跳到正文
11月17日周二
  1. 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。

  2. 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。

  3. 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。

  4. 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。

  5. 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。

  6. arXiv · AI25

    Sage S2.1 Flash 技术报告

    论文介绍 3200 亿参数的混合专家模型 Sage S1.5 Flash,专为科学证据推理与交互式环境行动设计。 模型采用专用编码器处理分子图谱与生物序列,并构建可验证环境以提升 Agent 能力。 在 33 个基准中,该模型在 OfficeQA Pro 和 MLE-bench Lite 等任务上表现领先。

  7. 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。

  8. 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。

  9. 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。

  10. arXiv · AI79

    K2-Horizon 发布六款全开源语言模型

    K2-Horizon 团队发布六款从 0.9B 到 375B-A23B 的全开源语言模型,覆盖推理、编码和智能体任务。团队提出 Mixture-of-Value Attention(MoVA)架构和 Uno 扩散适配器,后者在不使用独立草稿模型的情况下将解码速度提升最高 2.2 倍。

    推荐理由:发布六款开源模型及全量训练数据,提出 MoVA 注意力机制和加速解码的扩散适配器,并披露 10T 合成预训练细节。

  11. 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。

  12. 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。

  13. 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。

  14. 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。

  15. 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。

  16. 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。

  17. 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。

  18. 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。

  19. 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。

  20. 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。

  21. 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。

  22. 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。

  23. 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。