跳到正文
10月15日周四
  1. arXiv · NLP30

    语言学规则可作为有效的提示词压缩器

    语言学规则可替代基于大语言模型的评分,作为无模型向前传播的提示词压缩器。 该方法通过进化搜索组合词汇、句法等种子,在短文本、多文档推理及对话记忆数据集上,性能与先进提示词压缩策略相当。 结果显示,轻中度压缩下性能最强,随着压缩率增加,规则从词元剪枝转向句子抽取。

  2. arXiv · NLP30

    通过大语言模型内部状态检测金融问答中的自信幻觉

    研究发现 Qwen3-8B、Llama-3.1-8B 和 Gemma-2-9B 在 FinQA 数据集上,15-23% 的完全一致回答是错误的。 在 8 次重采样答案全一致的自信回答中,内部激活线性探测检测幻觉的 AUROC 达 0.68-0.77,优于 0.55-0.63 的输出层基线。 该方法可作为高效分流机制,将高风险金融答案路由至人工复核,文章已被 ICAIF '26 会议接收。

  3. arXiv · NLP23

    ConRAG:面向多跳问答的共识驱动证据流框架

    提出共识驱动证据流框架 ConRAG,在多跳问答基准中显著超越基线。 该框架通过共识多视图排序筛选证据,并利用基于插槽的机制在依赖推理步骤间传递中间信息。 在 Gemma-4-31B-it 上,ConRAG 平均得分超最强基线 5.8 点,且端到端运行时和 token 消耗分别降低 75.9% 和 67.3%。

  4. arXiv · NLP21

    分析问答任务中 RAG 模型的性能

    这项研究分析检索增强生成(RAG)在开放式问答任务中的性能。 RAG 架构近期发展迅速,但南亚多语言及文化背景下的本土语言问答仍存在挑战。 研究旨在提取高性能因素,评估 RAG 在文化与非文化问题上相对于无背景及有背景回答的性能差异。

  5. arXiv · NLP29

    EGCForest:面向企业群聊的结构化智能体记忆组织框架

    EGCForest 是一种多视图层级记忆框架,能解决企业群聊中证据分散难以检索的问题。 该框架将消息日志组织为通道、角色和工件三森林结构,通过联合消息相关性、层级摘要及跨视图链接进行证据检索与组装。 在三个基准上,EGCForest 比 MemOS 提升答案准确率最高达 20.85 分,并支持高效的在线检索。

  6. arXiv · ML37

    TRACER: 针对间接提示注入的轨迹正则化训练

    TRACER 提出一种通道感知的对抗训练方法,将 Qwen2.5-3B-Instruct 在 RAG 场景下的攻击成功率从 65.5% 降至 6.1%。 该方法结合答案锚定奖励与 ATRC 机制,在保持 78-82% 清洁准确性的同时,7B 模型单轮训练平均攻击成功率降至 9.4%。 研究证明有效防御必须针对实际部署通道进行显式训练与评估。

  7. arXiv · NLP23

    PROPALIGN:基于多摘要的分级命题显著性评估方法

    论文提出PROPALIGN方法,通过多摘要评估命题显著性分数,并发布了包含138K对齐、35K命题的PROPALIGNBANK数据集。 实验表明,基于摘要的分级指标比直接询问模型更稳定,单个模型表现劣于人类。 整合语言特征的多模型集成可逼近人工标注质量上限,揭示了摘要在信息提取中的作用机制。

  8. arXiv · NLP20

    Parallel-Then-Integrated (PTI) 程序实现定性文本与计算证据的整合

    该方法研究提出 Parallel-Then-Integrated (PTI) 四步程序,用于整合同一语料的两种计算表征。 基于尼泊尔 29 位母亲的 1203 段访谈,结合 PVminer 本体编码与非负矩阵分解 (NMF) 生成主题,通过 PHQ-9 抑郁状态作为外部锚点验证。 PTI 为混合方法研究中整合定性文本的计算表征提供结构化路径。

10月14日周三
  1. arXiv · ML37

    LatentPress:超越文本与视觉的上下文压缩方法

    提出LatentPress将长文档和对话历史压缩为连续记忆令牌,使冻结解码器直接读取而无需文本重建。该适配器仅需4.2M-26.2M参数(约占解码器0.1%),实现4-16倍压缩;在LongMemEval上7.70倍压缩时准确率达0.504。其优势在于写入速度比文本摘要快约一个数量级(43ms/对话),读取速度比原始上下文快5-9倍。

  2. arXiv · AI27

    PixSearch:面向知识增强大型多模态模型的区域级检索

    PixSearch 提出了一种端到端分段大型多模态模型,将区域级视觉定位与检索增强推理相结合,在 CRAG-MM 基准上较全图检索实现 18.3% 的相对准确率提升,并将推理延迟降低 36.4%。 该模型通过联合训练的掩码解码器进行目标实体裁剪,并利用双阶段监督微调与搜索交错监督机制,以保留分割能力的同时实现检索触发和查询路由,在具身图像和实体中心 VQA 基准上表现强劲。

  3. arXiv · ML43

    AlignPred:结合对齐与预测编码的 KV 缓存压缩

    研究提出 AlignPred 编解码器,通过局部对齐与预测编码在可控重建误差预算下压缩持久 KV 缓存,相比基准方法在相近误差下占用更少存储空间。 该方案使用误差有界晶格量化残差并进行熵编码,无需学习预测器或大型联合变换。在 SGLang HiCache 集成中,目标 KV 存储减少 42-72%,且解码速度比现有 CPU 编解码器快至少 1.6 倍。

  4. arXiv · AI24

    无图检索中基于图修正嵌入的优化策略

    研究表明,使用图修正嵌入可提升稠密向量检索的证据恢复率,无需查询时访问图结构。 最优配置在关联事实或候选比较问题上,比纯向量检索提升恢复率最高25.9%,且减少40%返回节点。 实验证实,检索性能更依赖于图修正嵌入的使用方式,而非其生成方式。

  5. arXiv · NLP26

    Open Tabular Insight Extraction:当前进展与未来方向

    研究团队提出开放式表格洞见提取(OpenTI)框架,旨在统一表格问答、文本转SQL和数据代理等碎片化社区。 框架基于分析知识、推导过程及用户体验进行形式化,整合了信息检索、NLP、ML、数据库和人机交互领域的术语与体系。 现有系统未能覆盖端到端范围,且基准测试不适用于开放场景;论文据此制定了未来系统与评估的研究议程。

  6. arXiv · NLP35

    DRNOISE:误导性证据环境下深度研究智能体基准测试

    论文发布 DRNOISE 基准,包含 100 个任务,用于评估深度研究智能体在误导性证据下的表现。 该基准在搜索环境中植入误导性文档,导致强模型准确率下降 66 至 88 个百分点。分析显示智能体存在验证惰性,通用验证提示词无法完全消除这一差距。 这表明可靠研究需主动调和解耦直接声明与底层证据。

  7. arXiv · ML28

    针对类型化决策工作流上下文攻击的评估:Poisoned into Action

    研究人员提出了执行感知协议,通过跟踪污染证据评估类型化决策接口中的上下文攻击影响。 在 Jev-1.13.0 的 1,659 次调用评估中,独立 payload 导致 5 次违规,载波-payload 对导致 1 次违规。添加正确证据将错误执行率从 119/120 降至 55/120,表明改进主要源于证据价值而非特定攻击防御。

  8. arXiv · NLP30

    Cite Pretrain:大语言模型的无检索知识溯源方案

    大语言模型常在回答正确时产生引用幻觉,现有方案多依赖推理时外部检索,增加延迟且受检索噪声影响。研究者提出 Cite Pretrain 方法,让模型通过持续预训练将文档持久标识符与事实知识绑定,再经指令微调使模型在输出答案时自动插入该标识符作为引用,无需测试时检索。

  9. arXiv · NLP20

    SCANAR 与 AIDOC:利用信息检索和人工智能工具加速医疗保健领域的前沿扫描

    开源 Python 工具 SCANAR 和 AIDOC 被提出用于通过自动化新闻检索和 LLM 辅助过滤,加速医疗保健领域的前沿扫描。 SCANAR 通过去重和排名自动化检索,AIDOC 利用 LLM 和文本嵌入计算语义相似度,在 95% 召回率下可实现约 65% 的理论人工审查工作量减少。 这些工具有助于缓解方法学限制,支持更广泛、更快速的前沿扫描。

  10. arXiv · ML26

    MARS:面向知识接地材料替代的层级多智能体推理系统

    MARS 层级多智能体推理系统实现了 PFAS 替代的知识接地工作流,结合需求分析、候选生成与制造评估。 系统整合 RAG、知识图谱推理及实验室可用材料数据库,通过多种子消融实验验证在固定骨干模型下保持性能增益。 层级分解与可制造性感知优化提升了材料替代推理能力,超越单一模型效能。

  11. arXiv · NLP37

    AMU:用于个性化对话的准入与记忆更新——基于 SLM 引导控制的结构化记忆

    AMU 提出了一种 SLM 引导的结构化框架,用于个性化对话中的记忆写入控制。 该框架利用结构化记忆过滤决定哪些信息应进入记忆,并通过 SLM 引导的存储管理决定记录是单独存储、作为重复项丢弃还是作为更新融合。 实验表明 AMU 能保持更干净、更易检索的个性化记忆,论文已被 NORA 2026 接受,代码已开源。

  12. arXiv · ML21

    Mira-Embeddings-V1:基于LLM合成数据的招聘领域语义重排序

    Mira-Embeddings-V1通过LLM合成数据优化招聘领域的语义重排序系统,无需大规模人工标注。 该系统利用两轮LoRA适配及轻量级重排序头,在300个真实JD的测试池中,将Recall@50从68.89%提升至77.55%,Precision@10从35.77%提升至39.62%。 结果显示,结合边界感知重排序的LLM合成监督策略,无需重型交叉编码器即可获得稳健的性能提升。

  13. arXiv · NLP23

    R-DEIM Net:用于释义检测的高效增强推理双专家交互模型

    R-DEIM Net 提出一种76M参数的双专家架构,用于释义检测,能在生成人类可读推理的同时保持较高精度。 模型结合交互专家与推理专家,在Quora Question Pairs数据集上通过10折交叉验证达到90.07%准确率和90.16% F1分数,性能接近大型模型基线。 该架构允许变量输入长度,并提取解码器隐藏状态作为分类的补充特征,提供辅助性的人类可读描述能力。

  14. arXiv · AI21

    AutoSec-RAN:基于规范的 LLM 微调用于 O-RAN 自动化安全分析

    论文提出 AutoSec-RAN 框架,通过 LoRA 微调 Mistral-7B-Instruct 并辅以 RAG,实现了 O-RAN 安全的自动化分诊。 该框架在 313 项评估中的平均裁判得分为 0.713,在缓解措施与威胁模型推理方面表现最佳(0.849/0.848)。 研究证实基于规范的 LoRA 微调结合 RAG 检索,是 AI 原生 O-RAN 安全自动验证的可行基础。