跳到正文
10月8日周四
  1. arXiv · AI33

    RACER 提出无反例框架,结合查询解读与工具检索优化长视频理解

    RACER 提出一种无需训练的反思性智能体框架,旨在解决长视频帧选择中基于相似度方法的“查询理解差距”和基于判断方法的“解释-选择差距”。该框架由轻量级视频大语言模型将复杂查询重构为子查询,再由嵌入模型作为检索工具定位相关证据,两者形成反射循环以迭代优化。实验显示,即使在组件能力有限时,该智能体整合也能有效提升多种基准测试中的长视频理解性能。

  2. arXiv · AI23

    利用 LLM 生成解释检测情绪改写假新闻的方法研究

    针对情绪改写假新闻检测难题,研究提出 Gated Cross Attention 框架,结合 LLM 生成的原始新闻解释,在 PolitiFact 和 LUN 数据集上实现性能提升。 该方法利用 LLM 为原始新闻生成稳定背景知识,通过自适应融合机制降低情感重构带来的干扰,保持了 GossipCop 数据集上的竞争力。 代码和数据已公开。

  3. arXiv · AI36

    KVFetch:基于时序预取缺失的 KV 缓存压缩方法

    KVFetch 是一种无需训练的即插即用框架,通过时序召回通道解决基于内容的相关性驱逐导致的顺序遗忘问题,恢复模型逐字复制能力。 该框架将驱逐候选降级至量化冷层,并通过单调读取指针检测活跃复制,将位置后继预取至固定大小的热层槽位,不增加注意力成本。 在 RULER-16K 的同预算控制下,KVFetch 将逐字复制指标从 0.8 恢复至 78.4,13 项任务平均分提升 8.4。

  4. arXiv · AI44

    RECAST: 通过自适应证据路由学习计算正确上下文

    RECAST 框架将证据构建形式化为异构检索与计算操作的序列决策过程,在六个基准家族中实现 75.6% 平均成功率,超越最强大型模型基线 15.9%。 该框架由轻量级 RouterLM 迭代选择或定制操作,并指导冻结的 CompilerLM 生成可执行代码,最终由 AnswerLM 生成答案。

  5. arXiv · AI27

    基于LLM自动构建MLIP模型知识图谱

    研究人员报告了一种基于LLM的流程,用于自动构建材料科学中机器学习原子间势(MLIP)模型的知识图谱。 该流程包含多步骤信息提取,并利用SHACL约束进行验证循环以检测错误,支持逐模型迭代更新。示例展示了基于Matbench Discovery排行榜构建的图谱查询功能。

  6. arXiv · AI33

    LLM 在实体对齐评估中的可靠性研究

    研究首次系统评测 LLM 作为实体对齐(EA)裁判的可靠性,揭示标签暴露导致判别能力崩塌的锚定偏差。 J-ROC-AUC 从 0.12-0.87 跃升至 0.93-1.00,强模型对标签更敏感;发布 MeSH-SNOMED CT 基准(15K 对)及审计框架。 为知识图谱集成提供可扩展的评估方案,代码与数据已公开。

  7. arXiv · AI28

    相关性不等于充分性:BFR 如何闭合 LLM 长期记忆 QA 的证据缺口

    论文提出 BFR 框架,在 LongMemEval-S 上将判定准确率从 72.4% 提升至 82.2%,并实现 91.4% 的 Turn Hit。 该框架引入 Gold Hit 和 Turn Hit 作为证据覆盖代理,并通过 FCA-MS 分解问题信息需求以选择紧凑候选子集。 BFR 在 LoCoMo 和 LongMemEval-S 基准上均优于同等存储条件下的近期智能体记忆系统。

  8. arXiv · AI26

    基于测量的框架评估建筑对 AI 问答与控制的就绪度

    针对建筑 AI 就绪度缺乏系统评估的问题,提出基于知识图谱的测量框架,量化可回答性与可控性上限。 在模拟办公楼中,参考 AI 智能体实现了 0.62 的可回答上限;37 个真实建筑数据的中位上限仅为 0.16。 该框架将“建筑是否 AI 就绪”转化为可审计、可排序的改造问题。

  9. arXiv · AI29

    BEACON-SP:面向临床自杀风险评估的本体驱动 GraphRAG 框架

    BEACON-SP 是一个整合自杀预防本体的 GraphRAG 框架,用于支持临床自杀风险决策。 在覆盖 15 个临床类别的 1,500 条查询基准测试中,该框架在 76.4% 的案例中优于向量 RAG 基线,提升了完整性与证据关联度。 该结果验证了本体引导的 GraphRAG 为临床决策支持提供结构化、语境化患者证据的潜力。

  10. arXiv · AI23

    KadiAssistant:面向Kadi4Mat信息检索的对话式AI智能体

    KadiAssistant是一个隐私优先的AI智能体,集成于Kadi研究数据生态系统,利用自托管LLM和基于RAG的语义搜索,帮助研究人员访问、聚合及综合异构且隐私敏感的研究数据。 它通过细粒度访问控制,平衡了数据隐私与高效信息检索的需求,连接不同学科的术语与标准。 该工具降低了研究人员的访问壁垒,强化了FAIR数据原则中“可发现”的核心支柱。

  11. arXiv · AI34

    重构生成式知识检索:RAG 架构与应用综述

    本综述系统梳理了 RAG 作为解决 LLM 静态知识与幻觉问题的核心范式。 文章将 RAG 框架形式化拆解为检索、生成与增强三大组件,涵盖稠密/稀疏检索器及强化学习策略,并以效率、安全性、交互性为轴进行分类。 RAG 架构通过结合外部数据源,显著提升了 LLM 生成的事实可靠性、任务对齐度及可控性。

  12. arXiv · AI57

    研究指出在智能体时代,业务网站的智能体体验(AX)重要性超过答案引擎优化(AEO)

    研究发现随着AI引擎转向实时网络搜索,决定推荐结果的不再是传统的AEO策略,而是智能体能否直接抓取并读取业务网站(智能体体验,AX)。通过37,927个智能体旅程的测试,研究者指出7-10%的最终回答基于模型训练知识,且能正常访问业务网站的回答准确率平均高出41%。具备优秀智能体体验的业务被智能体明确推荐的概率高1.9倍,主要失败原因是智能体对业务信息的遗漏而非模型幻觉。

  13. arXiv · AI43

    DrugMCTS:结合多智能体、RAG 与蒙特卡洛树搜索的药物重定位框架

    针对 LLM 在药物重定位中受限于预训练知识的挑战,提出 DrugMCTS 框架。 该框架整合 RAG、多智能体协作与 MCTS,通过五个专门智能体检索分析分子与蛋白信息,实现结构化迭代推理。 在 DrugBank 和 KIBA 数据集上,DrugMCTS 相比通用 LLM 和深度学习基线展现出更高的召回率与鲁棒性。

  14. arXiv · AI30

    SEMAADB 发布:首个包含3000个工程上下文的SysML一致多图数据集与基准

    SEMAADB 发布包含 3,000 个工程上下文和 15,000 张 SysML 图表的数据集,并评估了语言模型在图表修复和跨图更新任务上的表现。 该数据集包含五类相互关联的 SysML 视图,其中 100 个上下文经人工验证形成基准测试集,最强模型在语义错误修复任务中准确率为 64.3%。 基准测试表明,模型在语法修复方面接近解决,但在跨图表语义一致性和更新任务上仍具挑战性。

  15. arXiv · AI23

    面向海事系统的可解释故障预测与预防架构综述

    提出了一种整合数据获取、时序预测、异常检测、风险评估、决策制定及可解释 AI 的闭环概念架构。 该架构旨在支持海事系统中自主或人机回路的纠正行动。 文章重点综述了相关海事研究的现状、方法优势及在不确定性、模型泛化和数据可用性方面面临的挑战。

  16. arXiv · AI21

    OTel 开源电信 AI 数据集、基准与模型资源

    OTel 发布开放电信 AI 资源,包含 30 个全参数后训练基线模型,覆盖检索、重排序及指令微调等场景。 资源提供 10 个嵌入模型、3 个重排序器及 17 个语言模型的训练数据与评估分区,各模型性能分别达 93.1% NDCG@10、0.947 MRR@10 和 87.8% 准确率。

  17. arXiv · AI42

    PERSIST:用于全双工语音对话的跨会话Who-What-When记忆系统

    PERSIST提出了一种针对多会话、多说话人语音对话的持久记忆系统,通过3W联合评分机制结合语义、声学身份和时序状态进行检索,将检索延迟从578.42ms降至7.03ms。 系统引入SpokenTrace基准测试,PERSIST在此任务中达到85.08%的端到端任务准确率,并将BGE-large的EM@3指标从49.01%提升至82.10%。

  18. arXiv · AI45

    MEMTRIM:一种缓解 LLM 智能体推理时记忆过度依赖的即插即用框架

    研究指出 LLM 智能体检索的记忆若部分重叠会误导推理,提出即插即用框架 MEMTRIM 缓解此问题。 MEMTRIM 在写入时索引证据、读取时控制复用,无需重训练即可消除重复或冲突信息,保留有用记忆。 该方法在多种模型和记忆架构下降低了记忆过度依赖,同时保留了有用记忆带来的收益。

  19. AWS Machine Learning Blog23

    Amazon Quick 与 Bedrock 如何通过实时 ACL 增强 RAG 访问控制

    Amazon Quick 和 Amazon Bedrock 通过实时 ACL 检查,在查询时直接向数据源验证权限,解决了 RAG 中访问控制滞后的问题。 该系统采用混合架构:首先利用向量索引进行语义搜索和预检索过滤,随后调用 Google Drive 等权威 API 实时验证候选文档,确保仅将用户有权访问的内容传入大语言模型。

10月7日周三
  1. arXiv · NLP20

    合成研究验证中的行为后果与表征公平

    研究指出,基于大语言模型的合成受访者验证常偏离实际后果,建议采用新框架修正。 该框架要求声明与人类数据的对应层级,针对四个诊断维度进行评估,并必须报告子群体的效度结论。 框架将分配、程序及承认公平三个维度量化,通过电动汽车充电资费案例应用,旨在提升合成研究的公平性。

  2. arXiv · NLP37

    Smart Content Ingestion for Generative AI Workloads

    该论文提出了一种生产级内容提取系统,旨在解决生成式AI工作负载中异构企业数据(如PDF、表格)的提取难题。系统在180份文档语料库上,最佳提取器得分97.4/100,特征错误率0.13%,表格相似度0.995;分块器在25,050个生成问题上达到Hit@1 68.6%,MRR 0.77。

  3. arXiv · NLP24

    Jev作为财务证据判决器的压力测试:同数值引用交换

    研究通过控制操作数与算术运算,测试Jev作为GPT-4.1-mini财务计算追溯验证器的表现,揭示同数值引用交换下的角色识别问题。 实验包含36个新源页面的构建后续测试,通过非作者审核员标记,暴露了角色错误检测与有效引用保留之间的权衡,使数值正确性、引用角色支持和接受结果可独立评估。

  4. arXiv · NLP26

    大型语言模型参数内记忆增强综述

    该综述聚焦于利用参数化对象在推理时增强 LLM 的记忆能力,提出以参数放置位置和获取时间两个维度构建分类体系。方法涵盖 Embedding、Attention 及 FFN 等层级的参数注入,并对比在线与离线获取记忆对象的差异。文章探讨了干扰、安全及递归自我改进等开放方向。

  5. arXiv · NLP28

    Foresight-over-Graph:面向知识库问答的超越局部视野推理框架

    提出 Foresight-over-Graph (FoG) 框架,用于解决知识库问答(KBQA)中因局部贪心剪枝导致的证据缺失问题。 该框架通过“远到近”反馈引导路径探索,并维护紧凑的记忆子图以支持持续探索。 在 KBQA 基准测试中取得 SOTA 性能,其中 CWQ 任务的 Hit 指标提升 16.58%,同时减少了 LLM 调用次数和 token 用量。

  6. arXiv · NLP38

    Redpine Science 四象限评测报告

    Redpine Science 提供模型访问同行评审文献的通道。在 ScholarQABench SciFact 上,接入该工具的 Agent 回答正确率为 94.4%,无检索时仅为 87.6%。 专家验证问题集中,其表现优于网络搜索;检索基准 Recall@10 达 83.1%,Precision@5 为 75.2%。 研究公开了专家验证问题集及复现结果的全部指令。