跳到正文
11月18日周三
  1. arXiv · AI22

    利用大语言模型与知识表示实现类人语义导航以应对自动驾驶动态场景

    研究探索利用大语言模型将非正式导航指令转化为答案集编程规则,解决自动驾驶在动态城市环境中依赖预定义地图导致的适应性难题。 答案集编程提供非单调推理能力,使车辆能在道路布局变化或地图数据缺失时进行自适应决策,增强了导航的可解释性。 该方法通过自动翻译逻辑规则支持基于语义的决策制定,提供了与人类沟通导航意图高度一致的动态规划框架。

  2. arXiv · ML23

    低损失区域不对齐引发 Grokking:基于模态连通性的机制分析

    研究揭示低损失区域不对齐是引发 Grokking 的关键机制,并在标准模块算术任务中构建了“反-Grokking”反例,挑战了现有关联解释。 基于模态连通性的分析框架表明,当训练与验证划分的低损失区域对齐良好时,仅调整超参数无法产生 Grokking,模型动态将坍缩为可训练或不可训练状态。

  3. arXiv · ML20

    预训练表征中的直觉向量引导扩散推理

    预训练视觉表征的几何结构支持抽象推理,直觉向量能区分794项任务,准确率最高达87.2%。 直觉向量在ARC测试集上性能优于完整示范条件,测试时计算量减少近六倍,并支持零样本推理。 预训练视觉表征为抽象推理提供了可迁移的基础,实现了由关系结构引导生成式推理的模块化方法。

  4. arXiv · ML28

    SKMD:用于主动学习原子间势的 Stein 核化分子动力学

    研究者提出 SKMD 采样方法,通过交互粒子动力学为机器学习原子间势(MLIP)获取信息丰富的训练构型。 该方法采用全局原子描述符内核以感知对称性,保持 Boltzmann 分布为平稳分布,并在 Müller-Brown 势能、MACE 模型等案例中,比基线方法以更少迭代次数实现更高精度。

  5. arXiv · AI29

    OPT* 如何在扩展搜索空间中进行类优化推理

    研究人员提出可扩展的类优化任务族 OPT*,包含可行性检查器与评估器,通过复杂度参数扩展 LLM 的搜索空间。 该框架对比了求解器引导的在线策略优化(使用 rank-based reward shaping)与无求解器时的搜索型离线 RL,并在理论层面关联了搜索预算下的信息提取效率。 在 OPT* 上的训练被证明能提升 LLM 逐步类优化推理的表现。

  6. arXiv · AI28

    CORE:通过概念导向强化学习缩小数学推理中定义与应用间的差距

    提出 CORE 强化学习框架,通过引入概念监督信号解决大语言模型在数学推理中“解题对但概念错”的问题。 在 RLVR 基础上,CORE 合成概念对齐测验并注入概念片段,结合轨迹替换或 GRPO 进行训练。 在多个模型上,CORE 于领域内概念测验及领域外数学基准上均优于 vanilla 和 SFT 基线,论文已被 ICLR 2026 接收。

  7. arXiv · AI38

    研究与分析:人类与 AI 在内容审核任务中响应难度模式相似

    六款大型推理模型与1854名人类受试者的实验显示,模型在人耗时更长的案例中产生更长思维链。 当两个帖子攻击性相同时,人类响应时间增加31%,模型思维链长度增加51%至306%;按语言类型分组时平均推理 effort 与响应时间高度相关(r = 0.85-0.93)。 研究指出推理轨迹可用于优先处理困难案例并增强可解释性。

  8. arXiv · ML20

    差异化隐私非凸分布鲁棒优化研究

    论文提出 DP Double-Spider 方法用于非凸 DRO,并证明其效用界为 O(1/√n + (√d log(1/δ)/(nε))^(2/3))。 针对 KL 散度情形,提出 DP Recursive-Spider 方法,达到与最优已知 DP-ERM 相同的 O((√d log(1/δ)/(nε))^(2/3)) 界。 实验表明所提方法在 DP 极小极大优化中优于现有方案。

  9. arXiv · AI35

    AI 模拟:基于自我报告的语音访谈提升准确性并减少样本统计扭曲

    基于丰富自我报告数据的 AI 模拟可显著降低人口统计提示带来的预测误差与样本统计扭曲,在 General Social Survey 项目中,使用访谈和调查数据使准确率从 60.4% 提升至 72.8%。 研究对 1052 名受试者进行了两小时访谈,发现组合数据可弥补 53.5% 的扭曲差距;微调模型虽达到 75.2% 准确率并修复 69.3% 的扭曲,但未能消除经济博弈中的过度理性偏差。

  10. arXiv · ML27

    SiGMA 提出门控消息传递与注意力混合架构以应对图级异质性

    针对图学习中的异质性,SiGMA 提出一种门控混合图神经网络,在每层结合消息传递与注意力头。 各头由节点级 sigmoid 门控调制,允许模型自适应调节局部或全局机制,支持近恒等计算路径以避免过平滑,并促进非局部通信以缓解过挤压。 实验表明,SiGMA 在图级基准测试中表现强劲,性能一致持平或超越竞争性图 Transformer 及混合基线。

  11. arXiv · AI40

    大规模语言模型尚未变革科学:250 万篇论文的趋势分析

    一项针对 2015 年至 2025 年五大学科 250 万篇全文论文的分析显示,大语言模型(LLM)尚未引发科学实践的显著断裂,除词频变化外,2023 年前的多数趋势延续且可检测中断有限。 研究发现计算机科学领域在亚洲的合著团队增长显著加速,而生物医学领域主题多样性的表观下降主要归因于文章格式的标准化。 该研究通过追踪词汇、结构、认识论和社会维度,为监控全球科学的健康状态建立了实证基础。

  12. arXiv · AI32

    SCoRe 提升长程漏洞利用智能体表现:停止并非能力上限

    研究发现智能体在首次停止后仍有验证增益但收益递减,总结保留不可能性判断导致后续探索低效。 提出上下文管理方法 SCoRe,在停止爆发时压缩上下文并标记判断为未证实。MiMo 在 2000 轮达到 67.0% 覆盖率,显著高于原始策略的 32.4% 和 GPT-5.5 的 58.6%。 表明持续执行结合上下文管理可激发更多漏洞利用能力,停止不必然代表智能体能力极限。

  13. arXiv · ML24

    Advantage-Gated Adaptation (AGA) 提升扩散强化学习的奖励-质量权衡

    Advantage-Gated Adaptation (AGA) 通过解耦正负样本更新机制,在组合生成、文本渲染和偏好对齐任务中持续改善奖励-质量权衡。 该方法对正样本保留标准目标拟合,对负样本采用移动策略预测处的一阶切线以保持局部排斥方向;参数无自由度门控定义为 omega(a)=max(-a,0),并由冻结预训练参考负责长程行为保持。

  14. arXiv · ML22

    利用 Petri 网编码解释二进制神经网络推理:从约束到因果

    论文提出将固定二进制神经网络(BNN)的推理语义组合翻译为 1-safe Petri 网,使计算步骤转化为显式变迁,从而生成因果追踪序列。 通过穷举输入-输出等价性验证了翻译的忠实性,展示了如何通过对比触发序列来定位单一特征改变对预测结果的具体影响。 该方法弥补了传统 SAT 验证仅判断属性是否成立的不足,开启了分析两个 BNN 决策分歧的因果追踪新方向。

  15. arXiv · ML22

    退化线性二次调节器中确定性等价策略实现多对数级遗憾

    针对在线线性二次控制(LQR),当最优控制器可辨识时,确定性等价算法可实现 $O(\log^2 T)$ 的期望遗憾。 该研究证明,奇异输入罚项放宽了可辨识性条件,扩展了确定性等价策略的有效范围;在可辨识性失效的情况下,则给出 $\Omega(\sqrt{T})$ 的极小极大下界。 这一结果揭示了奇异罚项在降低未知线性系统辨识需求及处理欠驱动系统(如小车-摆问题)中的理论优势。

  16. arXiv · ML20

    基于非局域博弈的概率分布传输中的量子-经典分离

    研究证实,常深度局域量子电路可精确且可逆地连接两个经典概率分布,而经典随机传输需更大空间范围,确立量子-经典分离。 论文在一维链上展示此分离,并基于非局域博弈发展图上的通用构造原理;源分布本身可由简单局域经典过程生成,确立分布生成中的量子优势。 结果揭示了经典与量子局域可逆性的根本区别,即便初始和终态完全为经典。

  17. arXiv · AI29

    模型是否使用其引用的内容?针对小型视频语言模型中基于依据的推理链的反事实测试

    该研究通过反事实干预测试了 2-3B 视频语言模型是否真正依赖其引用的区域。 结果显示,在 CLEVRER 数据集上引用间隙为 0.089,而在 NExT-QA 上仅为 0.003。 这表明仅检查引用位置不足以验证推理有效性,必须移除链条中明确命名的实体以检测答案依赖。

  18. arXiv · ML26

    分层策略优化推理时目标:多LoRA适配器提升pass@k性能

    研究者提出分层策略,在推理时将样本预算分配给k个策略,而非重复采样单一策略。每个策略由共享语言模型骨干上的独立LoRA适配器实现,并针对pass@k进行优化。 理论分析表明,在单LoRA预测误差严格为正的场景中,LoRA群体可实现零best-of-k近似误差。实证结果显示,在多个推理任务中,分层策略一致优于单一策略基线。

  19. arXiv · ML38

    ASH:通过激活引导实现提示增强 GRPO

    ASH 提出一种新的提示增强 GRPO 方法,通过在模型激活中注入可训练引导向量,解决推理时无提示导致的训练-推理上下文不匹配问题。 在四个 LLM(Qwen3-1.7B/4B-Base、Llama-3.2-1B/3B-Instruct)实验中,ASH 在 AMC、AIME 等竞赛级及分布外基准上持续提升 pass@$k$ 指标。