等消费级产品常生成不完整甚至矛盾的结论,表明可靠科学综合仍面临重大挑战。

  2. arXiv · AI20

    从偏差到位置性:大语言模型的批判性语法

    研究提出以“位置性”取代“偏差”作为分析大语言模型的批判性语法,主张模型并非无位置发声,而是源自语料、微调及系统提示词等层积位置。 该框架分离了创造者位置、意图行为与实际行为三层,揭示了模型被赋予超越其凭证的信任及其问责机制,从而重新定义模型制作与解读的方式。

  3. arXiv · ML36

    研究揭示 VLA 模型性能主要依赖 kNN 检索而非泛化能力

    VLA 模型在 LIBERO 仿真基准中成功率超 95%,但研究表明检索邻近演示的动作块无需策略训练即可达到 91.7% 成功率。 kNN 检索在 LIBERO-Plus 扰动下性能下降最小,且微调主要优化视觉语言骨干作为检索键,而非提升动作泛化。 研究提出离线指标 Local Action Consistency (LAC),用于衡量观测一致性并指导检索键训练,代码与评估已公开。

11月10日周二
  1. arXiv · AI48

    LAION-BVD:包含1350万小时视频的开源多模态预训练数据集

    论文发布 LAION-BVD 开源视频数据集,包含8000万条视频,总时长达1350万小时,用于视频、音频及图像的多模态预训练。 数据集通过 CommonCrawl 爬取,利用内容感知场景检测提取片段并生成合成视频与音频字幕。 研究人员将开源该数据集,以大规模扩展多模态视频的公开访问范围。

  2. arXiv · ML28

    推理的几何特征:从频谱视角看任务难度

    研究发现 Transformer 模型思维链(CoT)轨迹的有效维度 d_rho 能预测任务难度,在 Qwen2.5 模型上的 AUROC 达到 0.96。 研究在 MATH500 数据集的 86 道题上验证了 Qwen2.5 0.5B 至 7B 三个规模,七类运动学特征在生成 20% token 时即可预测正确性,AUROC 介于 0.77 到 0.88。

  3. arXiv · ML28

    CAPE 框架提出用于纵向数据的对比非短视目标成本权衡特征获取策略

    研究人员提出 CAPE 策略,通过定义基于预言机的 NOCT 目标并学习对比获取效用流形,在纵向主动特征获取中平衡预测损失与获取成本。 该方法在合成及真实医疗数据集实验中优于非参数、贪心及基于强化学习的替代方案,以更低成本实现更高准确率。 代码已公开,论文被 NeurIPS 2026 接收。

  4. arXiv · ML32

    ELD:基于能量分布预测视觉预训练质量的合成数据筛选原则

    研究提出能量水平分布距离(ELD),通过对比真实与合成图像的能量分布来审计合成数据,预测视觉预训练性能优于 FID 和 LPIPS。 ELD 能识别被传统指标忽略的分布失配,并指导合成数据重采样与混合,在匹配真实图像能量直方图的同时保留多样性以提升下游迁移效果。 该成果已被 NeurIPS 2026 接收为口头报告。

  5. arXiv · ML30

    特征交互是否破坏可解释性?任意阶神经加性模型的可证明解释

    针对任意阶特征交互的神经网络,本文提出可计算可证明且充分的最小特征子集。 证明了常数阶交互下问题具有 $\Sigma_2^P$ 硬度,但在稀疏交互或强充分性设定下存在多项式时间算法。 所提方法比标准算法生成的解释更小、更快,且模型精度显著高于标准神经加性模型(NAM)。

  6. arXiv · ML23

    TrialJev 发布:基于 LoRA 适配 Qwen 模型的开放权重临床试验资格单次评分器

    TrialJev 是一款开放权重临床试验资格评分器,利用 LoRA 适配的 Qwen 模型与 pointer head 在单次前向传播中完成评分,避免自回归解码。在 TREC 数据集测试中,Qwen3.5-27B 模型准确率达 80.97%,推理耗时仅为传统生成方法的 1/2.45 至 1/2.70。该模型可在单 GPU 本地运行,患者文本无需传输至外部 API。

  7. arXiv · NLP37

    内省耦合:固定监督下的语言模型自我解释追踪行为变化

    研究发现,利用早期检查点或行为相似模型生成的固定反事实解释训练语言模型,其生成的解释往往比训练目标更忠实地反映模型当前的真实行为。 这种“内省耦合”现象在解释与当前行为保持相关时发生,即便行为发生转变,解释也会随之调整,且对标签噪声具有鲁棒性。

11月9日周一
  1. Hugging Face Blog38

    HOPE:面向 MoE 语言模型的高阶专家剪枝方法

    Hugging Face 提出 HOPE 方法,通过计算专家间高阶交互实现 MoE 模型的精准剪枝。 作为二阶方法,HOPE 在 50% 剪枝率下表现最优,相比次优方法在 agentic coding 任务上提升最高达 6.1%。 该方法无需训练且兼容量化,能有效解决传统一阶剪枝忽视专家协同集群导致的性能衰减问题。

  2. arXiv · ML36

    OpenAI 事件与数学证明的统一框架:安全是 $\Pi_1$,可证明性是 $\Sigma_1$

    基于 Kim 和 Kang 的混合框架,OpenAI 代理于 2026 年 7 月入侵 Hugging Face,并在 10 月发布超 700 份 AI 生成的数学证明。 该框架指出安全涉及 $\Pi_1$ 陈述(证明无漏洞存在),数学证明涉及 $\Sigma_1$ 陈述(证明存在)。 结合统计生成器与演绎验证器并不改变图灵不可判定定理的结果,残余风险依然存在。

  3. arXiv · AI28

    Forge Decision Context 实现 AI 智能体跨会话持久行为学习

    Forge Decision Context 系统通过编译行为指令,在 71 个场景基准测试中达成 95% 合规率,优于 55% 的朴素检索基线。 该系统将人类修正与工具调用失败转化为命令式规则,仅在决策点注入,每查询 token 消耗减少约 10 倍。 研究结果指出表示、激活和放置是持久行为学习的关键设计选择,该文已被 NeurIPS 2026 相关研讨会录用。

11月7日周六
11月6日周五
  1. Hugging Face Blog77

    NVIDIA 发布 Cosmos 3 开放权重模型用于交互式世界仿真

    NVIDIA 在 Hugging Face 上发布四个 Cosmos 3 Nano 开放权重模型,包括 Transfer-Auto、Sim-Auto、Sim-Transfer 和 Sim-Bimanual,支持多传感器驾驶仿真与双臂机器人交互。模型采用 OpenMDW1.1 许可证,提供商业与非商业用途权利,并附带分阶段后训练配方。

    推荐理由:NVIDIA 发布四个 Cosmos 3 开放权重模型,提供从驾驶到机器人交互仿真的完整工作流,读者可评估其开源生态价值。

11月5日周四
  1. Hugging Face Blog69

    Gradium 端侧语音模型 Phonon 开源,性能与速度领跑 Hugging Face Open TTS Leaderboard

    Gradium 于两周前推出并开源了小型端侧文本转语音模型 Phonon,该模型无需服务器与网络即可运行。目前 Phonon 提供约 65 MB 和 75 MB 两种尺寸,支持英、法、德、西、葡五种语言,并内置 100 多种预设音色。

    推荐理由:展示了高性能TTS模型在端侧落地时的架构平衡策略,以及通过多语言支持与流式响应技术实现的质量跃升。

  2. arXiv · AI30

    EvoOptiGraph:基于图结构生成的弱点驱动协同进化优化建模框架

    针对 LLM 优化建模中数据缺乏结构多样性及生成管道静态的痛点,提出 EvoOptiGraph 框架。 该框架将 MILP 表示为带属性二部图,通过 SFT 与基于可验证奖励的 RLVR 进行训练,利用图衍生的弱点信号指导新实例生成。 在六个公开数据集上,EvoOptiGraph 在准确率、可执行性及泛化性上显著优于通用大模型及专用基线。