Agentic AI 驱动的动态综述框架
该框架将学术综述重构为长期维护问题,通过智能体(Agentic AI)实现综述文档的持续更新,使其能随研究进展动态演进。 框架采用回顾性实验验证,能在增量整合新研究的同时,保持综述结构与连贯性,有效解决因研究产出快速增长导致的综述过时与碎片化问题。
该框架将学术综述重构为长期维护问题,通过智能体(Agentic AI)实现综述文档的持续更新,使其能随研究进展动态演进。 框架采用回顾性实验验证,能在增量整合新研究的同时,保持综述结构与连贯性,有效解决因研究产出快速增长导致的综述过时与碎片化问题。
研究证明门控注意力矩阵可分解为分层专家混合,其学习可重构为专家估计问题。 结果显示门控注意力比多头自注意力更具样本效率,恢复参数仅需多项级数据,而后者需指数级数据。 该分析为门控注意力缓解 Attention Sink 现象及低秩瓶颈提供了理论依据。
研究团队提出一种轨迹探测协议,通过截断并重新注入部分推理轨迹来评估模型预测答案的动态变化。 该协议应用于 Qwen3-4B/8B/14B、gpt-oss-20b/120b 等七款开源模型及 GPQA Diamond、MMLU-Pro 等四个基准。结果显示准确率随推理 token 比例增加而提升,且强模型常复现弱模型的错误,但允许进一步推理可显著恢复正确率。
研究人员系统评估了将用于分类的表格基础模型(TSM)应用于离散时间生存分析的方法。 提出了直接建模累积失效概率的新方案,证明了在标准删失假设下,最小化加权交叉熵损失可恢复真实生存概率。 在60个现实数据集上的测试表明,TSM配合分类归约方法在多个生存指标上表现优于或与经典及深度学习基线持平。
提出自适应逐层变换框架,将 LLM 量化中的激活和权重离群值转化为可微分优化问题,并根据权重分布峭度指导逐层选择最优变换。 在 LLaMA-3-8B 模型的 W3A3KV2 低比特量化下,该方法比现有最优方法 FlatQuant 降低高达 4.58 点的困惑度,并将六项零样本任务的平均准确率提升 2.11%。 该工作证明了采用异构逐层变换策略对于实现最优 LLM 量化是必要的。
提出 Space Group Conditional Flow Matching 生成框架,通过在给定空间群和 Wyckoff 位置条件下采样,使生成结果更接近目标的高对称稳定晶体分布。 该框架使用条件对称噪声分布和群条件等变参数向量场限制原子运动,利用高效的群平均重构将对称化计算开销降至可忽略水平。 在晶体结构预测和从头生成基准测试中达到 state of the art 结果。
研究人员提出 GCSL-NF 方法,通过评估轨迹在重新标记目标下的正向表现及原目标下的修正反馈来优化学习,克服了现有 GCSL 仅依赖成功结果且强化固有偏差的局限。
提出误差反馈校准(EFC)框架,在测试时对时间序列预测进行事后确定性修正,显著降低有害过度修正。 该框架通过因果误差对角线构建失败行为视图,利用累积误差传输映射未来残差,并结合时间残差学习预测剩余结构。
符号分支网络 SBN 将决策树映射为神经元,在 29 个多分类数据集上平均准确率从 84.0% 提升至 87.9%。 该模型固定分支到类矩阵 W2,通过梯度学习特征到分支矩阵 W1,显著优于教师集成模型,统计检验 p 值为 4.71x10-7。 SBN 提供显式结构基础,允许通过分支神经元追溯预测,支持特征级和分支级解释。
提出 JUSSA 框架,通过诚实导向向量生成对比替代方案,提升 LLM 评判器识别细微不诚实的可靠性。 GPT-4.1 评判器的 AUROC 从 0.893 提升至 0.946,Claude Haiku 从 0.859 提升至 0.929,且在人工验证的数据集上表现显著。 研究指出导向向量可作为白盒审计工具,在模型中间层最有效,开启了评估而非输出优化的新方向。
研究人员提出 MADAC 算法,通过双策略迭代保证收敛到广义纳什均衡,在保持可行性的同时提升性能。 该算法引入控制不变集(CIS)解决约束违反问题,适用于高维复杂系统的安全 MARL 任务。 实证结果显示,MADAC 在现有基准测试中显著优于其他方法,在提高奖励的同时减少了约束违规。
神经图模拟器(NGS)提出了一种数据驱动框架,直接从噪声和不完整的观测中学习多变量连续时间动力学,无需预知控制方程。 通过图网络架构,NGS 利用时间间隔作为直接输入近似状态转移积分,避免了数值积分,支持非均匀时间步长和异质时间尺度,并能泛化到未见过的图结构。 在涵盖线性扩散、混沌动力学等基准测试中,NGS 展现了与数值求解器竞争的准确率,并在计算密集场景下实现了显著加速。
研究人员开源了名为 quanda 的 Python 工具包,旨在标准化训练数据归因(TDA)评估流程。 该工具集涵盖了图像分类、文本分类和语言建模等基准测试,并提供了统一的接口以集成不同的 TDA 实现。 其比较研究发现,现有 TDA 方法在不同指标间存在忠实度与下游任务性能的权衡,未表现出全面优势。
提出采用自适应鲁棒优化(ARO)构建时序预测线性回归集成模型,模型权重随时间自适应调整。 在真实场景(如空气质量、能源、台风)中,该方法的RMSE比最佳单模型低16-26%,CVaR降低14-28%。 论文被NeurIPS 2026接收,代码已开源。
ProofLoom 是一个全自动 LLM 智能体系统,用于在 Lean 中构建随机优化的算法模型和领域理论。在 15 个教科书和论文任务中,其平均人工评分为 6.3/7 和 6.4/7,高于最强基线的 4.9/7 和 5.0/7。 系统在 33 次开发中生成 490,693 行无 sorry 的 Lean 代码,并在 22 次开发中发现 28 处已验证的公式错误或证明缺口。
Vestrum 通过改进现有智能体框架组件,从 1 到 10 个长开发轨迹中学习,在五个设置中提升了未见任务的性能。 在 Claude Code 上,Vestrum 将 Terminal-Bench 4 Hard 从 63.7% 提升至 70.3%,在 GAM 系统上将 UltraHorizon 从 47.6 提升至 59.8,且泛化过滤器防止了过拟合。
Hyperlyve 框架引入并行算法,通过枚举 ReLU 激活形成的超平面排列来认证非线性动力系统的渐近稳定性。 该框架在反例指导归纳合成(CEGIS)循环中学习并正式认证连续分段仿射(CPA)神经 Lyapunov 函数,且比竞争工具快 150 倍。
summary_zh: 提出“结构化思维”方法,通过两轮推理提升 LLM 因果推断。Qwen3.5-27B 在 Corr2Cause 基准上 F1 从 77.5 升至 86.5。
提出SADL方法解决JEPAs中的表示坍塌问题,无需额外参数或架构改动。 通过约束编码器以匹配正则化器需求,SADL将坍塌率从50%降至0%。 在控制与图像分类任务中提升学习速度与稳定性。
针对 AI 代理中工具调用成功但工作流失败的问题,提出效果历史模型并整理八种外部效果异常,指出黑盒工具调用无法提供通用保证。 基于官方 MCP 注册中心 98,291 个工具的测量显示,现有标准注释词汇仅提供粗略提示,无法完整表达排除异常所需的能力。 该研究动机是推动在工具边界建立可复用的事务性契约。
summary_zh: 研究基准测试了变分量子循环神经网络(QRNN)在时间序列预测中的记忆与非线性处理能力。结果显示,量子模型性能与经典模型相当,但经典模型在研究范围内随记忆尺寸扩展性更好。
研究人员提出多智能体关系信念优化框架 MARBO,利用关系信念指导 LLM Agent 的策略决策与游戏内语音。该框架仅在行为由可靠信念支持且带来有利社交结果时提供偏好反馈,确保学习一致性。实验表明,MARBO 使小型 LLM Agent 持续优于现有基线,代码已开源。
R 包 ONAM 通过正交神经网络加性模型拟合,实现了黑盒预测的事后可解释性分解。该包提供函数分解技术,将预测结果分解为与不同输入特征相关的组件,并满足分层正交性条件,确保所有组件可识别且唯一定义。作为模型无关方法,ONAM 支持广泛的预测模型应用,并包含可视化和量化可解释性评估功能。
QuantumEvo 框架将 LLM 用于生成感知量子电路成本(QCC)的 BDD 变量排序启发式,在基准测试中相对最优基线实现了 70.9% 的平局或胜率。 该框架演化出的 HGA-QE 启发式通过调整遗传算法内的 sifting 步骤对齐 QCC,并在 13.5% 的函数上取得严格最优。
在线共形预测中,长期覆盖率约束与即时覆盖率稳定性存在权衡。论文证明当长期覆盖率偏差界为 O(T^{-β}) 且 β∈[0, 1/2] 时,可构建两全算法;若 β∈(1/2, 1],则无法同时优化即时覆盖率。该结论揭示了在线预测中鲁棒性与稳定性之间的理论界限。
BioSync 提出紧凑型 Transformer 跨模态融合架构,参数仅 1,119,INT8 量化后内存占用 1.3 kB。 该模型在 11 种合成生理机制和 5 个真实数据集上测试,最坏情况遗憾值为 0.034,优于 0.048-0.107 的基线。 研究实证了紧凑 Transformer 融合在连续可穿戴部署中的优势及简单基线仍具竞争力的场景。
提出 REVISE 运行时,通过细粒度依赖追踪解决 Agent 工作流修订时正确性与效率的权衡。在基于 Qwen3-14B 的测试中,相比完全重启减少 40.6%-56.0% 的模型调用。在真实编码 Agent 追踪中,实现了无陈旧输出的精准恢复。
研究提出一种结合交替有限自动机(AFA)关系结构与语言语义的代数信息管道,用于序贯决策中的控制特征学习与紧凑执行算子编译。 在 XLand 实验中,池化执行状态向量在 16 个操作符槽位下,多事件任务成功率达 77.3%,四任务层成功率达 99.4%。 结果证实了代数信息表示学习对紧凑任务执行的有效性及策略条件化的实用价值。
研究发现,针对洛杉矶街景数据,编码器适配将区域地理定位准确率从 39.03% 提升至 75.94%-82.10%,显著优于冻结编码器。 实验显示,适配模型对场景构型扰动更敏感,预测切换率高达 42.92%-45.56%,而冻结方法仅为 10.79%-14.60%。 结果表明,编码器适配改善了邻近区域判别能力,且预测并非仅依赖粗粒度结构。
针对 Shapley 值计算的高昂成本,提出结合分层抽样与联盟杠杆得分的采样估计策略,在 Owen 多线性扩展框架内加速特征重要性分析。 该方法显著降低了指数级偏导数计算的复杂度,在维持解释准确性的同时大幅减少计算开销,适用于大规模机器学习模型的可解释性场景。
论文提出利用二阶心理理论(ToM-2)生成理解陈述,修正教师对学习者知识模型的过时偏差。 在模拟实验中,完美教师引导下的学习者所需学习轮数约为传统学习者主导查询的一半;在四名协作教师交替教学中,ToM-2 陈述能比平均信念陈述更好恢复性能优势。 该研究在 n=101 的人因实验中验证了 ToM-2 陈述在降低 regret 方面优于无信息引导教学,提升了最终奖励对齐度。
RISE-RL 在 4B 和 14B 模型实验中取得无引导评估最高分,平均分别比 Rubric-RL 高 1.3 点和 3.3 点,创意写作提升 6.0 点。 该方法利用未满足的评分标准筛选特权轨迹,通过辅助目标优化引导信号,并在收益减弱时移除。
该研究证明了对于一阶系统形式的非线性偏微分方程,若满足稳定性与Lipschitz连续条件,最小二乘残差等价于PDE兼容范数下的误差。 验证了单调反应、扩散及压缩Neo-Hookean超弹性模型。在有限元空间中训练神经算子,推理时损失差值可有效估算误差,精度优于网格基线。
研究首次系统分析大语言模型对逆关系方向性的建模能力,基于包含5457个实例、覆盖27类逆关系标签的基准,评测了5个开源LLM。 发现模型在逆关系分类中存在系统性不对称,关系描述未带来一致性能提升,且模型性能对实体表示的变化较为敏感。 该研究已被EACL 2027 Findings接收。
该研究探讨无外部预训练数据的生成式数据增强对分类器测试准确率的影响,通过四个骨干网络在六个数据集上的实验,界定了合成数据带来的超额风险上限。 理论表明,当生成与真实数据分布差异较小时,合成数据增益最大;总变差距离下界较大的生成器在六个数据集中的五个上效果较弱。
自注意力机制被证明是实空间 Dyson 迭代,其 Boltzmann 核充当二体自能。 该机制能捕捉关联物质中的非局域二体关联,弥补 DeepSets 均值场模型缺陷。 研究阐释了注意力机制在双体相互作用宇宙中有效性的物理本质。
SkillBoost 提出三阶段框架,在 23 种模型-基准配置中实现 SOTA 性能并有效缓解技能过拟合。 该框架通过结构化利用、先验引导探索和验证接受机制,确保在性能提升的同时不回归已解决案例。
CADENCE 利用 BatchTopK 稀疏自编码器将超过 900 万个 ECG token 的 Layer-6 嵌入分解为 8,192 个稀疏心脏原子。 这些原子在临床表型和波形形态上的平均 AUROC 分别为 0.88 和 0.90,显著优于密集维度的 0.78 和 0.83。 该框架提供可扩展方法,用于发现并审计 ECG 基础模型中编码的生理知识。
研究人员提出AMRT框架,解决现有神经解码方法在跨被试和任务迁移中的泛化局限。该框架采用两阶段设计,通过速度估计锚定局部运动并精炼长时程轨迹。在三个数据集上,AMRT展示了向未见试验和神经记录范式迁移的潜力,验证了共享神经表征的价值。
针对大规模数据下神经后验估计计算成本高的问题,研究提出利用低维 sketch 近似条件密度,仅需 2p+1 个随机 sketch 即可保证后验一致性。 该方法在与最先进嵌入网络性能持平的同时显著提升了计算效率,解决了手工设计统计量难度大及学习统计量成本高的难题。