跳到正文
11月10日周二
  1. arXiv · AI48

    LAION-BVD:包含1350万小时视频的开源多模态预训练数据集

    论文发布 LAION-BVD 开源视频数据集,包含8000万条视频,总时长达1350万小时,用于视频、音频及图像的多模态预训练。 数据集通过 CommonCrawl 爬取,利用内容感知场景检测提取片段并生成合成视频与音频字幕。 研究人员将开源该数据集,以大规模扩展多模态视频的公开访问范围。

  2. arXiv · ML22

    提出“搜索价值信用”(SVC)以改进进化式自动启发式设计的奖励机制

    为改进自动启发式设计中语言模型生成的奖励机制,研究者提出了“搜索价值信用”(SVC)。 该方法基于程序进入保留集的实际情况及短期父代曝光代理,在无需评估子代的情况下计算候选程序奖励,从而优化在线后训练过程。 在四个组合优化任务的对比中,SVC 在三个任务上取得了六组条件中最高的平均最终搜索性能,支持了利用搜索保留与选择信息构建奖励的有效性。

  3. arXiv · AI21

    神经符号视角下的弱监督分割:基于可微模糊逻辑的SAM微调方法

    该研究提出一种神经符号方法,将弱标注与领域先验统一为连续逻辑约束,用于在弱监督下微调Segment Anything Model(SAM)。 微调后的SAM生成更高质量的伪标签,并训练第二阶段的无提示分割模型。实验在Pascal VOC 2012和REFUGE2数据集上显示,该方法达到SOTA性能,常超过密集监督基线。 论文已被WACV2027接收。

  4. arXiv · ML33

    高阶与块对角线性循环网络的状态混合改进方法

    论文提出高阶线性循环单元(H-LRU)和块对角线性循环单元(BD-LRU),通过更丰富的状态混合提升线性循环网络表达力,同时保持效率。 架构采用选择性门控归一化确保训练稳定性,并在 PyTorch 和 Triton 中实现块对角并行扫描,吞吐量可与对角线性循环网络竞争。 在合成序列建模和语言建模任务中验证了改进的有效性,为解决线性序列模型效率与表达力之间的差距提供了实用路径。

  5. arXiv · ML33

    多智能体强化学习系统的模块化建模视角

    论文提出多智能体强化学习(MARL)系统的模块化建模视角,将其解构为智能体、环境、学习等8个功能模块,以解决文献碎片化导致的评估与复用困难。 该视角在MARLKIT框架中实现,模块具备明确且可互换的特性。实验表明该框架支持模块的原型设计、比较、复用及组合,并能显式化不同配置间的差异。

  6. arXiv · ML42

    JoMoHa: 联合模型与 Harness 优化强化学习框架

    JoMoHa 提出首个通过强化学习联合训练可执行 harness 生成策略与任务执行策略的框架,解决单一组件优化受限及交替训练导致的不兼容性问题。 该方法在 ALFWorld、WebShop 和 DBBench 上均优于仅优化权重或 harness 的基线方法,ALFWorld 平均成功率为 70.3%,最高达 97.0%。

  7. arXiv · ML30

    特征交互是否破坏可解释性?任意阶神经加性模型的可证明解释

    针对任意阶特征交互的神经网络,本文提出可计算可证明且充分的最小特征子集。 证明了常数阶交互下问题具有 $\Sigma_2^P$ 硬度,但在稀疏交互或强充分性设定下存在多项式时间算法。 所提方法比标准算法生成的解释更小、更快,且模型精度显著高于标准神经加性模型(NAM)。

  8. arXiv · ML23

    TrialJev 发布:基于 LoRA 适配 Qwen 模型的开放权重临床试验资格单次评分器

    TrialJev 是一款开放权重临床试验资格评分器,利用 LoRA 适配的 Qwen 模型与 pointer head 在单次前向传播中完成评分,避免自回归解码。在 TREC 数据集测试中,Qwen3.5-27B 模型准确率达 80.97%,推理耗时仅为传统生成方法的 1/2.45 至 1/2.70。该模型可在单 GPU 本地运行,患者文本无需传输至外部 API。

  9. arXiv · NLP33

    OGDA:基于本体的数据智能体,实现异构数据湖的可靠分析

    研究团队提出 OGDA(本体驱动数据智能体),利用紧凑本体降低探索开销,并在 KramaBench 和 DiscoveryBench 上比最强基线提升最高 10.82 分。 该方法通过生成器-验证器架构构建本体,并由任务图约束数据处理动作,避免上下文窗口耗尽导致的推理退化。 明确建模数据湖是迈向可靠端到端数据智能体的关键步骤。

  10. arXiv · NLP48

    Micius-Flash 发布:面向工程的 27B 轻量级智能体模型

    Micius-Flash 是一款拥有 27B 参数、256K-token 上下文窗口及原生多模态输入的开源模型。 该模型通过 MOPD 技术集成半导体与硬件专家模型,在硬件代码基准中平均得分 64.2%,半导体智能体基准得分 62.4%。 研究团队开发了 Micius Harness,支持连接 EDA 工具与 KiCad,已开源以推进工程智能体发展。

  11. arXiv · NLP39

    MNN-Pocket-0.3B 技术报告发布

    MNN-Pocket-0.3B 开源发布,这是专为端侧部署设计的 3 亿参数稠密语言模型。 该模型支持 32K 上下文,INT4 部署体积仅 173MB,在 iPad Pro M5 上解码吞吐量达 466 tokens/s。 基于约 4.1 万亿中英文 token 预训练,其在同类开源模型中表现领先,并优于部分 0.5B 参数模型。

  12. arXiv · NLP23

    MixUA 多粒度记忆提取系统提升多用户多智能体交互性能

    MixUA 是一种记忆系统,通过提取用户-智能体轨迹中的经验教训并分配至不同隐私范围,提升多用户多智能体协作效率。在 CrossLearnBench 基准测试中,MixUA 相比无记忆方案通过率提升最高 16 个百分点,比单一全局记忆高 5 个百分点。该系统保留最高 90% 的历史偏好,且仅 0.02% 的隐私探针在禁止范围内发现私有事实,提供可扩展的用户与智能体共同进化路径。

11月9日周一
  1. arXiv · ML28

    基于状态空间模型ATMOS实现生物分子原子轨迹生成

    ATMOS基于State Space Models(SSM),通过Pairformer状态转移与扩散解码模块,生成原子级分子动力学(MD)轨迹。 ATMOS旨在解决生成模型忽略时间相关性或难以条件化长历史的局限,实现原子级轨迹生成。 ATMOS在蛋白质单体和蛋白质-配体构象轨迹生成中达到state-of-the-art性能,推动生物分子动力学基础模型发展。

  2. arXiv · AI38

    RST框架生成3.7万终端代理任务,Qwen3.5微调后基准提升最高10分

    研究人员提出递归验证合成框架RST,通过15轮迭代生成了37,484个终端代理任务,成本约为每任务$0.05。 任务难度随轮次显著增加,中位参考解决方案从67行增长至374行,执行命令从40条增至244条。 使用Qwen3.5轨迹进行监督微调,使模型在Terminal-Bench 2等三项基准上得分提升最高10分。

  3. arXiv · AI35

    Sentinel Agents:面向多智能体系统的安全可信 Agentic AI 层

    Sentinel Agents 提出由 Coordinator Agent 监管的规则、行为与 LLM 语义检查层,以隔离异常 Agent。 在 1,000 条消息语料上,Gemma 4 12B 实现 F1 0.86 且误报率 0.11,Qwen3 8B 校准后 F1 提升至 0.80。 实验表明检测器组合效果取决于模型校准与聚合逻辑,为多智能体安全部署提供了可操作指引。

  4. arXiv · ML24

    Caterpillar GNN:用图级聚合替代消息传递

    Caterpillar GNN通过图级聚合替代消息传递,利用游走基矩阵和加权自动机实现多项式时间扩展,避免组合爆炸。 模型能显著减少计算图隐藏层节点数,并基于广义毛毛虫图的同态计数层级表征表达力,支持低阶表达力的系统研究。 该文已被NeurIPS 2026会议接收,表明该方法在图学习领域具备重要学术价值。

  5. arXiv · ML28

    用于大规模图相似度学习的可缩放 GNN 框架 FiLSim

    提出可缩放的 GNN 框架 FiLSim,在超过 150,000 个节点的图上保持精度,单 GPU 数秒内完成评测。 针对 GED 和 MCS 计算难、现有方法难以扩展的问题,FiLSim 结合序贯图编辑策略构建大规模数据集,并在四个基准及四个新数据集上验证了有效性。 克服了基线方法内存不足或无法学习的瓶颈,实现了从小规模到大规模图的高效相似度计算。

  6. arXiv · ML26

    DW-FedADMM:一种用于分布式 Android 设备威胁防御的共识约束双联邦优化框架

    提出 DW-FedADMM 联邦优化框架,结合原对偶协调与性能依赖的客户端动态加权,解决部分参与和模型质量差异导致的优化不稳定问题。 在 Drebin、Malgenome 和 TUANDROMD 三个 Android 恶意软件基准上,DW-FedADMM 在 9/18 个数据集-客户端-轮次配置中取得最佳平均准确率,Drebin 上种子平均准确率达 97.64%±0.20%,并实现最低平均误报率。

  7. arXiv · NLP42

    测量推理模型弱到强可读性:引入转移效用评估指标

    针对现有指标无法衡量推理轨迹彻底性的问题,本文提出转移效用方法,通过弱模型补全不完整轨迹来量化可读性。 在评估12个推理模型的84k条轨迹时发现,性能最高和效率最高的模型转移效用反而最低。 该指标能预测弱监控器对数学和逻辑密集轨迹的验证能力,但开源奖励模型与正确性信号解耦。

  8. arXiv · NLP26

    TeViD:首个土耳其语多模态视频事实核查数据集及零样本与微调系统对比

    研究团队发布首个土耳其语多模态视频事实核查数据集 TeViD,并对比两种基于 Qwen 模型的验证管线。 管线 1 结合 Qwen2.5-7B 与 Qwen2-VL-7B,管线 2 通过 LoRA 微调 Qwen2.5-7B;两者均报告了 accuracy 与 F1 指标。 填补了低资源语言视频核查空白,数据源自 IFCN 认证组织。

  9. arXiv · NLP20

    LLM 增强自进化强化学习在多步电商支付欺诈风险检测中的应用

    该研究提出一种结合 LLM 与强化学习的电商支付欺诈检测方法,将交易风险建模为多步马尔可夫决策过程(MDP)。 LLM 利用其推理和编码能力迭代优化奖励函数,实现了零样本欺诈检测性能提升。 在真实数据上的长期评估证实了该方法的有效性、鲁棒性及对 LLM 在工业 RL 应用中潜力的支撑。

  10. arXiv · NLP27

    FinEvolveKG:用于金融知识图谱构建的受控且可归因提示词进化框架

    提出 FinEvolveKG 框架,通过分离通用与角色策略模块并限制 GEPA 优化器作用域,实现金融知识图谱构建中提示词的可归因进化。 该框架在三个种子均值下,使完整工作流 v4 相比冻结基线 v1 性能提升 19.4% 至 30.9%,并在所有九组成对种子比较中优于无约束全流程 v5。 双专家盲审支持在 70.1% 的对比判断中优先选择 v4 生成结果,证实机械可归因进化可与强实证表现共存。

11月6日周五
  1. arXiv · ML25

    DDSSM:扩散驱动的隐状态空间模型

    研究团队提出 Diffusion-Driven State Space Model (DDSSM),通过将隐状态转移替换为扩散模型,解决了自编码器与扩散模型在序列数据上的联合训练难题。 该模型在拟合具有多模态转移的模拟时间序列时,实证性能优于最先进的深度状态空间模型。 DDSSM 扩展了时间序列隐扩散模型的研究领域,为捕捉潜系统动态提供了新方案。