跳到正文
10月9日周五
  1. arXiv · NLP33

    GLM-RAG: 基于图语言模型的图检索增强生成

    GLM-RAG 提出基于图语言模型(GLM)的检索器,在两个多跳基准上达到 SOTA,域外泛化性能优于 GNN 和向量搜索。 微调 GLM 检索器在域外数据上表现更佳;GNN 检索器通过高效训练实现更高图覆盖率;向量搜索基线在单跳数据集上占优。 论文已被 AACL-IJCNLP 2026 接收,证实了 GLM 在结合图结构与语义信息于 RAG 任务中的有效性。

  2. arXiv · NLP25

    SERL-SQL:面向文本转SQL强化学习智能体的选择性事后蒸馏

    SERL-SQL通过选择性执行基础事后蒸馏,在多轮Text-to-SQL智能体上实现76.56% BIRD-Dev与89.92% Spider-Test执行准确率。 框架利用教师模型重评分学生动作,将执行反馈转化为有界掩码权重,重新加权GRPO优势值以进行局部信用分配。 实验表明其奖励选择策略接近最佳N候选上界,优于基于一致性的选择方法,代码即将开源。

  3. arXiv · NLP43

    表格数据对话任务消歧:基于泄漏感知机制的基准套件 AmbiTab 与强化学习训练方法

    研究人员提出模糊可验证任务框架,发布基准套件 AmbiTab 统一六个数据集,以区分任务消歧与解决方案生成。 框架将代理分解为询问策略和解决策略,利用无裁判泄漏诊断评估信息泄露,并通过强化学习优化询问策略。 训练后的询问策略在六个数据集的消歧指标上均有提升,五个数据集的任务成功率也得到改善。

  4. arXiv · NLP21

    QGMem:面向长期对话智能体的事件中心记忆与查询感知图增强

    提出 QGMem 框架,将长对话历史转化为事件索引的原子记忆单元,并在查询时构建紧凑工作记忆图。 通过混合检索获取互补候选记忆,利用查询感知重排序激活相关单元,并将局部图编码为图 token 辅助 LLM 推理。 在 6 个基准测试中,QGMem 在检索、多跳证据组合、冲突解决及超长对话推理上均取得一致提升,且推理成本适中。

  5. arXiv · NLP28

    LLM 集成应用形态综述:从聊天到自主 AI 智能体系统

    该研究系统评估了 LLM 在软件系统中的七种架构形态,指出市场标签如 Copilot 和 Agent 确实对应不同的架构设计,而非纯粹的品牌营销。 在 22 个示例系统的分析中,Copilot 被定义为在逐步用户确认下操作宿主应用的“路由-工作者”架构,而 Agent 则对应 AI 规划多步执行且用户仅见结果的架构,四大供应商的编码智能体均采用共享子智能体的“推理-行动”循环。

  6. arXiv · NLP32

    DPPM:用于个性化语言模型的双路径参数化记忆

    DPPM 提出双路径参数化记忆架构,在 PersonaMem-v2 达到 54.22%,PrefEval 达到 86.79%。 该模型通过 Evidence 路径池化交互历史保留早期证据,Delta 路径顺序更新关联状态捕捉变化,融合后生成 LoRA 适配器。 这种设计支持跨会话个性化参数化记忆,在多个骨干模型上表现优于基线方法。

  7. arXiv · NLP31

    CogMem:基于PEC²F图架构的可进化认知记忆系统

    引入CogMem认知记忆架构,采用PEC²F图模式区分来源归属的Claim节点与无归属的Fact/Event节点。 通过增量转换对话轮次为带溯源的图记录,并结合4种确定性图算子(锚定、遍历、交集、证据接地)实现查询相关上下文重构。 在LoCoMo和LongMemEval基准测试中表现强劲,尤其在多跳、时序和知识更新任务上优势明显。

  8. arXiv · NLP29

    临床医生使用大语言模型的方式与其评测基准存在偏差

    基于 35 个专科 8 个月内的 127,833 条真实查询分析显示,当前基准测试仅覆盖 31% 的实际任务组合,且多数基准未包含文档记录请求。 研究构建了临床 AI 基准图谱,发现前沿模型评测基准与实际临床工作相似度低于均匀分布,无法准确预测实际部署性能。 这表明基准分数难以反映临床 AI 在实际工作负载中的表现,评估体系需重新匹配真实的临床使用场景。

10月8日周四
  1. arXiv · ML28

    EntroPrefill: Rényi 指导的检索增强生成上下文剪枝及其条件稳定性保证

    EntroPrefill 提出一种 Rényi 引导的预填充剪枝机制,通过显式约束丢弃注意力质量保障上下文可替换性。 该机制包含混合到头部删除包络、可行令牌移除上界及有限样本观察者保证,并推导了条件 Transformer 扰动界限。 文章为纯理论框架,未包含实证加速、任务准确率保留或基准测试。

  2. arXiv · NLP38

    针对 LLM 维护的 Wiki 知识库渐进式披露的预注册消融研究

    在一项预注册研究中,针对 709 页 LLM 维护的 Markdown 知识库测试了渐进式披露策略。研究发现,即使采用仅读取紧凑目录和单行摘要的渐进式方法,答案质量仍与原始知识库持平,且在所有测试条件下成本均显著降低。 然而,研究揭示了两个主要局限:人类评分员与模型裁判的评分一致性远低于预期,且在强制加载目录及更严格的评分标准下,质量优势未能得到验证。

  3. arXiv · NLP32

    多向量视觉文档索引反演攻击与防御研究

    研究揭示多向量视觉文档检索器存在索引反演漏洞,攻击者可仅凭存储的向量数据库重构原始文档页面,敏感性被低估。 在 ViDoRe v3 基准测试中,直接反演可恢复 47% 词汇及 45% 敏感信息,且作为查询命中源页面的概率达 98.4%;引入 token 池化与打乱后词汇召回率降至 8% 左右,模型重建顺序可将首排命中率提升至 93.5%。

  4. arXiv · NLP25

    解释信息检索中查询扩展性能的研究

    该研究通过理想扩展查询和可分性两个视角,解释查询扩展在信息检索中的性能差异。 研究开发了可分性度量方法,并基于 TREC Robust 等数据集进行了大量实验。 实验表明,接近理想扩展查询的检索效果更好,且相关与非相关文档的可分性是理解性能的有效补充视角。

  5. arXiv · NLP35

    EncBank 跨 LLM 查询的紧凑可复用记忆

    EncBank 将预训练 LLM 下层作为可复用文档编码器,紧凑存储输出供上层读取器使用。在 Qwen3-8B 任务中,4-bit 存储保留 28.1% 原生精度 GPU 持久存储,预填充速度提升 1.40 倍。 技术细节上,自蒸馏后缀适配器共享存储精度,无需量化重训练。该配置通过 89 个 Terminal-Bench 2.1 任务中的 70 个。

  6. arXiv · AI23

    Madeleine 论文:通过模拟人生学习对话记忆中的非自主回忆

    论文提出 Madeleine 框架,通过离线 LLM 生成模拟人生数据训练查询编码器,实现在线零 LLM 调用的记忆关联检索。 在 LoCoMo-Plus 协议下,Madeleine 接入 HyperMem 时达到 66.6 分;单独使用时零 LLM 调用,上下文消耗约为原系统的 1/21,得分 52.4。 该框架可显著增强 T-Mem 系统性能,提升 26.2 分,且不影响常规问答能力。

  7. arXiv · AI21

    安全检索增强生成(Secure RAG)综述:SLOT 分类法与 135 项研究分析

    该综述将安全 RAG 定义为保护外部知识访问,系统梳理了 135 项关于攻击、防御及安全评估的研究,并提出 SLOT 分类法(攻击面 S、防御层 L、目标 O、范围 T)。 研究发现三类不匹配:T2 攻击领先于防御与评估、S1 攻击数量多于 L1 防御、流畅的 S1 攻击挑战基于异常的 L2/L3 防御。 讨论未来方向,包括更真实的目标、完整防御栈、标准化评估及多模态与智能体系统安全。

  8. arXiv · AI21

    检测法国法院判决中的隐性法律引用:专家分歧处的模型失效研究

    研究发布了一个包含 1,015 个段落-法条配对、由三位法律专家标注的基准数据集。 核心发现是专家产生分歧的案例(约占三分之一)正是模型失效的高发区,最佳集成模型的整体 F1 分数仅为 0.70,且三分之二误报集中于此。 将任务重构为 Top-k 排序并引入多模型共识机制后,基准前 200 个候选项无需监督即可达到 76% 的查准率。

  9. arXiv · AI23

    AI 辅助地质条件化与解释工作流用于隐式地质建模

    研究者开发了 AI 辅助工作流,通过自监督 CNN 降噪及半自监督方法解释 300-3500m 地震数据中的构造层与断层,支撑隐式地质建模。 工具已在荷兰 Leeuwarden 和 Waalwijk 三维地震数据立方体中完成 Maassluis 层顶界解释演示。 该研究证明 AI 辅助解释工作流已成熟,可集成应用于地质建模与决策。

  10. arXiv · AI33

    牛津OCIR实验显示:生成前结构化引导使AI企业决策文档质量提升32%

    随机在线实验表明,在生成前使用Cognistance进行结构化引导,AI辅助决策文档综合质量提升32%。 该原型要求用户先澄清上下文并选择策略方向,将低质量交付率从34%降至5%,平均耗时增加2.4分钟。 研究显示该介入能显著改善任务相关性,未来需重点验证长期记忆效果及在真实组织中的应用。

  11. arXiv · AI25

    面向 EDA 文档 QA 的功能感知检索方法

    该方法通过重新设计 RAG 的基本检索单元,将类型化构件收集为带有超边的功能单元,并在编码器对齐后结合直接块检索与统一重排序器生成答案。 在自建 EDADocEval-QA 数据集上,该方法相比 Chunk RAG 的 ROUGE-L 提升了 37.1%,比最强图基准提升 55.6%;在公开 ORD-MMBench 上比最强基准提升 30.0%。

  12. arXiv · AI20

    评估轨迹特征对最终层注意力路由的影响

    研究评估隐藏状态外推误差、曲率等轨迹特征能否提升注意力路由预测,结果在六项预设比较中均未显示正向增益。 在 Qwen3.5-4B-Base 上,参数匹配的固定投影控制比轨迹路由器 NLL 低 0.00356 nats/token。 次要结果依赖于操作移除类型,且学习型路由器在缓存续写时保持较慢速度。