跳到正文
11月18日周三
  1. arXiv · ML45

    研究扩散模型学习基本视觉技能泛化能力

    研究人员提出受控实验框架 Visual Generative Lab (VGL),用于评估扩散模型在尺寸、位置等7项基本视觉技能上的泛化表现。该框架通过生成合成数据,发现模型的外推能力有限,组合泛化效果主要取决于技能组合数量而非数据集大小,且各项技能通常独立失败。 VGL 采用基于规则的任务指标精确测量泛化能力,揭示了默认设计下尺寸与位置外推在训练范围附近迅速退化,计数准确率仅约50%。

  2. arXiv · AI23

    代理轨迹作为软件质量保证证据

    提出将自主软件代理的可观测轨迹与规范及AI生成产物结合,作为针对性质量保障的证据。 旨在优先审查关键决策,分析其对软件问题的贡献,并改进规范与开发实践。 该方法基于工业经验,结合现有执行记录,有助于支持审查、诊断及持续质量改进。

  3. arXiv · ML22

    利用 Petri 网编码解释二进制神经网络推理:从约束到因果

    论文提出将固定二进制神经网络(BNN)的推理语义组合翻译为 1-safe Petri 网,使计算步骤转化为显式变迁,从而生成因果追踪序列。 通过穷举输入-输出等价性验证了翻译的忠实性,展示了如何通过对比触发序列来定位单一特征改变对预测结果的具体影响。 该方法弥补了传统 SAT 验证仅判断属性是否成立的不足,开启了分析两个 BNN 决策分歧的因果追踪新方向。

  4. arXiv · AI23

    当世界成为测试套件:面向物理世界的智能体研究综述

    该论文探讨了面向物理世界的智能体如何生成、测试并学习程序,提出将现实世界视为程序的测试套件,以应对缺乏预设测试用例的挑战。 文章分析了语言模型与软件工程智能体的融合,详细阐述了机器人策略生成、基于物理试验及形式化检查的测试机制,以及将测试经验存入技能库或模型权重的学习路径。 作者指出编写程序的成本正在降低,但获取可靠证据依然昂贵,未来进步取决于建立类似持续集成的物理验证体系。

  5. arXiv · AI20

    利用搜索反馈优化语言模型布尔专利检索策略

    研究通过蒸馏38,397份日本专利局检索报告训练模型,使中位引用包含集从768缩减至50以下。 采用行级引用保留缩减信用学习,在保持高召回率的同时显著缩小需人工筛查的文档集规模。 方法在NLPIR 2026会议录用,展示了自动化专家策略生成在专利检索中的实际应用价值。

  6. arXiv · ML35

    Heave-Ho:去中心化长时程多人形机器人协作框架

    去中心化框架 Heave-Ho 实现长时程多人形机器人协作,经 2 个机器人训练后可扩展至 10 个机器人团队,并泛化至异构团队且无需重训练。 该框架包含多智能体后训练底层控制与视觉-语言规划高层模块,配合语音主从协调机制在无网络通信下同步执行,并在 12 项任务的 HH-Bench 上表现优于基线方法。

  7. arXiv · AI35

    OfficePrism:评估智能体在企业七大业务功能单一领域操作能力的基准测试

    OfficePrism 构建了包含 420 项单一领域企业任务的基准,覆盖七大业务功能。测试涉及 124 种配置,自然语言与数据库联合通过率为 22.6% 至 76.4%,中位数 67.9%。 结果显示,L1 级别在所有配置中表现最佳,L2 在 122 种配置中超过 L3。在 50 种共享标签配置中,搜索与分发方案在 30 种情况下得分更高。

  8. arXiv · ML40

    基于Unitree Go2四足机器人的热感知强化学习策略实现从热限制到电池限制的持续运动

    在Unitree Go2四足机器人上,采用热感知强化学习策略将持续运动瓶颈从热关机转变为电池耗尽。 该策略基于13节点集总RC热网络预测电机温度,无需实时温度输入即可降低峰值热量。在载5kg负载以1m/s速度下,策略使机器人续航延长至174分钟(10.0km),热裕量14℃。

  9. arXiv · ML42

    深度强化学习平台发现新型抗流感病毒化合物 DS-22-inf-009 与 DS-22-inf-021

    研究人员利用深度强化学习平台生成60291个化合物,其中86.5%理化性质优于奥司他韦。筛选出DS-22-inf-009和DS-22-inf-021,在低微摩尔浓度下有效抑制甲乙型流感病毒,细胞实验EC50值介于0.29至2.31 uM。 动物实验显示,这两种化合物分别能为小鼠提供65%、85%的甲型(H1N1)及65%、100%的乙型(Yamagata谱系)病毒保护率。

  10. arXiv · AI34

    EGS:面向教育类大语言模型的互补性安全框架

    EGS 提出了一种轻量级、模型无关的运行时框架,通过查询审核、场景感知教学指导和响应审核,将教育安全从二元拒绝转向上下文引导。 该框架根据风险等级分诊输入,使用特定教育干预重定向灰色区域查询,并在交付前审核输出,旨在增强安全性同时保留教学效用。 其代码和模型权重将公开提供,以支持社区采用。

  11. arXiv · AI35

    CueClash:前沿视觉语言模型在接近图像平面的 3D 关系判断中存在偏差

    研究提出 CueClash 数据集,揭示 Claude Opus 5.5、GPT-5.5 和 Gemini 3.6 Flash 等前沿视觉语言模型在判断 3D 关系时依赖 2D 视觉线索。 低推理力度下,这些模型的“捷径差距”达 +18 至 +37 个百分点;提供地面坐标后可正确率达 99% 至 100%。 模型生成的场景地图多保留深度顺序但缩短深度,表明其 3D 空间理解仍存在局限。

  12. arXiv · AI21

    EgoHandWAM:探索第一人称视角世界行动建模中手部运动的作用

    EgoHandWAM模型预测3D手腕轨迹与未来视觉特征,在751,065个EgoDex窗口上训练,使用冻结的DINOv2编码器。 仅预测动作将使2秒手腕末端误差从60.26降至56.48mm,添加未来特征监督对轨迹精度影响甚微;利用记录的手部历史使平滑L1误差降低1.32%,随机打乱历史则会消除这一增益。

  13. arXiv · AI28

    RoboTeam 基准测试:基于视觉的多智能体实时控制多机械臂

    RoboTeam 是一个模拟基准,要求智能体仅凭摄像头图像在实时环境中协同控制 4 至 16 个机械臂完成长周期任务。 在自适应系统中,gpt-6.1-sol 和 opus-5.5 分别完成 28 和 27 项任务,而其他四个模型最多完成 3 项。 gpt-6.1-sol 典型任务耗时 3.5 小时,消耗 2.18 亿输入 token,且三分之一步骤需重试。

  14. arXiv · ML27

    单一推理过程驱动工作记忆的行为与神经环路

    MemGP 理论在计算、算法和环路层面统一解释工作记忆,解决离散槽位与连续资源争议。 该理论将工作记忆建模为特征空间上的概率推理,通过有限归纳点近似后验分布,模拟出负载依赖性精度损失及注意增强效应。 分析映射推导出中心-周边连接性及持久活动与突触权重的结合机制,联合预测行为与神经特征。

  15. arXiv · AI25

    FM-Mamba:一种高效的原生 2D 选择性状态空间模型

    FM-Mamba 提出基于 Fornasini-Marchesini 模型的原生 2D 选择性状态空间架构,解决现有 Mamba 方法处理图像时破坏空间邻接性或计算量过大的问题。 模型通过双对角波前扫描执行递推,利用两个独立输入依赖步长及归一化比率 $r_k$ 进行稳定性约束,避免对特征图进行展平操作。 代码已开源。

  16. arXiv · AI29

    DiagTrace:用于临床决策的交互式基准

    研究提出DiagTrace基准,包含510个跨8个专科的案例,用于评估LLM在交互式信息获取中重建诊断轨迹的能力。 其中225个案例用于测试4种LLM的临床路径一致性、交互质量与效率。 结果显示模型在覆盖率、来源一致排序及轮次使用上存在权衡。

  17. arXiv · ML22

    退化线性二次调节器中确定性等价策略实现多对数级遗憾

    针对在线线性二次控制(LQR),当最优控制器可辨识时,确定性等价算法可实现 $O(\log^2 T)$ 的期望遗憾。 该研究证明,奇异输入罚项放宽了可辨识性条件,扩展了确定性等价策略的有效范围;在可辨识性失效的情况下,则给出 $\Omega(\sqrt{T})$ 的极小极大下界。 这一结果揭示了奇异罚项在降低未知线性系统辨识需求及处理欠驱动系统(如小车-摆问题)中的理论优势。

  18. arXiv · AI32

    PathoDraw 脑 MRI 病理生成与零样本检测

    PathoDraw 提出一种脑 MRI 病理生成模型,通过健康解剖条件分布与对比无关渲染实现零样本病理检测。 该模型使用单一 3D UNet 网络估计健康解剖及输入扫描的带符号强度偏差,无需在真实病理数据上训练,即可在公开卒中、肿瘤及白质高信号数据集上实现零样本检测。

  19. arXiv · AI64

    363个LLM系统提示词安全审计:Nevan智能体CTF研究显示八成模型泄露密钥

    该研究审计了OpenRouter目录中363个文本输入/输出模型的系统提示词层级执行能力,发现其中296个模型(加上4个后续发布的模型)共300次泄露了嵌入在系统提示词中的16字符秘密Flag。

    推荐理由:原文通过363个模型实测展示了系统提示词泄露的高频现象,并指出非英文语言转向是主要攻击向量,为工程侧部署提供了直接的安全加固建议。

  20. arXiv · ML20

    基于非局域博弈的概率分布传输中的量子-经典分离

    研究证实,常深度局域量子电路可精确且可逆地连接两个经典概率分布,而经典随机传输需更大空间范围,确立量子-经典分离。 论文在一维链上展示此分离,并基于非局域博弈发展图上的通用构造原理;源分布本身可由简单局域经典过程生成,确立分布生成中的量子优势。 结果揭示了经典与量子局域可逆性的根本区别,即便初始和终态完全为经典。

  21. arXiv · AI29

    模型是否使用其引用的内容?针对小型视频语言模型中基于依据的推理链的反事实测试

    该研究通过反事实干预测试了 2-3B 视频语言模型是否真正依赖其引用的区域。 结果显示,在 CLEVRER 数据集上引用间隙为 0.089,而在 NExT-QA 上仅为 0.003。 这表明仅检查引用位置不足以验证推理有效性,必须移除链条中明确命名的实体以检测答案依赖。

  22. arXiv · ML23

    EDL 不确定性校准优化多 ASV 漏油监测路径规划

    Evidential Deep Learning (EDL) 在多 ASV 信息路径规划中表现最优,解释最终重构误差方差的 80%。 EDL 在 60 张地图测试中误差最低、IoU 最高,单步耗时 3.9 ms,校准性能优于 MC Dropout 和 Deep Ensembles。 信息模型对规划器采集数据的鲁棒性是不确定性感知 IPP 的必要条件。