跳到正文
11月17日周二
  1. arXiv · AI32

    假设链中,提出正确问题是 AI 发现的关键

    研究显示,Claude Sonnet 5.5 和 GPT-6.1-Sol 在忽略窄峰数据的 32 次闭环测试中,采样频率低于随机搜索。 严格遵循模型分歧的代理在全部 32 次测试中均漏掉窄峰,早期探测未测间隙并跟进异常则能实现发现。 仅测当前模型分歧区不足够,提出指向未测区域的新问题是 AI 在假设链中发现的关键。

  2. arXiv · ML28

    CY-Bench 全球作物产量预测基准测试:跨范式评估揭示数据驱动模型优势

    基于覆盖 63 个国家-作物数据集的 CY-Bench 基准测试,特征工程机器学习与表格基础模型在整体预测性能上表现最强。 数据驱动模型在种植玉米的 72% 国家及种植小麦的 78% 国家降低了 NRMSE,中位降幅分别为 8.8% 和 11.9%;空间预测难度显著低于时间序列和异常预测。 研究成果已被 KDD '27 接收,有助于改进粮食决策、预警及粮食安全规划。

  3. arXiv · AI25

    P2C 框架利用文本推导的约束优化噪声生物数据中的微分方程发现

    P2C 智能体框架将生物系统文本描述转化为类型化形式约束,用于在数值拟合前限制候选 ODE 结构。 在急性炎症和免疫调节的四个 ODE 系统测试中,加入 Text2Constraint 将干净数据的最大形式误差从 1.397 降至 0.499,高斯噪声(σ=0.1)下从 13.096 降至 1.095。 该方法在测试噪声范围内优于多个 LLM 基线,显著提升了稀疏噪声生物数据下的方程发现能力。

  4. arXiv · AI37

    AI 智能体计划承诺的阈值理论:何时修复、重新规划或放弃

    论文提出 AI 智能体应对执行中断的最优策略,基于有效中断深度的阈值决定修复、重新规划或放弃目标。 模型显示单次故障需重新验证 1+R(G)/n 个动作,串行计划在原始损伤约为并行计划 w 倍时切换至重新规划。 数值检查器通过 160 万次静态模型评估验证命题,零违规,且复现基准测试的区间翻转。

  5. arXiv · AI27

    DH-BPR:基于 LLM 的数据驱动启发式业务流程再造框架

    DH-BPR 框架结合 LLM 与规则技术,通过事件日志自动检测并应用业务流程再造启发式规则,最终输出优化后的 BPMN 模型及资源模型。 该框架实现了从用户驱动向数据驱动的转变,支持联合设计与记录应用计划。基于合成基准及两个真实事件日志的模拟评估显示,该框架将平均案例完成时间最多缩短 61.5%。

  6. arXiv · ML21

    NetBreaker:网络拆解基准测试

    研究团队提出 NetBreaker 基准,旨在评估学习时代网络拆解算法的性能。该基准整合 30 种方法(18 种非学习、12 种学习)并在 8 个统一领域的 185 个网络(节点数 14 至 1.69 百万)上测试,通过统一执行协议将异构输出转化为节点移除序列进行评估。

  7. arXiv · ML21

    SmellNet 混合气味识别缺陷审计:未知组合下的成分级分析

    审计发现 SmellNet 在未知成分组合识别中存在严重协议缺陷,四种架构模型在获知成分数量的协议下,90-96% 的混合样本被错误识别出不存在的成分。 官方测试集上,二元混合物中排名第一的成分准确率仅为 29-46%,且模型对训练集高频成分存在偏好,导致错误分布在所有架构间高度一致。 该研究表明识别瓶颈源于成分混淆与频率偏差而非模型架构,建议采用集级错误指标并移除先知数量进行评测。

  8. arXiv · AI20

    面向社会部署 AI Agent 的行为保证评估框架

    研究人员提出针对社会部署 AI Agent 的行为一致性评估框架,通过标准化测试电池测量行为差异、一致性及漂移。 该框架沿五个可测量轴操作化 Agent 行为,覆盖六种社会敏感交互场景,利用受控 persona 配置作为实验锚点验证行为差异的持久性。 此工作将焦点从 persona 设计转向行为保证,为评估 AI Agent 是否在用户遭遇的各种情境中按预期一致且可测量地运作提供了基础。

  9. arXiv · ML21

    论文提出 SCOPE:在权重空间学习图结构条件预测器

    研究提出 SCOPE 框架,将节点结构指纹映射为共享低秩基上的系数,生成上下文特定的全局权重矩阵更新。 指纹缓存后推理仅需前向传播,无需在线消息传递。在 OGB 节点分类任务中,条件化权重比输入拼接原始位置信号带来显著提升,证明图结构决定了预测器而非仅提供证据。

  10. arXiv · ML30

    在策略蒸馏作为后门传播通道:揭示 LLM 安全风险与缓解方法

    研究发现,在策略蒸馏(OPD)过程中,教师模型中植入的条件后门可高效传播至学生模型,且效果强于传统蒸馏。 机制分析表明,后门信号主要通过教师模型在触发与干净输入间的异常条件概率差异传递,并内化于学生模型表示中。 基于此,论文提出了一种针对该传播场景定制的 OPD 训练方法,以抑制源头异常信号,缓解不可信教师监督带来的后门转移风险。

  11. arXiv · ML40

    LogT:通过逻辑链引导的SFT数据引擎提升视觉搜索推理

    该研究提出自动化SFT数据引擎LogT,通过强制逻辑链引导生成高质量训练数据,解决视觉搜索中逻辑推理与工具使用挑战。 在Qwen2.5-VL-7B和InternVL3.5-8B上验证,LogT-SFT仅用3.1倍更少的数据和120倍以上更少的GPU小时,超越SFT和RL训练的SOTA模型。 应用简单RL配方后,模型性能比复杂RL设置方法高出9.59分,并展现出更高工具使用准确性与结构化推理轨迹。

  12. arXiv · ML21

    纵向用药轨迹知识引导局部到全局异常学习框架

    针对纵向用药轨迹中的异常检测,该研究提出知识引导局部到全局(L2G)异常学习框架,通过三级代理监督和共享评分头实现局部偏差与账户级决策的关联。 该框架利用药物多集编码器和因果访问序列编码器生成访问级异常日志,并通过Top-α聚合推导账户级分数。在City-A城市队列实验中,L2G表现优于最强基线方法,且在跨城市定位任务中展现出更一致的性能提升。

  13. arXiv · ML26

    理解预训练中推理数据的作用

    研究表明,在预训练中,原子训练信号的最优权重随推理链长度增加而增大,并随未纳入推理监督的事实比例增加而减小。 该结论在线性 Transformer 及包含 MLP 的全 Transformer 层中均得到验证,且在多跳推理和数学预训练的自然语言设置中确认了推理复杂性与数据覆盖率的调节作用。

  14. arXiv · AI30

    无重放循环状态迁移的信息极限

    研究指出循环模型状态迁移所需的最小连续因果记忆,等于提升系数系统的可达维数减去锚定状态信息。对于可控 d 状态模型,标量输入最多需要 k d 个额外实数坐标,即使矩阵替换方向在流式传输后才揭示。单秩一方向即可要求全部 k d 坐标。 在小语言模型实验中,等记忆三次插值比三阶系数提高了平均状态保真度,但未带来有意义的预测增益。

  15. arXiv · AI33

    NI-ACT:面向脑-具身操作的神经常驻意图接口

    NI-ACT框架将皮层信号解读为持续意图以驱动机器人抓取,在反事实任务中意图替换改变了抓取行为。 将群体潜在变量作为意图token使抓取完成率从69%升至81%,PMd区域读取效果优于M1(77% vs 53%)。 证明神经信号的表征方式及读取时空位置共同决定了向具身智能体传达运动目标的有效性。

  16. arXiv · ML40

    双向对数线性注意力:提升长上下文召回率的混合架构

    双向对数线性注意力通过结合正向与锚定序列起点的反向层级,在保持因果性前提下实现了对早期和近期上下文更精细的访问。 在等参数匹配的语言模型测试中,该机制将 RULER 基准下 6144 token 上下文的针在草堆任务平均得分从 26.97% 提升至 50.03%。 多查询关联召回测试中,其平均准确率由 76.37% 升至 96.12%,且优于正向对数线性注意力。

  17. arXiv · AI38

    权重空间编程:语言模型零样本预测与结构化数据分类

    语言模型通过权重空间编程,无梯度下降地手动固定前馈网络所有参数,完成统计推断与目标变量预测。 方法将数据集与网络架构输入模型,直接输出权重与偏置数值,预注册预期分数。测试涵盖玩具问题、合成数据及经典基准,在两个层级击败梯度下降训练的基线。 核心发现是线性分离器训练误差可预测隐层有效性,弥补复合复杂度指数的不足。