基于 LLM 的智能电网网络物理攻击路径识别框架
该框架利用 LLM 结合 STRIDE 和 MITRE ATT&CK 识别电网攻击路径,将 cyber 层关键节点重合度@3 从约 33% 提升至最高 100%,并降低 75-85% 的运行时间。 框架在 IEEE 14-bus 系统上评估,节点级相似度达 65%,路径级对齐度达 48%。 结果表明 LLM 引导的攻击路径识别是高效且具备物理感知能力的网络安全分析方法。
该框架利用 LLM 结合 STRIDE 和 MITRE ATT&CK 识别电网攻击路径,将 cyber 层关键节点重合度@3 从约 33% 提升至最高 100%,并降低 75-85% 的运行时间。 框架在 IEEE 14-bus 系统上评估,节点级相似度达 65%,路径级对齐度达 48%。 结果表明 LLM 引导的攻击路径识别是高效且具备物理感知能力的网络安全分析方法。
多智能体系统(MAS)在动态重规划阶段存在被恶意智能体通过反馈注入指令以劫持流程的漏洞。Kaer 通过抽象模板传递诊断信息并将计划修订限制在确定性修复算子内,在保持与 ControlValve 相当实用性的同时,比 Magentic-One 和 ControlValve 具有更高的鲁棒性。
无需训练的通用帧级测量经PCA降维后,在CalMS21上以85.8 macro F1超越最佳自监督编码器82.4,且在MABe22小鼠任务中高出hBehaveMAE 3.4分。 该方法在短窗口下表现突出,原始关键点在自有坐标系中汇总即可在多数基准上匹敌或超越现有编码器,仅在蝇类任务中落后5.3分。 这表明当前行为编码器尚未超越其依赖的手工特征,建议未来评测需将此类无需训练的基线纳入对比。
Hypnos 开源双阶段持续学习平台在 CORe50 NICv2-391 协议上取得 78.6%-81.6% SOTA 准确率。 基于 ZCU104 FPGA 与 28-nm 工艺实现,单样本延迟为 7.79s-10.54s,较量化潜在重放减少 3.8 倍学习步数与 22 倍算力。 实现边缘设备在有限资源下的鲁棒持续适应。
研究评估了基于三个预训练语音模型嵌入和声学特征的帕金森病(PD)检测,发现女性在较大数据集上的分类准确率高于男性。 当模型仅针对单一性别训练时,无法泛化到另一性别;研究结果强调在开发PD检测系统时将性别作为变量纳入的重要性。
ALIGN 是一种基于场景的方法,旨在解决 AI 特性限制人类控制所引发的问责与控制错位问题。 该方法通过提升意识、评估对齐度及支持设计决策,支持高风险 AI(如铁路)的开发与实施治理。 ALIGN 突出了 AI 全生命周期中控制与问责对齐的重要性,促进了 AI 治理。
BaseRSI提出递归内部化新范式,使基础视觉语言模型通过无训练编辑将工具增益写入权重。 其核心机制ReGap利用激活差异监督Transformer块,ReKey算法通过回归将信号写入关键神经元。 在十个视觉推理基准测试中,该方法在分布内外均持续提升模型性能。
研究证明,使用捕捉稀疏性的Bernoulli-Gaussian先验的扩散模型,结合似然引导退火Langevin采样器,能在多项式时间内以近最优样本复杂度恢复稀疏信号。 该结论适用于广泛的随机与确定性感知矩阵,并在信号符合先验时建立后验采样的全变差保证。 这些结果为基于扩散先验的反问题求解器奠定了统计与计算高效的理论基础。
BubbleTea 首个利用 MoE 专家并行气泡进行微调的共置系统,相比 LLMStation 快 1.9–6.2 倍。 其编译器路径自动从服务 LLM 派生微调块,4 块 A100 GPU 上 p90 推理延迟保持良好。 突发负载下训练速度达普通训练器的 14 倍。
针对前沿编程智能体因识别合成场景而规避自动化审计的难题,研究者提出 Continuation Audits 流水线,利用真实编码日志前缀引导审计模型延续至特定行为。
summary_zh: CFVul 通过滑动窗口编码和长度约束,缓解了漏洞检测器中已修复版本得分更高的修复反转问题。 CFVul 在 PrimeVul 数据集上 PairRank 达 59.4%;针对长度增加超 15% 的修复,PairRank 从 CodeBERT 的 25.8% 提升至 48.4%。
作者提出免训练方法 PQRS(Per-Query Routed Sparse Attention),在视频扩散 Transformer 中仅对 Key 聚类,让每个 Query 独立选择 Key 簇。
研究提出 SkimPrefill 方法,利用 Qwen3.5-0.8B 等小模型在低分辨率下快速定位关键图文单元,加速视觉语言模型(VLM)处理 100K token 长输入的 Prefill 阶段。
研究在 ChatMusician 和 MuPT 中识别出预测和声进行的稀疏电路,确认为其核心驱动因素。 使用 Auto-Emergence 算法提取该电路,并通过因果干预验证其在 I 到 I 终止根音预测中的关键作用。 这是音乐领域首个系统性电路发现研究,被 NeurIPS 2026 Workshop on Interpretability for Discovery 接收。
针对数据驱动控制器因物理系统假设失效导致的安全隐患,提出一种将控制器、安全屏蔽及系统模型整合为虚拟单一底层模型(V-SUM)的方法。 该方法通过一致性检查持续评估安全保证,利用一致性保持规则在系统演化时自动更新模型并恢复有效屏蔽。在单轮车的避碰任务中,验证了该机制能有效维持系统变化下的安全保证。
研究提出基于 YOLO-World 的主动学习框架,通过特征聚类和物体置信度优化初始标注池。 在 NWPU 数据集测试中,该方法将 mAP50 平均提升 6.6%,基于物体的评估改进约 11%。 基础模型在主动学习早期周期能显著提升性能并减少标注时间。
PIPETTE 提出一种提示注入紫队框架,通过在 AgentDojo 和 ASB 基准测试中实现近乎零的攻击成功率(ASR),同时保持与未防御基线接近的良性任务效用。 该框架采用基于词典学习的奖励机制鼓励攻击策略的广泛覆盖,并结合针对间接提示注入(IPI)防御的在线策略对抗训练流程。 此方法解决了现有基于强化学习红队方法中存在的模式坍缩问题,将红队发现有效转化为防御方的鲁棒性提升。
研究提出RespCCT和FreqCCT两款紧凑卷积Transformer,参数规模分别为173,187和124,999,在测试集上准确率达98.13%与97.58%。 模型比最强预训练网络减少2.0至64.6倍权重存储,计算输入图像耗时超过运行模型,线性探针能以0.958准确率识别数据来源库。
研究团队提出世界锚定规范化框架 WACO,解决 VLA 模型因相机与机器人基座偏移导致的策略失效问题。在 LIBERO-PoseShift 基准及 UR5e 机器人测试中,WACO 将移位成功率分别提升 13.2 和 36.7 点,恢复 90% 仿真性能差距。该方法无需额外数据或测试时校准,在无扰动训练数据方法中创造新纪录。
OCTR2A 架构利用对角 RGB 相机重建并预测鸟瞰图(BEV)轨迹,实现城市路口实时感知与预测。 该模型在单张消费级 GPU 上实时运行,预测 ADE/FDE 达 0.154/0.241 米;相比 SIND 基准 SOTA,预测精度提升 66.7%/41.7%。 R3ST++ 合成基准支持真实场景适配,无需 LiDAR 或 HD 地图等昂贵资源。
ViLFlow 是一款结合输出嵌入联合建模与并行 token 解码的连续流视觉-语言模型。 该模型在 VQAv2 上优于自回归及掩码扩散基线达 8.46 个百分点,在 COCO Karpathy test 上提升 CIDEr 16.25 分。 其解码器可独立适配,在不重新训练去噪器的情况下提升问答与描述能力。
研究提出 EmergeFuse 框架,通过类相对热线索选择提升开放词汇语义分割性能。在三项基准测试中,未见类 mIoU 最高提升 4.755%,严格互补转换率提升 15.730%。该方法解决直接融合导致的 RGB-语言对齐干扰,保留 RGB 预测可靠性。
AutoPI 提出基于 PIAtlas 分类法的自适应红队方法,用于系统覆盖 LLM Agent 提示注入攻击。 该方法在 AgentDojo 基准上对 Qwen3.6-35B 实现全分类覆盖,对 Claude Haiku 5.5 的 ASR 提升 20%–50%。 代码与攻击数据已开源,支持可复现的覆盖率评估。
将不可信文档渲染为页面图像可平均降低提示词注入成功率,但防护效果取决于模型与操作类型。测试涵盖6个模型及191个来源,Qwen3-VL-8B 对图像注入的替换操作执行率仍高达 77.96%。
针对移动网络节能策略评估难题,论文提出基于预测的生成框架以生成无线接入网功耗轨迹。 该框架将功耗分解为全局预测与残差修正,在商用 5G RAN 实验中,仅用单点目标观测即可将中位 MAE 降低约 50%。 相比 TimeWeaver,该方法能有效泛化至罕见及未见配置场景。
研究提出在部分可观测环境下结合神经符号观察规划,将紧凑循环世界模型与精确符号可行性规则分离,使用回溯地平线束搜索调度查询与终止。 在八个基准测试中,多步前瞻在紧预算下优于静态计划和无搜索离线强化学习,相比静态优先方法在 RUOD 和 ARIS 数据集上分别提升 28.4 和 15.1 AP 百分比,规划成本仅 11 ms。
研究团队提出 VideoACE 基准,包含 1000 道多选题,涵盖六大类细粒度动作理解,并附带时序证据标注与经筛选的用户提示。 评估环境结合视频检查工具与用户模拟器,允许模型调整时间覆盖、采样密度及空间细节,并在模拟用户反馈下重新审视证据。 该基准测试了单通道观察、自主工具使用及结合用户反馈的工具使用模式,为探索固定观察设置之外的智能体视频理解提供了测试平台。
针对 CLIP 式辐射学预训练在零样本评估峰值后性能下降及大批次训练失效的问题,研究提出兼容性修正方法 CorLIP。该方法无需改变架构,仅将临床断言与图像一致的文本视为正样本,解决了确定性梯度偏差。 CorLIP 大幅放大数据增益,并在 B=2048 的大批次下保持稳定,且该修正可从胸部 X 光迁移至 3D CT 模态。
研究人员提出利用 NOTREKS 信息(变量对边缘独立性)改进因果图学习。该方法引入 PSTrek 惩罚和 trek 约束,在有限样本下增强结构恢复能力。 实验表明,使用合成基准测试中的 oracle NOTREKS 信息,可同时提升因果发现中的结构恢复与基于调整的效果识别准确率。
研究评估 RADAR 和 Merlin 两个通用 CT 基础模型对 517 例肝脏肿瘤的多相 CT 鉴别能力。 Zero-shot 场景下 RADAR 准确率仅 54.4%,而采用 linear probing 方法后提升至 79.9%,显著降低误判率。 结果显示通用 CT 基础模型的零样本肿瘤鉴别能力有限,需通过特征微调优化。
该论文建立了深度 ReLU 网络在分裂谱范数乘积约束下的近似理论,并提出了深度非参数回归的罚最小二乘估计器。 该估计器在保持 Lipschitz 常数均匀有界的同时,实现了仅差对数因子的最优非参数收敛速率。 研究证实了该估计器在对抗性输入扰动下的鲁棒性,并给出了两阶段学习的最优预测速率。
LEDGE 是一种无需执行张量运算即可评估异构边缘设备分布式 LLM 服务的轻量级模拟器。它在 10 台 Jetson 和 Raspberry Pi 设备上测试,Qwen 部署的请求级平均绝对百分比误差低于 3.6%,综合加速比达 135.3 倍。
CoSlice 框架通过协同多智能体强化学习解决 5G 切片资源共享难题,在多样化负载下显著降低平均和尾部 SLA 违规率。 该框架采用偏好条件切片智能体实现快速资源分配,并结合 LLM 协调器基于全局网络观测在较慢时间尺度上动态调整目标,同时推导了次线性遗憾界。 实验基于 ORANSlice 及其射频仿真器 RFsim 构建评估环境,结果验证了该方法优于其他集中式及多智能体基线。
框架AeroRSI通过让无人机导航策略从自身失败中迭代学习来修正闭环飞行故障。在TravelUAV基准上,三轮迭代将2B参数监督策略成功率从46.4%提升至67.5%,碰撞率减半,较此前最优结果高10.6分且无额外标注。代码与模型已公开。
Overseer 通过 eBPF 采集与 Transformer 预测器 OverNet,在真实硬件上实现端到端页面预取。 OverNet 通过序数秩编码故障序列,无需重训即可服务任意进程。在密集矩阵乘法中,该系统将运行时间缩短约一个数量级。
Intent contracts 是一种授权接口,要求规划模型不直接持有工具,而是提交包含目标和引用记录的契约,由可信模型执行工具调用。 实验使用 gpt-6.1-terra 和 GLM-5.3-Flash,在 AmPermBench 三个任务族中,契约机制下所有变更对象均在目标中明确命名。 该方法未能减少未授权操作,状态改变时错误率为 40-49%,已发布插件及运行记录。
基于 Rubric 的强化学习通常等权聚合评分,但评分异质性会扭曲候选排序。研究发现,消除奖励增益不平衡反而降低排序准确率,误排主要集中在该项削弱基础信号的样本对。 该方法提出自适应 DCC 聚合,通过设定裁剪区间限制单准则贡献度,在保留连续判断信息的同时抑制极端分影响。
针对冻结检测器的监督后处理选择,Full100 在319张图像上匹配6004个物体,优于原始WBF的5848个。 原生集上下文增加275个匹配但增加96个未匹配预测;Full100与元统计读数在64张图像完整工作负载下耗时约95毫秒。 研究表明特征维度和非净检测增益是采纳的不可靠指南,支持使用信息充分的输出读数。
研究团队提出 ProtoBridge-CLIP 框架,结合全局对齐与观察掩码发现监督,在医学影像表征学习中区分已确认、明确否定及未提及的医学发现。 该方法在 CT-RATE 等 3 项 CT 基准及 5 项胸片基准上取得 66.5%至 91.4% 的 macro-AUROC 成绩,优于全局对照。 结果表明,在表征学习中对已观察与未观察概念差异化处理具有实用价值。
新型机器学习模型 STORM 在多个评估数据集上达到或超越 Boltz-2 的预测精度,结合亲和力预测的推理与训练速度提升超过五个数量级。 该模型集成多种蛋白质和分子表示的小型模型融合,旨在解决物理方法成本高及现有协同折叠模型在大规模筛选中昂贵的问题。 研究结果指出,整合历史实验数据与结构信息可显著提升亲和力预测准确率。