跳到正文
11月3日周二
  1. arXiv · AI23

    表格式基础模型为何能在未见过的关系型数据上表现优异

    研究证实,结合无参数关系编码器的单表基础模型(TFMs)在关系型数据库预测中具有竞争力,尽管未接触关系数据预训练。 其机制在于无参数编码器将关系效应映射为固定长度嵌入,粗略模仿 TFMs 原设计的分布,从而转移单表属性至关系场景。 分析为提升关系型数据库基础模型提供新路径,特别是在强调可解释性和智能体系统集成的情况下。

  2. arXiv · AI22

    RecGroupMemory:用于电商推荐的反馈感知群体记忆

    工作流 RecGroupMemory 通过群体级用户画像和基于前一天的反馈修订决策指引,支持基于 LLM 的电商推荐。在针对淘宝低消费用户群体的在线对比中,无记忆基线、无反馈记忆和有反馈记忆分别使被引导交易用户数提升了 0%、1.58% 和 1.78%,且验证检查确保选定的源数值在反馈修订后保持不变。

  3. arXiv · AI31

    金融问答幻觉检测:PHANTOM 基准上的类型感知分析与层级检测器研究

    针对金融问答中的 LLM 幻觉问题,该研究在 PHANTOM 基准上分析了 9 类幻觉,发现传统二元检测器子类型准确率仅 44.7%。 研究提出一种两阶段层级检测器,将二元准确率提升至 95.6%,子类型准确率提高至 56.1%,优于单一指标评估。 结果表明,类型级评估能揭示聚合指标所掩盖的检测器弱点,对金融合规场景具有参考意义。

  4. arXiv · AI28

    ClickSight: 一种通过学习策略解释学生点击流的 LLM 框架

    ClickSight 是一个利用 LLM 分阶段流水线解读学生点击流并评估学习策略遵从度的框架。 评测基于 2 个学习环境、365 名学生及 12 个模型底座,推理模型表现优于指令微调模型。 该框架将细粒度点击流与理论定义的学习策略相结合,为研究数字学习环境中的学生行为提供灵活方法。

  5. arXiv · AI32

    SPAR:多会话 B2B 销售中的经验驱动策略进化

    SPAR 提出自我进化框架,在 1688 平台 20 万+ 商家 A/B 测试中实现转化率提升 15.8%,高意向商家增长 35.8%。 该框架采用双循环架构,通过因果归因驱动策略假设演进,无需更新模型参数。 专家人类评估中 SPAR 整体销售质量获 4.62/5 分,为所有方法中最高。

  6. arXiv · AI37

    HiGenTrans:层级LLM知识迁移提升生成式推荐性能

    HiGenTrans框架通过层级迁移LLM知识,显著提升生成式推荐在召回率等指标上的表现。 在三个公开基准测试中,该模型相比最强基线提升Recall@10达12.9%,NDCG@10提升33.7%。 其优势源于在输入、表征和决策三层引入LLM知识,有效解决了交互监督不足和重排序偏差问题。

  7. arXiv · AI23

    SkillCDG 通过约束依赖图检索提升长 SKILL 文档合规检测准确率

    针对长 SKILL 文档中基于相似度的检索易遗漏必要前提的问题,SkillCDG 框架将文档重构为约束依赖图,实现基于闭包的选择性规则检索。 该框架结合可验证奖励的组相对策略优化,对高熵推理 token 进行选择性 on-policy 蒸馏,以提升判定准确性。 在三个企业数据集和两个公开基准测试中,SkillCDG 在准确率和 F1 分数上均优于全文档及检索基线模型。

  8. AWS Machine Learning Blog31

    Circle K 利用 Amazon Bedrock 将 DevOps 事件分诊缩短至 15 分钟以内

    Circle K 基于 Amazon Bedrock 构建自动分诊系统,将平均分诊时间降至 15 分钟以内,效率提升 67%–75%。 系统采用 Agentic AI 架构,利用 Bedrock Flows 及 AgentCore 自动检索日志并生成 Slack 摘要。 此举让值班工程师即刻获取可操作上下文,免去了手动排查 45–60 分钟的操作。

  9. AWS Machine Learning Blog28

    AWS 指导如何利用 Crawl4AI 为 Amazon Bedrock Knowledge Bases 准备网页数据

    AWS 展示如何用开源 Crawl4AI 处理网页内容以摄入 Amazon Bedrock Knowledge Bases。Crawl4AI 生成 Markdown 和元数据文件存入 Amazon S3,供知识库解析、嵌入并建立索引。 该方案适用于需要过滤导航栏、提取特定区域或添加自定义元数据的场景。工作流由 EventBridge 触发 ECS 任务执行爬取、上传及摄入作业。

11月2日周一
  1. arXiv · NLP28

    Gemma-3-12b 在 RAG 语境下重复投毒段落引发顺从偏差

    Gemma-3-12b 在 RAG 环境中检测误报的能力随投毒文档数量增加而显著下降。 在 200 个 SciFact 问题上,当 6 个相互一致的投毒文档与 1 个健康文档对比时,模型检测率从 25%(少数投毒)降至 10%(多数投毒)。McNemar 检验显示 34 个案例从检测转为未检测,证实了模型对多数投毒证据存在类似顺从的偏差。

  2. arXiv · ML35

    LLM 上下文压缩中的规模悖论:更小模型为何更忠实

    研究在 27 种压缩设置中发现“规模-保真度悖论”:增大 LLM 压缩器尺寸虽降低重构误差,却反而降低上下文重建的忠实度。该悖论源于两大因素:大模型更易发生“知识覆写”(如将白草莓改为红草莓)和“语义漂移”(如主客体颠倒),且在中大模型中尤为明显。

  3. arXiv · ML25

    TIZSKT 提出将文本作为索引实现零样本跨领域知识追踪

    TIZSKT 通过分离行为序列建模与领域局部证据构建,将文本作为索引而非直接迁移表示,在三个公共数据集的留出领域实验中实现了最高平均 AUC 和准确率。 模型采用冻结文本编码器构建固定问题地址,并通过跨片段延续机制保留早期响应访问权限,无需目标域训练即可利用公开问题文本进行推理。

  4. arXiv · ML21

    PEEL 通过检索嵌入提取本体结构

    PEEL 方法在 Matryoshka 检索嵌入中提取本体结构,揭示前缀长度与层级粒度的对齐规律。 该方法仅使用概念词汇表,通过最小生成树解码税务 DAG,在 OLLM 基准上实现高保真结构恢复并迁移至新领域。

  5. arXiv · ML23

    ZeroPolar:基于结构极性的网页零样本分类方法

    ZeroPolar 利用无需真值标签的结构极性指导带符号传播,解决零样本网页分类中链接误导问题。 模型在 11 个图数据集上平均准确率 73.99%,较 LLM-BP 高 6.01 分;仅需 5% LLM 标签即超 GNN 基准 10.80 分。 该方法显著优于 18 个基线,实现无训练或单次去噪的高精度分类。

  6. arXiv · AI21

    Samyama 构建大规模开放生物医学知识图谱并支持 AI 智能体访问

    研究团队基于 Rust 原生图数据库 Samyama 构建开放生物医学知识图谱生态系统,单库合并 22 个图谱后包含 3.28 亿节点和 14.4 亿边,加载耗时 37 分 49 秒。 在 40 题 BiomedQA 基准测试中,专用 MCP 工具准确率达 98%,高于独立 GPT-4o 的 75%,且零模式错误。 该系统实现了跨知识图谱集成与 AI 智能体高效访问。

  7. arXiv · AI20

    基于因果关系的 RAG 检索精度改进

    该研究提出利用因果关系提升 RAG 检索精度,指出标准终端检索常因相似度仅捕捉关联而非因果导致失效。 方法基于 Reichenbach 共同因原则构建因果图,将查询与文档共享关键词建模为潜在共同因 A,残余关键词为 B。 实验表明该模型在检索可靠性上达到 95% 以上,并验证了其完全本地化部署的可行性。

  8. arXiv · AI27

    ProSearch: 实验科学中多约束协议检索的基准测试

    ProSearch 是一个用于实验科学中多约束协议检索的基准,包含 1,515 个跨六大领域的查询。 该基准基于真实实验记录构建,每个查询包含 3-5 个显式约束,涵盖 60 个实验领域及其依赖关系。 在 19 种检索器的测试中,最佳检索器的 nDCG@10 平均仅为 0.290,重排序后提升至 0.474;该工作已被 NeurIPS 2026 接收。

  9. arXiv · AI31

    ID2Pattern:面向交易风险基础模型的可泛化身份行为模式预训练框架

    ID2Pattern 提出一种预训练框架,通过编码身份行为模式提升交易风险基础模型的泛化能力。该框架利用局部匿名 ID(LAID)分词器捕获序列中的身份出现模式,并在无标签序列上预训练多尺度模式码本,将 LAID 序列抽象为离散行为模式。在工业数据集上,该方法比强基线平均提升 4.13%;在六个公开数据集上,平均提升 8.83%。

  10. arXiv · AI21

    RECITE 框架:利用文本证据修订临床试验纳入标准

    研究人员提出 RECITE 框架,用于自动化发现并实施基于证据的临床试验纳入标准修订。该框架在 5,735 项试验中构建了 11,913 个标注实例数据集。 基准测试中,Gemma 2 9B 和 GPT-4o 在标准化得分上分别达到 0.742 和 0.745。研究通过智能体系统识别出 44 篇论文与试验的匹配证据,表明现有临床知识可转化为可操作的试验设计建议。

10月30日周五
  1. arXiv · ML30

    TICL³:一种内建可解释性的表格数据预测方法

    论文提出 TICL³,通过结合表格基础模型引导的共享线性模型与局部残差线性模型,实现了可内建可解释的表格预测。 在 386 项基准测试中,TICL³ 在 266 项中优于 CatBoost,支持度 F1 比 MAPLE 提升 4.7 个百分点。 该方法使模型在做出预测的同时直接解释特征贡献,适用于生物标志物识别等场景。