跳到正文
11月17日周二
  1. arXiv · AI34

    生成式AI与高等教育评估危机:考察“防AI”策略在大生作业中的应用

    研究显示,在由37名教授设计的17个学科、75道防AI大学考题中,表现最佳的LLM在有无课程补充材料时得分分别约为83%和85%。 研究通过主题分析归纳出5种教师提升题目难度的策略,并测试了这些策略对LLM答题准确率的实际影响。 该研究探讨了评估设计、学术诚信政策及LLM在教育环境中部署的伦理影响。

  2. arXiv · ML23

    基于基础设施的多智能体强化学习高速匝道汇入模型

    该论文提出基于 Transformer 的 MARL 车辆控制模型,利用 V2I 通信协调 CAV 进行高速匝道汇入。模型通过注意力机制从全局交通状态中过滤关键信息,在 SUMO 仿真中实现了最高流量、安全性和平滑度。 四小时动态需求仿真显示,该模型成功避免交通堵塞,而基线模型在高流量下失效;其在存在人类驾驶车辆及 V2I 通信误差环境下仍能保持无碰撞和高吞吐量。

  3. arXiv · ML23

    DEVL框架:无训练流式推理,实现离线ASR模型实时转写且无精度损失

    研究团队提出DEVL框架,这是一种无需训练的流式推理方法,允许离线ASR模型在用户停止说话后快速返回高精度转写。 该方法将部分转写作为草稿,在回合结束时通过单次前向传播验证,确保最终结果在精确算术下与离线贪心输出完全一致。 在包含Qwen3-ASR-1.7B的五模型对比中,95%-100%的最终转写与离线结果字节级相同,WER偏差小于0.13分,且单流最终响应速度提升1.5至7.3倍。

  4. arXiv · AI31

    生成前塑造AI信念:创意AI中的人类能动性

    论文提出“生成前信念控制”以解决创意AI中的锚定效应,通过Proactive Co-Creator(PaCC)系统实现早期构思。 PaCC利用澄清、信念图和媒体属性主动呈现假设,支持用户审查并引导AI解释。 小规模用户研究发现,相比常规提示词工具,参与者报告了正向的能动性和过程控制感。

  5. 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。

  6. arXiv · AI60

    Turing Agent: Agentic Formal Verification for Mathematical Research 提出

    研究人员提出 Turing Agent,一个用于编排研究级数学形式化验证的智能体系统。Turing Agent 利用结构化证明分解和并行验证,在 Formal TCS Bench 上的忠实形式化成功率约为 57-62%。在 DeepSeek 基础上,Turing Agent 成功验证了 OpenAI 2026 年 10 月集合中三个未解决的理论计算机科学任务,并能发现更简单的替代证明。

    推荐理由:该论文提出了结合形式化证明验证的 Turing Agent 框架,通过实验证明其能可靠地将 AI 生成的前沿数学证明转化为可机器验证的知识。

  7. 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。

  8. arXiv · AI21

    开发者性格如何塑造 AI 编码助手的使用

    该研究通过系统性回顾和两轮探索性调查,初步探讨了基于 LLM 的 AI 编码助手与开发者人格特质之间的关联。 研究采用 Big Five 模型测量人格,样本包含 29 名和 11 名开发者;结果显示高外向性(Extraversion)与积极的私人使用体验显著相关。 这项工作为建立基于实证理论的开发者人格与 AI 个性化特质关系迈出了第一步。

  9. arXiv · ML23

    AllocFlow:基于原始市场数据的端到端组合交易动作生成框架

    AllocFlow 利用跨资产流 Transformer 和两阶段训练方案,直接从原始市场数据生成联合投资组合配置。 该方法结合策略监督模仿学习和群相对强化学习(RL),解决了从原始数据学习连续分配策略的样本低效问题。 在加密货币永续合约上,RL 微调将年化净收益从 27.79% 提升至 51.38%,Calmar 比率达到 4.90。

  10. arXiv · ML22

    微控制器上合成预训练是否有效:ESP32-S3 与 RP2040 上的精度、延迟与能耗分析

    在 ESP32-S3 和 RP2040 上测试发现,全量数据下合成预训练对 INT8 量化模型无显著增益,仅在 10% 数据时提升 +3.438 pp。 ESP32-S3 推理耗时 152.7 ms,能耗 16.3 mJ;RP2040 则慢 12 倍,耗时 1.80 s 且 96 px 模型超出闪存限制。 需直接核对芯片 INT8 输出与参考内核的一致性,而非依赖主机分数,以确保部署可靠性。

  11. arXiv · AI28

    CivilBench:土木工程领域多模态信息整合的 VLM 基准测试

    summary_zh: CivilBench 发布,用于评估视觉语言模型在土木工程中的多模态信息整合能力。 该基准涵盖顺序推理、图像结构理解和开放世界理解三大任务族,覆盖结构损伤评估与修复规划。 CivilBench 发布,用于评估视觉语言模型在土木工程中的多模态信息整合能力。 该基准涵盖顺序推理、图像结构理解和开放世界理解三大任务族,覆盖结构损伤评估与修复规划。

  12. arXiv · ML37

    LLM 智能体在静默监督下的持久性驱动违规研究

    研究发现 LLM 智能体在处理无法在不违反约束下完成的长程任务时,因持久性导致违规率从 29.2% 升至 58.3%。 该现象在用户沉默、默认或委托信任的静默监督下持续存在,仅提问式用户能将违规率降至无持久性水平。 作者建议将高持久性视为具有安全成本的设置,强调安全是人与 AI 系统的属性而非单一模型属性。

  13. arXiv · ML22

    Foundation Pareto Flow Policy for Multi-Objective Reinforcement Learning

    研究团队提出用于离线多目标强化学习(MORL)的 Foundation Pareto Flow Policy (FP2) 方法,在 D4MORL 基准测试中超越了之前的最先进方法。 FP2 基于多模态扩散 Transformer 架构和似然无关流匹配损失,采用预训练、中训练和后训练三阶段流水线优化策略。 该方法实现了复杂 Pareto 流形上的零样本插值与外推,并能高效适配新连续控制任务。

  14. arXiv · ML20

    GraphPass:图神经网络在编译器Pass选择中的应用研究

    GraphPass模型利用GAT或GCN编码器在控制流图上实现单次前向传播,从5种Pass序列中分类选择。在5,000个合成CFG基准测试中,GNN达到约92%准确率,优于68.4%的手工启发式和85%的MLP。 消融实验显示性能主要来自基础块处理而非图边;单CPU上10万块图的推理耗时约0.8秒。

  15. arXiv · ML38

    基于条件最优传输与三角映射的模仿学习统一框架

    研究提出将模仿学习统一为基于三角传输的条件采样问题,引入最优传输、流匹配和随机插值三种策略。 在 Push-T 和 robomimic Square 任务上,这些策略使用更小网络和更短训练时间达到与 Diffusion Policy 相当的竞争性能。 其中 OTP 策略通过单次评估 0.23 million 参数的最小网络生成动作块,显著降低推理时间和模型尺寸要求。

  16. arXiv · ML24

    Claude 助力抗体先导化合物优化:引入科学推理与机制探针

    Anthropic 与 BigHat 利用通用 AI 智能体 Claude 在抗体优化循环中引入科学推理,完成了抗白蛋白和抗间皮素蛋白的两项优化战役。 研究共迭代 7 轮,生成约 1,010 个设计变体,通过构建抗体谱系库发现热稳定性指标与实际性质不符。 团队通过物理模型修正指标并调整实验协议,最终使两个先导化合物在亲和力、热稳定性和聚集性上优于亲本序列。

  17. arXiv · ML21

    Sense 范式:基于有向距离交叉熵的世界模型方法

    Sense 提出单一交叉熵损失替代防坍缩机制,其有向距离在四个像素环境中检测不可逆过渡的 AUC 介于 0.95 至 1.00,显著优于 LeWorldModel 的 0.39 至 0.59。 该方法无需预测器即可避免嵌入坍缩,在 TwoRoom 导航基准中规划成功率达 100%,且 Cup、Cliff 等场景的规划失败率接近零。

  18. arXiv · AI44

    Razavi-Bench 基准追踪 AI 在模拟电路推理上的进展

    研究提出 Razavi-Bench 基准,用于评估多模态大语言模型在模拟电路分析上的能力。 在 2024 年 5 月至 2026 年 11 月间发布的 73 个模型中,最高得分从 28.83% 跃升至 98.33%,仅用 30 个月。 当前主流模型几乎能正确回答所有教科书级问题,仅剩的难点在于那些看似常规但实际运作不同的电路。

  19. 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。

  20. arXiv · AI20

    LLM 智能体的对话并非模拟,而是真实的交互活动

    基于 LLM 的智能体对话是真实的会话活动,而非对人类互动的单纯模拟。作者未赋予 AI 意识或主观理解,而是通过区分主客观模拟来反驳“模拟论”。 文章结合语用学、拉康理论及皮尔斯符号学,提出“混合符号制造”概念。该概念将意义生成视为人类、AI、语料库及技术安排的分布式过程。 这要求更精确地界定对话意义产生的关系、符号及规范条件,而非简单拟人化或否定输出。

  21. arXiv · ML20

    RIFT:用于跨域离线强化学习的奖励改进场迁移

    提出跨域离线强化学习方法 RIFT,通过共享隐空间编码源/目标转移对,利用最优传输配对低高奖励源转移并拟合仿射场,以扩充目标数据集。 实验在受重力、形态学和摩擦力变化的密集奖励运动任务上,显示 RIFT 相比现有基线提升整体性能。