PlanDiv:通过潜在计划实现视觉语言动作模型测试时缩放
提出 PlanDiv 动作头,利用潜在计划假设提升视觉语言动作模型测试时缩放效果。 轻量级规划器提出 K 个潜在计划假设,共享掩码扩散执行器解码动作块;仅在演示数据上训练,无需计划标签或奖励。 在 CALVIN ABC→D 五任务链上成功率从 56.9% 提升至 69.9%,LIBERO-Long 上 4 个计划消除 40% 单候选失败案例。
提出 PlanDiv 动作头,利用潜在计划假设提升视觉语言动作模型测试时缩放效果。 轻量级规划器提出 K 个潜在计划假设,共享掩码扩散执行器解码动作块;仅在演示数据上训练,无需计划标签或奖励。 在 CALVIN ABC→D 五任务链上成功率从 56.9% 提升至 69.9%,LIBERO-Long 上 4 个计划消除 40% 单候选失败案例。
KneeFS-Net 是一种仅含 0.8M 参数的轻量级模型,在 OAI 测试集上 QWK 达 0.863。 模型在跨人群验证中无需额外训练,单中心医院队列 MAE 为 0.339,多中心远程影像队列为 0.522。 自监督预训练加微调后,交叉验证 QWK 提升至 0.823,证明其可在标注有限的新人群中进行有效适配。
Jac 是 Python 超集语言,通过“by llm()”和对象空间编程统一 LLM 操作、工作流与状态管理。 相较于 OpenAI SDK,Jac 在五个基准测试中将 AI 集成代码量降低 1.8-8.7 倍。 该设计使编译器可见控制流,支持自动优化并降低开发测试成本。
为支持 GPM 任务 GPROF-NN 3D 检索算法,研究者引入基于机器学习的模拟框架,核心是 Satformer 架构,可在任意 GPM 传感器间转换被动微波观测。
该研究提出 FM-Recon 框架,将预训练基础模型的冻结图像编码器特征集成至反卷积重建网络,用于加速心脏电影 MRI 重建。 基于 CMRxRecon2023 数据集的实验表明,这种集成方法在中等加速因子下,能有效从含伪影的输入中提取信息表示,从而提升重建性能。 研究证明了基础模型特征在加速 MRI 重建中的应用潜力,并为将其有效整合到反卷积网络中提供了见解。
研究团队开发了专用多模态生成模型 FinVision,利用 87,940 对 MD&A 披露与股价图表数据,将财务叙事转化为市场动态视觉表征。 模型生成的图表优于直接 LLM 提示及通用文本到图像模型,且文本隐含图表与观测图表的偏差与后续较弱的投资者反应及经营结果相关。
Oriented Semi-DETR 针对旋转框参数映射的二义性提出解决方案,避免正确定位的学生框被回归损失惩罚或 GMM 过滤丢弃。 方法包含 Swap-aligned Target Selection、Swap-invariant Reliability Cost 及 Swap-aware Pseudo-label Denoising,均为无参数且无需额外前向传播。
提出 ST-GAT-NCO 架构,将动态时空图注意力网络与嵌套集群优化相结合,以解决多资产战术配置中的协方差病态问题。 在 2020 年 1 月至 2026 年 1 月的 73 个月非前瞻性样本外窗口中,ST-GAT-NCO 在 13 类全球资产上实现 5.32% 的年均复合增长率和 37.06% 的净累计回报,超额夏普比率为 0.30,索提诺比率为 0.48。
研究团队扩展 FEM-Bench 至 17 项有限元任务,并评估 15 个 LLM 模型在无执行反馈下的代码生成能力。 最佳单次实现成功率达 87.1%,但 Claude Opus 5 结合 SimpleAgent 在 Pass@3 指标上表现最优。分析显示测试覆盖不足是主要错误来源,分离 coder 与 tester 的探索性配置取得了 97.6% 的 Pass@3 最高分。
该研究将 RSMA 辅助的 SWIPT 应用于无人机赋能的无线供电地下传感器网络,旨在最大化各地下设备的最小上行链路吞吐量。 模型采用 PD-TQC 深度强化学习算法,联合优化无人机发射功率、消息分割及资源分配,解决了非凸优化难题。 仿真显示,该方法在 96% 以上的评估帧中满足约束,并在不同 Rician 因子及设备数量下保持吞吐量优势。
研究对比平面画布与沉浸式VR平台中人机协同构思,发现沉浸式配置提升空间临场感但削弱团队凝聚力。 平面画布AI输出约21词/创意,沉浸式约3词;AI扩展创意池且被评高于个人创意,但AI贡献在两种配置中均缺乏群体可见性。 研究为AI输出格式、群体可见调用及收敛空间支持提供设计启示。
论文建立了异步 Q-learning 搭配 Polyak-Ruppert 平均的尖锐非渐近高斯近似速率,证明了 Wasserstein 距离下 $\widetilde{O}(n^{-1/4})$ 的上界及匹配的日志因子下界。
Think2Listen 提出了一种以证据为核心的多模态音频智能体学习框架。 该框架通过迭代推理与 LALM 交互,引导模型主动寻找区分假设的声学线索,从而增强多步音频推理能力。在两个基准测试中,其整体准确率相比竞争音频智能体提升了 5.08%--17.67%。 该方法显著提升了语音、声音和音乐的理解与推理,准确率相比基线提高了 2.29%--13.10%,源码已公开。 ```
PassCal 通过少样本学习预测未见使用者对未见人行场景的判断,仅用 8 个样本将 Brier 分数从 0.550 降至 0.479。 模型结合冻结 VLM 内部状态与检测器预测的障碍属性,在 14.9k 公共审计数据上训练,优于直接提示 VLM 或无场景校准的方法。 符合风险控制使“决定性强场景”占比从 27% 提升至 42%(5% 错误率下)。
LightAct 框架将交互经验转化为技能引导,在 170 个 GameWorld 任务中提升 2B、4B 和 9B 模型进度 23.6、29.2 及 13.0 个百分点。 该框架使用 1,024 个决策根节点构建紧凑数据集,通过短 rollout 对比候选动作并归一化奖励,9B 模型性能媲美专有模型。 消融实验证实技能引导下的根状态覆盖广度提升了强化学习效果。
ProTTS 提出了一种统一的 TTS 框架,通过聚类头自动发现词重音并指导语音合成。 该模型基于 FastSpeech_2,无需标注即可端到端训练,支持用户自定义重音掩码。 听众偏好 ProTTS,其 MOS 为 3.96(基线 3.12),在 Tatoeba 上实现 0.933 的 F1 重音检测分数。
针对临床人群睡眠特征差异,提出标签高效的 teacher-student 框架用于可穿戴设备实时睡眠分期。 核心模型 SleepGPT 含 136M 参数,仅用 25% 标注数据指导 31k 参数因果 CNN-GRU(122 KB);引入 Gcv-TAD 过渡感知蒸馏损失。 在 10 折交叉验证中,Gcv-TAD 将每患者 macro F1 平均提升 3.2 至 7.6 点,效果接近全标签训练。
提出在矩阵-CFAR 检测框架中集成 HPDNet,以学习映射替代数值优化来估计 HPD 协方差矩阵。 模型在仿射不变、对数欧几里得及 Bures-Wasserstein 度量下,针对模拟复合高斯杂波及 IPIX 海面杂波进行评估,仅使用模拟数据训练。 显著降低测试阶段的计算成本,同时保持检测性能与鲁棒性。
IANN 是一个开源 PyTorch 框架,统一重实现 PaiNN、NequIP 等 7 种不变形图神经网络架构,使切换架构仅需修改配置字典中的一个单词。 框架支持通过 SLURM/PBS/MPI 环境自动配置分布式训练,并发布了基于 4190 万 MPtrj 等 DFT 结构训练的 PaiNN 基础模型,提供 LAMMPS C++ 插件部署。
Calpha模型实现了LLM输出单链蛋白质结构的初步目标,基于Qwen3.5-9B读取增强序列并调用SimpleFold结构头。 在FoldBench-334开发集上平均TM-score达0.808,CASP16域为0.635。 蛋白质训练使350项MMLU-Pro子集准确率从77.4%降至70.3%,长链预测表现低于基线。
提出条件资产定价 Transformer(CAP-T),通过两阶段学习预测超额收益并分解收益成分。 第一阶段用 Transformer 估计条件预期收益,结合核加权主成分分析残差估计局部因子载荷空间,分离因子风险补偿与条件错误定价。 框架分解收益为条件错误定价、因子风险补偿、居中因子成分及不可预测创新,提供统计保证并展示预测与解释优势。
研究团队提出轻量级框架 ReAccess,解决视觉语言模型细粒度理解难题。该框架通过紧凑关联记忆复用关键视觉证据,无需重复图像编码或显式推理。实验显示其在通用视觉理解和细粒度感知上均取得一致提升,且推理速度显著快于现有依赖密集型推理的方法。
一项为期13个月、包含248,400次API调用的重复审计发现,大语言模型的偏差模式会随时间显著变化,且新模型虽继承旧模型偏差但形式不同。 审计结果依赖特定模型版本,一旦提供商更改或退役模型,原有审计证据即失效,偏差并不取决于创业行业。 研究建议监管者和组织应针对模型类别而非单一模型进行审计,并要求对模型响应记录版本信息。
基于 10 周真实软件开发场景分析,缓存上下文读取占 API 报告 Token 的 94.8%,缓存感知混合估算器评估该工作负载能耗约为 250 kWh。 现有基于输出的 EcoLogits 估算器仅评估 10 kWh,两者存在 25 倍差异;父会话日志对委托子代理 Token 存在 10 倍低估。 研究凸显工作流级能耗核算的必要性,需涵盖上下文累积、缓存复用及委托执行场景。
针对参数化MDP中的多属性漏洞发现,提出了一种基于场景的风险证书方法。 该方法采用两层结构:场景近似层提供识别保守漏洞区域的PAC保证,测试层将随机参数探索视为对重叠区域的覆盖并计算停止证书。 组合定理界定了预期未发现分数,实验使用经验代理和独立置信界评估了这些证书。
研究提出基于 LLM 的迭代流水线框架,利用多阶段反馈回路自动修复真实代码中的易受攻击函数。 该框架通过基准测试 GPT-4o、GPT-5.1 和 Gemini 3 Flash 验证,证明可实现高质量代码修复,并开源评估框架、微调权重及数据集。
在 Amazon Books 和 MovieTV 数据集上,LLM 排序器对协同证据的分配敏感,用户级证据互换会降低排序性能,而无关文本使 Hit@1 从 44.77% 降至 38.70%。
ProcReverser 利用多智能体系统自动化黑盒微架构逆向工程,通过执行反馈优化实验计划并识别微架构属性。该系统在 C910 和 gem5 O3 上分别取得 Pass@1 81.3%/83.0% 及 Pass@5 93.8%/100.0% 的分数,并覆盖 Spectre 类攻击相关机制。 该工具支持处理器漏洞分析与防御评估,在 SiFive P550 上进一步表征了任务套件覆盖的微架构属性。
使用 Qwen2.5-14B 攻击者和 Phi-4-mini 防御者,通过 LoRA 更新降低攻击多样性。 训练 12 轮后,攻击者多样性保留率(ADR)降至 0.61-0.63,低于 0.75 阈值。 尽管多样性降低,攻击成功率在每次训练后仍持续提升。
SGM-Diar 在线系统基于 DiariZen 骨干网络,将 Surprise-Gated Memory 机制迁移至实时说话人分离任务。 在 AMI-SDM 数据集上恢复 52%(4.8/9.2)的离线误差差值,VoxConverse 数据集上恢复 82%(1.9/2.3)。 该证明概念系统冻结校准参数实现跨域迁移,记忆机制仅在会议内有效且运行时无梯度更新。
研究在流形假设下建立了去噪自编码器的泛化保证,涵盖单流形、分离流形并集及相交流形三种几何场景。 推导了重建误差上界,主要包含样本统计项、切向噪声残差项及投影失败尾部项,相交流形场景还引入额外歧义项。 数值实验验证了样本量缩放规律,并展示流形交点附近的重建歧义现象。
研究人员提出 NAP-Wave,将平面波基嵌入网络以模拟高频 Helmholtz 问题,相对 L2 误差达 1%。 其采用解耦优化策略,Adam 更新基参数,最小二乘法精确求解系数;结合自适应深度训练避免损失激增。 在高度非均质地质基准测试中,NAP-Wave 误差分别为 5%、9% 和 10%,显著优于现有 PINN 方法。
研究人员在 Windows 恶意软件检测中首次评估 System One 决策模型,提出 S1Mal 集成模型,在 BODMAS 数据集上实现 0.9946 的 AUROC。 S1Mal 结合梯度提升树与 CLM-8B 嵌入,在 1.45% 假正率下检测到 93.47% 的恶意软件,并输出可解释的原子行为答案供分析师阅读。
MASTA 提出多智能体系统,用于端到端的 Tamarin 形式化验证与安全协议分析。系统采用 Architect、Auditor 和 Arbiter 角色分解,通过 Tamarin 锚定的调度器路由修正。
AsymEEF 是一个可执行跨末端执行器演示生成与统一双臂策略学习框架,解决遥操作数据采集成本高且难复用的问题。 该框架通过运动学教师锚点和稀疏实世界 X-Calib 锚点校正抓取执行差异,共享编码器将腕部位姿映射到形态无关潜在空间。 在四个模拟和六个真实世界任务中,AsymEEF 相比基线提升回放成功率,模拟中实现平均 16.6 倍回放有效扩展增益,并支持真实机器人下游策略训练。
该文为受限 $\ell_p$ quasi-norm 约束的深度神经网络推导了非渐近泛化间隙界,揭示了稀疏性对统计性能的影响。 在准范数阶 $p$ 趋近零的极限下,界限转为对活跃(非零)参数数量呈平方根依赖,严格优于现有参数计数方法。 该结果被 NeurIPS 2026 接收,共 61 页,包含 2 个图表。
GranularGPT 是一个 LLM 辅助智能体框架,实现离散元法(DEM)模拟从自然语言描述到执行及自动后处理的全流程自动化。 在覆盖 12 种 DEM 场景的 60 个常规案例中,模拟成功率达 91.7%;10 个可修复错误中 9 个被成功解决。 该框架自动提取粒径分布、密度等指标,降低了使用 DEM 模拟所需的专业专业知识门槛。
研究提出一种多项式安全层,通过展开可行性保持的多项式惩罚迭代实现椭球约束投影,确保输出始终位于无碰撞区域内。 该方法在无人机控制任务中验证有效,滤波策略在包括初始化在内的所有训练阶段均避免撞墙;针对 Arm Cortex-M4F 微控制器构建时占用约 36 KiB Flash,RAM 预算低于 5 KiB。
LLaVA 模型通过集成严重度感知直接偏好优化,在 Object HalBench 上将 CHAIRs 从 53.00 降至 36.00,CHAIRi 从 15.72 降至 10.41。
summary_zh: 针对O-RAN中异步反馈导致的时延奖励问题,提出一种时延感知深度强化学习框架,实现收敛加速并显著降低时延违规与丢包。 框架集成基于LSTM的时延预测器与时间奖励重对齐模块,采用off-policy学习管线,并基于Open AI Cellular(OAIC)测试床经验时延轨迹验证。