跳到正文
11月17日周二
  1. arXiv · AI22

    DeCO:通过判别性证据组合实现细粒度数据集蒸馏

    DeCO 方法将细粒度数据集蒸馏转化为预算受限的判别性证据保留问题,并在 CUB-200-2011 等基准上超越现有基线。 该方法利用预训练 TransFG 教师进行注意力展开以识别信息斑块,通过空间多样化减少冗余,并将同类区域打包成紧凑的网格图像。 该研究被 NeurIPS 2026 高效深度学习基础研讨会接收。

  2. arXiv · AI26

    OrganLens 实现 CT 基础模型的器官特异性表征学习

    OrganLens 通过自监督学习实现 CT 基础模型的器官特异性表征,利用共享编码器和器官身份条件生成 11 个器官特定表示。 该模型在 CT-RATE 上将心脏扩大 AUROC 从 0.917 提升至 0.953,在 NLST 上改善肺癌、呼吸和 COPD 死亡率的 Harrell C-index。 它提供了研究跨队列器官特异性疾病的可扩展框架。

  3. arXiv · AI34

    Etas:一种用于智能体系统的效果类型语言

    Etas 提出了一种将智能体抽象为编译器可检查构造的效果类型语言,支持对智能体系统的静态分析与监控。 通过 Rust 实现的编译器与优化器,Etas 在 12 个工作流中减少输入 token 67.8%,执行时间降低 23.2%。 首次类智能体抽象支持递归自我进化,在五轮迭代中任务准确率从 69.9% 提升至 78.9%。

  4. arXiv · AI32

    Orbis 2:一种用于驾驶的分层世界模型

    Orbis 2 提出了一种分层驾驶世界模型,通过解耦高阶预测器和低层生成器,实现了高级别感知保真度与强大的空间语义表示。 该模型采用扩散强制预训练和教师强制微调的两阶段训练范式,在驾驶世界模型的标准基准测试中取得了最先进的结果。 Orbis 2 已被 NeurIPS 2026 接收,项目页面提供了代码、演示和检查点。

  5. arXiv · AI26

    Code-Anchored Review Feedback 提升大 R 文件正确率并降低托管编辑成本

    基于 FileMark 的代码锚定评论格式,在 36 个 R 语言任务、7 个模型实验中,使托管编辑成本降低 20.0% 至 46.3%,并提升 4/5 本地模型的正确运行占比。 实验证实收益源于格式而非措辞,主要来自被引用的代码片段;但锚点错位会显著降低正确率。 该格式在锚点准确的前提下,能有效降低大文件编辑成本并提升弱模型表现。

  6. arXiv · AI29

    MACE 框架解决 LLM 多智能体探索不足问题

    现代 LLM 智能体常因短视和极化交互导致协作次优,MACE 框架通过结构化同伴选择显著提升了探索行为与任务性能。 MACE 在上下文和参数多样性设置下均有效,且实现了亚线性期望遗憾界。 研究强调了显式引导探索对实现可靠多智能体自主性的关键作用。

  7. arXiv · AI22

    语义概念空间中的可解释新颖类别发现 xNCD 框架

    提出可解释新颖类别发现框架 xNCD,通过视觉-语言先验对齐在语义概念空间执行发现与伪标签分配。 xNCD 在 CIFAR-10 取得 92.63% 准确率,在 CIFAR-100 将准确率从 73.2% 提升至 76.45%,并唯一提供人类可读的集群与实例级解释。 该设计通过语义概念瓶颈限制了假设类,使发现的类别具备内在可解释性。

  8. arXiv · AI23

    基于统计校准视角的人类-AI 团队协作研究

    该研究从统计校准角度分析了人类-AI 团队中人类与 AI 模型均具备校准属性的假设。 理论及实证结果指出,现有预测组合方法无法保留人类的校准度,而预测委托方法虽保留下游预测器校准度,但要求决策拒绝模型具备更精细的校准以识别成员优势区。当人类依赖系统无法观测的信息时,这一要求将变得不可达成。

  9. arXiv · AI22

    FundusGround:基于空间定位病变证据的临床医学可解释眼科 VQA 基准

    研究团队发布眼科视觉问答(VQA)基准 FundusGround,包含 10,719 张眼底图像、15,595 个病变标注及 72,706 个问答对。 该基准利用 ETDRS 网格对病变进行空间定位,映射至 9 个临床视网膜区域,支持四类问答格式。 实验表明,引入病变级视觉证据能提升通用及医疗视觉语言模型的性能与透明度,证实了空间定位在可解释眼科 VQA 中的必要性。

  10. arXiv · AI30

    AI4BayesCode 将自然语言转化为可运行的贝叶斯 MCMC 采样器,解决了传统概率编程系统可扩展性有限的瓶颈。

    该系统采用模块化设计,通过预生成和代码生成双重验证及递归有状态编码范式,确保了不同贡献者开发的组件能连贯组合。 实验证明其能从纯自然语言描述实现广泛贝叶斯模型,软件已开源,性能随底层 AI 智能体迭代持续增强。

  11. arXiv · AI36

    CLP-DD:面向预训练视觉模型的闭式线性探针数据蒸馏方法

    CLP-DD提出了一种针对冻结预训练编码器的闭式线性探针数据蒸馏方法,通过样本空间核岭回归求解器替代传统的轨迹匹配或NTK近似。 该方法在ImageNet-100上显著优于LGM(无DSA),在ImageNet-1K上性能持平或超越LGM(含DSA),且速度提升14倍,GPU内存占用降至1/8以下。 代码已开源,相关研究被NeurIPS 2026收录。

  12. arXiv · AI22

    随机因果有向无环图的拓扑排序准则

    研究提出基于节点可达集(relatives)数量的随机因果有向无环图拓扑排序准则。 该准则利用relatives沿因果顺序单调不减的特性进行因果发现,在特定密度参数下表现优异。 研究指出传统模拟多聚焦于狭窄参数区间,并提出时间序列有向无环图采样作为替代方案。

  13. arXiv · AI23

    理解监督如何指导统一多模态模型的视觉生成

    研究提出轻量级框架 UNO,通过理解导向后训练将语义摘要和视觉回归作为监督信号,指导统一多模态模型的生成表示。 实验表明该方法实现了从理解到生成的有效梯度流动,在图像生成与编辑任务中验证了理解作为生成催化剂的有效性。 该工作已被 NeurIPS 2026 接收。

  14. arXiv · AI32

    SplitZip:用于 LLM 分离式推理的超快速无损 KV 缓存压缩方案

    SplitZip 是一种针对 LLM 分离式推理中 KV 缓存传输瓶颈设计的 GPU 友好型无损压缩器,可在不修改模型执行逻辑的前提下实现位级保真传输。 其利用 KV 激活值中浮点数指数的冗余性,采用校准过的 Top-16 指数码本结合固定长度编码与稀疏逃逸流机制。在 BF16 张量上实现 613.3 GB/s 压缩吞吐,端到端传输速度提升最高 1.32 倍。

  15. arXiv · ML28

    scTrilemma:单细胞表征学习中的身份、不变性与保真度平衡

    研究人员提出 scTrilemma,一种用于单细胞 RNA-seq 表征学习的潜在瓶颈 VAE 模型。 该模型通过门控基因 token、路由细胞表征至解码器及基于伪批量条件先验,在无目标标注下解决表征三元悖论。 在 CZ CELLxGENE Census 发布的零样本评估中,scTrilemma 在多项生物状态与差异表达指标上表现领先,代码已公开。

  16. arXiv · AI29

    Project Imaging-X:面向基础模型开发的1000+开放获取医学影像数据集综述

    研究团队发布了迄今最大规模的医学影像数据集综述,系统梳理了1000多个开放获取数据集。该工作指出现有数据集规模有限且碎片化,并提出了元数据驱动的融合范式(MDFP)以整合共享模态或任务的数据。团队同步发布了一个交互式发现门户和统一结构化表格,旨在加速数据发现,支持构建更强大的医学基础模型。

  17. arXiv · ML30

    梯度空间路由:均衡使用不等于专家专业化

    研究者提出梯度对齐路由(GAR)方法,将稀疏专家模型路由视为梯度划分问题。在五个多任务文本分类混合集上,GAR 聚合验证准确率比仅任务损失路由高 1.07 个百分点。使用冻结 DeBERTa 和 Qwen3-1.7B 骨干时,准确率领先 1.10 点,且专家负载更均衡。

  18. arXiv · ML32

    Adam 优化器中隐藏比例结构的稳定性、压缩特性与符号动力学研究

    研究发现 Adam 优化器在 tied-β 机制下可通过转换比例表达,该比例在任务、模型规模和训练阶段中呈现稳定的重尾分布。 基于此稳定性,研究证明使用固定 4-bit 码本存储该状态即可实现与全精度 Adam 竞争的性能,无需辅助缩放,并阐明了其与符号方法(Signum)的理论联系。

  19. arXiv · ML31

    利用 Bellman 分布证书学习机会约束 MDP

    该研究揭示了机会约束 MDP (CCMDP) 的计算难度不一定意味着更高的统计代价,并为表格型折扣 CCMDP 建立了模型上限。 核心方法是构建 Bellman 分布证书,将轨迹级安全分析转化为局部转移不确定性,避免了候选策略上的联合界。

  20. arXiv · ML20

    物理信息共形预测(PI-CP):将 PDE 一致性嵌入无分布不确定性量化

    研究提出物理信息共形预测(PI-CP),将 PDE 残差嵌入非一致性评分,在六个物理场景中实现 89-91% 覆盖率。 该方法证明 FNO 平移等变性导致边界条件近似障碍,坐标通道使其误差降低达 63 倍;在 3D 多物理级联中,将耦合误差从 18.5% 降至 5.0%。 工业应用显示,光纤陀螺仪偏置不稳定性预测较分析基线提升 3.7-8.0 倍。

  21. arXiv · AI34

    VIOLA:实现极简标注视频上下文学习的标签高效框架

    VIOLA 提出了一种结合最小专家监督与大量无标签数据的标签高效框架,旨在解决多模态大语言模型在稀缺标注数据下的泛化难题。 通过引入密度不确定性加权采样、混合池构建以及置信度感知检索与提示机制,该框架在九种基准测试中显著优于各类基线模型。 此研究证明了在低成本标注场景下实现稳健适应的可能性,相关成果已被 WACV 2027 接收。

  22. arXiv · AI26

    AI 生成代码缺陷综述:类型、模式与缓解策略

    对现有研究的系统综述表明,AI 生成代码中缺陷普遍存在,功能性和稳定性缺陷最为常见,且大量缺陷归因于模型幻觉。 模型规模、指令遵循能力及训练数据的质量与多样性是影响缺陷发生的关键因素。提示工程广泛被用于缓解缺陷,但领域特定或语义复杂的问题仍需人工干预。

  23. arXiv · ML20

    LEON:用于世界建模的算子结构化潜空间演化

    LEON 基于控制机械演化推导潜空间转移公式,引入共享算子矩阵与加法更新实现动力学结构化,替代隐式 Transformer 预测。 模型将预训练视觉特征转化为可观测变量,系数由演化的可观测量和动作上下文推断,以调制算子结构。 在单臂和双臂操作任务中,LEON 在包含多种扰动场景下,相比对应 WAM 基线提升了平均策略成功率,并在受控系统评估中展现出优于训练条件的泛化能力。