跳到正文
11月10日周二
  1. arXiv · AI20

    LoCo:面向判别式开放词汇多标签识别的选择性局部竞争

    提出 LoCo 框架,通过空间一致视觉编码器和选择性 Softmax 处理局部语义稀疏性,增强开放词汇多标签识别(OV-MLR)的判别能力。 独立使用 LoCo 在四个基准上将平均 F1 和 mAP 分别提升 3.4% 和 3.8%;结合 DualPrompt 后优势扩大至 4.8% 和 5.2%。 代码已开源,该论文被 NeurIPS 2026 接收。

  2. arXiv · AI24

    FAIR 宇宙弱透镜机器学习不确定性挑战:数据集与宇宙学推断竞赛

    NeurIPS 2025 发布 FAIR 宇宙弱透镜机器学习不确定性挑战,作为包含多种系统偏差的基准数据集和评估研究,以测试不确定性下的鲁棒宇宙学推断。 冠军方案包括条件最优传输数据增强、AI 智能体驱动的参数推断、集成学习、基于 Vision Transformer 的架构以及物理信息特征融合。 该工作将基准数据集与获胜方案结合,为开发弱透镜宇宙学机器学习方法提供社区资源。

  3. arXiv · AI27

    NINJA:一种用于高效上下文问题定位的导航-检查联合架构

    针对现有基于 agent 的问题定位方法因长上下文累积压缩推理空间及扁平探索结构失衡的问题,论文提出层级式 NINJA 架构。该架构将仓库探索分解为全局导航与局部检查:navigator 维护全局搜索状态并执行文件级搜索,inspectors 在独立上下文中进行函数级探索,通过多轮交互返回可疑位置以更新全局状态。

  4. arXiv · ML23

    Hydra:面向时序图的多任务迁移学习架构

    Hydra 是一种结合时序 GNN 局部特征与谱学习模块的新架构,旨在解决时序图的多任务预测问题。在多任务分类中,其 AUC 比最强竞争者相对提升 8.9%;在回归任务中,MAE 相对提升 8.2%,且训练时间减少 22%。研究证明时序图多任务迁移学习有效,为开发适应时序图的自适应基础模型提供了新方向。

  5. arXiv · AI45

    Sage-Taiyi:面向科学发现的元认知架构

    Sage-Taiyi提出元认知架构,在Taiyi-Bench全部8项指标上排名第一,Overall得分54.0,高于最强基线AI Scientist-v2的47.9。 该基准包含10个学科50篇论文的265个任务。系统通过专家协作,将钴催化羰基化产率提升至84%,光催化烯丙胺化提升至69%。 结果支持元认知调节作为科学构思方法,并向实际验证迈进。

  6. arXiv · ML25

    ALETHEIA: 用于无损检测神经算子学习的多频涡流脉冲热成像数据集

    ALETHEIA是首个针对无损检测神经PDE求解器的3D基准数据集,包含4700多个高分辨率样本,覆盖1-100kHz的10个激励频率。 数据集模拟导电固体中的涡流致热及瞬态热传播,支持从表面红外测量进行缺陷的逆向重建,并包含真实裂纹铁轨样本。 该数据集为在真实无损检测条件下评估神经PDE求解器提供了统一平台,支持数据驱动的逆向建模。

  7. arXiv · ML20

    MCSA:用于原子间势能的 SO(3) 等变 GNN 多截止光谱聚合方法

    提出即插即用模块 MCSA,通过聚合不同截止半径的径向核增强多尺度几何表示,提升 SO(3) 等变 GNN 性能。 利用径向核紧支撑特性在角度张量积运算前融合权重,避免冗余计算并保持旋转等变性。 在能量、力、应力及声子色散等预测上实现一致改进,验证了物理动机制截距选择的有效性。

  8. arXiv · AI33

    LEGION:对抗性噪声下稀疏信号调查的语言智能体基准

    研究团队发布 LEGION 基准,包含 Legion-Sim 模拟器和 74 个对抗场景,用于评估语言智能体在稀疏信号下的调查效率与准确率。 测试显示五种智能体架构召回率高达 0.82-0.88,但精确率仅为 0.61-0.72,且失败模式跨推理层级一致。 该基准已开源,旨在提升网络安全调查中区分真实指标与攻击相关指标的可靠性。

  9. arXiv · ML23

    Hydro-Dataset:面向北欧水文研究与基础模型基准的多模态开源管道

    Hydro-Dataset v1.1 发布了一个融合瑞典和芬兰 582 个气象站 2015-2024 年数据的开源管道,生成 180 万条注释站天记录。 该数据集包含雪水当量、融雪速率等 6 类衍生参数,可作为水文基础模型的基准标签;ERA5-Land 交叉验证显示观测锚定 SWE 比再分析数据更具可靠性。

  10. arXiv · ML23

    GS3R 实现鲁棒且高效的持续模型合并

    针对持续模型合并中任务组件纠缠导致奇异几何扭曲的问题,作者提出 GS3R 方法。 该方法通过恢复保留的奇异几何并分离任务子空间,公平重新分配秩资源;结合预合并恢复与刷新(PRF)机制降低内存开销。 在视觉、NLP 和多模态基准测试中,GS3R 实现了强准确率与效率平衡,已被 NeurIPS 2026 接收。

  11. arXiv · AI27

    LoMASA:基于置信度门控委托的本地多智能体B2B报价销售助手

    LoMASA 是一款训练无关、完全在单台桌面电脑上运行的本地多智能体系统,用于辅助B2B报价。 在500个模拟回合中,该系统将 38.0% 的决策自动化(中位延迟 2.67 秒),将 42.5% 通过硬性规则升级至经理,销售仅需手动处理 19.5% 的决策。 其在自动处理决策上的准确率与规则基线持平(0.894),且导致利润率低于底线的承诺更少(2.61% 对比 4.53%)。

  12. arXiv · AI35

    SimuLean:面向制造系统设计的智能体离散事件仿真开源平台、基准测试与工业案例

    SimuLean是一款基于Unity引擎的开源3D离散事件仿真器,专为AI智能体编程设计。在18项制造建模任务中,前沿智能体单次构建有效模型成功率为86%。 该智能体能在约2分钟内通过领域级命令完成建模。工业案例显示,智能体重建模型与修正后的专家模型偏差在1%以内。 独立参考模型是确保智能体仿真结果可信的关键。

  13. arXiv · ML30

    Sequence Pruning:DNA序列预训练的动态剪枝框架

    研究提出Sequence Pruning(SP)动态剪枝框架,在DNA语言模型预训练中移除易预测序列,最高将数据处理量降低96%。 SP在五个预训练设置及五个基因组基准上验证,适度剪枝使性能提升1.2 MCC,最高节省场景仅用4%基线GPU时长且性能损失微小。 SP在多数对比中优于InfoBatch和BPAS动态剪枝方法,代码已开源。

  14. arXiv · AI24

    ProofDiff:可审计的 AI 生成数学证明论证级比较系统

    ProofDiff 旨在支持人类审查而非验证数学正确性。给定两个文档,系统独立构建基于源文本的论证图谱,提出图谱间对应关系,并记录连接主张与推理步骤的类型化关系。 该系统集成人类审查层,允许修订图谱与对应关系以保留可审计历史,通过比较图谱检查文档是否遵循相同数学路径。 已在四个 AI 生成证明示例对上演示,早期版本获 NeurIPS 2026 研讨会接收。

  15. arXiv · AI32

    AYO:一个用于研究儿童与LLM互动的安全且保护隐私的平台

    研究团队推出开源平台AYO,专为安全、系统地研究儿童与对话式LLM的互动而设计。 AYO提供儿童友好界面、可配置的基于年龄的安全护栏、研究人员监控及保护隐私的数据实践。 该平台支持横截面、纵向及实验性研究,旨在生成证据以指导更安全的AI系统、教育实践和相关政策。

  16. arXiv · NLP40

    LLMs 作为自适应元求解器:面向工业级优化的策略多样化强化学习

    提出策略多样化强化学习(SDRL)框架,训练开源 LLM 解决工业级优化问题。 该框架通过正确性门控的层级多样性奖励防止策略坍缩,支持自包含文本与文件基实例混合训练。 在工业级优化任务上,SDRL 的平均性能优于 DeepSeek-V4-Pro 和 GPT-5.5,代码与数据已开源。

  17. arXiv · NLP30

    Transformer 的通信图谱:基于权重几何的全局耦合分析

    论文提出 Transformer 通信图谱,通过权重几何映射所有潜在通信通道。分析显示 70-89% 的注意力头对呈现显著非随机耦合特征。 研究恢复了归纳电路结构,并通过消融二维残差流子空间,在高达 Pythia-6.9B 的六个模型中使归纳功能失效。 作者开源了通信图谱、统计工具及干预套件,支持模型机制可解释性研究。

  18. arXiv · NLP26

    可靠 Chain-of-Thought 前缀一致性方法

    提出“前缀一致性”测试时推理技巧,通过截断并重生成 Chain-of-Thought 轨迹来加权候选答案。 该方法无需访问 token log-probabilities,在五个推理模型和四个基准测试中,以中位 4.6 倍更少的 token 达到多数投票精度。 论文已被 NeurIPS 2026 接收,代码已公开。

  19. arXiv · NLP31

    VHG框架提出验证器支持的数学难题生成

    VHG框架提出验证器支持的数学难题生成,通过三方自玩结合独立验证器,在不定积分和通用数学推理任务中显著优于所有基线方法。 框架约束出题者奖励由问题有效性(验证器评估)和难度(解题者评估)共同决定,并实现了两种验证器变体:硬性符号验证器和软性基于LLM的验证器。 研究被NeurIPS 2026接受,相关代码已开放获取,旨在弥补现有生成方法中因奖励欺骗导致无效难题的问题。

  20. arXiv · NLP29

    ChartHal:评估大视觉语言模型图表理解中幻觉的细粒度框架

    ChartHal提出了一套图表理解中的幻觉细粒度分类体系及包含1,062条人工验证样本的基准数据集。 实验显示,最先进的模型GPT-5和o4-mini在该基准上的准确率仅分别为34.46%和22.79%。 研究表明,涉及图表缺失或矛盾信息的问题最容易触发模型幻觉,凸显了开发更强健缓解策略的迫切需求。

  21. arXiv · NLP38

    dMoE:一种为扩散大语言模型设计的可学习块级专家混合架构

    dMoE 框架通过将 token 级专家分布聚合为块级分布,解决了扩散 LLM 与 MoE 架构中的路由失配问题,显著降低推理时的内存瓶颈。该框架将平均独特激活专家数量从 69.5 减少至 16.6,同时保留 99.55% 的性能,内存使用率降低 74.36% 至 76.78%,端到端延迟加速 1.36 至 2.04 倍。该论文已被 NeurIPS 2026 接收。