跳到正文
11月11日周三
  1. arXiv · ML28

    前缀缓存 Agent 服务中的持续性降级:突发流量导致 vLLM 稳定性下降

    研究表明,vLLM 中轻微突发流量会导致前缀缓存 Agent 服务陷入亚稳态,命中率降至 10%,吞吐量减半,且 70 分钟无法恢复。该现象在 Qwen3-32B 和 SGLang 上复现,无缓存时则不存在。 系统通过限制活跃会话的 KV 驻留需求至内存池容量,并采用无需针对性调参的阈值,成功在所有测试运行中防止了服务崩溃。

  2. arXiv · ML31

    Tabular Foundation Models vs Tuned Gradient Boosting for Telecom Churn: A Profit- and Calibration-Aware Evaluation

    TabPFN-3.5在Cell2Cell和Iranian电信流失数据集上,显著优于最佳调优GBDT的最大期望利润(EMP),增幅分别为1.9%和7.6%。 在Orange数据集上,TabPFN-3.5在所有10个分割中均领先(14.3%),但经Holm校正后差异不显著(p=0.155);TabICL v2仅在Iranian上胜出,且在Orange上流失率预测偏低2.1个百分点。

  3. arXiv · ML29

    AutoScaffold:用于大语言模型强化学习的 AI 引导式支架方法

    框架 AutoScaffold 将强化学习可验证奖励训练中的学生经验转化为自适应支架,无需人工干预。 该框架通过冻结的教师模型诊断瓶颈并设计共享策略与个别提示,在四种任务域中优于对应强化学习基线。 在 ALFWorld 任务成功率提升 7.2 分,数学推理中用约三分之一的学生训练步数超过 QuestA 的准确率。

  4. arXiv · ML22

    符号蒸馏法发现南亚季风降水的可解释热力学方程

    利用符号蒸馏结合神经网络与符号回归,从 21 年再分析数据中发现可解释的南亚季风降水方程。 最佳方程解释的降水方差是广泛使用的浮力诊断的 1.5 倍,恢复约 85% 的神经网络性能,参数数量减少约 1000 倍。 方程揭示低层自由对流层湿度作为竞争控制因子,使降水预测更符合物理一致性。

  5. arXiv · ML23

    神经符号推理中近似预算的最佳分配策略:基于张量分解的编译流水线

    研究提出统一的三步近似编译流水线,利用张量分解精确乘法子并重构乘积,使 WMC 估计精度比现有方法高数个数量级。 该流水线在 Sudoku、算术推理等六类任务中,随着问题规模增加表现优于先验方法,能更好地捕捉符号因子间的紧密交互依赖。 文章指出该设计为复杂概率推理任务提供了新的近似编译设计空间,已被 NeurIPS 2026 接收。

  6. arXiv · ML48

    tritify 实现精确整数算术下的确定性可复现推理

    tritify 开源运行时通过精确整数算术实现跨硬件位级可复现推理,SHA-256 哈希验证输出一致性。 验证覆盖 OLMoE 及 106B 参数 GLM-4.5-Air,在 CPU/GPU 及分布机器上保持比特相同,实现可验证分布式推理。 该机制允许不信任服务器运行模型,由开放标量预言机重推导字节,拒绝单设备加速与机密性声明。

  7. arXiv · ML36

    注意力手术中的 Sanity Checks:针对表示驱动设计的 Null Models 与 Matched Interventions

    论文在九个预训练模型中验证自注意力移除的收益。数据显示前因 Null 可解释 48% 至 63% 的头值余弦对齐,且该效应非单调依赖模型规模。 在 50.9M 规模下,移除自身 Value 方向降低验证损失 0.0029 nats,显著优于任意固定方向(无显著差异)。这表明仅凭高余弦对齐无法确立冻结模型中的冗余性。

  8. arXiv · ML21

    KL 正则强化学习的尖锐样本复杂度

    研究证明在折扣 MDP 中,基于插件估计器的 KL 正则强化学习样本复杂度为 $\widetilde{O}(KH^3/(\epsilon\max\{\epsilon,\beta\}) + KH)$。 该界在 $\epsilon \lesssim \min\{H, H^2/\beta\}$ 时是尖锐的,且与无正则化强化学习具有相同的视界依赖项。

  9. arXiv · ML20

    无需特征学习即可实现上下文内学习:基于旋转不变核机器的研究

    研究表明上下文内学习(ICL)中的泛化实际上是欠拟合,且特征学习并非 ICL 的必要条件。 该研究通过分解旋转不变核机器的特征基,揭示模型先实现泛化,随后退化为记忆化解决方案的过程。 实证分析显示,Transformer 模型通过训练集的高阶统计量进行记忆化学习,证明该核方法理论同样适用于具备特征学习能力的模型。

  10. arXiv · ML23

    基于 pass@K 场景的温度多样性采样研究:多温度方案增益有限,单一调优温度通常足够

    针对 pass@K 场景的多温度采样研究发表于 NeurIPS 2026。 研究发现不同问题的高效采样温度差异仅呈对数级增长,理论最优多温度分配方案的增益相对单一调优温度基线通常较温和。 数学上的钝化效应(dulling effects)确保了单一温度选择在不同问题分布下的鲁棒性,澄清了何时多温度采样有效。

  11. arXiv · ML32

    IC-GNN:基于个体化脑区社区组织建模的疾病预测模型

    IC-GNN 提出一种图谱锚定模型,基于静息态 fMRI 数据在 30000 余名参与者中,对比 15 种基线方法实现了最优疾病预测性能。 该模型生成个体化多尺度社区,并具备扫描内及跨会话的可重复性与独立预测能力。 其识别出的疾病相关社区组织变化与现有文献一致,为疾病预测与生物标志物发现提供了新路径。

  12. arXiv · ML31

    ADIndex 通过层自适应稀疏注意力索引和组级蒸馏技术,在保留 DeepSeek-V3.2 和 GLM-5.1 近无损任务性能的同时,实现了显著的效率提升。

    在 256K 上下文长度下,ADIndex 将预填充和解码内核速度分别提升至最高 6.22x 和 3.40x,在 128K 上下文下实现 1.54x 的端到端服务加速。 该技术有效解决了 DeepSeek Sparse Attention 索引器在长上下文推理中占用超过 50% 预填充 GPU 时间的延迟瓶颈。

  13. 36氪90

    谷歌最强模型 Gemini 4 Carbon 全球解禁

    谷歌旗舰模型 Gemini 4 Carbon 正式面向全球开放,用户可通过 API、AI Studio 等渠道体验。该模型在 GraphWalks、CursorBench 4.0 等评测中跑出了前列成绩。实测表明,其多Agent蜂群模式配合 AlphaProof Code 框架在生成代码与工程还原方面显著降本。

    同一新闻,精选展示《Google DeepMind 发布 Gemini 4 Carbon 模型》

  14. LessWrong · All Posts40

    可验证指标是否高估 RSI:基于 METR 对 Anthropic 评估的探讨

    METR 评估显示 Anthropic 模型能力提升速率约为 2024 年 3 月至 2025 年 10 月期间的两倍,且 80% 的加速归因于 AI 贡献。作者认为 AECI 侧重可验证任务可能导致过拟合,使加速不可持续,这比模糊任务泛化更关键地影响 ASI 时间线。 该不确定性意味着可验证指标或高估 AI 研发加速,进而导致对 RSI 和 ASI 到达时间的过度乐观估计。

  15. LessWrong · All Posts73

    LessWrong作者分析Gemini 4安全报告中关于链式思维训练的模糊之处

    作者指出Google DeepMind在Gemini 4安全报告中提及在强化学习训练中观察并奖励部分链式思维(CoT),但具体机制不明确。结合引用的Kaufmann等人论文,作者推测其采用了类似“过程监督”的辅助奖励机制,即由模型对部分CoT进行评分。作者担忧这种训练方式会导致裁判模型惩罚表达未对齐想法的推理,从而抑制诚实表达并降低CoT的忠实度。