LLM在表格失真下的鲁棒性实证研究
当前大语言模型在表格失真下表现存在系统性弱点,GPT-5.4和Opus-4.6准确率仅68%。 模型过度假设表格结构良好而忽视失真,通过轻量微调可提升自主检测与修复能力。
当前大语言模型在表格失真下表现存在系统性弱点,GPT-5.4和Opus-4.6准确率仅68%。 模型过度假设表格结构良好而忽视失真,通过轻量微调可提升自主检测与修复能力。
研究人员推出 MSLR,首个基于真实司法决策的中文多步法律推理数据集,旨在解决现有基准混淆事实召回与推理的问题。 该数据集采用 IRAC 框架建模专家推理,通过人机协作标注生成步骤级注释。实验显示模型表现仅中等,自主生成的思维链提示优于人工设计。
针对容量车辆路径问题(CVRP)中神经网络分离法生成的割平面较少的问题,本文提出通过引入随机性的测试时搜索来增强模型推理性能。 该方法在图粗化过程中引入随机边选择,并提出了利用粗化历史识别 RCIs 及 FCIs 的 GraphCHiP 算法。 实验显示,该方法在随机生成的 CVRP 实例上有效减小了对偶间隙。
该研究提出提取并可视化生成视频模型中交叉注意力图的方法,基于开源 Wan 模型构建工具,以解读文本到视频生成中的时空注意力行为。 通过探索性探测和艺术案例研究,验证注意力图作为分析工具及原始艺术素材的潜力,拓展可解释 AI 在艺术领域(XAIxArts)的应用边界。
ReST-RL 框架通过优化 ReST-GRPO 和 VM-MCTS 提升 LLM 推理准确性,在 APPS 和 HumanEval 等基准上超越 GRPO 和 PRM-BoN 基线。 该方法利用自采集数据训练价值模型进行解码优化,无需针对目标领域微调即可在数学和科学任务中实现性能提升。
研究构建了 LLM 辅助框架,将非结构化事故叙述转化为结构化变量,用于结合人口、地点、时间及天气预测因素进行伤害严重性分析。
针对序贯决策中模型更新假设一致性的缺失,论文提出基于 MMD 的无一致性比率(incoherence ratio)。该指标仅依赖模型自身的预测和更新计算,并配套 anytime-valid 一致性检验工具。研究表明,在近似模型中,无一致性会扭曲获取目标,且决策成本主要取决于预测精度,而非仅仅是不一致性本身。
NeuronGen 提出通过大语言模型生成神经网络参数的新范式,采用两阶段方法实现参数生成。 第一阶段预训练 LLM 以理解参数空间,第二阶段通过上下文增强指令微调适配特定任务。 实验证明该方法能有效生成可用参数,预示 LLM 与轻量级 NN 协同的新方向。
SPECTRUM框架通过线性时间复杂度挖掘逻辑规则,显著降低神经符号AI中逻辑理论构建成本。 框架定义规则效用指标并证明理论保证,在CPU上运行时,学习更准确逻辑理论的速度比GPU上的SOTA神经网络快100倍以上(运行时间<1%)。
研究者提出无训练框架 PoCoAttn,通过离线分离位置先验与在线计算内容残差,解决现有稀疏注意力方法的效率-质量两难困境。 该机制结合相对偏移分析与头自适应比率,在四个视频扩散模型实验中实现 4.1 倍注意力与 2.0 倍去噪加速,PSNR 较基线提升 1.9 至 5.0 dB。
论文指出合理性是无效的可解释性指标,不能作为XAI算法的评估和优化标准。 研究揭示使用合理性会导致误导性解释、损害用户信任及人类自主性。 作者呼吁AI社区停止使用合理性作为XAI的评判依据。
OntoCBF 通过编译领域本体为控制屏障函数滤波器,解决异构机器人团队因约束缺失导致的失效问题。 在模拟仓库场景中,OntoCBF 的安全违反率仅为 20-70%,远优于设计类滤波器 89-100% 的违反率。 该滤波器的每次安全违反均始于冲突,且多智能体 PPO 策略可将不可行二次规划比例降低 18-41%。
研究团队提出 Cross-Input Relative Policy Optimization(CrossRPO),用于训练基于对比数据集的视觉智能体,避免依赖常识作答。
研究提出 Manifold-Index Model,在固定内在维度下,所需样本量随环境维度 $D$ 多项式增长。 方法 MANOR 通过多尺度 PCA 估计切平面,实现 $n^{-4/(m+4)}$ 的预测误差率。计算复杂度关于 $n$、$D$ 和 $p$ 均为多项式级。
提出 ScenarioForge 框架,将高层需求转化为基于资源的拓扑与挑战链,并在 CORE 中实例化验证。 数据集含 226 个场景、867 个步骤;基准测试中结合 Qwen3.8 或 GPT5.6 均实现 100% 拓扑构建成功率。 支持操作丰富且可复现的网络安全训练与评估。
研究揭示模型上下文协议(MCP)中工具元数据未绑定验证供应商身份,导致合法请求被解析至攻击者控制的工具。 在受控环境中评估五种 LLM 客户端,发现精确名称冲突、任务对齐描述与兼容模式强化时错误绑发生率最高。 不同模型暴露供应商绑定弱点各异,包括攻击者控制的选择、澄清请求及不稳定的解析。
TRACE 提出了一种拓扑感知图对比学习框架,用于无攻击标签条件下的入侵检测。 该方法结合消息传递和拓扑表示学习良性系统活动图,在 StreamSpot、GraSec-IoT 和 Unicorn Wget 数据集上分别取得 0.923、0.790 和 0.583 的 F1 分数。 结果表明,该方法在部分图场景下优于基线模型,但未提供统一优势。
研究人员提出Radar Panoptic Transformer (RPT),一种端到端点云网络,通过语义引导的掩码预测解决汽车雷达稀疏点云的全景分割挑战。 RPT在RadarScenes数据集上达到71.6% mIoU和82.2% PQ的SOTA性能,在MAN TruckScenes长距离全包围雷达设置中也优于基线,实现31 Hz实时推理。
该多模态框架融合第一人称 RGB 图像与 128 通道前臂 HD-sEMG,实现 20 个手指关节角度的连续回归。 视觉编码器与 EMG 编码器配合 DoF 查询 Transformer 解码器,为每个自由度分配独立可学习查询,实现自适应融合。 融合模型平均 R² 达 0.88,MAE 为 2.80°,优于单模态基线,并在视觉遮挡场景下展现更强鲁棒性。
Lazy-MOSAIC 通过引入廉价的技能效果世界模型,显著减少了物理模拟器的查询次数,在杂乱的货架取物任务中实现了比基线方法快得多的规划速度。 该框架在毫秒级预测技能可行性并聚焦关键模拟,同时在假设失效时仅修复受影响的搜索部分。所有返回计划中的技能均通过模拟验证,且在所有测试设置中成功率匹配或超越基线。
欧盟资助的 CYBER-BRIDGE 项目构建了统一架构,将 AI 驱动的威胁信息共享、多框架合规评估及数字取证整合至哈希链证据层。 平台对齐 MITRE ATT&CK 框架,支持 NIS2、CRA、GDPR 等法规下的跨司法管辖区取证。 其核心贡献在于通过单一证据记录机制,解决跨边境安全与合规工具的互操作性难题。
针对少试次下不稳定问题,研究提出潜结构影响模型的最大后验估计器。 利用35名被试的PhysioNet数据推导共轭先验,并在70名留出被试上验证,当先验强度 $\lambda=1$ 时,61名被试的对数似然显著优于极大似然估计。 该先验将联合转移矩阵误差降低61%,但未提升解码准确率,表明当前数据主要依赖跨被试共享结构。
LynnReal-Hand 模型将手部运动转化为视频世界模型的直接交互控制,解决实时计算挑战。 模型在 HandBench 评测中取得 FVD 181.67 和 MANO Dice 93.02 分数。 在单块 H200 上 540p 流式推理达 18.03 FPS,峰值显存占用 34.89GB。
研究提出 Cleanly-DINO 模型,利用冻结 ViT 特征从少量演示学习视觉任务空间,专门解决由视觉状态变化定义的清洁任务表征难题。 模型通过任务区域掩码拟合投影及进度指标,在强化学习中作为观测编码器和奖励信号,并在真实机器人擦拭流程中验证了任务执行引导能力。 该工作被 COMPOGEN Workshop CoRL 2026 接收,展示了视觉状态抽象在机器人操作学习中的应用价值。
在超高分辨率遥感问答任务中,将裁剪图像编码为64个token的紧凑视觉潜变量记忆,实现了7.6至9.9倍的裁剪token压缩。 该记忆策略使Qwen-VL在LRS-GRO基准上的准确率提升2.5至4.8个百分点,替换其他图像记忆会导致准确率下降5.8至7.4个百分点。 研究证实紧凑视觉潜变量能有效保留局部证据,且证据可用性是其贡献的关键决定因素。
该研究定义了“专业知识捕获”,即雇主或平台吸收员工在 AI 助手积累的专业判断与知识的过程。 论文构建了基于技术驻留形式与转化家族的框架,指出贡献的可归因性与可撤销性取决于系统设计,并提出了写入时溯源及可执行退出程序等三项措施。
Nemotron 3.5 Transcribe 开源语音识别模型的高吞吐推理引擎在 H100 SXM 上峰值达 4,345x 实时,是调优 vLLM 的 1.39 倍,B200 上峰值 6,367x。
VODA 提出一种即插即用的体积监督目标,通过利用局部深度结构直接监督所有高斯,解决了现有渲染视图训练因 alpha 混合导致的 3D 选择不完整问题。 该方法在 Removal-3D 基准测试中一致改善了体积分割效果,并在 LERF 和 ScanNet 上保持或提升性能,成功恢复了低贡献高斯。
WeVisForensics 提出了一种用于 AI 生成视频检测的自进化智能体框架,在域内、域外及智能体基准测试中平均检测准确率达 95.2%。 该框架包含双时间尺度策略优化 DTPO 和 ForenCue-30K 数据集,支持视觉与音频线索的协同检测,性能比最强先前检测器高出 9.0%。
SWAN-Rx 在固定子载波间隔下,前向传播计算量随带宽线性增长,支持跨带宽和信道条件的冻结权重复用。 该接收器在 273 PRB 测试中,比 NRX 和 DeepRx-MIMO 基线分别减少 16.9% 和 39.7% 的参数,前向操作分别减少 56.3% 和 35.7%。
U-HamGNN是一种等变网络,直接以自旋构型和Hubbard U为输入,预测跨多种晶体化学的自旋分辨哈密顿量。 在十轮基准测试中,其谱混合优化器使哈密顿量误差比Muon低8%,比AdamW低26%。 该通用模型为磁性研究提供了新工具,预测能带复现了U依赖的能隙打开和交替反铁磁自旋分裂。
TRIAGE-CPG 框架利用 LLM 对反编译代码进行有限静态分诊,在平均 1,000 个函数的二进制中仅分析约 40 个。 该管线基于代码属性图(CPG),由 LLM 智能体在固定预算下扩展证据,8 款模型在 600 个 Windows PE 样本测试中最高 tBA 达 0.855。 研究指出模型选择决定分诊策略,无通用部署配置。 ```
提出 PlanDiv 动作头,利用潜在计划假设提升视觉语言动作模型测试时缩放效果。 轻量级规划器提出 K 个潜在计划假设,共享掩码扩散执行器解码动作块;仅在演示数据上训练,无需计划标签或奖励。 在 CALVIN ABC→D 五任务链上成功率从 56.9% 提升至 69.9%,LIBERO-Long 上 4 个计划消除 40% 单候选失败案例。
KneeFS-Net 是一种仅含 0.8M 参数的轻量级模型,在 OAI 测试集上 QWK 达 0.863。 模型在跨人群验证中无需额外训练,单中心医院队列 MAE 为 0.339,多中心远程影像队列为 0.522。 自监督预训练加微调后,交叉验证 QWK 提升至 0.823,证明其可在标注有限的新人群中进行有效适配。
Jac 是 Python 超集语言,通过“by llm()”和对象空间编程统一 LLM 操作、工作流与状态管理。 相较于 OpenAI SDK,Jac 在五个基准测试中将 AI 集成代码量降低 1.8-8.7 倍。 该设计使编译器可见控制流,支持自动优化并降低开发测试成本。
为支持 GPM 任务 GPROF-NN 3D 检索算法,研究者引入基于机器学习的模拟框架,核心是 Satformer 架构,可在任意 GPM 传感器间转换被动微波观测。
该研究提出 FM-Recon 框架,将预训练基础模型的冻结图像编码器特征集成至反卷积重建网络,用于加速心脏电影 MRI 重建。 基于 CMRxRecon2023 数据集的实验表明,这种集成方法在中等加速因子下,能有效从含伪影的输入中提取信息表示,从而提升重建性能。 研究证明了基础模型特征在加速 MRI 重建中的应用潜力,并为将其有效整合到反卷积网络中提供了见解。
研究团队开发了专用多模态生成模型 FinVision,利用 87,940 对 MD&A 披露与股价图表数据,将财务叙事转化为市场动态视觉表征。 模型生成的图表优于直接 LLM 提示及通用文本到图像模型,且文本隐含图表与观测图表的偏差与后续较弱的投资者反应及经营结果相关。
Oriented Semi-DETR 针对旋转框参数映射的二义性提出解决方案,避免正确定位的学生框被回归损失惩罚或 GMM 过滤丢弃。 方法包含 Swap-aligned Target Selection、Swap-invariant Reliability Cost 及 Swap-aware Pseudo-label Denoising,均为无参数且无需额外前向传播。
提出 ST-GAT-NCO 架构,将动态时空图注意力网络与嵌套集群优化相结合,以解决多资产战术配置中的协方差病态问题。 在 2020 年 1 月至 2026 年 1 月的 73 个月非前瞻性样本外窗口中,ST-GAT-NCO 在 13 类全球资产上实现 5.32% 的年均复合增长率和 37.06% 的净累计回报,超额夏普比率为 0.30,索提诺比率为 0.48。