CONGA:编译高斯纤维几何以用于结构化贝叶斯推断
CONGA 编译器通过识别高斯块并选择时空、频谱或稀疏实现,加速结构化贝叶斯模型的后验推断。 在 Stock-Watson 通胀模型中,CONGA 使 NUTS 每秒最小有效样本数提升 12.5 倍。 该工具还能在原始目标函数失败时恢复收敛,例如将 6760 维电力负荷模型缩减至 34 个核心坐标。
CONGA 编译器通过识别高斯块并选择时空、频谱或稀疏实现,加速结构化贝叶斯模型的后验推断。 在 Stock-Watson 通胀模型中,CONGA 使 NUTS 每秒最小有效样本数提升 12.5 倍。 该工具还能在原始目标函数失败时恢复收敛,例如将 6760 维电力负荷模型缩减至 34 个核心坐标。
该框架通过将问题形式化为约束 Ising 型能量最小化问题,独立利用 LLM-as-a-judge 进行成对比较,并提出了高效的近似策略以支持大规模应用。 JC 证明了其比典型投票或加权聚合更优越,尤其在具有挑战性的问题中表现尤为显著。
论文提出SARL无标签强化学习框架,通过奖励推理拓扑结构替代结果验证。在可验证数学任务中,SARL在AIME25上通过GRPO算法提升44.7%;在开放任务中,WildBench平均分提升30.4%。该框架代码和数据已开源。 ```
针对算法选择模型可能依赖算法忽略信息的“捷径学习”现象,提出“橡皮尺测试”通过随机严格递增变换目标值来检测该偏差。 在10维BBOB基准上,使用所有ELA特征模型的R²从0.85降至0.23,而基于秩的特征可减缓此下降;结合变换训练实例的数据增强可提升变换实例预测,但使原始实例R²最多降低0.31。
提出谈判基准 PieArena,评估 LLM 在现实商业任务中的战略推理与心智理论能力。基准基于精英商学院课程场景,通过镜像、交叉及人机配对制度进行测试,并开发连续收益排名模型生成序不变且带不确定性量化的排行榜。研究发现共享意向性脚手架对中低层 LLM 提升显著,而前沿 LLM 收益递减;代表性前沿语言智能体的表现达到或超过经过培训的商业学校学生基准。
当前大语言模型在表格失真下表现存在系统性弱点,GPT-5.4和Opus-4.6准确率仅68%。 模型过度假设表格结构良好而忽视失真,通过轻量微调可提升自主检测与修复能力。
研究人员推出 MSLR,首个基于真实司法决策的中文多步法律推理数据集,旨在解决现有基准混淆事实召回与推理的问题。 该数据集采用 IRAC 框架建模专家推理,通过人机协作标注生成步骤级注释。实验显示模型表现仅中等,自主生成的思维链提示优于人工设计。
ReST-RL 框架通过优化 ReST-GRPO 和 VM-MCTS 提升 LLM 推理准确性,在 APPS 和 HumanEval 等基准上超越 GRPO 和 PRM-BoN 基线。 该方法利用自采集数据训练价值模型进行解码优化,无需针对目标领域微调即可在数学和科学任务中实现性能提升。
SPECTRUM框架通过线性时间复杂度挖掘逻辑规则,显著降低神经符号AI中逻辑理论构建成本。 框架定义规则效用指标并证明理论保证,在CPU上运行时,学习更准确逻辑理论的速度比GPU上的SOTA神经网络快100倍以上(运行时间<1%)。
研究提出 Manifold-Index Model,在固定内在维度下,所需样本量随环境维度 $D$ 多项式增长。 方法 MANOR 通过多尺度 PCA 估计切平面,实现 $n^{-4/(m+4)}$ 的预测误差率。计算复杂度关于 $n$、$D$ 和 $p$ 均为多项式级。
提出 ST-GAT-NCO 架构,将动态时空图注意力网络与嵌套集群优化相结合,以解决多资产战术配置中的协方差病态问题。 在 2020 年 1 月至 2026 年 1 月的 73 个月非前瞻性样本外窗口中,ST-GAT-NCO 在 13 类全球资产上实现 5.32% 的年均复合增长率和 37.06% 的净累计回报,超额夏普比率为 0.30,索提诺比率为 0.48。
该研究将 RSMA 辅助的 SWIPT 应用于无人机赋能的无线供电地下传感器网络,旨在最大化各地下设备的最小上行链路吞吐量。 模型采用 PD-TQC 深度强化学习算法,联合优化无人机发射功率、消息分割及资源分配,解决了非凸优化难题。 仿真显示,该方法在 96% 以上的评估帧中满足约束,并在不同 Rician 因子及设备数量下保持吞吐量优势。
论文建立了异步 Q-learning 搭配 Polyak-Ruppert 平均的尖锐非渐近高斯近似速率,证明了 Wasserstein 距离下 $\widetilde{O}(n^{-1/4})$ 的上界及匹配的日志因子下界。
PassCal 通过少样本学习预测未见使用者对未见人行场景的判断,仅用 8 个样本将 Brier 分数从 0.550 降至 0.479。 模型结合冻结 VLM 内部状态与检测器预测的障碍属性,在 14.9k 公共审计数据上训练,优于直接提示 VLM 或无场景校准的方法。 符合风险控制使“决定性强场景”占比从 27% 提升至 42%(5% 错误率下)。
提出条件资产定价 Transformer(CAP-T),通过两阶段学习预测超额收益并分解收益成分。 第一阶段用 Transformer 估计条件预期收益,结合核加权主成分分析残差估计局部因子载荷空间,分离因子风险补偿与条件错误定价。 框架分解收益为条件错误定价、因子风险补偿、居中因子成分及不可预测创新,提供统计保证并展示预测与解释优势。
研究团队提出轻量级框架 ReAccess,解决视觉语言模型细粒度理解难题。该框架通过紧凑关联记忆复用关键视觉证据,无需重复图像编码或显式推理。实验显示其在通用视觉理解和细粒度感知上均取得一致提升,且推理速度显著快于现有依赖密集型推理的方法。
针对参数化MDP中的多属性漏洞发现,提出了一种基于场景的风险证书方法。 该方法采用两层结构:场景近似层提供识别保守漏洞区域的PAC保证,测试层将随机参数探索视为对重叠区域的覆盖并计算停止证书。 组合定理界定了预期未发现分数,实验使用经验代理和独立置信界评估了这些证书。
该文为受限 $\ell_p$ quasi-norm 约束的深度神经网络推导了非渐近泛化间隙界,揭示了稀疏性对统计性能的影响。 在准范数阶 $p$ 趋近零的极限下,界限转为对活跃(非零)参数数量呈平方根依赖,严格优于现有参数计数方法。 该结果被 NeurIPS 2026 接收,共 61 页,包含 2 个图表。
summary_zh: 针对O-RAN中异步反馈导致的时延奖励问题,提出一种时延感知深度强化学习框架,实现收敛加速并显著降低时延违规与丢包。 框架集成基于LSTM的时延预测器与时间奖励重对齐模块,采用off-policy学习管线,并基于Open AI Cellular(OAIC)测试床经验时延轨迹验证。
大型语言模型算力租赁与Token输出市场已建立价格指数及衍生品交易,CME和ICE已制定期货合约。 研究发现合约结算价基于短期租赁率,而非运营商主要收入来源的长期私有合同价格;Token价格与租赁率通过吞吐量关联但风险敞口不同,GPT-5在十二个月内最低列表价下跌17倍。
Olmo-core 更新训练栈以支持可扩展 MoE 训练,采用 DDP 及 Expert Parallelism,避免传统 FSDP 的高吞吐损耗。 支持 1.2 万亿参数在 512 GPU 下达到 858 TFLOP/s/GPU,DeepEP v2 后端可扩展至 2.38 万亿。 提出 Token Gerrymandering 缺陷,发现重叠通信会显著拖慢 Kernel 速度。
提出SAFER框架,通过离线学习他人失败并在线自我修正,解决自动驾驶世界模型在训练数据覆盖范围内外的探索与利用困境。 框架结合分块隐式世界模型与风险感知采样规划器,在CARLA排行榜路由中实现0.95的路线完成率和0.77的单步奖励,MetaDrive常规交通回合奖励达53.4。
Domino 通过一阶马尔可夫链建模同一去噪步骤内揭示位置间的条件依赖,优化掩码扩散模型的少步采样。 该方法在预训练 MDM 去噪器隐状态上实现,仅增加 2.6% 参数开销,训练时冻结去噪器。 在 LM1B 等文本数据集上将少步生成困惑度降低 1.7 至 3.8 倍,分子样本有效性提升 1.5 倍。
研究表明,在BB84量子密钥分配中,基于强化学习的自适应检测器无法收敛以关闭隐蔽窃听窗口。 实验将博弈建模为表格型窃听者与检测器间的交替最佳响应,测试Q-Learning、SARSA等三种学习规则。结果显示,直至200轮博弈,可利用性波动未衰减,双方动态未达固定点。 结果指出,单一轮次的学习检测器无法通过认证,需打破信息结构而非单纯提升适应性来关闭安全漏洞。
论文提出结合想象策略改进与直接校准的世界模型强化学习框架,通过交互感知潜空间模型支持模拟,利用离策略校正与重放更新监督评价器与执行器,平衡自动驾驶车辆(AV)进度与人类驾驶车辆(HDV)交互负担。 在无人信号灯交叉口模拟实验中,该框架实现了100%成功率和跟随HDV加速度变异性分别较PIWM和DreamerV3降低65.5%及44.0%,消融实验证实价值校准降低HDV负担,策略校准提升通行效率。
CertiSum 实现 MXFP4 训练在并行布局与 GPU 厂商间的位级一致性,通过统计认证与精确重算解决非确定性问题。 在 Qwen3-8B 实验中,CertiSum 在 AMD MI350X 与 NVIDIA GB200 上保持训练状态位级一致,跨数据、张量、上下文并行变更无损。
研究提出可微精确学习框架,结合无限外部环境、状态跟踪神经控制器与策略轨迹观测(PTO)。 引入不同有限状态换能器(DFSTs),支持对数并行训练,在算术与通用模拟任务上实现极端长度泛化。 证明Softmax DFST取argmax可精确执行图灵机模拟与二进制算术,代码与权重已公开。
该研究提出因果先验数据拟合网络(PFN)的联合学习方法,旨在解决真实世界中无法同时学习事实与反事实结果的问题。 通过联合学习获取事实与反事实结果的联合分布,结合跨单元最优传输估计平均处理效应密度,是首个同时提供响应、个体处理效应及平均处理效应三种密度的因果 PFN 方法。 在点估计和不确定性量化方面,联合训练模型在多数设置中显著优于基线模型。
研究发现自我消耗训练会导致LLM内部表征发生漂移,且稀疏自编码器(SAE)的零样本性能随代际推进而衰退。 实验对比了五代合成数据模型与真实数据对照组,显示虽然微调SAE可恢复重建保真度,但任务相关信息的特征级有用性并未同步恢复。
研究者提出一种无训练权重烘焙方法,让分析模型读取冻结目标层拓扑描述符,通过岭回归直接改写前馈权重。 在126次实验及5模型循环互测中,方法显著提升了未见词语和句子的类别纯度,基准准确率保持在采样误差范围内。 该方法为基于LLM引导、不使用原始权重的无训练模型编辑提供了基线方案。
研究提出基于突变测试的失败驱动数据策展方法,用于微调小语言模型以合成循环不变量。 在 DafnyBench 472 个程序上,微调后的 Gemma-4-E4B 零样本验证率达 50.8%,比基础模型的 8.1% 提升 6.3 倍。 该方法还成功迁移至 Qwen3.5-4B,将其零样本验证率从 9.3% 提升至 53.6%。
掩码扩散模型规划解码器在重构阈值附近最有益,此时规划单元需对数级小。 无规划解码器低于阈值时需 min{n, (n/ε)^α} 轮次,高于阈值时指数低于 0.5;规划后 log_b n+1 轮次即足。 高斯模型下 2^20 叶节点精确计算验证了阈值下方的指数规律。
VASR 框架结合 SVG 编码器与预训练视觉语言模型预测家具装配层级,其提出的 RHPO 策略利用修复成本反馈优化决策。 在基于 IKEA 的测试集上,VASR 的 Equivalent-Hard F1 得分比 GPT6-Astra 高出 17.69 个百分点。 该框架在独立家具数据集上也保持了强劲性能。
自监督时间序列编码器因输入空间监督导致输出 Token 部分坍缩,OTISv2 引入特征空间的自蒸馏损失和 KoLeo 正则化器抑制坍缩。 该模型在 7.1M 至 116M 参数量范围内单调提升,并在 143 个单变量和多变量数据集上匹敌或超越现有通用编码器。 开源代码与预训练权重已发布以促进进一步研究。
研究者将 Transformer 深层堆叠中的随机 Token 转向建模为基于注意力交互的平均场控制系统,并在单位球面几何下推导了实现目标分布的极小努力控制律。
作者使用 Claude Opus 5.5 复现了 Takehi 等人关于 GPT-6 Astra 的权重空间编程核心研究。Claude 成功从权重中识别 Atari 游戏并找到复制头,在 4/5 环境中超越 PPO,并利用 Qwen3.5-0.8B 的权重将 MATH-500 准确率提升至 58.1%,但其对训练数据的回答常受先验影响。
推荐理由:作者通过十项预注册实验复现了权重空间编程研究,展示了模型在不训练条件下修复网络与推理的具体边界。
针对CSE-CIC-IDS-2018评测中的时间泄露与预处理污染问题,提出ST-GAT框架。采用非重叠时间窗口,并在训练集上单独拟合预处理以消除偏差。 该模型结合k-NN构建图快照,通过多头GAT进行空间聚合,利用BiLSTM与时空注意力捕捉序列依赖。
研究提出 LoRA-GT 方法,利用更紧的 PAC-Bayes 界为 LLM 安全评判员提供非空泛证书。 该方法在 5 个模型和 4 个基准测试中显示,证书紧密度主要取决于适配复杂度而非基础模型规模。
Lasso 利用 Intel QAT 加速器实现多模态 AI 内容检测,文本检测平均准确率 82%,速度提升 83,784 倍,能耗降低 99%。 检测延迟低至 0.74 微秒,支持文本、视频、代码和图像全模态检测,在无监督场景下表现优于现有基线。
研究提出通过量化草稿 KV Cache 降低投机解码的额外内存占用,目标模型缓存保持 BF16 精度以确保最终校正规则不变。 基于 KIVI 原则采用 K4V4 量化方案(key 按通道、value 按 token),在 6 个模型对上将草稿缓存内存减少 66.20%,总内存减少 23.95%,平均接受率仅下降 1.36% 相对值。