跳到正文
10月28日周三
  1. arXiv · AI25

    LLM 群体决策中的记忆失效:罕见性与相关性启发式在 CrossProfile 基准下的失败分析

    summary_zh: CrossProfile 基准指出,在隐藏特征任务中,基于相关性或罕见性的记忆筛选策略均存在显著缺陷。 相关性筛选会引入干扰项,相比罕见性筛选在经典配置下损失 23 至 31 分;罕见性筛选平均效果等同于随机选择,且决策模型中社会证明效应导致额外误差。

  2. arXiv · AI33

    FoG 框架训练 KG 智能体检索答案背后的证据

    提出 FoG 框架训练知识图谱(KG)智能体在回答问题时同时检索支持性证据,解决现有智能体仅优化答案准确性而忽视证据可追溯性的问题。框架包含证据接地合成、KG 交互智能体及证据覆盖过程奖励(ECPR),在三个 KGQA 基准上验证 3B-4B 开源智能体在答案准确性和证据覆盖度上优于更大基线模型,并实现零样本跨 KG 迁移。

  3. arXiv · AI21

    LLM Agent 在业务流程中的定位:用于可靠多步骤服务调用的流程感知知识图谱

    结合 OData 元数据与 BPMN 流程构建类型属性图谱,改进 LLM Agent 的企业 API 调用可靠性。 在 42 个企业服务评估中,低词汇重叠查询的 Recall@3 提升 5.7 点(n=74);LLM Agent 在 81 个多步任务中完成率为 38.7%,对比基线提升显著。 完整类型化上下文将无效调用降至 3%,未提供代码列表时 46% 写操作含无效键。

  4. arXiv · AI38

    Prospector:学习紧凑的图遍历策略用于科学推理

    研究团队训练了紧凑模型 Prospector,通过逐步遍历领域知识图谱来支持科学推理,其性能接近同等条件下的最强现成模型,且远超使用预选图谱片段的现成模型。 Prospector 单次调用少量工具构建上下文,在半导体制造文献图谱上表现优异,并成功迁移至生物启发材料、PFAS 和材料属性等三个未见领域,单 GPU 部署即可运行。

  5. arXiv · AI35

    SpectRAG:面向多跳检索增强生成的加权分块图

    SpectRAG 提出谱图增强检索框架,结合加权分块图与 token 预算控制,用于解决多跳 RAG 中的冗余召回与跨块依赖缺失问题。 其核心构建包含语义嵌入、文档邻接及实体共现等加权边,并通过谱相关性传播重排候选,以固定预算组装上下文。 实验显示,该方法在 MultiHopRAG 等基准上优于 NaiveRAG 等基线,显著提升广度证据召回与推理质量。

  6. arXiv · AI21

    基于增量知识图谱学习者的证据接地早期预警数字孪生

    提出一种增量学习者数字孪生,作为轻量级知识图谱实现证据接地的早期预警。 该框架在时间检查点重放学习轨迹和评估记录,通过图中介查询提取预测特征。将警报具体化为连接风险决策与归因、证据项及原始记录的证据链,在公开基准测试中保持预测性能。 增强了可追溯性、可验证性及基于证据的解释能力。

  7. arXiv · AI30

    DiscernMem:提升多智能体系统记忆质量与使用边界

    提出无训练框架 DiscernMem,包含缺陷感知记忆精炼(DMR)与边界学习元记忆(BLM)模块,旨在修正错误记忆并优化其应用时机。在 Qwen3-4B-Instruct-2507 模型及 AutoGen、CAMEL、MacNet 等四个基准测试中,其平均得分超越最强基线 0.51-4.32 分,在 CAMEL 系统的 PDDL 规划任务中得分达 37.71。

  8. arXiv · AI25

    LM-DSB: A Lightweight Multi-agent System for Automated Daily Safety Bulletin Generation in Construction -> LM-DSB:一种用于自动化生成建筑施工每日安全简报的轻量级多智能体系统

    LM-DSB利用Llama 3-8B和RAG技术在消费级电脑上自动化生成施工安全简报,取代耗时2-3小时的手动流程。 系统由planner、researcher和writer智能体组成,基于37份HSE文档微调,TF-IDF得分0.70,ROUGE-1得分0.66。 40位专家评估平均得分3.50-4.20,证实了轻量化模型在处理关键安全文档上的可行性。

  9. arXiv · AI23

    检索并非足够:Agent 记忆中的过时事实研究

    在 MemoryAgentBench 任务中,Qwen2.5-7B-Instruct 的 BM25 检索精度随证据预算从 64 增至 512 tokens 而从 45% 降至 32%。 Qwen2.5 和 Qwen3-14B 在引入过时陈述后,准确率分别大幅下降至 44.6% 和 87.8%。 该研究揭示了过时竞争陈述比无关证据更具破坏性,已被 NeurIPS 2026 PALM 研讨会接收。

  10. arXiv · ML29

    GNN 在供应链管理中的应用框架与真实世界基准

    本文提出了将供应链建模为图结构以应用 GNN 的框架,并基于孟加拉一家领先 FMCG 公司数据构建了多视角真实基准数据集。 在六个供应链分析任务上,GNN 模型在回归、分类/检测及异常检测任务中分别比统计 ML 及其他 DL 模型高出 10-30%、10-30% 和 15-40%。 该工作提供了概念基础、方法论及综合数据集,为使用 GNN 解决供应链问题奠定了基础。

  11. arXiv · ML28

    利用未来数据回溯重构时间交互网络中的缺失记录

    研究通过隐藏 2 小时窗口并引入后续事件数据,显著提升了时间链接预测的准确度。在 24 小时后续数据支持下,26 特征逻辑回归模型在 tgbl-comment 数据集上的历史随机排序 MRR 提升了 0.108。 这证明即便在只有 6.4% 目标对重复出现的 tgbl-comment 数据集中,后续事件也能有效补全缺失交互,且排除了仅靠对重现产生的偏差。

  12. arXiv · ML28

    System-1风格决策模型能否替代RAG中的专用重排器:一项系统评估

    研究表明System-1风格决策模型难以直接替代RAG中的专用重排器。在11个基准测试中,默认配置处理长候选集时失效,需限制文本长度才能恢复可靠性。 尽管调整候选文本长度可使部分配置具备竞争力,但经调优的专用重排器在速度和GPU内存占用上仍显著占优。团队应优先调优现有重排器,而非直接替换。

  13. arXiv · ML33

    算法保险定价中的可操作透明度:从解释到赋能

    研究提出有效、可操作且可靠的解释框架,开发方法将算法保费转化为满足公理的建议。 利用 Conformal Prediction 约束筛选模型不确定推荐,在 57,832 条佛罗里达洪水保险记录上应用四种反事实解释技术。 结果显示受约束建议比无约束更可靠,有助于保险监管机构提升算法问责制。

  14. arXiv · AI21

    缺失条件时空融合网络 MCSTN 用于低质量可穿戴传感器数据的人类活动识别

    提出缺失条件时空网络 MCSTN,在传感器数据缺失或噪声情况下实现鲁棒的人类活动识别。 在 PAMAP2、Opportunity 和 WISDM 数据集上,MCSTN 在观测不完整时分别达到 94.24%、91.67% 和 96.22% 的平均 macro-F1 分数。 该方法参数量少于百万,单样本推理延迟为 3.78 毫秒,推理阶段无需重构或噪声水平估计。

  15. arXiv · AI32

    LLM 生成反事实压力场景用于投资组合风险模拟:混合 Prompt-RAG 管道

    该研究构建了基于 LLM 的宏观金融压力测试管道,利用 2,420 个场景数据发现压力严重性主要由提示词设计继承,而非由模型自主生成。 实验对比了 GPT-5.6-luna 和 Llama-3.1-8B,前者遵循算术逻辑但锚定提示区间,后者离散度高出 4-7 倍且在 90% 案例中自相矛盾。 研究指出 LLM 场景生成器最适合在预设严重路径下进行叙事和部门启发,而非作为压力幅度的自主校准器。

  16. arXiv · AI20

    FediLoRA:应对模态缺失约束的基础模型联邦微调实践

    FediLoRA 提出了一种轻量级联邦 LoRA 聚合框架,旨在解决机构算力异构导致的 LoRA 秩不平衡及现实场景中模态缺失问题。 该框架利用简单平均和结构化编辑,使全局模型与个性化模型同时受益,在通用域和医疗域基准数据集上表现强劲。 实验证明 FediLoRA 适合医疗等实际部署场景,代码已公开,是目前首个同时应对这两项挑战的工作。

  17. arXiv · AI26

    基于 LLM 智能体的生物过程动力学自主结构发现

    该论文提出 LLM 智能体驱动的混合闭环架构,用于自主发现生物过程动力学状态空间。 框架采用“隔离-剥离”方法论,结合 RAG 与 MHE 将复杂动力学解耦为乘性与加性通道,并通过 DoE 控制器消除统计简并。 在连续搅拌反应釜测试中,该方法在缺乏先验知识的情况下恢复了真实参数,误差低于 6%。

  18. arXiv · AI21

    边缘离线生成式 AI 的信任机制:连通性状态框架与树莓派 5 实证研究

    研究在树莓派 5 上评估离线 RAG 信任机制,提出 C0-C4 连通性状态框架。检索评分门控检测知识缺口 AUROC 达 0.97;3B 模型以不到一半时延和能耗达到与 7B 模型相同的正确率。 已签名有毒数据包可通过所有包检查,导致 30 道原本正确问题正确率降至零,现有机制未能确立证据真实性。

  19. arXiv · AI20

    连接静态与 Agentic RAG:台湾历史问答研究

    静态与 Agentic RAG 在台湾历史问答中聚合性能相似,但在 70.83% 的问题上表现存在差异,两者优势在平均后相互抵消。 基于事后选择器(post-hoc selector)对比两种响应及引用证据,显著优于单一管线,恢复了 60.34% 的理论上限(oracle headroom)提升空间。 研究指出聚合比较会掩盖策略间的问题级差异,利用二者的互补性比寻找单一最优管线更具价值。