跳到正文
11月16日周一
  1. arXiv · ML41

    CTF-Dojo:用于训练语言模型智能体发现漏洞的大规模可执行运行时环境

    研究人员推出 CTF-Dojo 平台及自动化工具 CTF-Forge,包含 658 个容器化 CTF 挑战,支持可验证反馈训练。 基于 486 条高质量轨迹训练 LLM 智能体,在 InterCode-CTF 等基准上取得最高 9.9% 绝对提升。 最佳 32B 模型 Pass@1 达 31.9%,超越 DeepSeek-V3-0324 等前沿模型,确立开源新纪录。

  2. arXiv · ML36

    Cyber-Zero:无需运行时的网络安全智能体训练框架

    Cyber-Zero 是首个免运行时框架,通过逆向工程 CTF 题解生成智能体轨迹,在三大基准上较基线提升最高 11.4%。 该框架利用公开 CTF 题解与角色驱动 LLM 模拟,无需实际环境即可生成长程交互序列。 其最佳模型 Cyber-Zero-32B 在开放权重模型中创 SOTA,性能媲美 DeepSeek-V3-0324 与 Claude-3.5-Sonnet。

  3. arXiv · ML24

    异构噪声下高维数据欧氏几何恢复

    在异构噪声下,高维数据中的真实欧氏几何可以从被破坏的成对距离中恢复。 无需先验知识,该方法能无偏估计真实距离,恢复误差随维度和样本量增加呈多项式收敛。 在单细胞 RNA 测序数据中,该方法能可靠地恢复局部邻域结构。

  4. arXiv · AI24

    Courteous Anticipation:改进持久共享环境中的长期任务规划

    提出礼貌性前瞻性规划,通过联合最小化即时成本与所有机器人的聚合预期未来成本,减少长期任务序列的副作用。 采用独立每机器人学习评估器避免组合联合滚出,支持模块化部署;在家庭与餐厅两个PDDL域中验证有效性。 在长序列中,相比短视和自私前瞻性规划,总成本分别降低10.4%和4.5%(双机器人家庭)及20.5%和6.7%(三机器人餐厅)。

  5. arXiv · AI25

    Reforge:一种用于评估 LLM 在反编译二进制函数命名任务中逆向工程能力的方法

    Reforge 提出了一种可追溯的评估流水线,旨在解决二进制分析基准中因编译器优化导致的地面真值对齐可靠性问题,并引入不确定性感知评估机制。该流水线构建了八重门控置信漏斗和三层分层体系,在受控微基准测试中显示,高置信度产出率随优化级别提升从 87.2% 下降至 65.9%。该工作证明了七款主流 LLM 的函数命名概念验证,并获得了 2026 年国际应用计算大会最佳论文奖。

  6. arXiv · AI21

    Larch:面向语义谓词的自学习查询优化框架

    Larch 框架通过优化 AI SQL 查询中语义过滤器的执行顺序,在多种数据集上显著降低 token 消耗。该框架包含 Larch-A2C 和 Larch-Sel 两个变体,分别利用图神经网络建模和监督学习预测选择性来指导动态规划。 实验结果显示,Larch 比 Palimpzest 和 Quest 减少 6%-30% 的总 token 成本,并将 token 开销降低 3-19 倍。

  7. arXiv · AI30

    LLM 基准置信度信号的有效性筛查框架

    提出一种可移植的有效性筛查方法,用于评估 LLM 基准中置信度信号是否随正确率变化。 在 20 个前沿模型 452 题测试中,15 个模型信号有效,1 个无效,4 个不确定;1500 题 MMLU 测试显示判定依赖切分点。 该筛查分离了盲目自信、盲目撤回和反转,仅当信号可测量地追踪正确率时才标记为有效。

  8. arXiv · AI25

    投影掩膜替代3D分割识别颈椎骨折:基于2D笔画追踪的可行性研究

    该研究提出用2D投影近似3D椎骨掩膜,以识别颈椎骨折。在包含2019名患者的RSNA 2022数据集上,患者级F1分数达82.28%,AUPRC为92.00%。 该方案将2D掩膜反投影并融合为近似3D掩膜,提取CT感兴趣区域。使用2.5D CNN-Transformer模型进行分析,掩膜替换未导致AUPRC显著下降。 研究证实投影掩膜可作为颈椎骨折识别中3D椎骨分割的有效代理。

  9. arXiv · AI38

    基于分位数的无模型模拟器保真度评估方法

    该研究提出一种模型无关方法,通过构建潜在参数的置信集并估计分位数函数,量化模拟与现实系统的“sim-to-real”差异。 方法适用于一般输出空间(如分类调查响应和多维连续数据),支持统计推断、计算条件风险价值(CVaR)及跨模拟器比较。 该方法在WorldValueBench数据集上验证了四个主要LLM与人类群体的对齐程度,论文已被NeurIPS 2026接收。

  10. arXiv · ML21

    PRODiGI:从实证数据快速生成可执行生成式程序

    PRODiGI 是一种预训练模型,能单次前向传播推断出显式可执行的生成式程序。 它通过模板预测和非自回归参数解码适应不同生成家族和数据维度,推断出的程序支持直接采样、密度及分数评估。实验显示,PRODiGI-FT 在密度和分数指标上优于现有模型,速度提升数倍,生成 MMD 降低 90%。 该模型为快速、可解释的表格生成建模提供了新方向。

  11. arXiv · AI26

    Astraios:参数高效指令微调代码大语言模型

    Astraios 构建了包含 28 个基于 OctoCoder 的指令微调模型,覆盖 7 种微调方法及 4 种不同规模的模型(最大 16B 参数)。 在 5 类任务和 8 个数据集上的测试表明,全参数微调(FFT)在下游任务中表现最好,而 LoRA 在成本与性能之间通常能取得最佳平衡。 研究还发现,模型规模越大,其鲁棒性和代码安全性往往越低。

  12. arXiv · ML28

    QVal: 评估长时程 LLM 智能体密集监督信号

    QVal 是一个免训练测试床,用于测量密集监督信号的 Q 对齐度,即信号对状态中候选动作的排序是否与参考策略下的回报一致。该基准测试了来自七个家族的 21 种方法和六种开放权重骨干,发现简单提示基线在平均 Q 对齐度上表现最佳,而代码生成信号仅在小状态和动作空间中表现良好。Q 对齐度与测试时任务成功率增益强相关,使研究人员能在提交完整训练前低成本比较新信号。

  13. arXiv · ML25

    连续时间隐变量随机微分方程的可识别性:基于扩散协方差漂移的研究

    论文解决了连续时间隐变量 SDE 模型的可识别性难题,提出利用环境诱导的扩散协方差漂移进行解缠。证明在对角扩散机制下,无需对漂移加稀疏假设即可识别隐变量坐标。 作者提出两阶段估计器,实验验证了理论边界,并应用于 Hardanger Bridge 监测数据。 论文已被 NeurIPS 2026 接收,包含 53 页内容。

  14. arXiv · ML25

    Morph 提出基于非平衡最优传输的灵活尺寸分子生成方法

    针对现有扩散模型固定原子数量导致无法准确捕捉分子性质与大小联合分布的问题,研究提出名为 Morph 的灵活尺寸生成模型。 该模型基于几何图结构,通过非平衡最优传输动态调整分子大小,在保持性能的同时显著增强了属性导向采样灵活性。 研究展示了 Morph 在分布外生成任务中超越了先前固定尺寸模型在特定区域表现不佳的局限。

  15. arXiv · ML26

    FedUCA:通过效用约束随机聚合提升联邦学习中理性参与度的框架

    提出FedUCA框架,通过效用约束随机聚合解决联邦学习中理性客户端因利益冲突退出训练的问题。 该框架采用狄利克雷采样混合策略建立非支付通信渠道,服务器据此优化聚合参数以满足客户端的个体理性约束。 该方案有助于提升客户端留存率并改善全局模型性能,已获NeurIPS-2026会议接收。

  16. arXiv · ML25

    Wavelet Flow Matching 用于多尺度物理仿真

    研究提出Wavelet Flow Matching(WFM),一种生成式仿真器,通过在多尺度小波空间直接执行最优传输流匹配,克服现有方法成本与精度间的权衡。 该模型利用U-Net层级结构预测无损小波表示的传输速度,无需预训练自编码器。在三个混沌流体动力学系统上,WFM展现出优越的光谱相干性及具有竞争力的长时程精度。

  17. arXiv · ML32

    生成式机器学习用于蛋白质设计综述

    该综述系统回顾了 59 种生成式方法,覆盖序列生成、骨架生成等六大蛋白质设计任务。 文章阐述了蛋白质表征方式,并讨论了结构约束与功能信息在生成过程中的利用,以及计算和实验评估方法。 作者认为生成式建模的快速进步将使未来能够更可靠地设计更多种类的蛋白质结构与功能。