跳到正文
11月16日周一
  1. arXiv · ML25

    利用稀疏自编码器解释医疗检索中的嵌入模型可迁移性

    稀疏自编码器将医疗检索中的稠密嵌入转化为可解释表示,在6个医疗数据集上验证了其有效性。 模型结合重建目标与InfoNCE对比损失,在域内检索性能提升的同时,在分布外数据集上性能下降幅度小于稠密嵌入,且特征语义可通过激活它的查询和文档推断。 该方法揭示了特定文档被检索的原因,其可解释性可迁移至训练分布之外,有助于理解医疗AI系统的内部机制。

  2. arXiv · AI26

    GraphScent: 校准方向性相关信号以实现有界上下文代码定位

    研究揭示 Gemma 4 模型在零温度下对上游调用方的相关得分能显著区分真实结构邻居与干扰项,而对下游调用方得分接近随机。基于此发现,提出免训练的 GraphScent 搜索控制器,通过传播关系条件对数似然比在运行时 Typed-AST 多图上定位缺陷。该方法在单 GPU 预算下,将 31B 模型在词汇困难目标上的精确定位准确率从 12.8% 提升至 23.4%。

  3. arXiv · AI33

    AI-Voyager:支持人类-AI 公民推理以审视和塑造 AI 治理规则的公益系统

    研究团队提出公益系统 AI-Voyager,通过人类与 AI 协作理解、质疑并制定 AI 治理规则。 该系统将 3,653 份政府治理文件转化为保留页码和版本的段落,通过限定范围智能体搜索检索证据,在 360 个新问题上实现 83.0% 宏召回率,优于最强基线的 80.5%。 通过绑定公开文档原文,AI-Voyager 引入了操作语法和设计空间,指导此类系统的设计评估及公众参与 AI 治理。

11月13日周五
  1. arXiv · NLP45

    SLIDERS:面向系统综述的自主数据库协调证据综合

    SLIDERS 是一种基于 LLM 的方法,通过自主编码智能体迭代编写 SQL 协调证据,在 BrowseComp+ 基准上达到 90% 准确率。 该方法解决了 LLM 助手在系统综述中覆盖标准不足的问题,支持跨文档去重和冲突解决。 作者引入了 WikiCeleb100(3.9M tokens)和 FinQ100(36M tokens)两个新基准以评估可扩展性。

  2. arXiv · NLP35

    并非所有缺口修正都有益:LLM推理中外部信息的几何视角

    论文指出外部信息对LLM推理的缺口修正可能存在过度修正现象,反而损害模型性能。 作者从推理误差角度分析Transformer,揭示修正向量由注意力机制与信息互补性共同决定,并推导出信息在方向和幅度上恰当修正的几何条件。 通过在四种主流LLM和七个推理基准上的实验,验证了理论并支持了一种基于理论指导的信息选择方法。

  3. arXiv · AI26

    AstroMemBench:面向航天器具身智能体记忆系统的基准

    AstroMemBench 是一个针对航天器具身智能体记忆系统的基准,包含 16 项记忆子挑战、140 个模板和 2240 个实例。 该基准通过确定性环境评估任务完成度、状态变化、安全性和资源使用,涵盖行星表面作业、在轨服务和深空探索等九大任务。 实验显示 Mem0 等在会话重启后优于 RAG,支持航天器具身智能体记忆系统的设计与选型。

  4. arXiv · NLP26

    CoMem:基于对比记忆学习的选择性上下文压缩框架

    提出查询引导的选择性上下文压缩框架 CoMem,在问答和 RULER-NIAH 基准上优于现有方法。 采用对比压缩器学习生成查询敏感且保留上下文的记忆表示,并通过同上下文硬负样本挖掘及双向注意力机制优化信息流。 该框架旨在解决有限记忆预算下长输入推理的效率挑战,代码已开源。

  5. arXiv · AI35

    Qwen2.5 小模型推理能力路由:模型容量与提示词优化对下游质量及效率的影响

    Qwen2.5 小模型(1.5B-14B)经提示词优化可路由推理、检索等能力,14B 路由器下游 token 消耗减少 68.7%。 最小提示下增大容量未一致提升分类性能,提示优化缩小了推理和计算器路由的容量差距,但 RAG 和 Web 搜索仍受益于更高容量。 14B 路由器 BERTScore F1 达 0.8408,接近全能力启用的 0.8418,中位延迟降低 80.5%。

  6. arXiv · AI33

    MIGRO:语言模型解耦且可移植的长期记忆系统

    MIGRO 提出了一个解耦且可移植的大语言模型长期记忆系统,将用户交互积累的经验视为跨模型共享的持久状态。该系统通过非对称保真度实现证据的精确保存与近似组织,利用共享语义索引支持检索。在 LoCoMo 匹配状态下,MIGRO 准确率提升 7.3%,私有内存减少 99.3%;在百万 token 的 BEAM 历史上,私有存储平均减少 57.5%。代码已开源。

  7. arXiv · ML22

    从预测到实践:一种任务感知的血糖预测评估框架

    提出任务感知的血糖预测评估框架,结合低血糖预警与胰岛素剂量支持双场景。 框架使用三个临床队列数据计算事件级召回率与误报率,并基于UVA/Padova模拟器评估干预效应预测能力。 结果显示模型在整体预测准确时,可能仍在关键高风险场景失效,揭示了预测精度与临床实用性间的差距。

  8. arXiv · ML35

    REWEAVE:基于在线学习的负载自适应 HNSW 索引

    REWEAVE 是一种在线索引维护方法,通过从查询反馈中学习边效用并定期重新布线,以优化 HNSW 索引对偏斜或变化工作负载的适配性。 在最多 1 亿向量的测试中,其查询吞吐量最高达 NGFix 的 3.3 倍,且在 Amazon-ESCI 数据集上通过查询漂移适应将流式 recall@100 从 0.745 提升至 0.979。

  9. arXiv · ML32

    AutoOntic:从文本自动归纳本体以构建知识图谱

    AutoOntic 管道通过规范化实体类型、归纳层级结构和挖掘约束自动构建本体。 在 Wikidata-TekGen 和 DBpedia-WebNLG 上,超过 90% 的诱导类型与参考类对齐;使用 AutoOntic 构建的知识图谱在 MINE 中实现 88% 检索准确率。 该工具旨在解决缺乏类型层级和域/范围约束的扁平图谱问题,提升图增强生成的检索质量。

  10. arXiv · ML28

    关系深度学习:超越外键连通性的语义关系表示框架

    提出关系表示构建(RRC)协议,区分模式语义、关联属性及上下文信息,将关系数据库映射为节点与关系描述符。 采用语义所有权原则分配属性,支持关系条件消息传递,兼容现有关系图学习架构。 该框架与关系消息传递、图 Transformer 等近期工作互补,旨在提升 RDL 模型的语义表达能力。

  11. AWS Machine Learning Blog53

    Natera 用 Amazon Bedrock AgentCore 为实验室运维搭建 SWARM 智能体

    Natera 基于 Amazon Bedrock AgentCore 搭建 SWARM 系统,为实验室设备工单提供自动诊断。swarm-agent 自动产出诊断报告,swarm-hive 支持工程师交互追问,两者共享一个包含 33 项技能的技能库。评估数据显示,平均首次响应时间从 17.4 小时缩短到约 8 分钟,96.2% 的工单可自动给出首轮响应。

11月12日周四
11月11日周三
  1. arXiv · NLP26

    EJAI: 保留判断力的数据中心环境正义公民AI

    系统EJAI结合交互地图与证据检索,在21项查询测试中,98.4%的事实性声明获证据支持,33个案例中32个主动说明缺失证据。 其企业高管角色因立场偏向而忽略冲突证据,形成grounding成本。15名参与者在模拟听证会中,部分人发现角色简化或偏见问题。

  2. arXiv · NLP29

    OpticalRAG: 像素空间压缩实现 Token 高效 RAG

    OpticalRAG 框架将文档渲染为页面图像,经冻结视觉编码器处理并蒸馏为 16 个注入 token,在 LongBench-v2、BAMBOO 和 LooGLE-v2 基准上取得最佳压缩感知准确率。 该框架包含无需对比训练的编码器桥接检索和查询驱动蒸馏模块,使 Qwen2.5-7B-Instruct 基线模型提升 5.17 分,论文已被 NeurIPS 2026 接收。

  3. arXiv · NLP29

    研究指出 LLM 需外部事实层提供交互计算而非静态属性以优化命理推理

    研究量化了八字分析中 LLM 所需事实层,发现 11 个开源模型直接回答时,60% 以上未答对六十甲日或 1% 以上未答对刑冲。 提供经过过滤的查询事实层后,Qwen3-8B 和 32B 准确率提升至 78%-92%,另 4 个模型达 96%-100%。 表明 LLM 需外部事实层提供计算好的交互关系,而非静态属性或完整列表。