跳到正文
11月19日周四
  1. arXiv · AI21

    面向视觉智能体可信评估的预算配对反事实审计

    提出预算配对反事实审计协议,用于评估视觉智能体在有限观察预算下的决策表现。该方法固定公开证据与区域绑定,仅扰动剩余预算或声明任务参数,通过计算精确延续值,将丢失的预期准确率分解为逐步获取损失和终端决策损失。在40个配对路由锚点上验证了该协议将规划策略与固定角色启发式分离的有效性。

  2. arXiv · ML47

    RSIBench-Infra:Agent 能否在生产规模下优化自身训练与推理基础设施?

    研究团队发布 RSIBench-Infra,这是包含 20 个训练与推理任务的基准,涵盖 NVIDIA GPU 和 Ascend NPU。 任务部署最多使用 32 个加速器,Agent 可修改引擎、内核和指令层级的软件栈,通过 OCI 镜像层协议提交更改。 结果显示 66.2% 的任务实现了超过 1.10 倍的速度提升,证明当前 Agent 能改进生产级性能,但策略转化仍具挑战。

  3. arXiv · ML29

    循环神经网络中的时间秩

    summary_zh: 研究识别出循环神经网络(RNNs)受限于秩约束隐藏状态动态导致的时间信息瓶颈,该限制独立于梯度稳定性。 作者引入结构化高维状态动态以保持时间可分离性,防止输入到状态雅可比矩阵饱和;在受控序列任务中模型学习迅速。

  4. arXiv · ML50

    如何将注意力神经网络转化为可解释的硬逻辑谓词电路:真值表谓词提取与忒修斯船式替换下的状态机合并

    研究将 DistilGPT2 和 BERT-base 整体转换为硬逻辑谓词电路,无需乘法器或权重传输。电路在 TweetEval-emotion 上准确率分别为 66.5% 和 70.0%,低于教师模型但高于词袋基线。 电路分类单条推文耗时 1-2 微秒,比 GPU 推理快 2-3 个数量级,功耗 7.5-15 W,硬件描述可逐位复现。

  5. arXiv · ML30

    LLM辅助多保真贝叶斯优化:融合专家知识与数值数据

    该研究提出LLM辅助多保真贝叶斯优化(MFBO)方法,通过LLM解释专家关于低保真模型缺失物理效应的定性知识,生成知识基并将其纳入多保真模型。 在锂离子电池设计问题中,该方法将常规MFBO的遗憾曲线面积减少61%。受控实验表明,知识质量而非LLM选择决定了搜索加速效果,且知识层级消融量化了各陈述贡献。 结果表明LLM解释的专家知识可作为数值数据的补充信息源。

  6. arXiv · ML21

    OpenGNS:跨视觉、语言与扩散模型的梯度噪声尺度开放数据集

    研究者发布 OpenGNS 数据集,包含 400 多条 GNS 测量轨迹,覆盖 11M 至 1B 参数模型。 该数据集针对 ResNet、GPT 和 DiT 架构,在 muP 规范下进行密集批大小与学习率扫描,揭示 GNS 在不同模型规模下具有稳定性。 研究发现 GNS 在分类任务中倾向于高估 CBS,而在生成任务中倾向于低估 CBS。

  7. arXiv · AI29

    Think Offline, Act in Real Time: Self-Improving Visual Game Agents through Code

    在170个GameWorld任务中,代码策略平均进度达47.80%,优于模型控制器策略的30.90%,且在五个游戏类别中均领先。代码策略允许模型在离线阶段编写、测试和修改程序,该程序在实时游戏运行期间执行动作,而模型控制器需配合实时分块执行。结果表明,将学习存储在执行程序中比直接调整模型权重更能有效利用离线推理时间。

  8. arXiv · ML20

    分布自由不确定性量化用于天气预报:时空依赖下的保形预测

    研究基准测试了保形预测在格点气温预报中的8种区间构建方法,涵盖6小时至10天8个预报时效。 结果显示逐单元方法虽达到近名义边际覆盖率,但日间覆盖率方差为独立单元的3至10倍且误差聚集。 该研究仅覆盖单一变量和粗网格,指出无单一方法在过分散指数与区间得分上均最优。

  9. arXiv · ML21

    保持凸、半凸和拟凸函数结构的神经近似

    研究基于结构保持的神经近似框架,将输入凸神经网络(ICNN)扩展至半凸、拟凸及可凸变换函数。对紧凸域上的 C^{1,1} 凸函数,确立了 max-affine 近似在 m 个仿射片下的锐 W^{1,p} 极小极大率 m^{-1/d},并证明每个 max-affine 函数均存在宽度有界、复杂度随 m 线性增长的 ICNN 精确表示。

  10. arXiv · AI30

    NaviGATE:面向多模态知识图谱推理的噪声感知双视图生成框架

    NaviGATE 提出一种噪声感知生成框架,解决多模态知识图谱推理中嵌入方法语义细粒度不足及生成方法易受噪声干扰的问题。 该框架通过多模态语言模型微调激活结构感知内部知识,在推理时结合检索无关与检索感知双视图优化,利用对比 Logit 锐化增强可靠候选并抑制误导项。 实验表明,NaviGATE 在标准基准测试中一致优于强单模态、多模态及生成式基线,且在噪声检索场景下保持稳健。

  11. arXiv · ML20

    TabPFNv2 式表格基础模型:可靠扩展定律与 nanoTabPFN 开源训练管线

    研究表明 TabPFNv2 类模型的扩展定律在合成分数与真实数据集间存在差异,依赖少量数据集选参会导致性能高估。 需同步扩大合成预训练数据集规模以优化计算分配,增加预训练时采样的最大行数与特征数可改善性能并产生更可预测的扩展趋势。 这些洞察通过 nanoTabPFN 开源训练管线指导更高效模型的开发。

  12. arXiv · AI27

    PSG-GAN 合成睡眠呼吸暂停信号数据用于 AI 训练

    PSG-GAN 生成了包含阻塞性睡眠呼吸暂停特征的长段多信号合成数据。 自动评分模型仅用合成数据训练,睡眠分期和呼吸事件分割在健康志愿者和患者测试集上的 kappa 值分别为 0.71/0.63 和 0.57/0.60。 证明了合成数据支持睡眠诊断算法开发的潜力,源代码已开源。

  13. arXiv · AI28

    RAA 将分辨率作为注意力以提升 Agent 记忆感知效率

    RAA 提出以视觉分辨率作为注意力分配机制,动态调整过往交互的感知粒度,在多个任务和模型骨干上将 token 消耗降低超 50%,且不损害任务性能。 该方法将历史交互渲染为图像,通过轻量级相关性估计器优化感知保真度,可作为插件层集成到现有记忆管理中。

  14. arXiv · AI25

    Risk-Triggered Search (RTS) 实现行为保持的安全控制

    针对预训练视觉世界模型难以避免碰撞的问题,提出风险触发搜索(RTS)方法。 RTS 基于冻结 JEPA 模型,通过轻量级风险头预测动作条件未来风险,仅对触发警报的计划执行 CEM 搜索。 该方法在五项任务上将 Safe Arrival Rate 提升 12.67–41.67 个百分点,并降低 17.71–70.41% 控制器时间。

  15. arXiv · ML27

    DUAC 基于流场不确定性的自适应动作时域选择

    提出 DUAC(基于散度的不确定性感知自适应动作分块)方法,利用预训练视觉语言动作(VLA)模型的流场向量,通过单次生成和雅可比-向量积计算动作级不确定性,无需重训练或多端点采样。 在 LIBERO 系列和 RoboCasa 基准测试中,DUAC 的自适应时域选择在保持高任务成功率的同时,实现了低不确定性估计延迟。 该方法确立了流向量场作为机器人决策中高效、轨迹条件化预测不确定性来源的地位。

  16. arXiv · AI28

    CaDO:一种形式化验证引导的多智能体因果数据集修复与生成框架

    CaDO 框架在 18 组实验中的 16 组显著优于最强数据清洗基线,将下游模型准确率提升高达 9.1%。 该框架通过形式化因果推理、多级诊断和自动修复生成三阶段工作,95% 以上标记样本确认为缺陷,在 CLadder 上错误修改正确标签比 LLM 裁判少 92.2%。 代码和数据已公开可用,可促进高质量因果推理数据集的发展。

  17. arXiv · AI41

    长程智能体通过按需证据实现语义上下文交接 (SCH)

    SCH 提出状态-证据分离,将语义状态与证据解耦,按需恢复早期证据以解决长程智能体上下文膨胀问题。 SWE-bench 150 项任务中,SCH 在 token 使用量基本不变的情况下,将 Pass@1 从 80.0% 提升至 86.9%。 相比最强基线,SCH 在性能持平或更优时,减少 43% token 和 41% 运行时间。

  18. arXiv · AI30

    多模态模型在自主科学图表证据验证中的表现评估

    研究在 31 篇完整手稿上测试 6 个多模态模型自主验证图表一致性,结果显示 1,445 份审查中仅 3.3% 被评分标准认可为成功诊断矛盾。 尽管 60.6% 的审查提及了错误图表,但明确指出矛盾的低得多;当直接指明图表名称时,诊断率升至 20.4%,而仅靠文本审查无法识别矛盾。 表明评估多模态文档理解需重点考察模型提出验证目标的能力,而非仅测试其回答给定问题的能力。

  19. arXiv · AI33

    automodel:面向智能体模型发现的技能

    automodel 是一种通用模型发现的智能体技能,可赋予商业编码智能体发现或改进模型的能力。 案例研究涵盖天体物理、心血管动力学、精准农业、交通流及车辆轮胎动力学等领域,证明配备该技能的智能体能识别出新颖且具有科学相关性的模型。 将模型发现方法编码为便携式智能体技能,为领域特定的自动化发现管线提供了简单、交互性强且适用范围广泛的替代方案。

  20. arXiv · ML34

    UCLIR: 基于独立表征的无监督持续学习方法

    提出UCLIR方法,利用无监督正则化独立学习互补表征,通过分解输入限制参数干扰,提升多任务知识保留。 方法受EDR启发,使用独立自编码器学习输入局部成分,推理时结合线性分类器。 在MNIST、CIFAR-10及Tiny ImageNet等基准上,结果与监督及基于回放的方法具有竞争力。

  21. arXiv · AI38

    超时级联策略降低编码智能体推理成本

    研究提出超时级联策略,优先运行小模型,仅在必要时升级大模型。 该策略在 SWE-bench Verified 基准上将总 GPU 小时成本降低 33%,整体任务降低 16.4%,且准确率无损失。 级联策略性能接近最优任务路由器,为生产环境部署低成本编码智能体提供了低工程复杂度的实用路径。

  22. arXiv · ML23

    VESPA:基于可验证符号策略适应的安全强化学习框架

    VESPA 框架通过利用形式验证生成的反例对决策树策略进行定向微调,实现不安全策略向安全策略的转化。 该框架在 CartPole 环境中将平均验证安全步数从 63.8 提升至至少 92.7,在 MountainCarContinuous 环境中 60 次运行有 53 次成功将不安全策略转为安全策略。 验证器生成的反例被证明是有效的训练信号,可系统性提升强化学习策略的安全性。

  23. arXiv · ML26

    MRPD 提出多专家重放策略蒸馏,实现长程 RL 专家高效整合

    该研究提出多专家重放策略蒸馏(MRPD),通过重放专家训练日志进行整合,无需额外采样或调用环境。该方法计算成本仅为原 RL 训练成本的大约七分之一。 在推理、搜索和 SQL 三个长程智能体领域,MRPD 生成的学生模型显著优于在线 RL 基线。实验表明日志顺序比数量或奖励更重要,表明专家训练日志实质上是课程学习而非数据混合。

  24. arXiv · AI31

    OpenKAGE:基于知识共享智能体群进化实现开放世界开放式终身学习

    OpenKAGE提出智能体群进化框架,支持在开放世界中通过经验积累实现开放式终身学习。 框架包含两层知识表示(记忆层与经验层)及知识共享机制,将可执行技能原样共享,并将文本经验语义整合为持续演化的共享知识图谱。 在Minecraft中,该框架使智能体群达到高级技术里程碑,且积累的知识可迁移至不同骨干模型的新智能体群,提升其生存与探索进展。

  25. arXiv · ML26

    更快得出错误答案:联邦优化中本地更新的代价

    联邦优化中的本地计算虽能改善更新条件数,却会引入偏差导致固定点偏离全局最优。研究表征了给定条件数界下可实现的最坏情况最小偏差。 针对强凸二次目标,建立了精确的最坏情况偏差公式,证明小步长本地梯度下降与近端更新可达此界,并将非交换 Hessian 矩阵问题简化为标量曲率分布。 分析进一步扩展至非二次的光滑强凸目标,并量化了非精确本地求解引入的误差。