量子强化学习保障堆叠智能超表面无线网络安全
研究提出混合量子近端策略优化(Q-PPO)框架,用于堆叠智能超表面(SIM)辅助的安全通信。该框架通过嵌入参数化量子电路的演员网络,联合优化发射功率分配与SIM相位偏移,以最大化平均保密速率。 仿真表明,在不完全窃听信道状态信息下,Q-PPO方案比深度强化学习基线高出约15%的保密速率,且收敛速度快30%。该框架被确立为SIM启用安全无线网络中强大的优化范式。
研究提出混合量子近端策略优化(Q-PPO)框架,用于堆叠智能超表面(SIM)辅助的安全通信。该框架通过嵌入参数化量子电路的演员网络,联合优化发射功率分配与SIM相位偏移,以最大化平均保密速率。 仿真表明,在不完全窃听信道状态信息下,Q-PPO方案比深度强化学习基线高出约15%的保密速率,且收敛速度快30%。该框架被确立为SIM启用安全无线网络中强大的优化范式。
研究提出 Multi-Head Recurrent Memory (MHM) 框架,将记忆拆分为独立头以避免单块文本覆盖问题。 轻量版 MHM-LRU 在 896K tokens 的 RULER-HQA 基准测试中,将保留率从低于 30% 提升至 73.96%。 该方法无需训练,为长上下文可靠扩展提供了低成本架构优化路径。
Dots 在 Holiday Extras 无需提示即主动交付发布报告,标记潜在遗漏问题,并在通勤时梳理即将召开的会议。 该 AI 助手通过自动化工作流将被动响应转为主动预警,优化了团队在发布与协作场景中的注意力分配。
诺和诺德部署基于 Amazon Bedrock AgentCore 的智能助手,帮助专家在几分钟内完成原本需数小时甚至数天的文档审查工作。 该系统采用 GraphRAG 架构,结合 Amazon Neptune 知识图谱与 Amazon OpenSearch Serverless 混合搜索,并由 Anthropic Claude 模型驱动,确保响应具备引用依据且精准合规。
研究提出物理感知元学习框架,从近表面高光谱反射率检索沿海水质参数。 框架分两阶段:预训练区域无关基础模型,再用本地样本微调。基于澳大利亚五个海域的现场数据评估了该方法。
针对未知动力学和全信息奖励的回合制对抗性MDP,提出策略优化算法VOPO,实现前导项为~O(√(H³SAK))的遗憾界。 该结果较两项不可比的前导项分别改进√(S/H)和√(H³)倍。通过新颖的稳定性匹配奖励(SMB),在已知动力学下将遗憾界改进至~O(√(H³K)),较最优策略优化界提升√H倍。
我们今天发布了一些不错的 dots 更新,银行重置已激活,并很快就会到达每个人的账户!
AWS 官方技术团队实测并解析了影响 Amazon Bedrock 推理成本的四个请求级配置选项,包括提示缓存时间、服务层级(Flex/Standard)、自适应推理强度(Reasoning effort)和输出 Token 限制(maxTokens)。
推荐理由:通过实测 4 种请求级配置,揭示了 Bedrock 隐性计费规则与成本平衡点,提供了从 5 分钟缓存切换到 1 小时缓存的判断依据。
在 Linear Non-Gaussian (LiNG) 设定下,放宽高维结构无环假设后,低维因果 DAG 仍可从观测数据中恢复。 高维 LiNG 模型含循环时仅能在反馈环内差异的等价类中被观测识别,低维 DAG 在该类中不变;现有方法指数复杂度,本文方法最坏情况立方复杂度且带有限样本保证,提供开源代码与合成数据实验,论文被 NeurIPS 2026 接收。
提出基于孤立时序学习的分层多通道倾覆预测框架,在异构地形IMU数据上实现97.58%事件覆盖率和1.82s中位预警时间。 该框架融合TCN学习渐进不稳定模式与GRU前向动力学检测突变偏差,通过决策级融合生成分级安全动作,以100 Hz运行于Orocos RTT及Rock框架中。
Drifting RHC 是一种离线轨迹优化框架,结合漂移生成模型与滚动时域规划,针对未知系统动力学环境。在质量弹簧阻尼器等测试中,其 regret 最低,比 iLQR 等规划器快 9 到 83 倍。
提出自底向上的 SnB 框架,在采样时耦合预训练单模态扩散模型,避免从头联合训练。 通过共享扩散轨迹至分裂点后分支至特定模态轨迹,在 PolyMNIST 和 ROCO 等基准上实现质量与连贯性平衡,支持零样本图像编辑等任务。
利用连续小波变换(CWT)提取激光诱导击穿光谱(LIBS)峰值并耦合支持向量机(SVM),对 181 例血浆样本中的 53 例 SARS-CoV-2 阳性与 128 例阴性样本进行分类。 验证得到 93.00% 的准确率、94.67% 的敏感性和 91.61% 的特异性,特征涉及 Ca II、K I 和 N I 发射线。 该工作流需通过独立验证及样本、基底和采集变量性评估以确立泛化性与诊断相关性。
OpenAI 发布 Images 2.6,提供更快图像生成、GIF 创建、更精准编辑和新 API 控制,并跨 ChatGPT、Codex 和 API 可用。
该框架结合 GVAE 与不确定性驱动的主动学习循环,在仅 1.9-8.4% 配置具吸热特性的组合设计空间中,以超出随机基线的效率识别吸热电子结构。 GVAE 在未见拓扑上将冷却与耗散参数区分的判别力达 0.895±0.010;经 32 轮主动学习迭代,在决策边界处选取不确定度最高的候选进行模拟。
研究提出在不重训的情况下,通过将历史推理改写为紧凑状态记录来降低模型推理冗余。在代码任务测试中,压缩后的历史使后续推理变短,减少了重复验证行为。在软件智能体部署中,该策略可降低总花费,但具体效果取决于目标模型与压缩器配置。
Re$^3$Rank 在 9 项基准测试上超越 11 个基线重排序器,其 4B 版本平均 NDCG@10 提升 3.11 点。 该模型通过生成推理轨迹作为注意力查询,联合训练生成器与评分器。0.6B 小模型性能甚至超过 32B 参数级重排序器。
提出 Mixture of Probes (MoP) 框架,通过解耦模态特定与通用信号,利用训练期可用但推理期缺失的特权模态辅助多模态大语言模型学习。 在 4 种模态和 8 项任务的评估中,MoP 相比强基线实现最高 65% 的相对性能提升。 代码、模型检查点及评估协议将公开,以支持该设置下的跨模态可迁移表征学习。
标准采样反向 KL 在线策略蒸馏(OPD)会系统性抑制高置信度 token 的更新,且该梯度弱化不代表教师监督无效。 研究提出 Bernoulli OPD,直接匹配教师与学生概率,提供有界概率空间校正,保留教师-学生分歧并避免额外置信度依赖抑制。 固定 rollout 分析显示该方法显著恢复高置信度 token 的优化信号,且收益并非源于更长推理或更大优化步长。
研究团队在保留 LaBraM 核心编码器与目标的基础上,扩展预训练数据与模型容量,训练出 5.8M 至 1.97B 参数的 10 个编码器。
研究提出“几何推理”和“代数推理”两种策略,分别依赖表征几何和选择性注意力机制,并在人类、从头训练的神经网络和LLM中得到验证。 几何策略擅长处理熟悉关系,代数策略支持上下文中新关系的在线推理。因果干预表明二者分别依赖不同的神经计算基础,且能复现人类中类似的神经生物干扰效应。 该框架统一了人类与LLM推理中的内容效应和机器学习中的数据分布效应,调和了关于认知灵活性的不同观点。
研究引入 inkGround 基准,用于评估视觉语言模型(VLM)从相机拍摄手写图片中恢复笔画轨迹的能力。该数据集包含 537 页图像、约 1.87 万词及 16.3 万笔画,并基于 OCR 与人工校验生成参考轨迹。
港交所发布首只人工智能主题指数,商汤科技成为首批成份股,权重6.46%,在AI模型类成份股中居首。 该指数跟踪40家AI产业链上市公司,要求入选企业AI相关收入占比不低于30%。 商汤凭AI实质营收与研发投入契合指数画像,体现其规模化商用能力。
沙利文报告称2026年上半年中国全栈AI云服务市场规模达581.3亿元,同比增长123.8%;阿里云份额为42%,超过第二至第四名之和,是第二名的两倍以上。阿里云发布训推一体AI芯片真武V900,性能为上一代真武M890的3倍,单集群可扩展至50万卡;千问AI平台新增Agent服务与行业AI解决方案。阿里巴巴最新财报显示,截至2026年6月的季度,阿里云收入同比增长45%。
提出连接采样引导与奖励适应的变分控制框架,定义VOG和DVOC方法。 VOG通过去噪Jacobian进行状态空间引导,DVOC通过端点蒸馏实现参数更新。 在ImageNet上,VOG将DiT-XL/2的FID从2.27降至2.04,从7.58降至4.44;DVOC在Z-Image-Turbo上提升多项评估指标。
EvoIn 提出一种融合进化与内化的 Agent 微调框架,通过将临时实例化的新决策过程内化至模型推理中,使智能体在推理时不再依赖进化后的 harness。 该方法重写推理 trace 并微调模型,在领域内将 pass rate 提升 10.9 分,领域外提升 9.2 分,且泛化至未见任务。 实验显示内化的决策过程能跨模型族带来一致性能提升,证明 EvoIn 框架具有广泛的适用性。
图神经网络(GNN)模型可在无需预设泄漏数量或穷举位置组合的情况下,精准定位配水管网中多变的同步泄漏。 模型在31节点的Hanoi网络和92节点的NET3网络中,通过变量需求、稀疏压力传感器覆盖及不同泄漏量级进行评估,准确性分别较基准模型最高提升12%和20%。 该表现一致地支持了所提方法的可扩展性。
提出双路径时空对比学习框架 DP-STCL,在 SEED 等数据集上优于对比方法。 包含独立参数的时序到空间与时空到序两条编码路径,使用基于 LoRA 的少样本适应策略。
RAQ-MLA 提出针对 Multi-Head Latent Attention (MLA) 缓存的角色感知量化方法,无需训练即可将完整 MLA 缓存量化至约 2.5 bits per element。
研究者提出 Frontier-OPD 方法,在 ALFWorld 等测试中实现了高于蒸馏基线的自主性能。 该方法利用状态轨迹图识别关键决策点,通过短时教师指导与后续学生行为的对比来筛选有效干预。 实验表明,该方法在特定设置下以更短的时间达到目标成功率,验证了筛选与引导机制的互补效果。
研究在音频-视觉多模态输入下发现检索头保持稀疏且跨模态高度共享,仅占所有头的不到 2%。 该研究基于 18 个语言、视觉-语言及全模态检查点展开,通过消融实验证实这些共享头对文档理解及视觉数学能力有关键影响。 训练检索头的注意力排名目标使 Qwen3-VL-8B 在 MMDocIR 评测中的页面 Recall@1 提升 6.03 分。
研究人员提出自动化管道 Poseidon,从 7,110 个公共科学代码仓库中生成 97,659 个可执行且可验证的训练环境,数量约为先前方法的 10 倍。 Poseidon 将科学工作流分解为 Reproduction、Subflow、Completion 和 Correction 四种互补任务类型,并通过递归改进循环恢复失败候选项。
该章节通过追溯 AI 历史,提出了智能的生态视角,并分析了“压缩即智能”假说的价值与局限。 作者展示了内部认知机制与外部能动性表现之间的转换,如何实现个体与集体能动性的功能关注点分离。 文章论证了认识论、规范和价值多元主义是维持智能生态特性的必要条件,并指出 AI 技术可通过模拟社会角色和规范交互来支持机构运行。
TWICE 通过双世界配对结果差实现无偏的回合级优势估计,在七个问答基准上使 Qwen2.5 平均精确匹配率提升 4.5-5.3 分。 该方法继承事实集噪声降低方差,相比 VinePPO 减少 68% 辅助 token,优于树搜索基线。
研究提出ReflectPO强化学习框架,用于长时程LLM智能体自主错误恢复。该框架包含反思引导采样和树状信用分配两个核心组件,利用轨迹分支差异构建恢复提示,并通过树结构分配动作级信用。 在两个长时程工具使用基准测试中,ReflectPO在大多数领域优于现有基线,并实现最优平均性能。 分析显示ReflectPO有效提升了智能体识别自身偏差、从错误状态恢复并持续推进任务的能力。
OpenAI 的 Forward Deployed Engineering (FDE) 是一种将工程师部署到客户现场,与客户团队协作解决特定技术问题的工程模式。 该模式侧重于在真实环境中部署前沿模型,通过直接观察客户痛点来指导产品开发,而非仅在内部进行封闭研发。
提出一种最大化加权重合因子的客户聚类方法,在 27,654 名客户的面板上,较最强基准平均提升 1.08–3.48 个百分点。 方法联合优化成员归属与峰值时间,并施加最小群体规模约束,测试中比随机分组及五个独立基准更优,且群体峰值模式随时间保持可识别。
MMedAgent-Plus 结合视觉语言规划器与 18 个专科模型,覆盖 12 项任务与 8 种模态,在端到端测试中正确调用率 90.6%,最终答案准确率 0.98,匹配顶级专科模型并超越最强基线 0.28。
JCA 方法在三种评估设置和三种指令微调骨干模型中提升了总体准确率,且在检索偏好竞争答案时优势更显著。 JCA 通过检索证据比较候选答案是否满足问题衍生出的全部要求,而非仅依赖局部支持。 该研究揭示了检索偏差导致模型选错答案的问题,表明对齐全局要求可提升选择可靠性。
i14 在 AWS Trainium2 上实现并部署了 Laplace 3B 线性注意力模型,使用原生 PyTorch 支持,解决了 GPU 特定算子替换和分布式优化器通信问题。