基于测量的框架评估建筑对 AI 问答与控制的就绪度
针对建筑 AI 就绪度缺乏系统评估的问题,提出基于知识图谱的测量框架,量化可回答性与可控性上限。 在模拟办公楼中,参考 AI 智能体实现了 0.62 的可回答上限;37 个真实建筑数据的中位上限仅为 0.16。 该框架将“建筑是否 AI 就绪”转化为可审计、可排序的改造问题。
针对建筑 AI 就绪度缺乏系统评估的问题,提出基于知识图谱的测量框架,量化可回答性与可控性上限。 在模拟办公楼中,参考 AI 智能体实现了 0.62 的可回答上限;37 个真实建筑数据的中位上限仅为 0.16。 该框架将“建筑是否 AI 就绪”转化为可审计、可排序的改造问题。
该架构将高召回 LLM 意图提取与效用导向的减少过程分离,通过标准化去重、基于嵌入的聚类及约束语言模型聚合生成可追溯的意图单元。 它支持下游的机器生成意图推断与意图引导的语义检索映射。
BEACON-SP 是一个整合自杀预防本体的 GraphRAG 框架,用于支持临床自杀风险决策。 在覆盖 15 个临床类别的 1,500 条查询基准测试中,该框架在 76.4% 的案例中优于向量 RAG 基线,提升了完整性与证据关联度。 该结果验证了本体引导的 GraphRAG 为临床决策支持提供结构化、语境化患者证据的潜力。
一位 Mautic 项目负责人利用 Google Gemini 的 Gem 功能创建 AI 助手“Ruth AI”,用于在其 2026 年长达 3 个月的离岗期间代理处理社区事务。
KadiAssistant是一个隐私优先的AI智能体,集成于Kadi研究数据生态系统,利用自托管LLM和基于RAG的语义搜索,帮助研究人员访问、聚合及综合异构且隐私敏感的研究数据。 它通过细粒度访问控制,平衡了数据隐私与高效信息检索的需求,连接不同学科的术语与标准。 该工具降低了研究人员的访问壁垒,强化了FAIR数据原则中“可发现”的核心支柱。
本综述系统梳理了 RAG 作为解决 LLM 静态知识与幻觉问题的核心范式。 文章将 RAG 框架形式化拆解为检索、生成与增强三大组件,涵盖稠密/稀疏检索器及强化学习策略,并以效率、安全性、交互性为轴进行分类。 RAG 架构通过结合外部数据源,显著提升了 LLM 生成的事实可靠性、任务对齐度及可控性。
研究发现随着AI引擎转向实时网络搜索,决定推荐结果的不再是传统的AEO策略,而是智能体能否直接抓取并读取业务网站(智能体体验,AX)。通过37,927个智能体旅程的测试,研究者指出7-10%的最终回答基于模型训练知识,且能正常访问业务网站的回答准确率平均高出41%。具备优秀智能体体验的业务被智能体明确推荐的概率高1.9倍,主要失败原因是智能体对业务信息的遗漏而非模型幻觉。
针对 LLM 在药物重定位中受限于预训练知识的挑战,提出 DrugMCTS 框架。 该框架整合 RAG、多智能体协作与 MCTS,通过五个专门智能体检索分析分子与蛋白信息,实现结构化迭代推理。 在 DrugBank 和 KIBA 数据集上,DrugMCTS 相比通用 LLM 和深度学习基线展现出更高的召回率与鲁棒性。
summary_zh: PixelTriage 是一个检索后插件,通过小模型预测视觉像素价值,在 7B 响应模型上仅用 11-23% 视觉 Token 即保持精度。
SEMAADB 发布包含 3,000 个工程上下文和 15,000 张 SysML 图表的数据集,并评估了语言模型在图表修复和跨图更新任务上的表现。 该数据集包含五类相互关联的 SysML 视图,其中 100 个上下文经人工验证形成基准测试集,最强模型在语义错误修复任务中准确率为 64.3%。 基准测试表明,模型在语法修复方面接近解决,但在跨图表语义一致性和更新任务上仍具挑战性。
提出了一种整合数据获取、时序预测、异常检测、风险评估、决策制定及可解释 AI 的闭环概念架构。 该架构旨在支持海事系统中自主或人机回路的纠正行动。 文章重点综述了相关海事研究的现状、方法优势及在不确定性、模型泛化和数据可用性方面面临的挑战。
研究人员发布营养智能体 ShanLiangRen,已上线为微信小程序,输出含具体食材和分量的量化膳食计划。 该系统提出个性化多目标膳食规划问题,利用精确检索增强生成缩小候选集,并通过 LLM 在确定性营养计算下迭代优化。
OTel 发布开放电信 AI 资源,包含 30 个全参数后训练基线模型,覆盖检索、重排序及指令微调等场景。 资源提供 10 个嵌入模型、3 个重排序器及 17 个语言模型的训练数据与评估分区,各模型性能分别达 93.1% NDCG@10、0.947 MRR@10 和 87.8% 准确率。
PERSIST提出了一种针对多会话、多说话人语音对话的持久记忆系统,通过3W联合评分机制结合语义、声学身份和时序状态进行检索,将检索延迟从578.42ms降至7.03ms。 系统引入SpokenTrace基准测试,PERSIST在此任务中达到85.08%的端到端任务准确率,并将BGE-large的EM@3指标从49.01%提升至82.10%。
AgentMemGate通过写入时门控消除记忆推测污染,使核心基准任务准确率从65%升至95%。 Mem0和Graphiti对未决计划的污染率分别为35.2%和27.3%;门控后污染降至零。该工作已被NeurIPS 2026 PALM Workshop接收。
summary_zh: ProbeGuard 提出基于共识形成过程而非最终结果来触发弃权,解决医疗 LLM 一致错误时传统一致性信号失效的问题。 该框架通过过程特征(如少数派持续性)和主动探针检索反向证据,将共识从错误到正确的区分度提升至 0.696 AUROC。
研究指出 LLM 智能体检索的记忆若部分重叠会误导推理,提出即插即用框架 MEMTRIM 缓解此问题。 MEMTRIM 在写入时索引证据、读取时控制复用,无需重训练即可消除重复或冲突信息,保留有用记忆。 该方法在多种模型和记忆架构下降低了记忆过度依赖,同时保留了有用记忆带来的收益。
Amazon Quick 和 Amazon Bedrock 通过实时 ACL 检查,在查询时直接向数据源验证权限,解决了 RAG 中访问控制滞后的问题。 该系统采用混合架构:首先利用向量索引进行语义搜索和预检索过滤,随后调用 Google Drive 等权威 API 实时验证候选文档,确保仅将用户有权访问的内容传入大语言模型。
Healthleap 完成 3800 万美元种子轮及 A 轮融资,资金用于扩展工程、产品与销售团队。 平台接入医院电子健康记录,利用语言模型提取临床笔记信息,已部署于超 50 家医院,识别营养不良及谵妄等症状。 所有客户均实现 5 倍以上硬性投资回报率,部分客户达 20 倍;公司计划覆盖 40 余种主要病症并拓展至院外护理。
summary_zh: Cornerstone OnDemand 基于 Amazon Bedrock 和 Strands Agents 构建多智能体系统 Orion AI,将数据库诊断时间从 45 分钟缩短至 10 分钟,降幅达 78%。
Qlik 基于 Amazon Bedrock 构建 Qlik Answers,提供带来源的企业级 AI 回答,已服务超 4 万客户。 自 2026 年 2 月正式版发布,其 Discovery Agent 已生成超 100,000 个发现;客户部署案例中,某公司响应时间缩短 75%,员工每周节省约 7 小时。
文章主张采用 Agentic RAG 作为 AI Agent 记忆的标准架构,摒弃固定向量 RAG 管道。 核心差异在于检索由 Agent 动态决策,而非预生成;Agent 可调用多种工具并迭代评估结果。 传统向量 RAG 易破坏文档结构(如表格、条款),且仅基于相似度而非任务相关性。
InBrief 是开源、可自托管的 AI 新闻聚合器,将 94 个信源经 LLM 管道做相关性过滤、双语摘要、标签提取与重要性评分,再经 SimHash 与 pgvector 两阶段去重存入 PostgreSQL。
Valkey 9.2 引入了无 fork 的 RDB 快照功能,旨在将数据库快照过程的内存预留从约 50% 降低到 10% 至 15%,以避免写操作导致的内存复制开销。该版本还新增了专为 LLM 键值缓存设计的 Path Hash 数据类型,并全面采用 AI 辅助的代码生成、审查与测试。
研究指出,基于大语言模型的合成受访者验证常偏离实际后果,建议采用新框架修正。 该框架要求声明与人类数据的对应层级,针对四个诊断维度进行评估,并必须报告子群体的效度结论。 框架将分配、程序及承认公平三个维度量化,通过电动汽车充电资费案例应用,旨在提升合成研究的公平性。
推出 Pleias-RAG-350m 和 Pleias-RAG-1B 两款小型推理模型,原生支持引用与事实溯源,并在 HotPotQA 等 RAG 基准上超越 4B 参数以下 SLM。
QRAKEN提出免训练的神经符号管道,通过离线蒸馏TTQL描述及在线诊断机制实现自然语言对RDF知识图谱的访问。 使用GPT-5.4在CK25基准上,QRAKEN达成0.652的严格F1分数,相比最强基线有32%的相对增益。 该管道结合本地35B 4-bit开放权重模型时,能以零边际成本匹配最强基线性能。
该论文提出了一种生产级内容提取系统,旨在解决生成式AI工作负载中异构企业数据(如PDF、表格)的提取难题。系统在180份文档语料库上,最佳提取器得分97.4/100,特征错误率0.13%,表格相似度0.995;分块器在25,050个生成问题上达到Hit@1 68.6%,MRR 0.77。
研究通过控制操作数与算术运算,测试Jev作为GPT-4.1-mini财务计算追溯验证器的表现,揭示同数值引用交换下的角色识别问题。 实验包含36个新源页面的构建后续测试,通过非作者审核员标记,暴露了角色错误检测与有效引用保留之间的权衡,使数值正确性、引用角色支持和接受结果可独立评估。
该综述聚焦于利用参数化对象在推理时增强 LLM 的记忆能力,提出以参数放置位置和获取时间两个维度构建分类体系。方法涵盖 Embedding、Attention 及 FFN 等层级的参数注入,并对比在线与离线获取记忆对象的差异。文章探讨了干扰、安全及递归自我改进等开放方向。
提出 Foresight-over-Graph (FoG) 框架,用于解决知识库问答(KBQA)中因局部贪心剪枝导致的证据缺失问题。 该框架通过“远到近”反馈引导路径探索,并维护紧凑的记忆子图以支持持续探索。 在 KBQA 基准测试中取得 SOTA 性能,其中 CWQ 任务的 Hit 指标提升 16.58%,同时减少了 LLM 调用次数和 token 用量。
基于 EverMemBench 的实验发现,将长期对话记忆系统的上下文窗口从 1K 扩展至 4K tokens,模型准确率可提升 10.11 至 17.98 个百分点,而单纯增加记忆结构深度并未带来单调的性能收益。
Redpine Science 提供模型访问同行评审文献的通道。在 ScholarQABench SciFact 上,接入该工具的 Agent 回答正确率为 94.4%,无检索时仅为 87.6%。 专家验证问题集中,其表现优于网络搜索;检索基准 Recall@10 达 83.1%,Precision@5 为 75.2%。 研究公开了专家验证问题集及复现结果的全部指令。
LORE-KV 提出一种免训练方法,通过采样目标模型自回归延续来评估 KV Cache 中 prompt token 的效用,并在 B=128 预算下显著提升长文本基准测试表现。
summary_zh: Kurate 系统利用大语言模型(LLMs)评估研究质量,在 4,347 篇论文的语料库中对 8 个设计维度进行评分。 该系统将判断关联至特定文本,在 60 份留出文档中,Kurate 与专家标注的协议得分点一致率为 221/242,AC1 达 0.94。
NavTree 是一种仅利用叶子节点的层级检索器,在同等成本下性能显著领先,是唯一在多跳长文档问答中击败 BM25 的层级方法。 该方法在索引阶段零 LLM 调用,构建确定性平衡段树,仅输出叶子块给阅读器,相比 RAPTOR 重实现具有成本优势。
提出一种基于光谱的非监督表示学习框架,用于从电子健康记录中提取罕见病临床概念的低维嵌入。 方法引入部分重叠子空间的宽人群知识矩阵,通过两步过程移除无关分量并恢复共享与异构分量。在真实的多发性硬化队列分析中,该方法在弱共享信号场景下性能优于现有方法。
现代性能优化型联邦学习系统中,梯度反转攻击难以实现高保真图像重构。研究系统评估了图像分类与目标检测任务,发现当前主流视觉架构在真实训练场景下能有效抵抗重建。 该结论基于对传统设计假设的区分,指出许多先前报道的成功依赖推理模式或架构简化等上界设定,而非反映现实训练流程。 这提醒风险评估需严格区分诊断性攻击环境与生产级部署系统。
针对 QK 归一化等导致注意力池化较弱的 LLM,ValueDiff 提出一种基于值向量 L2 偏差的值几何驱逐方法。 在 2k 预算下 RULER 基准测试中,ValueDiff 在 7 个模型中保留了 88-99% 的稠密性能,其中 6 个模型表现最佳;在 4k 预算下 LongBench 平均保留率为 92%,优于最强基线的 83%。
研究人员提出三种融合结构惩罚的距离图自编码器(GAE)变体,旨在提升动态图表示学习的效果。 方法引入基于度中心性的枢纽惩罚和基于 NC-LID 的节点级正则化项。实验显示,引入 NC-LID 正则化的方法在重建性能上 consistently 优于无结构正则化和仅含枢纽正则化的基线方法。 研究确认 NC-LID 是增强动态环境下距离图自编码器的有效结构信号。