FlexMARL:用于基于LLM的多智能体强化学习的图驱动Rollout-Training协同设计框架
提出FlexMARL框架,解决大规模基于LLM的多智能体强化学习中的基础设施瓶颈。在生产集群测试中,该框架实现最高7.3倍的推理加速,并将硬件利用率提升高达5.6倍。
提出FlexMARL框架,解决大规模基于LLM的多智能体强化学习中的基础设施瓶颈。在生产集群测试中,该框架实现最高7.3倍的推理加速,并将硬件利用率提升高达5.6倍。
Matcha 通过平移、旋转和扭转空间的三阶段流匹配优化配体构象,并利用 GNINA 进行最小化、过滤和排序。 该模型在各项基准测试中展现出最强的物理有效性,运行速度比现代大规模共折叠模型快约 28 倍。代码及基准测试工件已公开提供。
InfoDiffusion 算法为扩散模型增加低维隐变量,通过互信息正则化学习目标,捕获数据的高层变化因素。 该方法学习到的表征解耦且可解释,性能与最先进的生成及对比方法具有竞争力,同时保留高质量样本生成能力,可用于操控生成图像属性。
LLM将对竞争假设分析技术规模化,用于生成并更新检测威胁行为者的演化逻辑签名。该机制能匹配攻击活动的宏观模式,而非单一指标,并可发现未知的新指标。 语言模型将报告转化为检测模型,驱动签名更新循环,将未知威胁转化为可识别的已知目标。
研究测试了 Llama 3 8B 和 Qwen 2.5 7B 在 4 级 Bug 严重性预测上的效果,发现其微调后 macro-F1 分别为 0.526 和 0.485,未显著优于 CodeBERT 的 0.518。
RoboJev-27B 作为开源权重模型,在 SO-101 机器人 268 个留出回合上取得 95.2% 平衡准确率,支持任务指令与多帧视频输入以预测操作成功。 模型基于 JEV-27B-VL 仅微调语言模型(冻结视觉编码器),单条推理耗时 0.26 秒;在未知实验室数据上泛化 AUROC 达 0.890。 发布附带推理代码与 20,628 条预测记录,便于复现与 benchmark 评估。
研究提出生成式框架 FlowMesh,结合置换不变编码与潜空间流匹配,在非结构化网格上直接生成热流体场。 在六组匹配种子评估中,FlowMesh 的宏观平均概率密度函数覆盖率达 91.7%-97.0%,较潜扩散模型提升 11.6-45.4 个百分点。 单次全场生成耗时约 1.23 秒,相比传统 CFD 仿真提速 585-1902 倍,使大规模数据驱动分析在固定几何能源系统中具备可行性。
研究提出SORD算法,利用二值腐蚀支持图与预训练扩散模型迭代恢复信号。 该方法无需配对数据或腐蚀统计模型,在图像和音频任务中表现优于基线。 代码已开源,展示了扩散模型在复杂信号恢复中的应用潜力。
科学发现方法论因领域而异且动态演化,传统大语言模型引导的进化搜索框架依赖固定程序或受限组件,难以应对运行时新挑战。研究团队提出 Organon,一种递归自改进智能体框架。
LUCID 是一种新的模型无关局部变量重要性指标,它利用给定其余观测特征的完整条件分布生成可信扰动值,避免了生成不现实的反事实。该方法建立了 LUCID 与现有变量重要性度量的理论联系,并提供了具有收敛保证和不确定性量化的估计器。在模拟和现实世界实例中,LUCID 展现出稳定的性能和实际效用。
CoPE-CGL 提出一种无重放框架,利用多跳拉普拉斯平滑预计算的结构先验锚定学习与推理,每个任务仅增加常量存储且不留存历史数据。 该方法在 Arxiv 和 CoraFull 数据集上的平均性能(AP)分别为 95.17% 和 95.72%,运行速度快 5.9-14.0 倍并实现零遗忘。
研究者提出无需训练的 BellowsKV 方法,通过映射相邻层隐藏状态到单一潜变量实现 KV 缓存跨层共享。 在 Llama-3.1-8B、Mistral-7B 和 Qwen2.5-7B 上,BellowsKV-Quant 在 3.6 倍压缩比下保留约 99% 全缓存准确率,13-14 倍压缩下保留 97-98%。 该方法解决了高压缩率下跨层共享缓存精度急剧下降的瓶颈。
Sparse SOS Layers 在保持认证保证的同时,将大问题的内存占用从 160 GiB 降至 1.7 GiB,总热调用时间最高提速 2.7 倍。 该层通过重用前向求解的局部坐标避免构建密集证明,实验涵盖多项式认证、摆控制及位姿图同步等场景。 设计研究在未见实例中实现零认证违规,所需优化求解次数约为有限差分法的 7 分之一。
研究提出 MOFjson 表示法,将结构数据分为原子层和衍生层,并在基准测试中表现优于三个基线模型。 在四个模型测试中,MOFjson 在“到达块最近周期副本”任务准确率达 100%(基线 18-47%),晶系表征达 96%(基线 71%),配位任务达 60%(基线 48%)。 该表示法为智能体工具工作流和受限 MOF 生成奠定了基础。
提出硬件感知的静态稀疏注意力方法INTRA,基于中继通信视图和CQS约束,通过互补稀疏组在层间提供短介导通信路径。 在A100上,INTRA在2K FLUX.1-dev生成中实现1.53倍加速,且在LoRA自蒸馏后图像质量优于CLEAR配置;在LLaMA-3.1-8B上提升长上下文预填充效率,注意力基准测试中较MoBA和NSA分别实现8.4倍和10.4倍加速。
研究提出反应式优化器 OPAL,利用预训练语言模型智能体在单次训练运行中检查动力学并重写优化器代码。 在语言建模和图像生成任务中,OPAL 匹配或优于固定配方,可调整学习率、精度及动量,并展示了对数据损坏的适应性。 该方案无需针对特定优化器的元训练或跨运行记忆转移,代码已开源。
研究者提出联邦整合两步合成(FITS)框架,旨在联邦设置下生成混合类型表格合成数据。 该框架核心利用局部线性回归估计条件累积分布函数,并通过持续化方法将离散变量无损映射至连续空间,以实现统一的连续表示。 实验表明,使用 FITS 生成的合成数据能够提升所有客户端在下游任务中的表现。
研究提出基于模型信息量的缩放定律,揭示扩散模型训练中的非线性记忆与线性泛化两个定性不同的 regime。 该定律量化了模型信息随规模和数据量的变化,并能外推至拟合域之外,指导记忆与样本质量优化。 代码已在 GitHub 公开,为扩散模型的信息论特性提供原理性解释。
针对软件工程智能体难以跨任务复用经验的问题,研究团队提出 MemOp 闭环框架。该框架将“经验证的下游影响”确立为任务无关的记忆效用基准及免标注优化信号,旨在解决智能体重复重建上下文的痛点。
Crazyflow 是支持基于模型与数据驱动方法的开源无人机仿真器,基于 JAX 结合高保真动力学实现加速与可微分。 支持单 GPU 运行数百万环境,实机实验实现 0.37 秒从零训练恢复策略,并支持在线飞行强化学习。
论文提出 DIAL 方法,通过信号无关的反事实探索训练稀疏门控,以学习不同环境下的效用方向。 该方法在 6 个环境和 3 种基础模型上展示了比固定方向基线更强的成功-成本权衡。代码已开源,文章被 NeurIPS 2026 接收。
研究人员提出 BRIDGE,一种统一的端到端架构,将序列模型与图模块在单一目标下耦合,允许梯度在两个组件间流动以学习任务对齐的表示。 该架构引入 TOKENXATTN 层实现序列事件间的 token 级交叉注意,在关系预测和欺诈检测任务中,BRIDGE 在排序和分类指标上均优于静态图模型、时序图方法及仅序列基线。
大语言模型(LLM)被用于构建名为COAT(Causal representatiOn AssistanT)的新框架,该框架利用LLM的世界知识为因果发现(CD)提出有用的测量变量。
AgentForge-Bench 发现 81.1% 的由模型驱动的智能体任务成功修改 PDF 金额、日期或地址。 在 1,750 个测试单元中,46.2% 通过严格验证;确定性脚本仅解决 98 个文档,智能体解决 124 个。 模型误报率 41%,最低验证伪造成本为 2.4 美分。
GENCO 统一神经求解器支持稳态输电电网的潮流计算、最优潮流和状态估计,最高较 Newton-Raphson 快 30 倍,较 IPOPT 快 85 倍。 开源 GridFM 开发框架标准化了合成数据生成与低代码训练,并发布了数百万 PF 和 OPF 场景的大规模数据集。 该系统大幅降低了电力系统工程师的使用门槛,标志着向电网基础模型(Grid Foundation Models)迈进。
提出ICCU(上下文持续机器学习)框架,通过诱导可读拒绝规则在推理时过滤或注入系统提示,无需修改模型参数即可移除特定数据影响。 规则作为顺序无关的并集累积,具备可组合性且无跨请求干扰,生成规则后可丢弃原始遗忘集数据。 实验证明ICCU有效抑制目标知识同时保持效用,具备可扩展性,且对改写、跨语言及对抗性查询保持鲁棒。
提出基于Shapley Interaction Index的可扩展指标 $\mathcal{F}_{syn}$,用于严格隔离VLM中模态间的联合协同。该指标在 $\rho = 0.93$ 保真度下实现高达88倍计算速度提升。
基于 Qwen3-4B 的 Terminus-4B 通过 SFT 和 RL 训练,在智能体终端执行任务中性能媲美甚至超越 Claude Sonnet 及 GPT-5.3-Codex 等前沿模型。 在 SWE-Bench Pro 等基准测试中,该模型使主智能体 token 消耗降低约 30%,且未损害任务性能,显著提升了主智能体对子智能体输出的依赖度。
CounterFlow 提出一种基于条件流匹配的新框架,通过直接引导源图像转向用户指定目标类来生成视觉反事实解释。 利用目标条件向量场,该框架在标准基准上达到 SOTA 性能,兼顾视觉真实感与目标类切换,且计算开销低于传统 GAN 或扩散架构。 直接在原始像素空间工作,CounterFlow 为真实世界部署提供了更具实用性的解决方案。
开源软件 KAPPA 利用 Claude Code 运行语言模型智能体,将 LaTeX 统计论文的证明翻译至 Lean 4 并逐一验证,对每个结果给出四种判定。 系统让独立智能体编写与审查代码,比对原文,确保证明步骤跟随之前的证据可重跑,无需语言模型即可复现判定。 盲测发现三篇已发表论文中被公开修正前的版本里的错误,验证了工具在发现证明谬误上的有效性与可靠性。
研究者提出一种层级式多目标马尔可夫决策过程,用于长期 AI 数据中心建设规划。 采用偏好条件化的多目标智能体,通过半马尔可夫管理者-工作者架构,在成本、碳、水和可靠性之间生成可引导的策略族。 该方法基于真实数据验证,环境、智能体及评估工具已开源。
Gangqinpu 发布了一个包含 18,786 组乐谱-演奏对、1,007.1 小时源音频的多流派钢琴数据集,具备自动音符级对齐功能。 该数据集覆盖流行、古典、爵士、民谣、摇滚及布鲁斯,通过自动管道生成标签并构建与 ASAP 的联合划分。 下游实验表明其在节拍跟踪任务中取得跨数据集增益,且在转写与表现力渲染任务中提供域内收益。
该模型是基于AGI数学理论首个工程实现的MetaPred框架,将上下文表征与预测读出耦合于单一动态状态。 其性能与同规模GPT基线相当,证明了该数学派生机器学习范式的工程可行性。
研究提出 GalaxyTS 数据集与 PCR 方法,证明在冻结 Transformer 骨干上,持久通道特定混合优于输入依赖路由。 PCR-K4 在四个预测时程上取得 3.86-14.25% 的均方误差降低,且可训练参数显著少于竞品。 该方法为时间序列预测中的共享与专门化权衡提供了可控基准与即插即用解决方案。
研究提出将 Courant-Friedrichs-Lewy (CFL) 信号作为边局部特征融入图神经网络(GNN),以增强双曲偏微分方程建模能力。 在架构不变的前提下,当边缘信息明确分离方向与空间尺度时,CFL 条件化使最终步骤误差降低 10.4% 至 14.4%,且随步长增加改善幅度扩大。 该设计原则表明 CFL 调制需基于已分离的交互方向,从而有效抑制激波附近的数值振荡。
研究在树莓派 5 上评估离线 RAG 信任机制,提出 C0-C4 连通性状态框架。检索评分门控检测知识缺口 AUROC 达 0.97;3B 模型以不到一半时延和能耗达到与 7B 模型相同的正确率。 已签名有毒数据包可通过所有包检查,导致 30 道原本正确问题正确率降至零,现有机制未能确立证据真实性。
提出 Pacifo 框架,通过定制微调策略高效评估 ResNet20 模型。 采用公私密层划分和高效 ReLU 近似,减少私用层和 FHE 操作。 比当前 SOTA 快 3.7-21.7 倍,保留 95%-99% 原始精度,开源可用。
AnalogPortBench 包含 54 个从 0.18 μm 移植到 SKY130 PDK 的任务,评测发现 6 种前沿 LLM 难以重新设计放大器且极少识别不可行规格。 实验采用两级推理和仿真反馈,结果模型从仿真反馈获益更多;代码和数据已公开。
研究团队提出 RADAgent,利用开源权重大语言模型(LLM)自动执行 RADseq 基因测序分析流程。该方法将工作流映射为 16 个独立可执行的智能体模块,并采用模型无关运行时支持故障恢复。在包含 19 个群体、476 个样本的真实数据集测试中,RADAgent 成功在本地环境完成全流程自动化,代码已公开。
CLOSURE 提出将可恢复性与跨通道一致性分离为两个正常数据预测任务。可恢复性由条件扩散重建器解决,一致性由关系闭环算子通过稀疏带符号门控预测其他通道实现。 该方法在公共基准流上持续优于近期基于重建、频率和拓扑的检测器,验证了同时考察一致性与可恢复性的价值。