跳到正文
10月6日周二
  1. arXiv · AI20

    MTL-BA:面向 mmWave 波束对齐的元迁移学习框架

    研究者提出 MTL-BA,一种面向 MISO 波束对齐的元迁移学习框架,冻结预训练卷积骨干,仅元学习轻量级 Scale-and-Shift(SS)适配器和分类器头。 在 DeepMIMO 的室外到室内迁移场景下,MTL-BA 在 35 dB 时取得所评估方法中最高的 Top-1 准确率,更新参数量比全量微调少 17×,元训练速度比 MAML 快 6×。

  2. arXiv · AI26

    PSI-Bench:可解释且具临床意义的抑郁症患者模拟器评估框架

    研究者推出 PSI-Bench,一个可在轮次、对话和人群三个层面自动评估抑郁症患者模拟器行为的框架,并对两个模拟器框架下的七个 LLM 进行基准测试。 测试发现模拟器回复过长、词汇过于多样、变异性偏低,且过快推进治疗阶段并转向正向情绪;模拟框架对保真度的影响大于模型规模。 人类研究显示该基准与心理健康专业人员的判断高度一致,为未来模拟器设计与评估提供了可解释、可扩展的基准。

  3. arXiv · AI22

    MulCoT-RD:用思维链增强与蒸馏实现资源受限下的联合多模态情感推理与分类

    研究者提出 MulCoT-RD,通过"教师-助手-学生"蒸馏范式,让仅 3B 参数的轻量模型同时完成多模态情感推理链生成与情感分类。 该方法先用高性能 MLLM 生成初始推理数据集,再以多任务学习训练中等规模助手模型,最后联合训练轻量学生模型。 在四个数据集上,MulCoT-RD 在 JMSRC 任务上表现强劲,并展现出良好的泛化能力与可解释性。

  4. arXiv · AI22

    具身智能时代的物理模拟器:机器人导航与操作综述

    一篇综述分析了物理模拟器如何应对具身 AI 中导航与操作的 sim-to-real 差距,重点关注以往综述较少涉及的模拟器属性,并梳理其硬件需求。 文章还分析了模拟器在导航与操作任务中的功能特性,并提供包含基准数据集、指标、仿真平台与方法的资源,帮助研究者在硬件约束下选择合适工具。 该综述已被 ACM Computing Surveys(CSUR)接收,共 35 页、9 张图。

  5. arXiv · AI34

    PPFedIT:面向隐私保护的少样本联邦指令微调

    PPFedIT 在三个开源数据集上将联邦少样本指令微调的模型性能平均提升 8.4%,并把数据提取攻击风险降低约 20%。 该算法含三步客户端流程:用 LLM 合成数据扩充本地样本、参数隔离训练分别更新全局与本地 LLM、本地聚合后再上传服务器聚合。 论文指出,现有 FedIT 方法假设本地数据充足,少样本下易过拟合、性能下降并更易遭数据提取攻击。

  6. arXiv · AI29

    长时运行智能体的执行信息需求:LACUNA 与 VESTIGE 框架

    研究者提出执行信息需求(EIR)概念,并开发 LACUNA 框架,可生成依赖关系已知的任务,将信息需求、保留与恢复分别独立于单步操作难度进行变化。 在四个模型上,恢复缺失结果可将受影响召回步骤的准确率提升至 100%,而等长无关信息仅为 0%;仅靠充足存储并不保证成功,保留策略可能丢弃所需结果,错误会沿后续计算传播。

  7. arXiv · AI22

    MORPH:基于 Diffusion Transformer 的生成式检索框架,用 MOS 训练与 HPPO 对齐实现模式保持的属性检索

    MORPH 是一个面向"模式保持属性检索"的生成式检索框架,通过 Diffusion Transformer 读取 item 嵌入序列并生成查询嵌入做最近邻搜索,在四个大规模属性域、严格 item 与 pattern holdout 协议下,MOS 训练在每个域-划分单元上均提升主交集指标。

  8. arXiv · AI24

    ECG-WM:面向临床干预模拟的生理信息引导 ECG 世界模型

    研究者提出 ECG-WM,一个动作条件化的 ECG 世界模型,用于预测模拟心脏电生理在药物等外部干预下的演化。该框架通过能量正则化将生理 ODE 先验融入潜空间扩散动力学,生成生理上合理的干预后 ECG 轨迹并抑制生成幻觉。基于扩散采样随机性,它还引入不确定性感知评估策略,刻画预期临床风险及其波动,在受控药物响应与真实临床记录中展现出更好的风险校准,并与专家治疗偏好高度一致。

  9. arXiv · AI23

    NudgeRL:面向 RLVR 的策略引导高效探索框架

    研究者提出 NudgeRL,通过 Strategy Nudging 为每次 rollout 注入轻量策略级上下文,在五个数学推理基准上以 8 次 rollout 追平 32 次 rollout 的最强 GRPO 基线。 该方法将优势分解为上下文间与上下文内两项,并加入策略校正项把探索到的行为迁移回基础策略,总 token 用量减少约 5 倍、训练算力减少 2.9 倍。 代码已开源。