跳到正文
10月20日周二
  1. arXiv · ML21

    TCMScience:面向中医药的科学发现自主智能体

    研究团队推出 TCMScience,一个将语言模型建议与执行权限分离的中医药科学发现自主智能体。 其架构包含信任内核与科学编译器,能力注册表涵盖 29 个领域的 444 个类型化操作及 12 个领域的 150 个原生工具。 在治理消融实验中,双层控制机制使 121 类构建错误中的误报率从 121 降至 0,仅保留 10 个合规对照组。

  2. arXiv · NLP42

    WeAct 通过动态权重切换解决长程智能体灾难性遗忘问题

    WeAct 提出将权重级内部动作引入智能体动作空间,利用冻结主干上的独立 LoRA 适配器实现按需能力组合,有效避免共享参数更新导致的灾难性遗忘。在八个深度研究基准上,基于 Qwen3-32B 的 WeAct 平均准确率较全量微调提升 6.2%,较最强静态 LoRA 合并方法提升 27.5%。该方法支持模块化持续适应,更新特定适配器时无需改动主干及其他适配器。

  3. arXiv · NLP60

    WildAWM:用于通用计算机使用智能体训练的环境合成管道

    论文提出 WildAWM 管道,利用开源模型合成支持 GUI、MCP 和 CLI 的可控环境,并合成 341 个长程任务对。在合成世界中训练的 Qwen 模型在 8 个分布外基准测试中实现显著提升,展示了该环境生成方法在计算机使用智能体训练中的泛化能力。

    推荐理由:论文提出 WildAWM 管道,通过开源模型合成支持多接口的高难度计算机使用环境,解决了任务生成中的可解性与验证难题。

  4. arXiv · NLP30

    ASTOR:用于软约束优化自动公式化的基准测试与改进

    ASTOR 发布了一种推理时框架与 SoftOR 基准,将自然语言决策问题映射为语法引导的抽象语法树(AST),再确定性编译为可执行的优化代码。 该框架在 SoftOR 上取得了可比较的单请求及多智能体 LLM 方法中最佳的聚合准确率,并在仅包含硬约束的标准自动公式化基准上保持竞争力。 ASTOR 提升了处理现实世界中混合硬约束与软约束决策问题的自动化建模能力,代码与数据已公开。

  5. arXiv · NLP28

    HarnessRL:面向开放式 RL 的即时训练框架

    summary_zh: HarnessRL 是一种随策略共同演化的训练时框架,用于解决基于量规的强化学习中奖励失效问题。 该框架通过任务采样、轨迹引导和量规标准三个接口进行即时优化,并在 Rubric-Mix-10k 数据集上比最强基线高出 2.8 至 3.1 分,同时将近似减少一半训练步数。

  6. arXiv · NLP23

    向量空间中的概念表征:迈向意义变化的跨学科研究

    该研究提出一种测量框架,利用 transformer-based 句子嵌入将标准化文本响应映射到高维共享向量空间,使概念表征可被实证访问。 框架开发三条分析路径:比较概念间表征共享度、识别关联变量、检验子群体偏差,并基于大规模自由联想数据集展示应用。 配套 GitHub 仓库提供现成实现,支持现有及自定义数据集分析。

10月19日周一
  1. 硅基流动73

    Open Notebook 开源,提供 4 万星的 NotebookLM 平替并默认接入硅基流动

    Open Notebook 在 GitHub 获得 4 万 Star,定位为开源、多模型且注重隐私的 NotebookLM 替代方案,支持全文与向量搜索、引用溯源及播客生成。

    推荐理由:Open Notebook 将多模型配置交给用户,并通过默认接入硅基流动,让知识库的部署、模型选择和隐私控制都可以按需组合。

  2. arXiv · ML33

    AceFF:面向小分子药物发现的最先进机器学习势

    研究者推出 AceFF,一款针对小分子药物发现优化的预训练机器学习原子间势(MLIP)。 该模型基于 TensorNet2 架构改进,在药物样化合物数据集上训练,平衡高通量推理速度与 DFT 级精度。 提供 AceFF-2 和 AceFF-2-OMOL 两个模型,支持 H、B、C 等元素及带电状态,权重和推理代码已公开。

  3. arXiv · ML35

    HardEval:执行验证的 AI 驱动安全加固与合规修复基准

    发布 HardEval 基准,用于评估大语言模型在实时操作系统上的安全加固能力。该基准基于 Red Hat Enterprise Linux 8 STIG 控制项,通过执行 Bash 脚本并运行 OVAL 检查进行评分。测试显示不同模型在安全域的能力差异巨大,且主要失败模式为生成看似合理但不满足精确合规条件的代码。

  4. arXiv · NLP70

    MuninAI:面向独立研究团队的自托管智能体框架

    arXiv论文介绍了开源框架Munin,其为自托管科研助手提供索引语料和引用图谱,并包裹开放权重模型提供专业阅读、搜索和计算工具。在199个配对文献问题上,该框架将基础模型准确率从0.387提升至0.874。

    推荐理由:论文提出了自托管智能体框架Munin,通过评估证明外层工具比模型本身更能提升科研文献问答准确率。

  5. arXiv · ML35

    LangNCO:将自然语言约束编译为神经组合优化推理时干预

    LangNCO框架通过预训练LLM将自然语言需求转化为DSL规则,对冻结NCO求解器实施推理时干预,无需重训练。 在CVRP政策测试中,该框架在四个主要数据集上实现100%可行性,平均参考间隙为1.63%至3.26%。 该方案通过可检查的语言规则实现模块化后训练适应,保持求解器架构与参数不变。