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。
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。
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。
基于脱水特征编码,训练 GPT-2 风格 Transformers 生成三维流形三角化。最佳模型含 10 个块、宽度 640,以 6.9% 比率生成闭流形脱水特征,其中 82% 为球面。
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%。
SOCIA-$\nabla$ 是诊断驱动的多智能体框架,在 LLMob 等基准中实现最强模拟器保真度。 LLM 驱动的智能体迭代生成、执行并修复模拟器代码,通过文本计算图与历史记忆将行为残差转化为局部修复信号。 代码与数据公开,论文被 ACM SIGSPATIAL 2026 会议接收。
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。
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。
THG-Omni 框架结合 Segment Anything Model 3 参与者轨迹与 Qwen3-VL 时序注释,提升视频推理证据可追溯性。 在 NExT-QA 上,使用匹配图准确率达 89.54%,无图输入为 85.10%;紧凑图输入达 78.22%。 该框架通过结构化图增强社交推理与情绪理解能力。
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。
提出 InfMasking 框架,通过无限掩码学习模态间协同信息,避免融合模块依赖主导模态或共享信息。 优化闭式变分边界以控制群体矩间隙,在基准测试中提升预测性能、平均 PID 估计值及 InterSHAP 交互归因。 代码已开源,论文已被 IEEE TPAMI 录用。
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。
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。
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。
研究评估了第 1 天多模态 MRI 对急性缺血性卒中 3 个月功能预后的预测价值。FLAIR-临床融合模型表现最佳,交叉验证 AUC 达 0.948 ± 0.061,优于 ADC-临床融合(AUC 0.941 ± 0.094)。
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。
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。
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。
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。
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。
研究在5个知识图谱上基准测试了5个大语言模型(GPT-5.1、Gemini 2.0 Pro、Llama 3、Qwen、BioGPT)。通过多层级查询数据集评估了模型在感知图谱和无关图谱条件下的推理深度与事实准确性。
提出RM-VLM方法,利用大语言模型从自然语言描述生成奖励机,并由视觉语言模型在图像观测中接地命题。 该方法在非线性格世界导航、机器人操作及3D物体收集三个领域验证,RM-VLM的任务成功率持续高于现有基于VLM的奖励方法。
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。
PCBRouteAgent 是一个多模态 PCB 布线智能体,旨在结合全局策略规划与本地执行。在 PCBWorld-Bench 的 4 个测试子集上,它实现了 40% 到 100% 不等的清洁通过率。
通过多模态潜在扩散模型生成合成样本,提升罕见金融窗口分类效果。CVaR 定义罕见窗口,XGBoost 分类器 AUC 达 0.953 - 0.960。 该模型在四个窗口长度上优于表格扩散基线。发表于 NeurIPS 2026 MLxOR。
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。
大型视觉语言模型在组合性安全基准上表现强劲,但CMaG无训练方法证明其安全机制存在内部脆弱性。在Qwen2.5-VL-7B和LLaVA-1.5-7B上,CMaG最多降低组合性安全评分65分,同时保持超98%输出连贯性,且方向可迁移至防御性训练加固的模型。
针对多视图数据缺乏先验结构的场景,研究引入 CANEns(CAnonical correlation NEural networks),利用视图内和视图间协方差作为关系归纳偏置直接解决下游任务。
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。
研究提出可扩展贝叶斯高斯过程分类框架,基于 Phikon 嵌入和 RPCholesky 加速计算,在约 30 万训练点下实现可处理的 HMC 后验采样。 框架在 PCam 和 CAMELYON17-WILDS 基准测试中,将期望校准误差降低最高 88%,假阴性率降低最高 90%,在分布偏移场景下效果显著。
提出服务器端稀疏专家分配框架 S³-MoE,通过利用局部观测和探索机制恢复客户端相关的专家。 S³-MoE 相比使用全量专家的 FedAvg 平均准确率提高 1.31 个百分点,但每个客户端仅需加载 5 个专家。 该工作已被 2026 IEEE ITW 会议接收。
研究提出跨智能体形式化协议,发现验证成功不等于独立一致。在 96 份临床试验文档上评估,强模型担任实现者时一致性达 53.0%,反转角色仅为 14.3%。 最强配置 GPT-5.6-luna/GPT-5.4-mini 一致性为 34.4%,且受直接矛盾主导。
World Labs 发布研究预览 Demo Frameboy,基于深度推理优化后的自回归世界模型 Atlas,允许用户通过浏览器从云端 GPU 以最高 15 fps 帧率实时探索由单张图片生成的 3D 空间。
同一新闻,精选展示《World Labs 推出 Frameboy 实时世界模型应用》
Meta 个人 AI 助手 Muse 正式上线实时语音对话与虚拟形象功能,用户可通过电话图标直接交谈并随时打断。该功能基于 Muse Realtime Voice 和 Muse Realtime Avatar 模型,可流式输出 448×768、25 帧每秒的竖屏视频,响应延迟约 870 毫秒。
蚂蚁百灵团队发布原生多模态模型 Ling-3.2 Flash,拥有 560B 总参数、25B 激活参数及 1M 上下文窗口,支持图像、文本与视频输入。
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。
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。
Google Research 在 Nature 发表论文,介绍了名为 AI-PPG-ACC-HTN 的多模态人工智能系统,该系统利用消费级智能手表的光学传感器(PPG)和加速度计(ACC)数据,无需传统臂带校准即可被动检测高血压迹象。
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。
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》
Meta 宣布面向美国用户正式开放 Muse 的 Muse Voice 功能,用户可与 Muse AI 数字人进行视频通话。该功能基于 Muse Realtime Avatar 和 Muse Realtime Voice 技术,支持用户自定义数字人形象(如默认形象 Jolly 或类似真人、动物的角色)。