跳到正文
11月5日周四
  1. arXiv · NLP39

    通过微调 Qwen 3.5 27B 实现 AI 心理健康对话中的被动抑郁严重程度评估

    研究团队通过微调 Qwen 3.5 27B 实现被动抑郁监测,在 422 名用户上取得 MAE 3.98 和临床阈值 AUC 0.88。 模型结合 3,111 个真值标签与伪标签扩展至 5,524 名用户,Pearson 相关系数达 0.67,覆盖了从 PHQ-9 分数 3 到 24 的全谱系严重程度。 该结果支持无需自报问卷的被动抑郁监测。

  2. arXiv · NLP33

    ArcRAG 实现跨构建流程的智能体组合式知识图谱检索

    ArcRAG 提出在推理时构建局部查询接口,无需重调参即可在 schema-guided 与 open-IE 两种图谱构建间保持有效检索。 该研究在 MuSiQue、HotpotQA、TriviaQA 上验证了跨构建可移植性,并将结果与此前 GraphRAG 系统对比。 结果表明,检索策略不必与图谱构建共同设计,但构建方式仍会影响绝对准确率。

  3. arXiv · NLP26

    RAGCompass: 基于重排序的可泛化检索器路由方法

    RAGCompass 通过对比微调重排序器,实现了未见检索器或语料库下的可泛化路由,回答 F1 较最佳固定检索器提升 28%。 该方法无检索器特定参数,显著优于融合基线、查询专用路由及 8B 语言模型提示方案,在未知场景下仍保持大部分性能增益。

  4. arXiv · NLP23

    DS@GT ARC 提出基于判决锚定的事实核查文章生成流水线

    DS@GT ARC 团队为 CLEF 2026 CheckThat! Lab Task 3 开发了四阶段事实核查文章生成流水线,利用 Llama-3.1-8B-Instruct 模型并基于原始判决条件生成文章。 该流水线包含证据清洗、源文档检索与聚类、文章生成及内联引用恢复步骤,在 9 个参赛队伍中排名第 3,平均得分为 0.428,显著高于基线的 0.272。

  5. AWS Machine Learning Blog38

    U Mobile 如何利用 Amazon Bedrock AgentCore 构建 AI 驱动的电信运营智能体系统

    U Mobile 基于 Amazon Bedrock AgentCore 构建 Agentic AI 客服系统 AiDaH,在六个业务部门覆盖 150 多个运营场景,关键类别工单量下降 84.5%。 系统采用六层架构部署于新加坡区域,通过 Microsoft Teams 交互,利用智能体自动排查跨系统故障,保留人工最终决策环节。

  6. AWS Machine Learning Blog30

    Indegene 如何在 AWS 上利用 LLM 驱动的数据质量智能体扩展企业级数据质量管理

    Indegene 在 AWS 上的 NEXT UDP 平台构建 LLM 驱动的数据质量智能体,生成上下文感知的数据质量规则并产出可运行的 SQL 和 Python 代码。 该智能体支持集中式人工介入治理,解决了传统技术规则与业务规则脱节、静态校验无法捕捉业务背景的问题。 此举帮助生命科学企业提升数据质量扩展性,降低数据工程维护工作量。

11月4日周三
  1. arXiv · NLP34

    MiA-RAG:首个基于心智图意识的检索增强生成框架

    论文提出 MiA-RAG,这是首个将 mindscape-aware 检索与生成作为统一条件化范式应用于 LLM-based RAG 的框架。 它通过层级摘要构建心智图,并在检索和生成阶段进行条件化,使检索器形成富化的查询嵌入,生成器在连贯全局上下文中对检索证据进行推理。 在多种长上下文及双语基准测试中,MiA-RAG 持续超越基线模型,并实现局部细节与全局表示的对齐。

  2. arXiv · ML22

    消除泄漏后评估残差图卷积网络在入侵检测中的性能

    残差图卷积网络在消除数据泄漏后,于 CICIDS2017 数据集上的二分类 F1 值达 98.11%,与多层感知机无显著差异。 在相同协议下,梯度提升树 ensemble 表现更优,多类 macro-F1 达 93.08%,且在特征噪声下的鲁棒性方面,残差网络优势明显。 研究结论表明,在受控评估中,图结构的消息传递机制未带来额外精度,模型优势主要在于对噪声的抵抗力。

  3. arXiv · AI24

    ReTA 框架利用强化学习动态增强 EHR 图谱

    论文提出 ReTA 框架,通过强化学习将外部知识图谱导入转化为逐次访问、预算感知的策略,解决电子健康记录(EHR)中患者轨迹稀疏和不规则导致的纵向预测难题。 ReTA 构建了基于 KG 的离线模板池,并学习策略在“软导入”、“硬导入”或“跳过”三种动作中为每次访问选择最优增强方式,结合解耦编码器稳定学习。

  4. arXiv · AI30

    HealthJev:面向纵向个人健康管理的自进化开源智能体

    HealthJev 作为开源智能体,通过自训练的 JevGate 轻量级模型过滤错误经验,在 90 天模拟交互基准上平均提升 13.3 个百分点。 JevGate 决定经验入库的中位时间为 86 毫秒,消耗约 1,000 输入 token,运行时开销极低。该冻结经验库可迁移至六个其他基座模型,宏平均增益达 6.8 至 15.1 个百分点。

  5. arXiv · AI20

    QueryFlow:基于自适应查询演变的多跳图检索方法

    多跳检索增强生成(RAG)中,QueryFlow 提出了一种将证据表示与查询条件耦合演化的新视角。 该方法通过在共享查询状态中递归整合查询条件化的图上下文摘要,以控制后续传播的边界输入和关系特征。 在四个代表性多跳问答数据集上,QueryFlow 相比基线方法在宏平均 Recall@10、完整 Recall@10 及 LLM 准确率上分别提升 4.98、8.40 和 8.0 个百分点。

  6. arXiv · AI40

    任务条件下的长期智能体记忆效用测量方法

    提出任务条件效用指标评估长期智能体记忆价值,避免单一重要性评分。 在 LongMemEval-V2 事实回忆任务中,含答案信息的记忆配对奖励增益均值为 +0.33(95% 区间 +0.21 至 +0.46),优于任务盲写摘要。 效用不延伸至软件工程基准,已发布公开的条件记忆效用数据集。

  7. arXiv · AI26

    LaplaceDiag:通过学习到的执行器效应变化进行故障诊断

    提出数据驱动方法LaplaceDiag,利用执行器效应变化缩小故障设备搜索范围。 方法通过LaplaceNet在拉普拉斯空间建立健康模型,固定历史预测器后以线性回归估计当前执行器效应,支持在线与离线诊断,并在两个数据集上验证成功。 解决了不同故障产生相似观测及缺乏详细模型时的定位难题。

  8. AWS Machine Learning Blog36

    EDB Postgres AI 与 Amazon Bedrock AgentCore 构建 Agentic AI 语义层

    该架构利用 Postgres 扩展 AIDB 在运营数据库内部构建语义知识库 SemKB,实现数据与业务含义共置。结合 Claude 与 AgentCore Gateway,通过 MCP 端点暴露工具目录,利用 GRANT 权限和行级安全实现差异化访问。语义层直接嵌入数据库,通过注释和外键定义业务逻辑,支持 OpenTelemetry 追踪。

11月3日周二
  1. arXiv · NLP37

    AtomMem:基于原子事实构建 LLM 智能体简易且高效记忆系统

    AtomMem 提出一种长期记忆系统,通过“事实执行器”从交互中提取高密度原子事实,并在 LoCoMo 基准测试中取得最先进水平(state-of-the-art)表现。 该系统将原子事实组织为分层事件结构和时间档案,并激活联想记忆图以连接碎片化记忆,实现稳定进化。 论文表明其方案在可拓展性与经济性上具备可行性,支持智能个性化智能体的部署。

  2. arXiv · NLP45

    UXBench:首个基于真实用户反馈的 AI 助手用户体验基准

    UXBench 是首个基于真实用户反馈信号的基准,包含 7,400 个测试实例,涵盖 8 大场景和 83 个领域。 对 26 个前沿模型进行评估,结果显示用户反馈预测是可学习的能力,并揭示了影响体验的多个维度。 该基准确立了新的评估标准,呼吁关注定制化 UX 优化,推动以用户为中心的大模型扩展定律。

  3. arXiv · NLP29

    NitiBench+:覆盖 17 个领域的泰国法律时序问答基准

    NitiBench+ 发布,包含 1,670 条覆盖 17 个领域的泰国法律问答项,基于 156,650 份法院判决构建。 基准显示使用现行法律文本而非判决时文本导致 Bar-standard 分数下降 0.25,最佳模型得 7.78 分(满分 10),最佳开源模型得 6.39 分。 法律基准需追踪时间维度,当前模型在泰国法律领域仍存在显著差距。

  4. arXiv · NLP23

    基于WhatsApp母婴健康聊天机器人的窗口感知调度:尼日利亚研究证据

    研究分析了尼日利亚3,696名母亲的98,607条WhatsApp母婴健康消息,发现窗口关闭后失败率骤增93.0个百分点。 形式化窗口感知调度决策问题,模型评估显示发送预批准模板可触达81.5至86.8%的目标母亲,优于等待或提示。 主要增益来自遵守平台规则而非学习算法,研究结果仅关注消息送达率而非健康结果。