跳到正文
11月16日周一
  1. arXiv · ML20

    FlashSampling 提出精确采样原语,通过融合至 LM head 矩阵乘法减少 vLLM 解码延迟

    FlashSampling 将精确采样融合进 LM head 矩阵乘法,避免在 HBM 中生成完整 logits 张量,并在 4 种数据中心 GPU 上实现内核级加速。 在张量并行解码中,方法用流式对等写入替代 logits 的 all-gather,支持最多 8 个 GPU 通信与计算重叠,且在 vLLM 端到端测试中每输出 token 时间最多降低 10%。

  2. arXiv · ML38

    The Alignment Curse:模态对齐通过文本迁移增强音频攻击

    该研究提出 Alignment Curse 原则,揭示端到端全模态模型中较强的文本-音频模态对齐会促进文本越狱攻击向音频模态的有效迁移。 通过对 Qwen2.5-Omni 和 Qwen3-Omni 等模型的黑色评估发现,经文本迁移的音频攻击效果与直接音频攻击相当或更优,且在纯音频访问场景下优势明显。

  3. arXiv · ML23

    基于参数化条件分布的深度多元模型

    针对异构随机变量集合,提出用各组变量在其余变量条件下的联合概率分布来表示模型。这种参数化马尔可夫链核方法通过学习极大化数据似然,适用于广泛的下半任务。 该模型支持半监督学习场景,突破了传统面向特定任务设计模型组件的局限性。 此方法增强了模型在各类下游任务中的通用性和适用性。

  4. arXiv · AI44

    通过人机交互实现高效测试时适应

    summary_zh: 研究提出测试时适应人机交互方法,将交互信号整合至智能体上下文与权重,通过演化评分标准模块捕捉个体标准。 在写作与视觉创作领域,针对30人共600项任务,智能体单任务成功率提升4.5%-20.9%,评分标准比纯模型或人工多捕获16.0%-22.3%失败案例。

  5. arXiv · AI22

    观点论文:当前 AI 智能体系统阻碍人类监督并加剧技能退化

    这篇观点论文指出,当前 AI 智能体系统设计阻碍有效的人类监督,且长期依赖 AI 会削弱监督者的认知能力,导致技能退化。 作者主张在开发智能体时应优先满足监督者的人类认知需求,通过自动化和人机交互研究提出设计层面的功能支持及组织协议,以维持人类的关键判断力。 该论文已被 NeurIPS 2026 观点论文轨道接收,旨在敦促开发者和部署者采纳支持有效人类-智能体交互的方案。

  6. arXiv · AI31

    ReForge 如何利用 LLM 修订自适应码率算法规则

    ReForge 让 LLM 在部署后动态修订 ABR 算法规则,使平均 QoE 从 1.43 提升至 1.79,超越最佳单一策略的 1.66。 系统保持现有策略池不变,仅由 LLM 重写比特率选择规则,并通过快速 GPU 模拟器回放验证无网络性能退化。 该增益在九个真实网络数据集及真实视频播放器中均得到验证,所有代码和数据将公开可用。

  7. arXiv · AI33

    回归无关布局感知匹配实现无幻觉 GUI 定位

    提出回归无关框架解决多模态大模型 GUI 定位幻觉,ScreenSpot-Pro 精度提升超 20%。 该方法通过冻结 MLLM 解析指令生成布局描述,再经专用定位模型匹配候选项,仅用 Text/Icon 标签训练避免坐标回归。 Mind2Web 成功率与元素选择率提升超 15%,有效解耦指令理解与定位以优化 GUI 交互。

  8. arXiv · ML25

    SILVER 结合 RL 引导标注:解读高维多动作深度强化学习策略的模型级方法

    论文提出 SILVER 结合 RL 引导标注框架,解决 SILVER 仅限低维二值动作的局限,扩展至多动作高维环境。 该方法将 RL 策略自身动作输出纳入边界点识别,利用 SHAP 进行特征归因并训练决策树等代理模型。 框架在两个 Atari 环境中结合三种深度 RL 算法进行评估,通过人类受试者研究证实其在提升策略透明度与可理解性方面的有效性。

  9. arXiv · AI20

    **title_zh**

    嵌套因果老虎机中基于PAC-Bayes风险的认证策略优化 **summary_zh** 研究提出嵌套因果汤普森采样(NCTS)算法,利用PAC-Bayes超额风险界对历史数据中的部署策略进行认证。 该方法在层级结构因果模型上验证了因式分解机制在分布偏移下的优越零样本迁移能力,实现了渐进式安全部署。 相关成果已被NeurIPS 2026主会接收。

  10. arXiv · AI41

    ShopGym:电商 Web 智能体仿真与可扩展基准一体化框架

    ShopGym 框架通过 ShopArena 和 ShopGuru 组件,解决了电商 Web 智能体评测中真实感与可控性的平衡难题,实现了可重置、可检查的标准化评估环境。 验证显示,合成商店在 224 项任务中 6 个沙盒商店内的智能体成功率与真实店面高度一致,单店生成成本约为 60 美元。 该框架已入选 NeurIPS 2026 评测与数据集赛道,为大规模智能体行为分析提供了可扩展基础。

  11. arXiv · ML22

    GCR:一种注入图一致性正则化的自提示框架

    该研究提出图一致性正则化(GCR),通过注入基于模型预测的关系图结构,促进类感知且语义明确的功能表示。 GCR 作为自提示机制,在任意深度引入无参数的图一致性层,构建批次级特征相似图并与全局类感知掩码预测图对齐,通过自适应权重抑制噪声层。 实验显示 GCR 增强了类内凝聚性,改善了泛化能力,且模型无关、轻量化。

  12. arXiv · AI29

    D-VLA:面向视觉-语言-动作模型的高并发分布式异步强化学习框架

    D-VLA 提出了一种高并发、低延迟的分布式强化学习框架,旨在解决大规模具身基础模型训练中的资源冲突瓶颈。 该框架引入“平面解耦”隔离高频数据与低频权重控制,并设计了四线程异步“泳道”流水线,实现采样、推理与梯度计算的全并行重叠。 在 LIBERO 等基准测试中,D-VLA 在百亿参数模型上的吞吐量和采样效率显著优于主流强化学习框架,且在万亿参数扩展性测试中保持线性加速。

  13. arXiv · AI30

    LLM 内部多重对话:通过人格视角探究推理

    研究人员提出“polylogue”概念,将 LLM 激活空间中的 persona vectors 视为动态信号,以监测生成过程中的行为特征。 在四个开源权重模型实验中,polylogue 特征在 MMLU-Pro 上预测准确度的表现与低维激活基线相当,且保持了可解释性。 该方法展示了阶段感知的潜在引导潜力,但简单的段落条件干预仅在三个模型上提升准确率,第四个模型性能下降,表明其鲁棒性仍待提高。

  14. arXiv · AI21

    有限时域多环境POMDP的最优价值与策略计算

    针对初始状态未知且对抗选择的有限时域多环境POMDP(MEPOMDP),证明了其最优价值与策略计算具有PSPACE完备性。 提出实用算法,证明混合至多n个确定性策略即可支持n个环境,在经典基准上显著优于既有算法。 该方法已获NeurIPS 2026主赛道接收。

  15. arXiv · AI42

    UMPIRE:面向多模态大语言模型的无训练不确定性量化框架

    UMPIRE 是一种无训练的多模态大语言模型(MLLMs)不确定性量化框架,能高效检测错误输出并支持将低可靠性查询升级至人工或更大模型。 该框架受行列式点过程(DPPs)启发,通过计算采样响应的非一致性调整语义体积,结合语义嵌入分散度与响应二次熵,无需外部工具。 实验显示,UMPIRE 在图像、音频和文本视频基准上的错误检测和不确定性校准上优于基线指标,并可推广至非文本输出任务。

  16. arXiv · ML23

    AbFlowNet:基于扩散-GFlowNet融合的抗体-抗原结合能优化框架

    AbFlowNet框架通过将扩散模型与GFlowNet结合,在训练过程中直接引入能量信号以联合优化结合能。 实验结果显示,该模型在氨基酸恢复率上比基线扩散模型高出3.06%,几何重建(RMSD)提升20.40%,结合能改进比率提高3.60%。 该方法在不使用测试集伪标签或在线RL的情况下,将Top-1总能量和结合能误差分别降低了24.8%和38.1%。

  17. arXiv · AI40

    RB-VLA:基于信念中心的视觉语言动作模型架构

    RB-VLA 提出一种信念中心架构,通过自监督世界模型目标维护紧凑潜在状态,解决部分可观测性下的任务进度丢失问题。 该模型无需存储原始观测或随时间扩展内存,VLM 仅需每任务查询一次提供高层意图,结合信念跟踪实现因果接地控制。 在长时程基准测试中,RB-VLA 相比 pi_0 提升成功率,多阶段抓取放置任务提升 52.5%,堆叠任务提升 37.5%,推理延迟降低 5 倍。

  18. arXiv · AI20

    通过可重用性与可验证性评估链式推理

    研究通过 Sender-Receiver 设置评估多模型间 Chain-of-Thought 推理的转移效果。 提出 Verifiability、Correctability 和 Deceptiveness 三个指标,分别衡量可靠性、有用性与安全性。 任务性质影响可靠性,接收者性质影响有用性,发送者性质影响受污染推理的危害。

  19. arXiv · AI27

    AgenticPay 基准测试多模态 LLM 在商业多智能体谈判中的表现

    新基准 AgenticPay 评估多模态 LLM 在四类商业场景及多种市场拓扑下的自主谈判能力。包含 160 项任务,考察从双边到多边市场的协议达成质量。 最强模型 Gemini 3.1 Pro Preview 的 GlobalScore 仅 42.3/100;市场转向多侧时该分数平均下降 5.7 分。该基准为评估现实商业中的多模态智能体提供了测试平台。

  20. arXiv · AI26

    Agentic AI for Discovering Fault-Tolerant Quantum Circuits 标题翻译

    基于 Agentic AI 的容错量子电路发现框架 研究者利用大语言模型作为智能体,通过工具使用和进化程序合成,自动设计了逻辑态制备、逻辑门及代码切换等任务的容错 Clifford 电路,且每个电路均通过穷举故障检查验证。 该方法将量子纠错电路设计转化为 Agentic 进化程序合成问题,利用模型预训练知识及电路验证器引导,系统性地替代了传统的个案手工设计方式。

  21. arXiv · ML45

    27B 开源推理模型通过 PEAR 在模拟中训练并原生驱动真实机器人

    27B 开源推理模型在纯模拟环境中通过强化学习训练,无需演示即可原生使用真实机器人。 在 LIBERO 和 RoboDojo 上训练后,模型在真实双机械臂机器人上的任务成功率达 60%,LIBERO 基准成功率从 1.6% 提升至 74.4%。 该技术为机器人大规模后训练提供了新路径,且未在九个通用基准上造成能力退化。

  22. arXiv · AI20

    TradeGauntlet 评估自主交易智能体的合规控制机制

    TradeGauntlet 提出一种可重放限价订单簿模拟器,用于分离检测、预防和执行成本。在 1,680 个模拟会话中,使用 Claude Haiku 5.5 和 Sonnet 5.5,所有行为警报均源于自匹配订单;门控机制通过拒绝自成交订单消除这些警报,而聚合门控条件使 Sonnet 的双边成交减少约 15%。

  23. arXiv · ML47

    标题:FETTUCCINE:移动端高效脑电转文本解码框架

    摘要:FETTUCCINE 是一种移动端脑电转文本框架,在商用设备上实现 370 倍实时吞吐量,将词错误率降至 4.39%。 该模型利用自动语音识别技术,支持微调以应对神经非平稳性,并通过梯度显著性图定位关键神经特征。 这是首次在移动设备上实现脑电转文本解码,为便携式神经假体通信提供了新方案。

  24. arXiv · ML29

    BAL:潜空间双向自回归学习人类动作表征

    BAL 是一种自监督框架,利用人类动作的自然顺序结构,在潜空间进行双向自回归预测以学习动作表征。 该框架将预测目标分解为序列级全局语义和上下文无关的局部动作分量,证明局部目标在非完全坍缩时保留角度多样性,避免表征坍缩。 在大规模数据集实验表明,BAL 在动作字幕生成、预测和插值任务上的多数指标均优于基线模型,已被 NeurIPS 2026 接收。

  25. arXiv · AI21

    欧盟AI法案合规挑战:参与式研究揭示义务与技术要求的转化矛盾

    一项包含32名参与者的参与式工作坊研究揭示了欧盟AI法案在执行高风险AI系统时的核心矛盾。 研究发现监管义务向技术要求转化、人类监督落实及合规证据有效性之间存在紧张关系,具体表现为公平指标可能掩盖招聘歧视、时间压力削弱公共运输监督、患者群体变化使医疗系统性能证据失效。这些相互依存的挑战表明合规需持续关注AI系统的使用、治理与监控。

  26. arXiv · ML34

    交互式程序归纳与语言模型先验

    提出交互式程序归纳算法,以语言模型为先验,在CodeARC基准上准确率较纯LM代理提升最多22个百分点。 该算法基于贝叶斯视角推导贪心查询策略,通过重要性采样估计查询目标,最多减少10.5个输入输出示例。 论文为预印本,包含28页、5幅图及9张表格。

  27. arXiv · AI32

    GPT-6 Astra 开启智能体机器人新时代

    GPT-6 Astra 发布开启了智能体机器人新范式,前沿模型在多项具身基准上匹配或超越任务特定策略。 智能体机器人系统通过闭环机制,结合基础模型与具身执行架构(Embodied System 2),将通用推理转化为受物理约束的可靠动作。 作者提出评估框架并规划研究路线图,目标是实现具备渐进式责任的持续自主能力。

  28. arXiv · AI23

    基于采样量子对角化中利用AI进行参数选择

    机器学习模型能根据Hamiltonian预测SKQD算法最优配置,Spearman秩相关系数达0.969(误差)和0.905(运行时间)。 在50个分子(20-50 qubits)上,模型预测化学精度($1.6\times10^{-3}$ Ha)可行性,对5个较大留出分子分类准确率为100%。 该预评估方法帮助判断分子在当前量子硬件上的模拟可行性与资源需求。

  29. arXiv · AI38

    PrivacyPR:隐私感知代码审查基准数据集

    发布包含 4,131 个 GitHub PR 的数据集 PrivacyPR,提供 1,169 个高置信度隐私修复及 250 条人工验证样本。 在 Small 子集上,编码智能体在通用提示下仅检测出 42%-51% 缺陷,而在明确隐私审查指令下检测率达 88%-91%。 结果表明缺陷检测依赖审查意图,且伴随 11%-15% 的误报,数据与代码已公开。

  30. arXiv · AI34

    基于实时 GPU 隐藏状态的大语言模型请求级行为归因方法

    研究提出一种方法,通过非侵入式调试器从运行中的 GPU 进程提取大语言模型逐层残差流激活值,无需预知模型架构或权重参数。 验证于 33 个开源仅解码器模型,恢复数据字节精确;利用线性探针区分拒绝与服从行为,在留出测试集上达到 0.88 的 AUROC。 为考察部署 AI 系统的运行行为提供了新的证据来源,证明实时观测中间隐藏状态的可行性。