跳到正文
11月17日周二
  1. arXiv · ML28

    介观神经算子:基于分子动力学学习非线性本构定律以实现可扩展断裂预测

    研究提出介观神经算子(MNO),一种从分子动力学数据学习的非局部本构模型,用于大尺度断裂模拟。 模型内置归一化核与重缩放临界键伸长率以保证跨尺度物理一致性;在粗粒度MD数据中,学习到的应变能密度和临界能量释放率误差在3%以内。 该框架在面积扩大4000倍的含缺陷板材上成功复现了动态脆性断裂及分叉网络特征。

  2. arXiv · ML30

    BadGCL: 面向图持续学习系统的持久后门攻击

    图持续学习(GCL)系统的知识保持机制可能保留早期注入的后门,BadGCL 提出了一种模型无关的早期干预攻击框架。 该框架利用结构触发器和梯度互信息目标,在四个 GCL 基准测试中显著优于传统基线,且能抵抗代表性防御措施。 该研究揭示了 GCL 系统在安全方面的新漏洞,已被 KDD 2027 会议接收。

  3. arXiv · AI31

    AgentFaultBench:工具故障恢复的状态验证评测

    AgentFaultBench 评测 LangGraph 和 CrewAI 智能体在工具故障后的恢复表现,发现恢复建议对成功率影响有限。 在 1,944 次计划运行中,相比中性提醒,恢复建议使成功率变化分别为 -8.33、0.00 和 +1.06 个百分点,部分结果缺失导致后两组对比无法定论。

  4. arXiv · ML26

    正确表征下经典机器学习可媲美深度模型用于嗅觉混合物相似性预测

    在嗅觉混合物相似性预测中,使用显式对称比较特征的经典机器学习(XGBoost)性能可媲美专用深度模型。 XGBoost 仅使用逐坐标绝对差异即可实现强预测表现,结合和与积可进一步提升;核岭回归(KRR)也从显式比较特征中显著受益。 研究结果表明,在低数据场景下,显式编码两个混合物的差异是经典机器学习方法的关键要素。

  5. arXiv · AI34

    VIVID:用于智能体视频编辑的视觉框架

    研究团队提出 VIVID 视觉框架,支持通用编码智能体进行视频后期制作,无需额外模型训练。 在包含 100 项任务的 AgenticVBench 上,集成 VIVID 的 Codex 平均得分 58.6%,比原生 Codex 提升 20.2 个百分点。 该框架还兼容 Claude Code 和 OpenCode,分别取得 55.1% 和 37.1% 的分数,显著优于原生基线。

  6. arXiv · AI36

    UbiHearo:为听障用户带来场景感知声音引导的移动智能体

    UbiHearo 是面向听障(DHH)用户的移动听觉助手智能体,通过神经符号设计实现感知-推理-行动闭环。 其核心机制包括感知阈值节能感知、无提示词的分阶段场景理解,以及基于轻量级决策边界更新的人机协同个性化引导。 该方案在智能手机与车载系统中评估,实现了精度、延迟与能耗的有利权衡。

  7. arXiv · ML28

    ST-KF 算法通过边界门控软阈值卡尔曼融合实现跨油藏缺失测井数据重建

    针对测井数据缺失问题,ST-KF 算法融合多分辨率小波收缩与鲁棒卡尔曼平滑,在两个基准的 263 口井中表现最佳,参数开销仅为 0.09%。 该方法在 0.15 至 100 米间隔内优于九个基线模型,密度 RMSE 降低 5.0%–8.3%,压缩速度降低 6.4%–15.6%。 实验表明局部井筒连续性可跨盆地迁移,而跨属性映射随区域地质变化。

  8. arXiv · ML21

    PBit1:一个可编程 P-Bit 对应一个参数——预训练网络的有限控制表示

    PBit1 将预训练网络每个参数映射为一个可编程 p-bit,12-bit 指令设定其概率,通过共享仿射范围映射至权重域,并以时间观测重建权重用于推理。 在 GPT-2、DistilBERT 和 LFM3-1.7B 上,转换所有可学习标量且无微调,困惑度分别增加约 0.66% 和 0.26%,DistilBERT 准确率从 87.51% 变为 87.49%。

  9. arXiv · AI29

    ToolGraph 作为测试时扩展中工具使用智能体的 Q 函数

    ToolGraph 将工具依赖编译为有向加权图,用于估计目标条件下的动作价值 Q(s,a,g)。 在两个基准和三个骨干模型上,基于 LLM 的估算器在平均 8.3 分上超越 PageRank 检索,因为纯结构估算器无法区分错误参数。 该研究发表于 NeurIPS 2026 的 PTA 研讨会,强调了读取具体状态对多步价值组成的必要性。

  10. arXiv · ML30

    流匹配显式正则化:基于速度导数惩罚提升泛化能力

    研究表明,对流匹配模型速度场施加 $k$ 阶导数惩罚,在 $2k > D$ 条件下可确保 $D$ 维经验学习问题在时间上均匀适定。 实验在 1 至 2 维空间验证,使用样条离散化速度场并配合直接求解器,结果显示 Hessian 正则化流的误差远低于无正则化情形,且优于或接近核密度估计。 该正则化策略有效解决了数据分布附近的问题不适定性,显著提升了生成模型的泛化性能。

  11. arXiv · AI21

    VAHBench:面向智能体长视频生成的基准测试

    VAHBench 评估智能体将用户请求转化为完整视频的能力,通过 48 种配置下的 240 次运行测试发现,视频生成的高质量分数并不等同于交付的完整性。 测试显示,缺失剧集、重复片段和静态填充物揭示了生产过程与用户要求之间的差距,添加的构图工具虽有帮助但未能一致提升性能。

  12. arXiv · AI20

    EVIDENT:评估 GUI 智能体证据基础的新基准

    EVIDENT 是一个包含 220 项真实任务的新基准,用于评估 GUI 智能体决策是否基于可观察证据。 通过 TSR、ESR 和 GSR 三项指标区分表面任务完成与证据基础成功,实验显示在上下文和视觉任务中两者存在显著差距。 该工作揭示了当前评估方法可能高估智能体可靠性的问题。

  13. arXiv · AI35

    LLM Agent 引导 SMT 求解器配置调优

    LLM Agent 首次应用于 SMT 求解器配置调优,基于 cvc5 记录 4,545 次提案。 在 2026 和 2025 SMT-COMP 验证基准中,未训练数据几何均值增益分别为 7.8% 和 6.8%。 Agent 引导的调优能让成熟求解器特化,实验证据积累可指导持续搜索。

  14. arXiv · AI28

    FinVerify:金融智能体数值声明验证框架

    FinVerify 是基于证据验证金融智能体数值声明的框架,在 Agent Finance Reasoning 数据集上将声明精确度从 56.4% 提升至 76.7%。 该框架定义五类错误并采用 LLM 结合 Z3 求解器进行验证,在 XBRLFiling 数据集上达到 99.8% 的声明精确度和 97.0% 的决策准确率。 研究表明显式的证据验证能提升可靠性,但存在正确率与拒绝率之间的权衡。

  15. arXiv · ML21

    有限深度样本下尖锐首次命中识别方法研究

    论文针对有界Lipschitz连续源逆深度场,刻画了有限采样下的首次命中深度集合,证明了其可能不连通,并提出了共享场景的充要性检验。 基于标量锥不等式的极线减少方法无需枚举表面,在rectified模型中给出了尖锐最坏情况逆深度直径的理论界,并通过十场景评估区分了求解器正确性与假设失效。

  16. arXiv · ML28

    视觉证据如何改变视觉-语言顾问在激励驱动下的误报行为

    研究表明,视觉输入未使视觉-语言模型(VLM)更诚实,其遵循激励的程度取决于读数是否显式化及输出顺序。 实验涵盖 15,170 次试验,覆盖 Qwen2.5-VL、InternVL3、Gemma 3 等 4 个模型,发现添加文本真值可消除偏差。 该研究揭示了纯文本评测与均值偏移指标的盲点,已提交 IEEE 发表。

  17. arXiv · AI23

    气电厂控制逻辑LLM助手的部署经验:来源权威性与有界检索

    在两座燃气电厂部署的控制系统显示,采用VLM从PDF重建拓扑的提取精准度仅为0.51,且在4块H200 GPU上耗时3.1小时。 后续测试表明,将LLM工具调用代理替换为显式执行计划后,token使用量降低20倍,中位延迟缩短3倍,且检索节点集保持一致。 该设计将本地LLM限制在意图分类和解释上,利用确定性软件处理基于权威来源的技术证据检索与构建。

  18. arXiv · AI48

    基于情景与程序记忆的矩阵方法用于工具代理与机器人

    针对智能体重复失败动作及误信自身成功的问题,该方法构建了包含联想矩阵与有序步骤记录的双部分记忆系统。 仅由外部验证(测试、工具或人工)确认的结果才计入学习,代理自身声称成功不被采信。 模拟显示,引入外部验证后机器人任务解决率从 35% 提升至 79%,10 万条记忆检索耗时 16ms。

  19. arXiv · ML38

    Func-JEPA:学习函数 Sobolev 空间作为潜在向量

    提出 Func-JEPA 架构,预训练数学函数编码器,其潜在空间模仿 Sobolev 空间 H^1 且导数作为学习潜在算子。 规范范数由函数精确计算,方向学习匹配 Sobolev 角度;冻结编码器复用于解码、组合、积分及回归任务。 f-JEPA 从噪声样本恢复精确公式的频率高于符号回归方法,但计算机代数在标准基准上更强。

  20. arXiv · ML20

    SAM 扰动的统计重放诊断:NeurIPS 2026 Workshop 论文

    针对 SAM 泛化机制,本文提出“统计重放”诊断方法,通过局部窗口均值和标准差重放扰动。在 ResNet 18 和 CIFAR 10 实验中,纯重放未能复现 SAM 验证精度,混合重放可接近其性能但未复现训练动态。结果表明,多种简化解释被削弱,但 SAM 的核心机制仍未完全解释。

  21. arXiv · AI20

    HARMONIX:知识引导生成系统中结构约束的局限性评估

    HARMONIX 框架揭示了局部有效的决策未必能维持人类决策中的上下文关系。 该研究利用 19,745 条记录进行实验,发现综合约束在稳定结构中提高约 5 个百分点的根音程一致性,但在转调跟踪情境下降低近 9 个百分点。 这一结果证明可解释约束可能引入被整体准确率指标掩盖的系统性失败。

  22. arXiv · ML32

    Grokking 现象可被引导:通过学习规则选择理想解

    研究揭示学习规则控制 Grokking 过程中的电路大小,通过统一信用分配条件,可将从层神经元 60% 扩展至 99% 参与电路。 Nero 优化器因逐神经元归一化实现电路分散,而 Adam 等保留紧凑电路;分散电路抗删减性强,紧凑电路剪枝效率及特征重组任务迁移速度约快 2 倍。

  23. arXiv · AI28

    Query-ATLAS:基于 LLM 的分布式科学发现中的自适应工具选择框架

    Query-ATLAS 框架利用 LLM 在分布式系统中引导符号搜索,实现了跨客户端共享方程的识别。 在 72 个设定中,该框架取得 64 次验证通过和 64 次分布内通过,优于固定工作流的 62 次和 59 次;两者在分布外测试中均通过 47/60 项,且固定工作流保留了更低的误差和成本。 研究指出更广泛的查询覆盖是潜在优势,推动了对任务感知工具选择和客户端感知拟合的关注。

  24. arXiv · AI37

    GEM-MM:通过熵引导偏好对齐减少 VLM 幻觉

    GEM-MM 通过熵引导偏好对齐减少视觉语言模型(VLM)幻觉,基于 Qwen3-VL-4B-Instruct 在 3000 个提示预算下取得最佳熵深度偏好分数 61.7%。 方法采用组归一化策略梯度,奖励高熵推理分叉并惩罚不确定答案,将 AMBER 幻觉率从 23.4-24.0 降至 20.6。 代码与评估框架已开源,统计显著性检验 p 值小于 0.001,确认了主要消融实验结果。

  25. arXiv · ML28

    深度循环语言模型的架构设计与 KV 重放机制

    针对深度循环模型在自回归解码中内存随深度增长的问题,研究提出结合架构调整与缓存共享以降低内存成本。 具体包括构建循环混合架构、Parcae 风格专用循环工作区,以及引入循环 KV 重放机制,仅允许选定迭代写入 KV 状态供后续复用。 研究发现循环混合架构对注意力锚点频率和循环混合器性能敏感,且循环 KV 重放能在保持性能接近全量缓存基准的同时实现跨迭代共享。

  26. 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。