跳到正文
10月9日周五
  1. Hacker News AI43

    Show HN: Nace.ai Document Intelligence 1.0

    Nace.ai 发布 Document Intelligence 1.0,提供 Drex 决策模型与 NDI 文档解析服务,支持 36 种文件格式。 Drex 采用小模型架构,具备 32k 上下文,输出校准概率;NDI 通过 OCR、转写和 NER 技术提取数据并追溯来源页码。 支持从云端到本地部署,涵盖共享、专用及离线模式,满足银行及政府等合规场景需求。

10月8日周四
  1. arXiv · ML28

    EntroPrefill: Rényi 指导的检索增强生成上下文剪枝及其条件稳定性保证

    EntroPrefill 提出一种 Rényi 引导的预填充剪枝机制,通过显式约束丢弃注意力质量保障上下文可替换性。 该机制包含混合到头部删除包络、可行令牌移除上界及有限样本观察者保证,并推导了条件 Transformer 扰动界限。 文章为纯理论框架,未包含实证加速、任务准确率保留或基准测试。

  2. arXiv · NLP38

    针对 LLM 维护的 Wiki 知识库渐进式披露的预注册消融研究

    在一项预注册研究中,针对 709 页 LLM 维护的 Markdown 知识库测试了渐进式披露策略。研究发现,即使采用仅读取紧凑目录和单行摘要的渐进式方法,答案质量仍与原始知识库持平,且在所有测试条件下成本均显著降低。 然而,研究揭示了两个主要局限:人类评分员与模型裁判的评分一致性远低于预期,且在强制加载目录及更严格的评分标准下,质量优势未能得到验证。

  3. arXiv · NLP32

    多向量视觉文档索引反演攻击与防御研究

    研究揭示多向量视觉文档检索器存在索引反演漏洞,攻击者可仅凭存储的向量数据库重构原始文档页面,敏感性被低估。 在 ViDoRe v3 基准测试中,直接反演可恢复 47% 词汇及 45% 敏感信息,且作为查询命中源页面的概率达 98.4%;引入 token 池化与打乱后词汇召回率降至 8% 左右,模型重建顺序可将首排命中率提升至 93.5%。

  4. arXiv · NLP25

    解释信息检索中查询扩展性能的研究

    该研究通过理想扩展查询和可分性两个视角,解释查询扩展在信息检索中的性能差异。 研究开发了可分性度量方法,并基于 TREC Robust 等数据集进行了大量实验。 实验表明,接近理想扩展查询的检索效果更好,且相关与非相关文档的可分性是理解性能的有效补充视角。

  5. arXiv · NLP35

    EncBank 跨 LLM 查询的紧凑可复用记忆

    EncBank 将预训练 LLM 下层作为可复用文档编码器,紧凑存储输出供上层读取器使用。在 Qwen3-8B 任务中,4-bit 存储保留 28.1% 原生精度 GPU 持久存储,预填充速度提升 1.40 倍。 技术细节上,自蒸馏后缀适配器共享存储精度,无需量化重训练。该配置通过 89 个 Terminal-Bench 2.1 任务中的 70 个。

  6. arXiv · AI23

    Madeleine 论文:通过模拟人生学习对话记忆中的非自主回忆

    论文提出 Madeleine 框架,通过离线 LLM 生成模拟人生数据训练查询编码器,实现在线零 LLM 调用的记忆关联检索。 在 LoCoMo-Plus 协议下,Madeleine 接入 HyperMem 时达到 66.6 分;单独使用时零 LLM 调用,上下文消耗约为原系统的 1/21,得分 52.4。 该框架可显著增强 T-Mem 系统性能,提升 26.2 分,且不影响常规问答能力。

  7. arXiv · AI21

    安全检索增强生成(Secure RAG)综述:SLOT 分类法与 135 项研究分析

    该综述将安全 RAG 定义为保护外部知识访问,系统梳理了 135 项关于攻击、防御及安全评估的研究,并提出 SLOT 分类法(攻击面 S、防御层 L、目标 O、范围 T)。 研究发现三类不匹配:T2 攻击领先于防御与评估、S1 攻击数量多于 L1 防御、流畅的 S1 攻击挑战基于异常的 L2/L3 防御。 讨论未来方向,包括更真实的目标、完整防御栈、标准化评估及多模态与智能体系统安全。

  8. arXiv · AI21

    检测法国法院判决中的隐性法律引用:专家分歧处的模型失效研究

    研究发布了一个包含 1,015 个段落-法条配对、由三位法律专家标注的基准数据集。 核心发现是专家产生分歧的案例(约占三分之一)正是模型失效的高发区,最佳集成模型的整体 F1 分数仅为 0.70,且三分之二误报集中于此。 将任务重构为 Top-k 排序并引入多模型共识机制后,基准前 200 个候选项无需监督即可达到 76% 的查准率。

  9. arXiv · AI23

    AI 辅助地质条件化与解释工作流用于隐式地质建模

    研究者开发了 AI 辅助工作流,通过自监督 CNN 降噪及半自监督方法解释 300-3500m 地震数据中的构造层与断层,支撑隐式地质建模。 工具已在荷兰 Leeuwarden 和 Waalwijk 三维地震数据立方体中完成 Maassluis 层顶界解释演示。 该研究证明 AI 辅助解释工作流已成熟,可集成应用于地质建模与决策。

  10. arXiv · AI33

    牛津OCIR实验显示:生成前结构化引导使AI企业决策文档质量提升32%

    随机在线实验表明,在生成前使用Cognistance进行结构化引导,AI辅助决策文档综合质量提升32%。 该原型要求用户先澄清上下文并选择策略方向,将低质量交付率从34%降至5%,平均耗时增加2.4分钟。 研究显示该介入能显著改善任务相关性,未来需重点验证长期记忆效果及在真实组织中的应用。

  11. arXiv · AI25

    面向 EDA 文档 QA 的功能感知检索方法

    该方法通过重新设计 RAG 的基本检索单元,将类型化构件收集为带有超边的功能单元,并在编码器对齐后结合直接块检索与统一重排序器生成答案。 在自建 EDADocEval-QA 数据集上,该方法相比 Chunk RAG 的 ROUGE-L 提升了 37.1%,比最强图基准提升 55.6%;在公开 ORD-MMBench 上比最强基准提升 30.0%。

  12. arXiv · AI20

    评估轨迹特征对最终层注意力路由的影响

    研究评估隐藏状态外推误差、曲率等轨迹特征能否提升注意力路由预测,结果在六项预设比较中均未显示正向增益。 在 Qwen3.5-4B-Base 上,参数匹配的固定投影控制比轨迹路由器 NLL 低 0.00356 nats/token。 次要结果依赖于操作移除类型,且学习型路由器在缓存续写时保持较慢速度。

  13. arXiv · AI33

    RACER 提出无反例框架,结合查询解读与工具检索优化长视频理解

    RACER 提出一种无需训练的反思性智能体框架,旨在解决长视频帧选择中基于相似度方法的“查询理解差距”和基于判断方法的“解释-选择差距”。该框架由轻量级视频大语言模型将复杂查询重构为子查询,再由嵌入模型作为检索工具定位相关证据,两者形成反射循环以迭代优化。实验显示,即使在组件能力有限时,该智能体整合也能有效提升多种基准测试中的长视频理解性能。

  14. arXiv · AI23

    利用 LLM 生成解释检测情绪改写假新闻的方法研究

    针对情绪改写假新闻检测难题,研究提出 Gated Cross Attention 框架,结合 LLM 生成的原始新闻解释,在 PolitiFact 和 LUN 数据集上实现性能提升。 该方法利用 LLM 为原始新闻生成稳定背景知识,通过自适应融合机制降低情感重构带来的干扰,保持了 GossipCop 数据集上的竞争力。 代码和数据已公开。

  15. arXiv · AI36

    KVFetch:基于时序预取缺失的 KV 缓存压缩方法

    KVFetch 是一种无需训练的即插即用框架,通过时序召回通道解决基于内容的相关性驱逐导致的顺序遗忘问题,恢复模型逐字复制能力。 该框架将驱逐候选降级至量化冷层,并通过单调读取指针检测活跃复制,将位置后继预取至固定大小的热层槽位,不增加注意力成本。 在 RULER-16K 的同预算控制下,KVFetch 将逐字复制指标从 0.8 恢复至 78.4,13 项任务平均分提升 8.4。

  16. arXiv · AI44

    RECAST: 通过自适应证据路由学习计算正确上下文

    RECAST 框架将证据构建形式化为异构检索与计算操作的序列决策过程,在六个基准家族中实现 75.6% 平均成功率,超越最强大型模型基线 15.9%。 该框架由轻量级 RouterLM 迭代选择或定制操作,并指导冻结的 CompilerLM 生成可执行代码,最终由 AnswerLM 生成答案。

  17. arXiv · AI27

    基于LLM自动构建MLIP模型知识图谱

    研究人员报告了一种基于LLM的流程,用于自动构建材料科学中机器学习原子间势(MLIP)模型的知识图谱。 该流程包含多步骤信息提取,并利用SHACL约束进行验证循环以检测错误,支持逐模型迭代更新。示例展示了基于Matbench Discovery排行榜构建的图谱查询功能。

  18. arXiv · AI33

    LLM 在实体对齐评估中的可靠性研究

    研究首次系统评测 LLM 作为实体对齐(EA)裁判的可靠性,揭示标签暴露导致判别能力崩塌的锚定偏差。 J-ROC-AUC 从 0.12-0.87 跃升至 0.93-1.00,强模型对标签更敏感;发布 MeSH-SNOMED CT 基准(15K 对)及审计框架。 为知识图谱集成提供可扩展的评估方案,代码与数据已公开。

  19. arXiv · AI28

    相关性不等于充分性:BFR 如何闭合 LLM 长期记忆 QA 的证据缺口

    论文提出 BFR 框架,在 LongMemEval-S 上将判定准确率从 72.4% 提升至 82.2%,并实现 91.4% 的 Turn Hit。 该框架引入 Gold Hit 和 Turn Hit 作为证据覆盖代理,并通过 FCA-MS 分解问题信息需求以选择紧凑候选子集。 BFR 在 LoCoMo 和 LongMemEval-S 基准上均优于同等存储条件下的近期智能体记忆系统。