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。
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。
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。
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%。
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。
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。
研究提出 Verification Transport 测试,揭示 LLM 验证器在智能体评估中因抽象导致判断稳定性下降。 在四个基准、七个验证器骨干上,宏观抽象下的传输失败率高达 31%。恢复执行溯源可修正 85.5% 的失败,证明原生视图准确性不足以保障可靠性。
研究提出 Zoloflow 算法,利用保方差椭圆调度与定制化离散化,结合 Jacobi 椭圆函数实现最优插值采样。
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。
summary_zh: Gamer 是一个面向复杂交互式环境长时程任务的通用智能体框架,结合感知、记忆管理与多步推理。 其架构支持 2D 图形界面与 3D 模拟环境,基于数万小时设备级键鼠交互数据预训练。
StreamEmbed 是一种利用像素冗余实现增量视觉嵌入的系统,在 M2 Pro GPU 上编码速度快至全图编码的 3.7 倍,且不牺牲准确性。 该系统通过空间 token 剪枝和时序 KV 复用减少计算,并辅以小型适配器保持精度;在 ScreenMemEval 基准上,其 Recall@10 比 OCR 索引高 6.3 分。
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。
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。
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。
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。
提出 ScoreCLR 方法,利用去噪分数匹配估计对比学习中的排斥项,将负样本替换为学习的排斥力。 该方法使排斥项成本从二次方降为线性,在 CIFAR-10 和 ImageNet-100 上保持与 SimCLR 相近的线性探针精度。
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。
在 Agilex 5 FPGA 上实现的 3.69 亿参数 Gated DeltaNet 模型 Tile 证明,递归状态分页并非解码瓶颈。该 Tile 处理单个 369 亿参数层,状态分页仅占总计算量的 11.2%,而权重加载限制了性能。
GaDiT 生成模型将无序结构采样速度较现有方法提升两个数量级,支持条件生成与逆向设计。 模型结合动态周期图、掩码条件与区间加权训练噪声分布,在二维非晶碳及三维非晶硅、二氧化硅中验证。 提出原子响应映射分析揭示全局结构描述符与局部原子环境,建立通用可解释框架。
FinPanel 提出任务条件人格选择,为每只股票动态组建由统计特征驱动的 LLM 交易智能体小组。 在 2025 年 8 只美股测试中,该系统表现优于固定小组及 3 种现有 LLM 交易智能体,且回撤小于买入持有。 研究结论表明,“谁在小组里”比“小组如何协调”更关键,该设计决策应逐任务制定。
研究表明,物理信息神经网络(PINN)在真实数据上表现优于随机机制模型,但在合成场景中表现较差。 两者共享基于 SEIRD 的年龄结构核心,研究在伦敦新冠疫情初期发现 PINN 虽不确定性区间更窄,但简单模型仍具价值。 结果证实 PINN 在流行病学中是前景广阔的工具,并呼吁开展更多基准测试研究。
研究团队提出解析框架,通过分解紧李群表示限定梯度方差,判定量子电路是否存在 barren plateau。 当电路片段构成 2-designs 时,框架证明充分条件使梯度方差至少为逆多项式。 该框架包含采样算法,可在昂贵训练前以多项式复杂度判定电路可训练性。
研究人员提出可解释权重空间编程(iWSP),利用 LLM 智能体通过代码显式编程权重与特征,构建无需反向传播的透明模型。 该智能体通过假设与手动优化,成功构建针对算术和情感分类的紧凑型 Transformer,并在视觉、语言和听觉皮层构建了神经编码模型。 在视觉皮层,iWSP 的预测能力优于现有基线;在语言 fMRI 和听觉 ECoG 任务中,它揭示了数据混杂因素并发现了可解释的声学特征。
该综述回顾了 2022 年 12 月至 2026 年 10 月间的 88 项视觉语言动作模型研究,涵盖 22 个模型的设计、训练与部署。 研究发现三个趋势:训练数据规模从 10,000 小时扩展至 20,000 小时,模型参数向 3-7B 及 1B 以下分化,且通用模型开始涌现。 指出部分在基准测试中近乎满分的模型,在环境轻微变化时仍会失效。
该审计发现 TRIBE v2 在保留运动选择性的同时,缺乏对视觉场位置和听觉频率拓扑组织的预测能力。 TRIBE v2 的运动选择性顶点中 22% 位于 MT+,但其频率拓扑梯度缺失,核心皮层最佳频率跨度仅 0.14 个八度。 这一结果表明,依赖特征身份的实验在 TRIBE v2 中可行,但依赖视觉或频率位置编码的实验不适用。
无训练推理框架 EcoVGGT 使用 31 个均匀分布的固定键帧进行 3D 重建,实现了长视频的高效处理。 该框架将固定键帧存储于场景缓存中,其他帧独立读取该缓存,以恒定成本精确复现联合推理结果。 EcoVGGT (π³) 在 1,000 帧 ScanNet 视频上的成功匹配率与 π³ 相同,但速度提升 13.8 倍;VGGT 成功率从 70% 提升至 82%,速度提升 8.5 倍。
AG-JEPA 通过引入解剖学 token 与 patch token 交互,学习阿尔茨海默病相关脑区的特定表征,提升诊断效果。 该模型在 MR-RATE 数据集上,CN/MCI 分类的 AUROC 比最强基线高 8.4 个百分点。衍生模型 Prog-AG-JEPA 在疾病进展预测任务中表现优于所有基线模型。
稀疏自编码器将医疗检索中的稠密嵌入转化为可解释表示,在6个医疗数据集上验证了其有效性。 模型结合重建目标与InfoNCE对比损失,在域内检索性能提升的同时,在分布外数据集上性能下降幅度小于稠密嵌入,且特征语义可通过激活它的查询和文档推断。 该方法揭示了特定文档被检索的原因,其可解释性可迁移至训练分布之外,有助于理解医疗AI系统的内部机制。
TelePhysica是一个闭环框架,能从单张照片重建可执行的物理世界并驱动3D交互。在100个场景基准中,其平衡验证的世界恢复率从0%提升至81%。 该框架结合视觉语言编码智能体与统一求解器,通过模拟轨迹条件化视频扩散模型。条件化使动态运动掩码重叠增加2倍至5倍,并在反事实力反转下保持运动方向。
研究提出基于基础模型高维潜表示的统计决策规则,在 Neyman-Pearson 范式下推导线性与二次统计量的大偏差特征。 误差概率和衰减率对形状参数呈现非单调依赖,包括双下降和多下降现象。 在视觉、文本和音频数据集上,理论预测与实证表现高度一致,可实现预设虚警率下的漏检概率精确预测。
研究提出图像定位编辑任务 G-CGEC 及基准 G-CGEC-Eval,基于 K-12 手写作文图像与细粒度标注。 评测采用 IoU 与中心距离匹配指标,对比开源与闭源视觉语言模型。 单轮推理表现较差,基于错误类型的多智能体工作流表现最佳,指出语言错误发现与字符定位是主要瓶颈。
针对 Vals Finance Agent Benchmark v2 的参考智能体,7 次相同运行中账单波动高达 17%。在 20 条失败轨迹诊断中,13 条归因于指令层,3 条归因于工具层。
论文提出PRISM框架,在模型生成初步预测后评估其可靠性,通过检索历史数据和证据验证来执行校正或选择性弃权。 在印度板球超级联赛(IPL)第二局预测任务中,PRISM将HistGradientBoosting模型的准确率从70.2%提升至82.4%的选择性准确率,同时保持88.5%的覆盖率。
基准 MineralExp 将地质假设转化为基于实验的选择问题,包含 277 个案例和 1,572 个参考计划,用于评估 LLM Agent 的实验设计能力。 该基准将 19 种实验类型分类到五种矿物体系过程中,通过多标签分类和 LLM 评判进行评分。实验结果显示,当前 LLM Agent 通常具有高召回率但低精确率,倾向于提出比必要的更多实验。
针对平滑非凸有限和问题的 Muon 优化器,在 shuffling 策略下证明了达成 $O(\varepsilon^{-3})$ 的迭代复杂度,以找到 $\varepsilon$-驻点。
GeneFlow 提出了一种结合流匹配生成模型与多模态融合的简化框架,用于直接从组织学图像预测基因表达。该模型无需复杂生成管道,在 1,000 基因预测任务中实现了高达 56.8% 的性能提升。此外,GeneFlow 显著降低了计算成本,提高了可扩展性,为利用组织学图像进行生物发现提供机会。
论文提出响应操纵攻击 ReMA 优化恶意输入,并开发安全聚合规则 SecMAS 防御该类攻击。 SecMAS 利用响应间的语义相似度,选择与足够大子集最一致的响应,理论上保证了对定向与非定向攻击的安全性。 实验表明现有聚合规则易受 ReMA 攻击,而 SecMAS 能有效防御包括自适应变体在内的攻击,同时保持可比效用。
提出基于显式 Constraint Space 的安全感知机器人行为规划框架,存储可复用的文本安全规则,提升桌面环境操作安全性。 采用轻量级 query-conditioned dual-tower 模型识别上下文相关约束,结合多模态行为规划器生成计划,通过 Safety Inspector 校验并纠正。
论文提出 JaRS 方法,利用雅可比行和区分扩散模型的记忆区域与局部平均,无需参考图即可实现无对比定位。 在 Stable Diffusion v1.4、v2.1、Realistic Vision v5.1 及无条件 DiT 上,增强版 JaRS+ 性能优于传统基于对比的局部化方法。
论文提出一种委托人-代理人测试,评估算法决策在涉及博弈或商业秘密时的披露义务。该测试以决策质量为基础,依赖错误分布和群体间决策结果分布两个诊断指标。 这两个指标可公开而不泄露机密,用于识别决策者是否将设计与公共利益对齐。
研究者提出 V-JEPA-LM,将 V-JEPA 世界模型视频编码器与语言模型结合,通过反事实监督使模型读取视频动态而非仅检索文本属性。