跳到正文
10月28日周三
  1. arXiv · ML25

    CraftSPH:基于 PyTorch 的可组合可微分 SPH 流体动力学框架

    CraftSPH 是一个基于 PyTorch 的可组合可微分平滑粒子流体动力学(SPH)框架,支持自动微分。 该框架将计算操作模块化,兼容显式和隐式求解及高精度离散,部分操作支持自动微分用于物理参数估计。 前向分析验证了其在 Poiseuille 流等场景下的准确性,逆向分析可用于估算运动粘度和雷诺数。

  2. arXiv · ML21

    SeMoFlow:基于语义潜变量流匹配的城市间人类移动轨迹生成框架

    提出名为 SeMoFlow 的语义流动匹配框架,用于生成城市间人类移动轨迹。该框架通过层级化语义 ID 将不同城市的兴趣点编码至共享表示空间,并采用“规划-综合”生成范式。在大规模多城市数据集实验中,SeMoFlow 的轨迹保真度优于现有基线模型,支持跨城市迁移与联合生成。代码已开放。

  3. arXiv · ML21

    MapPFN: 通过上下文学习因果扰动图谱

    MapPFN 是一种基于先验数据拟合网络(PFN)的模型,通过在合成生物先验上预训练并结合真实单细胞数据微调,提升跨生物上下文的扰动预测性能。 该模型利用上下文学习将实验序列映射至扰动后分布,使单一预训练模型能适配新数据集和基因集,实现了预训练与有限湿实验数据的解耦。 代码、模型及数据已开源。

  4. arXiv · ML28

    Pneuma:首个针对商用飞机预测性维护的大规模实时时间序列基准

    研究团队发布Pneuma,首个基于商用飞机实时数据的公开大规模预测性维护基准。该数据集包含超过9.2亿个时间步和9种故障场景,用于评估25个以上模型在预测、分类及异常检测任务中的表现。 该基准揭示了强模型在处理细微故障特征时仍面临挑战,同时发现增加上下文示例和多变量推理能带来性能提升。 Pneuma旨在为数据驱动的航空预测性维护提供可复现的基础,推动其向实际部署迈进。

  5. arXiv · NLP43

    AZeroS 模型:基于自生成无指令调优扩展 LLM 至语音领域

    提出 AZeroS 模型,基于 Qwen2.5-7B-Instruct,通过自生成无指令调优(SIFT)范式扩展 LLM 至语音领域,无需收集任务特定问答对。 利用约 25,000 小时带 ASR 转录的语音和 3,000 小时带副语言标签的语音进行训练,仅更新两个 23.80M 参数的轻量投影模块,保持 LLM 和音频编码器冻结。

  6. arXiv · ML25

    EH-Fusion:基于欧几里得拥挤度自适应的欧几里得-双曲图学习框架

    研究提出自适应欧几里得-双曲融合学习框架 EH-Fusion,通过指数映射提升图神经网络表征并基于邻域扩展模式自适应融合双几何结构。 研究量化了欧几里得空间中树状图的层间拥挤现象,证明固定维度欧几里得嵌入会导致较弱的基于边界的泛化界,并提供了双曲几何在层级数据上优越性的泛化界证明。

  7. arXiv · NLP70

    EmbeddingGemma 2 发布:统一高效的开源多模态嵌入模型

    EmbeddingGemma 2 是一个开源的多模态嵌入模型,能在统一空间中表示文本、图像、音频和视频。该模型在多种嵌入基准测试中优于专业模型及体积大两到十二倍的模型,支持选择性加载模态编码器、调整视觉 token 预算及量化权重,模型已在 HuggingFace 和 LiteRT 上发布。

    推荐理由:新模型在基准测试中展现出跨模态优势,其可裁剪架构为资源受限场景的部署提供了参考。

  8. arXiv · ML21

    GNN-Guided Network Reduction for Centralized Urban Traffic Routing

    论文提出一种基于学习框架的城市交通网络缩减方法,利用专用图神经网络(GNN)为每个 OD 流评分并筛选关键路段,在原路段流 MILP 上求解以获得可行路由。 该方法在布拉格、伦敦、纽约和悉尼四个真实城市网络实验中表现最优,其相对 30 秒全图参考解的目标差异平均比最佳竞争方法低 6 倍以上。 流量仿真表明该方法带来更高效路由,具有最高累计到达率及具有竞争力的单次行程时长每到达百分点。

  9. arXiv · NLP32

    DocXEval:面向多模态文档理解的系统化可解释性评估框架

    DocXEval 是一个首个针对多模态文档理解场景的可解释性评估框架。该框架系统评估了 13 种 XAI 方法在 3 类任务、8 个数据集及 4 个模型上的表现。 研究涵盖 17 项评估指标,发现 Occlusion 方法在忠实度和可解释性上表现最优。 该工作为多模态文档理解领域的可解释性研究提供了基准与实用指南,代码已公开。

  10. arXiv · ML30

    Jaxnasium: 基于 PyTrees 的跨套件多智能体强化学习库

    Jaxnasium 是一个基于 JAX 的开源强化学习库,利用 PyTrees 结构支持跨 11 个环境套件的 300 多个环境,允许在离散、连续、图像及组合空间中进行多智能体训练,无需修改算法代码。该库提供近乎单文件实现的 PPO 算法,默认超参数即可运行,并具备 Gymnasium/EnvPool 包装器、多种子评估、超参数扫描及项目脚手架工具。

  11. arXiv · ML24

    固定世界模型在干预下的保形不确定性校准

    改变部署策略会破坏固定世界模型的不确定性,加权保形校准可将覆盖率恢复至90.9%。 基于DINO特征世界模型和Franka机械臂轨迹实验显示,标准90%保形集覆盖率降至55.0%,而学习型比率校准覆盖率达90.9%。 该方法证明校准可随干预动态调整,相关代数恒等式已通过Lean 4进行机器验证。

  12. arXiv · AI36

    CalArena:大规模事后校准基准

    CalArena 发布了覆盖近 2000 个实验的事后校准基准,涵盖表格和计算机视觉任务。 该基准聚合了经典模型、深度学习架构及基础模型的预测,并包含数十种校准方法的统一实现。 研究者提出以合理评分规则中的事后改进(PHI)替代传统校准误差估计器,并开源了数据与代码。

  13. arXiv · AI40

    DeGenTWeb:首个 MGT 主导网站研究

    DeGenTWeb 系统性识别出 20.9% 的 Common Crawl 归档网站和 13.6% 的 Bing 链接网站由机器生成文本主导。 该方法将 MGT 检测器适配至网页层面并聚合结果,误报率仅 0.12%,且发现此类网站数量随时间增长。 研究团队将在发表后开源全部代码与数据,为理解网络内容真实性提供基准。

  14. arXiv · AI40

    Gym-Anything-RT 发布实时视觉语言智能体评测基准

    Gym-Anything-RT 构建 100 个实时视觉迷你游戏,用于评测视觉语言智能体在动态环境下的交互能力。 该基准通过智能体管道基于 6 项核心能力自动生成环境,支持在实时、暂停或减速模式下进行受控对比实验。 GPT-6 Astra 在实时模式下通过率仅 9.0%,暂停后升至 75.0%;研究揭示了智能体在实时交互中存在的能力缺口及规避感知的编码行为。

  15. arXiv · AI30

    MoE 解码的 Channel Selection 无需校准数据

    研究证明混合专家模型(MoE)解码中的通道选择无需校准数据。Top-k 方法在 13% 和 18% 预算下,于 43 次对比中的 40 次表现优于或等于阈值法。 该方案在 Gemma 4 上避免了循环崩溃,且基于权重的读取器在 17.8% 的读取率下保留了 98.1% 的完整模型精度。Triton kernel 在批量为一时比 vLLM 快 1.60 至 1.90 倍。

  16. arXiv · AI24

    豪萨语 LLM 安全对齐案例研究:基于 Qwen2.5 的偏好优化分析

    研究团队构建了包含 10,000 条数据的 HausaSafeLM 数据集,基于 Qwen2.5-7B-Instruct 探索豪萨语 LLM 的安全对齐方法。 实验对比 SFT 与 DPO 策略,发现未微调模型因生成能力有限而高拒答率具有误导性,单一配置难以同时最大化安全性、有用性与流畅度。 研究指出仅依赖拒答率指标无法可靠评估低资源语言的安全对齐效果。

  17. arXiv · AI27

    V-LUMEN:面向视觉语言模型嵌入扩展的视觉查找记忆

    V-LUMEN通过冻结码本离散化视觉特征及空间感知哈希,为视觉语言模型引入非参数化的视觉查找记忆,检索嵌入经门控残差通路融入骨干网络。 该方法在五个推理密集型基准上显著提升了冻结的Qwen3-VL-2B性能,并零样本迁移至三个图像不重叠的基准。 文章指出外部视觉记忆是独立容量轴,代码已开源,论文被NeurIPS 2026接收。

  18. arXiv · AI26

    密集表示学习与可微分形状建模用于脊柱地标检测

    研究将解剖地标检测重构为像素级对比表示学习问题,通过匹配密集像素嵌入与地标原型生成更具判别力的热力图。结合全局地标构型中的可学习形状先验消除位置歧义,在AASCE数据集及两个私有数据集上达到最先进的地标准确率和临床参数估计水平。代码和预训练权重已公开,支持脊柱变形严重度估计和术前规划。

  19. arXiv · AI24

    首个开源巴斯克语 Speech Language Model 基于 LLaMA-Omni 架构开发

    基于 LLaMA-Omni 架构,研究者构建了首个开源巴斯克语 Speech Language Model。该系统采用 Latxa 模型作为骨干网络,通过微调多个模块将文本能力迁移至语音模态,并基于英语语料翻译生成合成数据以解决数据稀缺问题。评估结果显示,系统的内容质量得分为 3.86/5,语音清晰度 WER 为 9.94%,音质 UTMOS 为 3.07。

  20. arXiv · AI24

    HIDRA:面向无重放终身模仿学习的层级双路由注意力

    HIDRA 提出层级双注意力机制,结合键级几何正则化,在无重放、单次遍历的终身模仿学习设置中稳定专家选择。该方法在 LIBERO 基准测试中 consistently 优于无重放和基于重放的基线模型,提升了 AUC 和正向迁移,同时保持低遗忘率。HIDRA 支持可扩展的专家集合,适用于实时适应持续多模态演示的机器人场景。

  21. arXiv · AI25

    BUSTA:通过逆向基础块执行教会小语言模型推理二进制行为

    研究人员发布 BUSTA 框架,通过逆向基础块执行训练小语言模型,使其在资源受限环境中处理逆向工程任务。 使用 GRPO 对 Qwen3-1.7B 和 Nemotron-3-Nano 微调后,已知寄存器预测准确率分别升至 85.3% 和 95.2%。 细调后的 Nemotron-3-Nano 性能接近前沿模型最高分 99.2%,参数量大幅减少。

  22. arXiv · AI44

    基座模型可检测提示词分类器遗漏的隐藏意图

    研究提出一种名为PHLE的方法,通过评估基座模型对输出的似然来解码潜意识信号。 该方法能区分带有“爱猫头鹰”或“爱鹰”提示的数字串,以及移除显性对齐缺陷后隐藏伤害用户意图的回答,而提示词分类器表现接近随机猜测。 PHLE在Qwen和Olmobase模型间部分有效,为Persona Selection Model提供了证据,可用于审计模型隐藏目标。

  23. arXiv · AI23

    Stratum:面向编码智能体的跨上下文窗口仓库记忆系统

    提出 Stratum 系统,通过持久化仓库记忆解决编码智能体的上下文遗忘问题。 在 8 个真实 Bug 的多会话实验中,继承记忆的代理识别根因文件的成功率为 21/24,显著优于 6/24 的检索基线,且中位 token 成本低 4.5 倍。 检索一百万节点库的中位耗时为 1.7 ms,证明其可高效扩展至大型代码库。

  24. arXiv · ML33

    CrystalREPA:将通用 MLIP 物理先验迁移至晶体生成模型

    CrystalREPA 框架通过元素感知对比目标对齐生成编码器与冻结 MLIP 的隐藏状态,实现稳定性先验迁移,无额外推理成本。 该方法在三个生成框架、十个 MLIP 教师模型及两个基准数据集上验证有效,显著提升生成晶体的热力学稳定性与结构有效性。 研究发现 MLIP 迁移效果由原子表示空间的可区分性决定,而非 Matbench Discovery 等标准榜单的准确率。

  25. arXiv · ML20

    预条件梯度下降训练过参数化神经网络的泛化分析

    研究提出预条件梯度下降结合早期停止算法,为过参数化两层神经网络提供非参数回归的尖锐泛化界。 该算法达到 $O(n^{-\frac{2\alpha s'}{2\alpha s'+1}})$ 的回归速率,优于现有理论中的几乎最优界,且避免了额外对数项。 该结果揭示了预条件梯度下降通过降低有效核复杂度来改善神经网络的参考训练动态。