LLM 原生广告机制设计:通过点击稀疏化实现真实性与高福利保证
研究人员提出一种名为“点击稀疏化”的计算高效机制,解决了生成式 AI 广告中出价真实性与福利最大化的矛盾。 该机制在期望意义下保持真实性,并保证至少获得最优福利的 50%。 当展示上限为 K 且点击率不超过 δ 时,近似因子可优化至 2-(1-δ)^(K-1),且该效率在保持订单规则下是最优的。
研究人员提出一种名为“点击稀疏化”的计算高效机制,解决了生成式 AI 广告中出价真实性与福利最大化的矛盾。 该机制在期望意义下保持真实性,并保证至少获得最优福利的 50%。 当展示上限为 K 且点击率不超过 δ 时,近似因子可优化至 2-(1-δ)^(K-1),且该效率在保持订单规则下是最优的。
针对现有医疗视觉语言模型(MedVLMs)在放射学报告中易漏诊误诊的问题,提出Diagnostic Loss(DLoss)方法。DLoss是一种可微分的架构无关目标函数,通过非对称池化机制直接作用于解码器token概率,鼓励支持诊断的概率集中,同时抑制不支持诊断的概率尖峰。
ReDence 开源框架在12类社会工程学诈骗检测中准确率96%,速度比同类智能体模型快4倍以上。 采用本地部署的 Qwen3.5-4B 智能体与 Tev1 决策模型混合架构,生成可审计的结构化证据报告。
LLVMhammer 利用 Rowhammer 位翻转攻击 Triton 编译流水线,导致 LLM 推理延迟增加 4-16%,并造成永久性性能下降。 该攻击针对 Triton 缓存机制,具有跨 GPU 厂商通用性,可基于 Karnage 工具定位漏洞;在 Qwen2.5-7B-Instruct 等模型上验证了可行性。
针对 LLM Agent 在万级工具库中选择工具的性能瓶颈,通过强化学习训练 Qwen3-8B 小模型可替代 Claude 和 GPT 等商业模型完成检索与分解。该模型在 ToolBench 上表现优于 402B 的 Llama-4-Maverick,并展现出对新工具库和不同检索器的跨域泛化能力。
该研究提出基于 A* 搜索优化 Flood-It 谜题最小移动序列的方法,并对比 SAT、整数规划及约束规划求解器。在测试实例中,A* 在约 75% 的情况下找到最小解的速度最快。 随着复杂度(即最小解长度)增加,SAT 方法性能超越 A*。 对于决策问题,A* 在多数谜题中表现最佳,但 SAT 在更高复杂度时占优,尽管交叉点较低。
研究人员推出 Lean Finder V2,这是一个专为 Mathlib 设计的语义搜索框架,能通过模型级对抗训练和输入级查询重写消除用户查询中的歧义。 该框架在人类标注的 MathlibQR 基准测试中取得了新的 SOTA 成绩,相较于之前最好的 Mathlib 语义搜索引擎实现了至少 11% 的相对提升。
为解决隐私约束下分布式知识图谱无法直接共享的问题,研究人员提出 FedGRAG 统一框架,实现多客户端的图检索与知识增强生成。 框架通过联邦知识路由机制利用轻量索引定位客户端,并采用受控披露方法将证据子图转换为证据摘要,避免泄露敏感实体。 实验显示 FedGRAG 在检索及下游生成任务中持续优于现有基线,确立了联邦环境下部署 GraphRAG 的新范式。
AgentTriage 提出一种跨异构运行时的可重放安全诊断执行合约,支持基于规范事件的可验证结论,并在证据缺失时强制弃权。 该框架覆盖 5 种运行时共 159 次适用执行,在 120 个已裁决案例中实现 0.858 的 grounded joint diagnosis,较最强基线提升 0.175(95% CI [0.092, 0.258]),且无需语言模型判断即可复现诊断。
OpenAI Codex 发布 v0.164.0,新增十组预设槽位以保存提示词与斜杠命令,并支持内联参数直接设置模型与权限。 该版本允许在支持 Kitty 或 Sixel 的终端全屏预览图像,启用 Amazon Bedrock 向导,并修复了会话恢复与压缩故障导致的摘要丢失问题。
研究评估四个参数量 8 至 270 亿的开放模型在西班牙 MIR 考试中的表现,三个大模型预计排名在约前 600 至 3000 名之间,可报考 41 至 43 个专业。 模型从不弃权,因为即使最不确定的答案正确率也高于 25% 的盈亏平衡点;医疗微调降低了过度自信但降低准确率且未改善置信度区分力,且 13%-38% 的正确答案基于临床依据不足的原因,移除或替换图像后准确率不变。
Delta N-gram 提出一种前向写入路径,将证据存入哈希 N-gram 表,预训练表 T^0 保持不变。 方法包含 4.1M 参数写入器,通过块平均 delta 规则更新;在 Qwen3.8-Flash-Next 上测试,delta writer 抗干扰保留率达 70%。 清除 Δ 可恢复原始模型,解决了在线梯度写入易遗忘的问题。
新基准包含 13,044 条尼泊尔-英语自发播客音频(共 15.45 小时),并公开了转录文本、时间戳及重建脚本,以应对语码切换自动语音识别中的书写系统混淆问题。 采用两阶段合成到真实适配框架:第一阶段通过 0.95 小时双引擎 TTS 合成语音微调,将混合错误率(MER)从 23.40% 降至 21.52%;第二阶段使用 GRPO,使语言切换点错误率(SPER)进一步降至 28.70%。
AWS SageMaker AI 服务器端模型定制训练会话(Training Sessions)正式上线,允许开发者编写自定义 Post-training 循环而无需管理底层 GPU 基础设施。
Qoder 宣布其云托管 Agent 运行时 Qoder Cloud Agents 接入开源项目 HarnessRouter,这是该项目首次支持远端运行时(remote runtime)类别。
推荐理由:揭示了云端 Agent 运行时接入标准协议的关键工程细节,为开发者评估多 Agent 互操作性提供具体参照。
第二届观猹大会将于 10 月 24 日至 25 日在杭州龙坞举办,阿里云百炼将参加该活动。 百炼与支付宝 AI 付联合发起 PAYATHON 2026 赛事,提供模型与工作流支持飞猪 AI 黑客松。
Shopify 后训练 NVIDIA Nemotron 3.5 Lightning 模型,使其在特定基准上超越前沿模型,推理成本降低 90%,响应速度提升 7 倍。 ALLSIDES 利用 NVIDIA 技术构建 3D 数字孪生工厂,支持亚毫米级精度捕捉;CATCHES 虚拟试穿部署使转化率提升 55%,销售额增加 56%。
TabAgent框架通过用紧凑的分类器替换LLM生成式决策组件,在AppWorld基准测试中消除短期调用,降低延迟约95%并减少85-91%的推理成本。 该方案利用执行轨迹提取结构化特征(TabSchema),结合合成监督(TabSynth)训练轻量级分类器(TabHead),目前已扩展至七个智能体基准测试。
提出 Conditional Optimal Bridge for Riemannian Activation Steering(COBRAS),将 Steering 视为残差流超球面上的 Schrödinger Bridge,推导出 Log-Density-Ratio 目标。
研究表明,在表到文本生成任务中,扩散语言模型 LLaDA 增加示例数虽将 BLEU 从 11.3 提升至 22.0,但对源表格的 NLI 蕴含得分却从 0.78 降至 0.52,而 QLoRA 微调版 LLaDA 达到最高 BLEU 24.15,忠实度未见提升。
生成式人工智能(GenAI)与物联网(IoT)的融合正在重塑医疗、制造和智慧城市等多个行业。现有研究多局限于狭窄的应用场景,缺乏对 GenAI-IoT 协同潜力的全面分析,凸显了对更广泛物联网生态系统中 GenAI 集成进行系统性研究的必要性。
低比特量化大语言模型在长程推理任务上表现受限,常因固定响应监督导致轨迹发散与分布错位。本文提出 OnQ 管道,结合在策略蒸馏与动态 KL 散度,在 Qwen3 1.7B/4B/8B 的 2-3 bit 量化中取得最佳性能。
研究者发布 SWE-DIVE,一种动态交互式验证框架,用于在多轮环境中评估编码智能体。 框架包含用户模拟器模拟行为模式,对话验证器评估输出,并由 Harbor 环境编排执行测试。该成果被 NeurIPS 2026 研讨会接收,代码已开源。
DriftNeRF 提出了一种无需预训练模型或额外几何信息的跨射线密度共识正则化,旨在解决稀疏视角 NeRF 中邻近 3D 点密度相互矛盾的问题。 该正则化通过掩模指数核聚合邻近射线密度生成 stop-gradient 目标,在 NeRF-Synthetic 上使残余分歧降低一个数量级,在三个数据集上将 3-view PSNR 提升 0.42-0.65 dB。
研究发现 RAG 管道中各项技术单独优化的增益在组合时不可靠,三个强检索技术预测提升 47% 但实际仅 17%。 研究基于 LASAGNA 开源框架,测试 450 种配置及 8 个基准,语料库范围从 5K 到 200K 文档。 优化检索质量可能损害答案忠实度,且最佳组合方案随语料库规模变化而改变。
世界动作模型(WAMs)在泛化性能上因生成式骨干不同而显著分化。研究量化表征先验的干扰正交性,发现高正交性关联更强的视觉变体鲁棒性,使策略泛化可被前瞻性测量。该发现为表征先验如何塑造世界模型泛化性能提供了几何视角。
研究团队提出 SPARE,一种基于路由熵的免训练 MoE 专家剪枝方法,能够动态分配各层剪枝预算。 该方法在相同条件下优于均匀剪枝,使 Qwen3-30B-A3B 在 50% 剪枝率下的八项任务平均准确率从 57.2% 提升至 63.8%。
基于 CeCaS 项目,研究者提出了一种整合大语言模型与模型驱动工程的 AI 工具链,将自然语言需求自动转化为系统架构、可执行软件及验证工件。 该技术强调可追溯性与一致性,支持功能安全汽车开发要求。在支持自适应巡航控制与紧急制动的集中式车辆计算平台上,通过硬件在环(HiL)和软件在环(SiL)环境完成了验证。 这将推动汽车软件开发向高度自动化、高可靠性及少人工干预的方向演进。
MixAgent 发布了一种 agentic 音乐后期制作流水线,遵循音频工程师工作流生成可编辑混音方案。 该模型在 MedleyDB 上通过学习优化减少 19% 误差,其中偏好优化额外降低 8.4%,且人工听测质量优于 Qwen3-Omni、Gemini 3.8 Flash 和 GPT-4o-audio。
研究人员通过知识蒸馏将六个教师模型性能迁移至小型学生模型,用于大型强子对撞机 Jet Tagging。 所有教师模型均能提升对应学生模型表现,增益主要取决于教师强度。 2 万参数的 L-GATr-slim 学生模型性能超过从零训练的公开模型,2 千参数版本性能匹配参数量为其 1000 倍的 ParT 模型,推理成本大幅降低。
针对稀疏混合专家模型中专家表示坍塌问题,GaP-MoE 通过直接操作专家输出梯度诱导专业化,而非修改损失函数。 该方法在训练步骤中随机选择 $TopK$ 专家之一作为领导者,并将其余专家的梯度投影到领导者近期梯度张成子空间的正交补集上,消除了梯度方向重叠。
研究团队发布包含 18500+ 示例的 VHDL 数据集,使用 QLoRA 微调 5 个 7B 参数模型。 微调后模型在常规设计任务中实现 92% 语法正确率和 73% 功能精度,DeepSeek-Coder 性能增益最高。 生成的设计成功部署于 Zynq FPGA,验证了 LLM 在生成式 EDA 流程中的可行性。
当更低精度可用时,在相同比特数下添加 2:4 稀疏性比降低精度更差,因其导致精度更低且速度更慢。 当量化达到硬件最低精度时,2:4 稀疏性可使线性层加速 1.3–1.7 倍;在 H100 上,经重新训练的 2:4 模型以 FP8 通过 vLLM 服务时,prefill 吞吐量比密集 FP8 模型高 27%,GSM8K 准确率相当,但需重新训练恢复困惑度,且在 Blackwell 架构上损失更大。
论文提出数据差异化框架(DDF),结合互信息、边际效用和治理输入,评估候选数据资产在组织现有数据组合中的边际价值。 DDF 扩展了 mRMR 相关度减冗余原则至资产层面,在信用卡欺诈基准(284,807 条交易)上验证,唯一真正差异化的资产通过显著性检验(DeLong p = 1.4×10⁻⁹),DDS 评分 +0.663。
在线强化学习(RL)框架 RL-IF 通过轨迹级 leave-one-out 量(RL-LOO)量化训练实例在多个训练轮次间非局部的数据影响力。 RL-IF 提出了一阶估计器,通过解耦优化效应与策略诱导采样效应来追踪影响,并在此基础开发了实际的数据过滤方法 RINSE。 在标准控制基准和 RLHF 毒性缓解场景中,RINSE 相较于 PPO 基线提升了训练效率并最终性能。
论文提出支持差分隐私的顶层框架CALLIOPE,用于在不依赖向量嵌入的情况下直接从非结构化LLM对话语料中发现主题层级。实验表明,该方法在差分隐私设置下尤其是高隐私度环境中,效用优于现有基于嵌入的方法,并利用多种聚类指标和新型效用指标评估输出质量。
研究团队发布 SciFigBench 基准,旨在评估视觉语言模型(VLMs)对复杂科学方法图表的理解能力。该基准包含 4,352 张图表和 40,670 个 QA 对,核心考察密集内容感知、视觉关系理解及信息流追踪。
研究显示在 3 个开源 MoE 大语言模型中,单一专家可平均恢复 78% 的全局拒答转向效果,表明拒答机制在架构中分布不均。 当受限使用全层转向的位置时,专家级转向仅能恢复 54% 的效果,且该差距在安全相关系统提示词下进一步拉大。 研究证实 MoE 复杂路由模式不会抑制转向性能,且拒答信号与专家路由行为所捕捉的信号存在差异。
模拟研究证实,LLM 智能体使用持久记忆会显著提升回答质量,同时加剧隐私泄露风险。在跨四个支持模型的测试中,记忆机制导致 24 项个人属性的推断准确率随会话次数增加而扩大。
PUN 神经算子通过学习噪声感知值场,在 4D 重规划基准中实现 95-100% 成功率,且运行时间最短。 它在 4D 最高噪声水平下,成功率相对提升 10.7-60.6%,速度提升 3.29-32.15 倍,优于对比规划器。 该方法通过蒙特卡洛标签摊销计算,避免昂贵收敛,支持未见几何环境的可靠导航。