跳到正文
10月22日周四
  1. arXiv · NLP26

    ClusterFusion:混合聚类框架将 LLM 作为核心

    论文提出 ClusterFusion 框架,将 LLM 视为聚类核心而非辅助模块,通过轻量嵌入引导划分、LLM 主题摘要和分配三阶段实现混合聚类。该方法无需高昂微调即可适应特定领域。在三个公开基准和两个新领域数据集上均达到 SOTA 性能,并发布了新构建的数据集与全部基准结果。

  2. arXiv · NLP29

    MAPS: 用于调节检索增强生成中搜索动量的宏观自适应并行推理框架

    研究提出 MAPS 框架,通过宏观自适应并行推理调节搜索动量,缓解检索增强生成中的查询意图漂移。 MAPS 首先保留检索知识与精炼推理状态,减少历史轨迹对后续子查询生成的影响,并将顺序推理扩展为并行范式。在六个问答基准测试中,MAPS 一致优于多种代表性的检索增强生成方法。

  3. arXiv · NLP33

    Accept-or-Repair (AoR):一种无训练过程,用于在对比解码中保留段落支持答案的方法

    AoR 提出一种无训练过程,通过对比段落支持与不确定的替代方案,在对比解码中解决模型幻觉。 该方法在反事实段落上将采样准确率提高 12.5 个百分点,在普通段落上提高 2.3 个百分点,超越了 8 个基线。 该结果表明模型可以在保留常规段落准确率的同时,跟随与模型知识相悖的段落。

  4. arXiv · NLP37

    Signals and Queries: Token-Efficient Agentic Context Discovery

    针对用户端 LLM agents 评估行为策略成本高昂的问题,Parlant 4.0 推出轻量级过滤器 Signals and Queries。 该方法利用独立逻辑回归分类器在下游评估前移除至少 30% 的候选策略,避免了每轮次的 LLM 调用。在涵盖 254 个 τ^2-bench 对话前缀和 36 条航空政策的测试中,该方法在保持高召回率的同时,精确度优于 top-K 和余弦阈值检索。

  5. arXiv · AI28

    保护去标识化文档免受基于搜索的关联攻击的方法

    去标识化模型无法解决链接风险,本文提出结合 N-gram 倒排索引与 LLM 重写的两步法,在保持语义完整性的同时抵御基于搜索的关联攻击。 在法庭案件和维基百科传记两个数据集上的实验表明,该方法能有效防止基于搜索的关联,但对更高级的语义导向方法仍可能失效。 该研究揭示了去标识化技术在对抗复杂语义攻击时的局限性。

  6. arXiv · ML24

    基于区间 AUC (iAUC) 的不确定性感知风险预测评估框架

    研究提出不确定性感知 ROC 框架及区间 AUC (iAUC) 指标,用于评估区间值风险预测。 该框架将正负样本排序分解为确信正确、模糊及确信错误三区域,在有效类条件覆盖下提供最优 AUC 理论边界。 实验表明,相似点 AUC 的模型可能存在不同不确定性感知排名,该框架支持风险感知模型选择及阈值弃权策略。

  7. arXiv · ML35

    联邦学习客户端通过对抗观测发起远程行锤击攻击

    研究首次证明,通过操纵联邦学习客户端的传感器观测,可诱导服务器产生重复聚集内存更新,从而发起远程行锤击攻击(Rowhammer Attack)。 使用强化学习攻击代理在语音识别和 CIFAR10 分类任务中,实现了约 70% 的重复更新率(RUR),有效在服务器 DRAM 中引发位翻转。 该攻击可致学习中断或意外提权,揭示了联邦学习及硬件设计在安全缓解策略上的新方向。

  8. arXiv · AI22

    重新思考疾病预测中的合成推理监督

    研究显示,在阿尔茨海默病预测任务中,采用“先输出推理理由再输出标签”的监督微调策略,其预测性能显著低于仅输出标签的微调方式。 该结论基于包含 504 种配置的受控实验,证实此性能下降现象在多种模型家族和不同数据规模下均存在,且无法通过更换面向推理的基础模型来消除。 专家评估证实生成的推理理由在医学上是准确且符合患者证据的,表明性能下降源于模型对生成理由的条件依赖,而非理由本身的质量缺陷。

  9. arXiv · ML26

    Hyperspherical Simplex 表示实现后向兼容检索

    论文提出基于 softmax 输出的超球单纯形表示,用于独立训练模型间的后向兼容检索。 该方法利用 softmax 交叉熵训练形成的单纯形结构作为几何参考,通过确定性线性变换对齐类别原型,无需额外兼容性损失或架构修改。 在标准兼容性基准测试中,该表示在扩展类别集和独立训练模型上取得了有竞争力的结果。

  10. arXiv · AI35

    基于稀疏自编码器的可审计 AI 文本检测器构建方法

    研究提出一种将微调神经检测器转化为基于人类可读概念分类器的流水线,利用稀疏自编码器(SAEs)处理检测器的残差流并训练轻量级分类器。 该 SAE 提取的特征对应 AI 生成文本的高度具体且具预测性的语言线索。基于这些可解释特征构建的分类器在分布外文本上的性能优于神经分类器和基于文体学特征的分类器。

  11. arXiv · AI23

    电信告警风暴开源生成器:基于 NORIA-O 与 TMF642 的根因分析基准

    作者发布了一个开源电信告警风暴生成器,运行于 Internet Topology Zoo 拓扑,输出精确根因及传播路径。 所有输出字段绑定 NORIA-O、RFC 8632 或 TMF642 术语,未知术语会导致运行失败。 该工具附带评分器、9 个基线模型及 3 类骨干网测试配置;简单规则在 15 次实验中赢 13 次,top-1 准确率 0.650。

  12. arXiv · AI30

    ThreadRAG:利用图拓扑与能量驱动寻路增强检索增强生成的上下文一致性

    提出 ThreadRAG 框架,解决 RAG 结合知识图谱时语义丢失和模态失配问题,在 3 个多跳问答基准测试中表现优于强基线。 引入语义拓扑映射器(STM)构建语义拓扑图,利用能量驱动寻路(EDP)将子图线性化。在 HotpotQA 上实现 14.4% EM 提升,Token 成本仅为最强基线的 23.3%。 该成果已被 EMNLP 2026 收录。

  13. arXiv · AI34

    提出以记忆为中心的持续学习框架 MCCL,重新定义 AI 智能体记忆评估标准

    论文提出 Memory-Centric Continual Learning (MCCL) 框架,主张通过记忆对后续行动的提升效果来评估其价值,而非仅看事实召回率。 该框架包含三维记忆分类法、双循环生命周期管理协议,以及基于经验、存储容量和计算预算的记忆扩展模型。 这一方法将智能体记忆从被动检索转变为持续学习过程,为构建自我改进的自主智能体提供了原则性路径。

  14. arXiv · AI36

    生物医学事实核查智能体设计:检索而非推理是主要瓶颈

    在生物医学事实核查任务中,让模型自主制定检索查询使准确率最高达 62%,而简单单次检索仅能找回 6% 的黄金文献。 实验显示,使用黄金摘要时模型准确率为 79-86%,证明检索而非推理是主要瓶颈;闭合书摘模式产生的 327 个引用中仅 3 个相关。 研究代码和工具调用已开源,被 NeurIPS 2026 AgenticLS 工作坊接收。

  15. arXiv · ML26

    CALLIOPE: 无需嵌入向量、支持差分隐私的AI使用主题层级发现框架

    论文提出支持差分隐私的顶层框架CALLIOPE,用于在不依赖向量嵌入的情况下直接从非结构化LLM对话语料中发现主题层级。实验表明,该方法在差分隐私设置下尤其是高隐私度环境中,效用优于现有基于嵌入的方法,并利用多种聚类指标和新型效用指标评估输出质量。

  16. arXiv · NLP25

    SINT-Flow 提出基于 LLM 工作流的模式集成框架

    SINT-Flow 是一个包含五个 LLM 算子的模式集成框架,可端到端自动处理非规范化源表。 使用 GPT-5.2 和 Qwen-3.6-27B 测试,实体检测完整率达 97% 以上,属性检测达 81%,模式映射 F1 分数为 84%。 SINT-Bench 基准包含 10 项任务和 93 张关系表,验证了自一致性策略的有效性。

  17. arXiv · NLP33

    FLINT 架构实现固定预算 Late Interaction 检索

    FLINT 使用注意力池化将查询和文档均表示为固定数量的 embedding,解决了 token 级 late interaction 模型的存储和检索瓶颈。FLINT 在 BEIR 上表现与基线持平,在 BrowseComp+、CRUMB 等复杂查询基准上优于基线;长查询检索速度较 ConstBERT 快 1.5-2.8 倍,索引大小较 ColBERTv2 缩小 5.3-9.3 倍。

  18. arXiv · NLP23

    EviDial:当正确的抑郁预测缺乏证据时

    EviDial基准揭示82.8%的抑郁对话症状单元格缺乏充分文本证据。 其审计发现,尽管69.2%-96.9%的模型预测在标签上正确,但缺乏对话证据支持。 该基准通过区分标签一致性与证据支持,防止基于标签的评估高估证据支持的性能。

  19. arXiv · NLP25

    AutoTerm-SST:零会话时设置的流式语音翻译自适应术语记忆系统

    AutoTerm-SST 通过离线术语目录和话题切片,实现无需会话时上传术语表即可进行流式语音翻译。 在 ACL 和 ESO 肿瘤学演讲测试中,其术语准确率(88.3%)和 BLEU 分数(45.09)与已知领域基准持平,并优于百万条合并术语表。 系统运行 RTF 为 0.406,vLLM 主机可支持 32 个实时会话,展示了实时且无需设置的术语感知翻译能力。

  20. arXiv · ML30

    LoRA 适配的视觉基础模型在脑 MRI 任务中表现收敛但机制分化

    研究发现 DINOv3 等 4 个 ViT-B/16 骨干模型经 LoRA 适配后,在脑肿瘤分割任务上均达到 78-81% 平均 Dice 分,但内部权重变化与注意力动态显著不同。 分析显示,对分割影响最大的并非修改幅度最大的层,限制 LoRA 应用于前中期层即可恢复分割性能,并显著降低对阿尔茨海默病分类的负面影响。

  21. arXiv · ML25

    面向生成式推荐的邻域感知遗忘(Neighborhood-Aware Unlearning)

    生成式推荐采用共享语义标识符(SID),模型遗忘特定交互时会意外影响其邻域项的预测,且该局部效用损失被全局指标掩盖。 提出的邻域感知遗忘(NAU)方法显式控制遗忘项邻域的概率质量分配。在三个数据集和四个SID分词器上,NAU在恢复垃圾信息曝光度的同时保留了95%以上的重新训练效用,且无全局成本。

  22. arXiv · ML21

    MultiCard:基于深度学习的多属性基数估计

    MultiCard 提出统一 LIKE 谓词与数值过滤的端到端架构,在五个数据集上实现最优或接近最优 Q-error。 结合 Transformer 与 LSTM 建模字符串模式,辅以数值编码器处理直方图,使 PostgreSQL 混合查询平均 Q-error 降低至 1/16。 推理延迟保持低于 5ms,显著提升查询优化性能。