跳到正文
10月24日周六
10月23日周五
  1. arXiv · ML35

    SemDN:为 LLM 代理重新思考网络检索基础设施

    提出 SemDN 语义分发网络,将语义块检索作为一等网络交付抽象,支持 LLM 代理在推理轮次中进行有状态检索。 SemDN 在块粒度上索引、搜索和缓存 Web 内容,由源端授权,并作为层级基础设施服务于客户端和源端。 实验表明,语义块分发可改善每上下文 token 的回答质量,且比 URL 缓存更有效地处理智能体查询中的块重用。

  2. arXiv · AI22

    ChatT2:用于天然产物领域研究的基于大语言模型的自适应多智能体框架

    summary_zh: 推出基于 LLM 的多智能体框架 ChatT2,专为细菌 II 型聚酮类天然产物研究设计,解决新手探索微生物天然产物的复杂性难题。 该框架由导师、执行器和评估器三个智能体组成:导师利用链式推理(CoT)提示词精炼用户意图;执行器通过检索增强生成(RAG)整合多模态信息并调用生物信息学工具;评估器确保输出信息的丰富性与准确性。

  3. arXiv · AI28

    AIOS 提出内核管理的共享内存实现系统级个性化

    论文在 AIOS 系统中提出由内核统一管理检索、隐私与提示词注入的共享内存机制。在 GPT-4o、Llama-3.1:8B 和 Qwen-2.5:7B 共 1,800 次试验中,相比未管理的 Mem0 后端,个性化得分提升 2.4-4.0 分(5 分制),且每次调用的 token 用量和推理成本均降低。端到端延迟降低 15-61%,以更低成本实现了接近无限制上下文的个性化效果。

  4. arXiv · ML23

    双 LLM 架构 LRBTC 如何优化制药内容质量控制

    针对制药领域内容合规挑战,新架构 LRBTC 通过 Student-Teacher 机制实现可验证的内容校验。 在 AIReg Bench 上取得 83.0% F1 分数,违规漏检率较 Gemini 2.5 Pro 降低 5 倍。 该方案作为即插即用工具,为高风险合规行业提供透明、可靠的质量控制实践。

  5. arXiv · AI30

    基于依赖引导的回滚修复解决记忆增强型智能体错误

    研究提出依赖引导回滚修复法,通过构建记忆-动作图,在保留正常记忆的同时选择性重放受影响的计算,解决智能体记忆污染问题。 方法在150个案例的受控基准测试中实现85.3%的即时恢复率,相比基线方法减少41.8%的LLM调用,但在50个压力测试案例中恢复率为68.0%。 该研究为记忆增强型智能体提供了可验证、低成本的错误恢复方案,平衡了精准修复与计算成本之间的关系。

  6. arXiv · AI23

    Xetrieval:通过特征激发解释稠密检索

    提出Xetrieval框架,通过特征激发将稠密嵌入分解为可解释稀疏特征,实现相关度归因与检索引导。 Feature Elicitors利用辅助视图使检索相关语义显性化,共享稀疏字典从中学习可描述特征,并通过干预原始文档嵌入验证其对相关性评分的影响。 实验表明该框架比SAE基线生成更可解释的特征,且识别出的特征集对检索器评分影响更强,支持有效的检索引导。

  7. arXiv · AI20

    外部化记忆:具身智能体经验存储位置的预注册研究

    将记忆检索附加到固定学生权重上使任务成功率提升34个百分点,达到49.3%参考值,显著优于仅蒸馏策略权重。 该预注册研究发现,当检索缓冲区接入后,适配器未带来可检测增益;同一冻结缓冲区可使基座模型成功率提升至48%。 研究建议在后续实验中注册对照以验证外部化记忆方案,在更难任务上检索优势未达显著水平。

  8. arXiv · AI20

    用于数据治理的可争议智能体:记录跨结构化与非结构化系统的人类 AI 元数据管理

    提出“可争议治理”框架,专家智能体为有争议的元数据决策生成评分及引用论证,管理者在提交前可接受、拒绝、修改或添加论证,治理记录保留证据、干预措施及结果。 版本化领域词汇表为智能体提供特定领域术语及缩写定义,流程包含分诊路径,仅对不确定提案保留完整论证,并通过门控控制经核定的决策成为先例。

  9. arXiv · AI27

    黄金数据模型驱动制药合规声明生产级生成

    采用黄金数据模型(GDM)重构检索上下文的制药声明生成系统,显著提升了生成内容的合规性与个性化。 该模型包含1867条声明数据,支持4个产品维度。在6个产品受众细分中,预期适应症准确率提升29%,目标受众匹配提升67%,每周API成本降低29.5%。 此方法证明了在高风险监管领域,数据架构重构比扩展提示词规则更具可扩展性。

  10. arXiv · ML20

    Lean Finder V2:通过对抗训练与查询重写实现 Mathlib 语义搜索歧义消除

    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。

  11. arXiv · ML26

    FedGRAG:联邦图检索增强生成框架

    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。

  12. arXiv · AI31

    基于结构的推理框架 SGUR 提升智能体可靠性与效率

    SGUR 提出无训练框架,通过结构化假设空间实现主动不确定性缩减。在医疗诊断基准测试中,SGUR 从 2 个初始症状出发,实现 92.5% Hit@3,比最强 Graph-RAG 基线高 9.4 个百分点,且 Token 消耗减少约 5 倍。该框架使小模型性能匹配或超越大 10 倍的模型,提供比单纯扩大模型规模更稳健、高效的智能体扩展路径。

  13. arXiv · NLP33

    RAG 防护研究综述:基于实测端点的系统性证据映射

    针对 RAG 系统的安全风险,本综述对 118 篇论文进行人工编码,按实测端点而非防御机制分类,构建七族分类法。 32 名标注员双重编码一致性 Kappa=0.867;发现检索重排等机制无法确定防护结果,且 73.3% 研究以语料使用检测为主要端点。 实验显示 Qwen3-8B 上自适应攻击可恢复 48.3% 隐藏事实,作者已公开分类法、数据集及测试床。

  14. arXiv · NLP23

    乳腺病变 RAG 系统检索评估:标注覆盖度如何塑造检索得分

    针对乳腺病变管理文献的 RAG 系统,评估发现交叉编码器重排序在检索得分上表现最佳。 混合检索器采用 384-token 块长与 20% 重叠,Recall@3 等指标均达 0.94;Ground-truth 标注扩充使证据跨度从 25 增至 37,但未改变检索排名。 研究指出标注敏感性需通过独立验证及放射科医生评估证据充分性来确认。

  15. arXiv · NLP21

    结合 RAG 的约束生成框架如何提升 LLM 月经健康摘要的临床一致性

    研究团队评估了三种 LLM 生成的 4,500 份月经健康摘要,发现显式接地约束结合 RAG 能持续改善临床一致性,特别是提高了不确定性保留度。 虽然临床一致性提升伴随阅读难度和医学术语使用的增加,且在基于检索证据评估时通常保持了忠实度。 结果凸显了开发面向患者的医学 LLM 系统时,需联合评估忠实度、不确定性保留和可读性的必要性。

  16. arXiv · NLP23

    RIFT:基于互补可压缩性训练的草稿模型 KV 缓存压缩方法

    RIFT 提出了一族平衡预填充信息与近期生成令牌的 KV 缓存压缩策略,通过自适应刷新机制降低计算开销。 该策略结合基于稀疏注意力掩码的可压缩性驱动训练,显著提升了草稿模型在压缩缓存下的质量。在 32K 输入、4K 输出且 8K KV 缓存预算下,Qwen3.5-4B 为 Qwen3.5-122B 做推测解码时,保持了超过 98% 的全缓存接受长度。

  17. arXiv · NLP33

    SARL:面向检索增强大语言模型的搜索状态感知自评估强化学习

    SARL框架通过自评估强化学习,使大语言模型在训练中自主识别搜索状态,显著提升了检索增强模型的搜索行为。该框架采用双奖励设计,在无需测试时额外评估的情况下,取得了比最强基线相对提升24.3%的结果。在多跳推理和深度研究基准测试中,分别实现了35.9%和27.9%的平均提升,超越了依赖辅助监督或多智能体协调的方法。

  18. HackerNoon · AI43

    数据主权:如何通过联邦学习与数据合作社将用户从产品转变为所有者

    数据主权旨在赋予用户对数据保管、同意及补偿的控制权,以扭转用户作为产品而非所有者的现状。 联邦学习保护隐私但无法实现所有权,FHE目前仅适用于小规模模型;数据合作社(如Vana)试图通过集体谈判分享收益,但当前缺乏可持续的经济回报。 该架构借鉴音乐版权集体管理社会,旨在解决单一数据价值低且训练授权近乎永久的问题。

10月22日周四
  1. R/ArtificialInteligence55

    多智能体 RAG 面板测试失败:三大意外坑点与优化实践

    用户实测由编程、数学和 RAG 专家及主持人组成的多智能体面板,发现系统在防止销售报告中出现非真实数据方面仅覆盖约 40% 的成功标准。主要失败原因包括引用了真实但不相关的文献、系统将智能体生成的内部笔记误存为知识库证据导致自我强化,以及固定数量的 Chunk 检索迫使模型引用无关填充内容。

  2. Hacker News AI56

    Nutrient 发布支持多模输入的文档决策模型

    Nutrient 发布了一款专为文档任务调优的决策模型,该模型同时接收页面图像和文本输入,以选择和置信度分数代替生成式文本作为响应。相较于通用 LLM,该模型单次响应延迟约为 200ms,显著降低延迟和成本,同时在合并 PDF 拆分任务上达到了 96.2% F1 的基准成绩。

  3. 豆包工作40

    中信戴卡启用豆包工作伙伴解决跨国物料咨询难题

    中信戴卡部署豆包工作伙伴,将物料品类、参数及档案查询效率提升 24 倍。新系统支持多语言问答,平均响应时间从 60 分钟降至 150 秒。 该方案覆盖 52 名活跃用户,日均处理约 15 次咨询。搭建运营成本不足 1 万元,预计年化节省工时价值约 10 万元。

  4. arXiv · NLP25

    AfrIFact:面向非洲语言的跨文化信息检索、证据提取与事实核查数据集

    研究团队发布 AfrIFact 数据集,覆盖 10 种非洲语言及英语,支持信息检索、证据提取和事实核查全流程。 实验显示最佳嵌入模型缺乏跨语言检索能力,LLM 在非洲语言事实核查上表现不足;通过 few-shot 提示,AfriqueQwen-14B 性能提升高达 43%,任务特定微调再提升 26%。 该成果推动低资源场景下信息检索与事实核查研究,数据集已公开。