跳到正文
11月6日周五
  1. arXiv · ML29

    英文校准削弱 Mixture-of-Experts 模型中的立陶宛语性能

    研究通过专家剪枝发现,英文校准无法有效迁移至立陶宛语。在 25% 剪枝率下,立陶宛语阅读理解的中等降幅达 21.4 分,远高于英文的 1.7 分。 模型在最终层表现出不对称路由:立陶宛语 55-72% 的专家选择集中在 8 个专家上,而英文仅为 19-39%。使用立陶宛语校准可保留 2.5 分更高的英文理解能力,证明压缩模型需按服务语言进行独立校准。

  2. arXiv · ML22

    TACT-KV:用于压缩医疗 VLM 三维 KV 缓存的三轴余弦变换

    TACT-KV 提出无校准的三轴余弦变换方法,压缩 3D 医疗扫描产生的海量视觉 token KV 缓存,消除结构内存墙。 方法对 KV 缓存执行可分离 3D DCT,通过逆向注水法分配比特预算并量化,6 个医疗 VLM 和 2 个 3D CT 基准中 12 个组合里 11 个取得最低 1-bit 预测翻转率。 在单 GPU 上,相同 HBM 限制下将解码批处理规模提升最高 8 倍。

  3. arXiv · AI45

    ARMs:基于插件式攻击的自适应多模态模型红队智能体

    论文提出 ARMs,一种利用推理增强多步编排的自适应红队智能体,旨在系统性评估视觉语言模型(VLMs)的安全漏洞。 该系统集成了 17 种红队算法并设计了 11 种多模态攻击策略,通过 epsilon-greedy 探索算法平衡攻击多样性与有效性。 实验显示 ARMs 攻击成功率平均高出基线 52.1%,在 Claude-4-Sonnet 上超过 90%。

  4. arXiv · ML30

    基于上下文感知自动化 NMR 结构解析的机器学习协议

    通过结合自动逆向合成分析生成训练集,该协议使 NMR 结构解析模型能利用分子前体等化学上下文信息。 模型在包含最多 40 个重原子的分子上,Top-15 准确率最高达 95.4%;即使上下文与目标分子不相关,模型性能也保持稳健。 此方法为提高各类光谱结构解析平台利用上下文数据的效率提供了有效途径。

  5. arXiv · ML22

    代理法用于衡量文生图模型中的种族偏见

    研究提出自动化方法审计文生图模型,利用美国反歧视法中的代理变量,对比模型输出与美国普查数据。 测试显示 Imagen 4 Fast 存在较高的种族表示偏差和皮肤色调单一问题;Stable Diffusion 3.5 在肤色多样性方面表现最佳。 该方法提供具有法律基础的审计工具,能在不依赖隐式公平定义的情况下揭示模型输出的详细偏见。

  6. arXiv · ML24

    卵巢癌多组学数据合成:一种生物学启发的评估框架

    该研究提出生物学启发的患者互斥框架,用于评估合成RNA表达与CNV数据,并应用于DECIDER高级别浆液性卵巢癌队列。 框架通过比较真实训练与留出数据一致性来评估模态保真度及RNA-CNV间一致性,结合训练数据邻近性诊断。 研究基于变分自编码器改造了三种多组学集成架构,该协议为多组学生成器比较提供基准。

  7. arXiv · AI30

    ReferClaw:面向第一视角助手用户意图消歧的智能体框架

    ReferClaw 提出一种将第一视角流式问答转化为交互过程的智能体框架,通过询问澄清问题来解决用户意图歧义,从而减少意图错位答案。 框架由识别候选解释、请求澄清和基于视觉证据生成答案的协作智能体组成,并采用成本感知策略平衡信息增益与用户努力。 在第一视角问答基准上的评估显示,该框架在答案准确性和联合答案与依据性能上优于现有基线,并具备零样本跨数据集迁移能力。

  8. arXiv · AI33

    UniGADD:通用生成器无关的深度伪造检测器

    UniGADD提出一种生成器无关的深度伪造检测方法,在已知生成器上达到SOTA水平,且在未见过的生成器上显著优于现有方法。 该方法采用两阶段优化:第一阶段利用对比损失学习判别性特征嵌入,第二阶段仅对真实样本优化嵌入空间以增强泛化性。

  9. arXiv · ML30

    BEEMO 框架通过解耦行为预训练扩展神经运动解码

    BEEMO 框架利用未配对行为数据辅助神经解码,在灵长类动物非侵入性实验中显著提升新任务迁移性能。 该框架通过交叉注意力层独立扩展行为与神经监督,仅用行为数据预训练即可媲美更大规模神经数据集模型。 代码已公开,为低成本构建跨任务通用神经解码模型提供可行路径。

  10. arXiv · AI26

    基于动作条件 VLM 的自动驾驶语义异常监测研究

    研究提出一种动作条件视觉语言模型(VLM)监测方案,用于识别自动驾驶在语义异常场景中的不当行为。 方案通过比较场景预期动作与实际自车轨迹判定异常,在两阶段协议中于 235 个片段上实现 83.0% 准确率及 0.773 异常召回率。 该方法优于仅基于视频的单阶段基线,为提升复杂场景下的自动驾驶安全监测提供了技术路径。

  11. arXiv · AI26

    PSGAgent:基于智能体推理增强多模态大模型全全景场景图生成的动态视觉感知

    PSGAgent 提出一种基于思考-行动-观察循环的智能体框架,通过区域放大与视觉高亮工具解决 MLLM 在全全景场景图生成中的静态感知瓶颈。 框架采用两级训练管线,先利用高质量多模态思维链数据集进行冷启动,再结合 GSPO 优化层级奖励机制以自适应使用工具,在 PSG 基准上取得 SOTA 性能。

  12. arXiv · AI27

    SD-LoRA:面向少样本视觉语言适应的训练时结构蒸馏

    SD-LoRA提出训练时结构蒸馏框架,通过图教师模型在训练阶段利用token级图推理,将其结构先验隐式蒸馏至轻量级CLIP-LoRA骨干中。 推理时丢弃图教师,仅需单次CLIP-LoRA前向传播及基于缓存的分类器,无额外图计算开销。 在11个少样本基准测试中,SD-LoRA相比强力CLIP-LoRA基线在1/2/4/8/16-shot设置下分别提升2.4/1.8/3.0/2.4/2.0个百分点。

  13. arXiv · AI23

    GENIQ:利用文生图生成器自身图像进行皮肤病灶分割

    研究人员提出无需训练的GENIQ方法,通过文生图扩散模型生成健康皮肤与病灶图像构建原型,解决概念词注意力在皮肤镜图像中不可靠的问题。 该方法从生成图像中获取的皮肤-病灶方向与真实病灶分离方向对齐度更高,结合无标注图像中的极似皮肤/病灶斑块进行原型精化。 在三个皮肤镜测试集上,GENIQ取得了0.85-0.88的Dice分数,优于零样本及基于词的方法。

  14. arXiv · AI21

    NPCBench:鼻咽癌多模态诊疗路径推理的临床实习基准

    NPCBench 提出涵盖 4,777 项任务与 100 名患者诊疗轨迹的临床基准,测试 30 个模型在多模态证据下的联合决策能力。 在 21 个多模态模型中,严格诊疗路径成功率最高仅 23%,显示单点任务高分无法保证整体诊疗正确。 该基准拓展了医学 AI 评估范式,为肿瘤护理中基于证据的时间连贯推理提供测试平台。

  15. arXiv · AI29

    Qwen3-VL-8B-Instruct 模拟视角下的表征与行为解离研究

    研究在 Qwen3-VL-8B-Instruct 上考察视角模拟如何重塑内部表征,发现提示框架对表征的影响强于身份,而身份对行为判断影响更大。 在 100 张图像和 53 种条件下,早期层编码图像身份,后期层形成角色结构;最小身份声明可改变表征而不改变响应。 结果证明表征距离不必然反映行为相关性,揭示了人工认知系统中内部几何结构与功能后果的根本区别。

  16. arXiv · AI25

    GuidedWAM:自动驾驶世界动作模型的免训练能量引导框架

    提出免训练框架 GuidedWAM,在采样时向冻结的自动驾驶世界动作模型注入驾驶目标,无需重新训练。 构建可微能量作用于采样器中间动作估计,通过引导调度和速度受限修正稳定生成;在 NAVSIM v2 hard-split 上使公开模型 EPDMS 提升 1.8 至 3.6,单步采样时间增加不足 10%。 将能量引导确立为 WAM 的实用后训练控制通道。

  17. arXiv · AI28

    CST-Bench:基于因果转换在线策略自蒸馏的反事实空间迁移推理基准

    提出 CST-Bench 基准,包含 7,082 个样本,覆盖 6 种干预类型和 12 种变换算子,用于评估反事实空间推理。 基准测试表明,普通空间推理有效的方法在反事实干预下可能失效。 提出 CT-OPSD 方法,利用 CST-Bench 注释指导教师模型学习反事实状态转换,并蒸馏到仅基于真实观测推理的学生模型,作为提升模型的反事实空间推理监督资源。

  18. 量子位53

    网易有道上线互动式数学讲题Agent“欧拉讲题”

    网易有道推出互动式数学讲题Agent“欧拉讲题”,已在应用市场上线,通过分步骤讲解、个性化互动追问和动态板书推演,辅助学生理解解题思路而非仅获取答案。该产品基于有道自研的“子曰”系列模型,重点提升在几何、函数等场景下的视觉数理处理能力与多轮交互体验。

  19. 量子位35

    海亮科服基于 OpenSpan 生涯大模型推出 e生涯服务平台,提供 AI 生涯规划服务

    海亮科服基于 OpenSpan 生涯大模型推出 e生涯服务平台,提供免费基础 AI 生涯规划服务。 平台内置 Skill 专家智能体,r43 版本内部评测可用率为 92.1%,支持成长档案持续追踪与政策数据更新。 该服务旨在帮助家庭核对选科与升学条件,降低获取专业规划指导的门槛。

  20. Hacker News AI20

    AI 能否赋予 NFT 第二次机会

    瑞士圣加仑大学教授 Andrea Barbon 认为 NFT 有望通过为 AI agent 提供可验证的唯一身份来推动 AI 安全发展。 NFT 技术核心在于描述特定数字或实物资产的权属,Ethereum 等区块链提供商正致力于构建用于验证 AI agent 的系统,使其可信度可被识别与评级。 这一应用方向为 NFT 开辟了连接 AI 时代的新前景,使其不再局限于单纯的收藏投机。

  21. Hacker News AI90

    Tencent 发布 Hy4 开源多模态模型

    Tencent 发布新一代开源多模态大模型 Hy4,引入视觉理解与 computer-use 能力,支持通过 CLI 和 GUI 执行复杂长程任务。Hy4 在金融盲测中以 3.04 分超过 DeepSeek-V4.1-Flash-1017 等竞品,成为 213 名专家评测中表现最佳的开源模型;同时通过专项搜索优化将幻觉率从 Hy4 Preview 的 12.95% 降至 7.2%。

    同一新闻,精选展示《腾讯混元 Hy4 正式版发布》