跳到正文
11月17日周二
  1. arXiv · NLP39

    大语言模型自动化文献筛选与知识合成框架

    该 LLM 驱动的自动化框架在三项材料科学筛选任务中表现优异,11 个模型中 7 个平衡准确率超 0.90,最高达 0.96-0.98。 框架在 4 分钟内完成 10,000 条记录筛选,对比人工所需的 83 人时,效率提升显著。 通过提取全文结构化信息,该框架可揭示方法趋势,支持假设发展与数据驱动发现。

  2. Hacker News AI45

    Show HN: Emergency-AI – 离线知识库与 AI 聊天应用

    Emergency-AI 是一款在本地计算机运行的离线应用,支持在无互联网情况下读取指南并检索知识库。 安装后可使用 LFM3 1.7B 模型进行本地 AI 问答,最低需 8 GB 内存且无需独立显卡,额外库空间约 3 GiB。 应用基于浏览器访问,支持手机同网连接,明确声明其教育性质且不能替代专业紧急服务。

  3. AWS Machine Learning Blog40

    Amazon Bedrock Managed Knowledge Base 新增表格搜索功能

    Amazon Bedrock Managed Knowledge Base 新增表格搜索,支持通过 Agentic RetrieveStream 接口解析 CSV、XLSX 和 XLS 文件。 该功能在隔离沙箱中运行代码,结合文档事实回答需跨行计算或查值的分析问题。 此功能适用于与文档共存的表格文件,无需定义 schema,但涉及数据仓库级连接时仍建议使用 BI 工具。

  4. The Decoder65

    Anthropic 认为智能体记忆的关键在于选择遗忘而非增加存储

    Anthropic 发布研究称,智能体跨会话记忆的核心在于“有选择地记录”而非“全量存储”,并可通过 Dreaming(梦境)机制在空闲期纠错。测试显示,Claude Fable 5 在宝可梦任务中因仅记录策略和规则,比记录 413 个文件的 Claude Sonnet 3.7 走得更远;Dreaming 还帮助修正了关于 Mt. Moon 的错误记忆。

11月16日周一
  1. arXiv · NLP20

    临床问答中LLM长上下文理解能力研究

    研究发现,在纵向患者电子健康记录上,RAG混合排序优于全上下文提示,但RAG在纵向推理方面落后。 医学微调模型未带来可测量的性能提升,较小模型表现出更强记忆能力,长程补充笔记有助于生成式问答。 推理模型在LLM正确性指标下提升,但在更严格的参考对齐指标下表现不佳,揭示了对推理适配指标的需求。

  2. arXiv · NLP26

    RAG-FGO: 生成式 RAG 中查询重写智能体的动态优化

    RAG-FGO 提出了一种针对生成式 RAG 查询重写智能体的动态优化框架。 该框架将查询重写建模为混合离散-连续空间中的黑盒优化问题,引入精英保留内存池以缓解噪声反馈对优化稳定性的影响。 实验结果验证了该方法在多样化 benchmark 上的有效性与鲁棒性。

  3. arXiv · ML26

    SA-RAG:为检索增强生成构建嘈杂对话的结构化方法

    SA-RAG通过从嘈杂对话数据中直接构建表格结构,解决了传统RAG在处理噪声上下文时的可靠性问题。 该框架结合质量感知的结构归纳方法,同时支持免训练和基于训练的结构生成策略,在两个真实数据集上显著优于现有RAG基线。 结果表明,高质量的结构化表示对鲁棒RAG应用至关重要。

  4. arXiv · AI21

    Larch:面向语义谓词的自学习查询优化框架

    Larch 框架通过优化 AI SQL 查询中语义过滤器的执行顺序,在多种数据集上显著降低 token 消耗。该框架包含 Larch-A2C 和 Larch-Sel 两个变体,分别利用图神经网络建模和监督学习预测选择性来指导动态规划。 实验结果显示,Larch 比 Palimpzest 和 Quest 减少 6%-30% 的总 token 成本,并将 token 开销降低 3-19 倍。

  5. arXiv · ML25

    利用稀疏自编码器解释医疗检索中的嵌入模型可迁移性

    稀疏自编码器将医疗检索中的稠密嵌入转化为可解释表示,在6个医疗数据集上验证了其有效性。 模型结合重建目标与InfoNCE对比损失,在域内检索性能提升的同时,在分布外数据集上性能下降幅度小于稠密嵌入,且特征语义可通过激活它的查询和文档推断。 该方法揭示了特定文档被检索的原因,其可解释性可迁移至训练分布之外,有助于理解医疗AI系统的内部机制。

  6. arXiv · AI26

    GraphScent: 校准方向性相关信号以实现有界上下文代码定位

    研究揭示 Gemma 4 模型在零温度下对上游调用方的相关得分能显著区分真实结构邻居与干扰项,而对下游调用方得分接近随机。基于此发现,提出免训练的 GraphScent 搜索控制器,通过传播关系条件对数似然比在运行时 Typed-AST 多图上定位缺陷。该方法在单 GPU 预算下,将 31B 模型在词汇困难目标上的精确定位准确率从 12.8% 提升至 23.4%。

  7. arXiv · AI33

    AI-Voyager:支持人类-AI 公民推理以审视和塑造 AI 治理规则的公益系统

    研究团队提出公益系统 AI-Voyager,通过人类与 AI 协作理解、质疑并制定 AI 治理规则。 该系统将 3,653 份政府治理文件转化为保留页码和版本的段落,通过限定范围智能体搜索检索证据,在 360 个新问题上实现 83.0% 宏召回率,优于最强基线的 80.5%。 通过绑定公开文档原文,AI-Voyager 引入了操作语法和设计空间,指导此类系统的设计评估及公众参与 AI 治理。

11月15日周日
  1. Simon Willison34

    datasette-llm 0.1a11 支持 OpenAI 兼容端点

    datasette-llm 0.1a11 新增对 OpenAI 兼容端点的配置支持,允许用户连接任意遵循该协议的 LLM 服务。该插件通过 `default_model` 参数可对接 LM Studio、Ollama 或 llama.cpp(刚发布 v1.0.0)等本地推理工具。用户利用 `uvx` 命令即可部署由本地模型驱动的 Datasette Agent 实例。

11月14日周六
  1. Hacker News AI70

    QuAIA:开源多智能体系统实现全自动化测试流程

    QuAIA 是一个基于 AGPL-3.0 协议的开源多智能体测试系统,通过专用 AI 智能体覆盖从需求审查到缺陷报告的全流程。系统无需编写测试脚本,UI 智能体直接通过屏幕交互运行测试并支持多语言与动态数据格式,能够在学习用户专家演示后自主执行测试。该架构基于 A2A 和 MCP 标准连接 Jira、Zephyr 等工具,支持在用户自托管基础设施中运行任意大模型。

11月13日周五
  1. IT之家35

    语飞国际中文教育垂直大模型亮相

    2026 世界中文大会在北京开幕,会上发布语飞国际中文教育垂直大模型,为全球中文学习者、教师和教育机构提供智能化服务。 该模型面向学习者提供即时反馈评测与个性化辅导,面向教师生成涵盖课前、课中、课后环节的教学素材,并面向教育机构提供标准化接口。 这一发布将人工智能技术与国际中文教育实际需求结合,助力该领域数智化发展。

  2. arXiv · NLP45

    SLIDERS:面向系统综述的自主数据库协调证据综合

    SLIDERS 是一种基于 LLM 的方法,通过自主编码智能体迭代编写 SQL 协调证据,在 BrowseComp+ 基准上达到 90% 准确率。 该方法解决了 LLM 助手在系统综述中覆盖标准不足的问题,支持跨文档去重和冲突解决。 作者引入了 WikiCeleb100(3.9M tokens)和 FinQ100(36M tokens)两个新基准以评估可扩展性。

  3. arXiv · NLP35

    并非所有缺口修正都有益:LLM推理中外部信息的几何视角

    论文指出外部信息对LLM推理的缺口修正可能存在过度修正现象,反而损害模型性能。 作者从推理误差角度分析Transformer,揭示修正向量由注意力机制与信息互补性共同决定,并推导出信息在方向和幅度上恰当修正的几何条件。 通过在四种主流LLM和七个推理基准上的实验,验证了理论并支持了一种基于理论指导的信息选择方法。

  4. arXiv · AI26

    AstroMemBench:面向航天器具身智能体记忆系统的基准

    AstroMemBench 是一个针对航天器具身智能体记忆系统的基准,包含 16 项记忆子挑战、140 个模板和 2240 个实例。 该基准通过确定性环境评估任务完成度、状态变化、安全性和资源使用,涵盖行星表面作业、在轨服务和深空探索等九大任务。 实验显示 Mem0 等在会话重启后优于 RAG,支持航天器具身智能体记忆系统的设计与选型。

  5. arXiv · NLP26

    CoMem:基于对比记忆学习的选择性上下文压缩框架

    提出查询引导的选择性上下文压缩框架 CoMem,在问答和 RULER-NIAH 基准上优于现有方法。 采用对比压缩器学习生成查询敏感且保留上下文的记忆表示,并通过同上下文硬负样本挖掘及双向注意力机制优化信息流。 该框架旨在解决有限记忆预算下长输入推理的效率挑战,代码已开源。

  6. arXiv · AI35

    Qwen2.5 小模型推理能力路由:模型容量与提示词优化对下游质量及效率的影响

    Qwen2.5 小模型(1.5B-14B)经提示词优化可路由推理、检索等能力,14B 路由器下游 token 消耗减少 68.7%。 最小提示下增大容量未一致提升分类性能,提示优化缩小了推理和计算器路由的容量差距,但 RAG 和 Web 搜索仍受益于更高容量。 14B 路由器 BERTScore F1 达 0.8408,接近全能力启用的 0.8418,中位延迟降低 80.5%。

  7. arXiv · AI33

    MIGRO:语言模型解耦且可移植的长期记忆系统

    MIGRO 提出了一个解耦且可移植的大语言模型长期记忆系统,将用户交互积累的经验视为跨模型共享的持久状态。该系统通过非对称保真度实现证据的精确保存与近似组织,利用共享语义索引支持检索。在 LoCoMo 匹配状态下,MIGRO 准确率提升 7.3%,私有内存减少 99.3%;在百万 token 的 BEAM 历史上,私有存储平均减少 57.5%。代码已开源。