跳到正文
11月17日周二
  1. arXiv · ML21

    ReBrain 框架利用 iEEG 先验改进临床皮层 EEG 分析

    ReBrain 框架通过冻结 iEEG 信号模型作为跨模态先验,无需配对或微调即可增强皮层 EEG 下游任务性能。 该方法在多家医院数据及不同架构模型中均有效,增益源于 iEEG 携带的真实神经结构而非架构本身。 证据表明稀缺清洁模态可作为丰富噪声模态的可迁移先验,代码已开源。

  2. arXiv · ML26

    HoloGene:从切片空间转录组学学习完整 3D 基因场

    HoloGene 提出一种各向异性条件隐式神经表示框架,利用已知 GAE、FiLM 等组件,从已配准的空间转录组切片估计连续 3D 基因表达场。 该模型将表达谱压缩至图自编码器潜空间,采用基于伪标签的签名条件化提供切片内上下文,并通过深度依赖的 FiLM 调制建模轴向变化,以提升重建精度。

  3. arXiv · ML42

    CECAR:缓存与专家协同感知路由加速MoE LLM端侧推理

    CECAR通过联合考虑专家路由与缓存管理,在16GB显存的消费级GPU上运行Qwen3-30B-A3B模型,实现12.5 tokens/s的推理速度。 该系统利用ML-based缓存策略预测专家重用距离,优先调度距离较短的专家,非驻留专家从SSD获取,较传统MoE推理提速4.5倍,超越完全驻留DRAM基线。 论文已被NeurIPS 2026接收,代码已开源。

  4. arXiv · ML20

    MOBO-CAPS: 具备基数感知帕累托选择的多目标贝叶斯优化

    MOBO-CAPS 提出了一种在资源受限场景下直接寻找固定数量高超体积解集的方法,通过引入基数感知机制避免了先近似完整帕累托前沿再选解的资源浪费。 该方法设计了 REHVI 和 CHO-UCB 两种获取策略,在九个基准测试中均优于标准 MOBO 加事后子集选择的方法,并证明了批量版 CHO-UCB 的亚线性简单遗憾界。

  5. arXiv · ML33

    联邦数据集模拟:跨任务诱导无标签异构性

    论文提出联邦数据集模拟任务,通过预训练嵌入和视觉语言模型标准实现无标签划分,覆盖四类数据集。实验显示其诱导的异构性不低于标签偏斜方法,并开源了包含模拟、测量及训练全流程的模块化包 fds。该方法解决了非分类任务缺乏模拟方法的问题,为联邦学习评测提供了新基准。

  6. arXiv · AI79

    K2-Horizon 发布六款全开源语言模型

    K2-Horizon 团队发布六款从 0.9B 到 375B-A23B 的全开源语言模型,覆盖推理、编码和智能体任务。团队提出 Mixture-of-Value Attention(MoVA)架构和 Uno 扩散适配器,后者在不使用独立草稿模型的情况下将解码速度提升最高 2.2 倍。

    推荐理由:发布六款开源模型及全量训练数据,提出 MoVA 注意力机制和加速解码的扩散适配器,并披露 10T 合成预训练细节。

  7. arXiv · ML33

    PISG:面向基于扩散的组合优化中约束对齐信号放大的免训练方法

    PISG 提出一种免训练的测试时方法,通过放大扩散去噪器中已有的约束对齐结构信号来改进候选排序,在贪婪解码下无需下游精化即可提升解质量。 该方法在每个去噪步骤构建结构退化的预测并将其外推远离未扰动预测,信号分析显示其引导集中作用于约束关键变量而非均匀重缩放分数。

  8. arXiv · AI27

    RISE:面向 LLM 智能体推理的交互式结构化环境扩展方法

    RISE 通过从静态子图转向全规模交互式数据库,解决了现有结构化环境预过滤导致的测量偏差问题。 方法包含决策空间扩展与学习前沿扩展两条轴线,在 19 个基准和 3 种模型基座上进行测试。 结果显著提升领域内及未见模式的知识图谱推理能力,并实现零样本开放领域检索迁移。

  9. arXiv · NLP24

    LatentRouter: 能否在看到答案前选择合适多模态大模型?

    LatentRouter 提出基于反事实多模态效用预测的路由框架,在 MMR-Bench 和 VL-RouterBench 上优于固定模型、特征级及学习型路由基线。 该方法通过提取多模态路由胶囊,用模型能力 token 表征候选 MLLM,并以潜层交互估计各模型表现,支持性能与成本导向的路由策略。 代码已开源。

  10. arXiv · NLP26

    基于原子概念编辑的模型行为解释与控制框架

    该研究提出一种黑盒可解释性框架,通过原子概念编辑学习可验证宪法,从而解释和控制模型行为。在数学推理任务中,干扰变量使 GPT-5 易混淆,但对 Gemini 2.5 和 o4-mini 影响有限;在文生图任务中,GPT-Image 侧重语法合规,Imagen 4 则优先氛围一致性。使用学习得到的宪法控制模型行为,成功率平均提升 1.86 倍。代码已开源。

  11. arXiv · NLP28

    HEAMS:全面评估智能体记忆系统

    开源框架 HEAMS 提出全面评估智能体记忆系统的方法,涵盖性能、效率、安全、隐私及用户主权维度。 其基准测试显示,高任务性能可能与较差的隐私和安全得分共存,治理策略(如召回与保留)能显著影响对抗投毒的效果。 仅靠性能和效率指标无法揭示记忆系统在履行责任方面的全貌。

  12. arXiv · NLP20

    LATTE-WordSeg-Lite:CPU 上的多粒度泰语分词及可复现基准

    LATTE-WordSeg-Lite 是一个 1.17M 参数的 CPU 分词器,能单次输出复合词、单词和语素,在七个测试集中于五个超过 DeepCut。 它采用统一协议重建测试集,对比十二个系统;在单线程下速度比 DeepCut 快 23 倍,模型与基准脚本已开源。 该成果解决了泰语分词资源与子词 token 不匹配的问题,提升了 NLP 工具的可复现性。

  13. arXiv · NLP33

    IndustrialKnowEval: 评估 LLM 多层级工业知识的基准

    研究团队提出 IndustrialKnowEval 基准,包含 43,282 个样本,覆盖 7 个工业领域的 21 种任务类型。 该基准将认知需求分为记忆、理解、推理及工程应用四个层级,并对 18 个 LLM 进行了实验评估。 研究还提出了 ICCG 指标,旨在量化基础工业知识与高阶推理应用之间的性能差距,推动工业智能发展。

  14. arXiv · NLP35

    Mistral-7B 推测解码研究中近期性对速度与能耗的影响

    Mistral-7B 验证器下,最近期查找比最早匹配查找在 500-token 生成中加速最高 0.09,会话内存加权无显著增益。 医疗和法律文本中,选择性草稿器每 100 tokens 节省 3 至 4 焦耳能量;94% 生成结果与贪心解码完全一致。 重复惩罚导致长生成加速倍数从 1.4-1.7x 降至 1.1-1.2x,近期性依然有效。

  15. arXiv · NLP41

    从事实到角色:通过混合专家模型实现 LLM 中可解释的角色遗忘

    研究提出角色扮演遗忘任务,旨在选择性遗忘目标角色的风格与知识,同时保留非目标角色的语言能力。 提出 RoleMoE 混合专家框架,通过专业化损失和解耦损失映射独立专家子空间,提升角色分离与结构可解释性。 实验在多个 LLM 骨干上表明 RoleMoE 能精确可控地遗忘角色,且代码和数据集已公开。

  16. arXiv · NLP33

    Decision 1.0:面向开放决策基础模型的研究发布

    研究团队发布 Decision 1.0,这是一个开放权重模型家族,将文本状态和运行时定义的问题转化为类型化概率分布。 其 Choice、Noul 和 Score 接口允许应用在推理时指定结果;六个模型涵盖双向编码器和因果解码器架构。Lux-9B 在常见决策基准测试中,显式决策得 84.17%,推理得 91.25%,加权总体得 77.22%。

11月16日周一
  1. arXiv · NLP26

    PerfArena 开源 LLM 代码性能竞技场

    PerfArena 发布开源 LLM 代码性能评测竞技场,基于正确性、时延、内存和能耗对 13 个模型进行跨语言排名。 在 10 个 CLBGComp 基准和 99 个 LeetCodeComp 问题中,got-6-astra 是唯一在时延、能耗和内存上未被显著超越的模型,且解决率分别达 100% 和 99.7%。 该榜单持续更新,帮助开发者依据性能指标而非仅价格选择 LLM。

  2. arXiv · NLP20

    NER-D:德语命名实体识别跨领域基准测试

    NER-D 基准测试涵盖 9 个领域的 13 个数据集,用于评估德语命名实体识别模型。 测试对比了 GPT-5.4 mini 与开源小模型,结果显示 GPT-5.4 mini 在 13 个数据集中的 6 个上表现更优。 LoRA 微调使小型模型性能大幅超越专有模型基准,且基准测试资源已公开可用。

  3. arXiv · ML26

    MMAO-Cls 用于分类模型选择的混合空间优化

    MMAO-Cls 在七个标准表格基准测试中,集成验证目标得分 0.9433,排名第二仅次于 GA-lite (0.9446)。 其在留一法测试中平均得分为 0.8882,优于 RandomSearch (0.8808) 和 GA-lite (0.8857),且使用最紧凑的特征子集(特征比率 0.4881)。 结果表明该多智能体优化器适用于分类任务,但社区共享对测试性能的具体贡献尚未完全解决。

  4. arXiv · ML41

    CTF-Dojo:用于训练语言模型智能体发现漏洞的大规模可执行运行时环境

    研究人员推出 CTF-Dojo 平台及自动化工具 CTF-Forge,包含 658 个容器化 CTF 挑战,支持可验证反馈训练。 基于 486 条高质量轨迹训练 LLM 智能体,在 InterCode-CTF 等基准上取得最高 9.9% 绝对提升。 最佳 32B 模型 Pass@1 达 31.9%,超越 DeepSeek-V3-0324 等前沿模型,确立开源新纪录。

  5. arXiv · ML36

    Cyber-Zero:无需运行时的网络安全智能体训练框架

    Cyber-Zero 是首个免运行时框架,通过逆向工程 CTF 题解生成智能体轨迹,在三大基准上较基线提升最高 11.4%。 该框架利用公开 CTF 题解与角色驱动 LLM 模拟,无需实际环境即可生成长程交互序列。 其最佳模型 Cyber-Zero-32B 在开放权重模型中创 SOTA,性能媲美 DeepSeek-V3-0324 与 Claude-3.5-Sonnet。