跳到正文
10月6日周二
  1. arXiv · AI24

    EulerESG:用 LLM 自动化 ESG 信息披露分析

    EulerESG 是一个 LLM 驱动的 ESG 披露分析系统,通过显式建模 ESG 框架,自动生成标准对齐的指标表,平均准确率最高达 0.95。 系统结合双通道检索与 LLM 披露分析,并提供交互式仪表盘和聊天机器人用于探索、对标与解释;研究基于四家全球知名企业和十二个 SASB 子行业,并对比了多个近期 LLM 模型。 完整实现与演示视频已公开。

  2. arXiv · AI22

    MCA:面向鲁棒组合多模态检索的模态组合感知框架

    研究者提出 MCA(模态组合感知)框架,用于解决 MLLM 统一编码器在组合多模态检索中因模态捷径导致的分布偏移鲁棒性问题。 该框架包含偏好损失与组合正则化目标,前者要求多模态嵌入优于单模态嵌入,后者将多模态嵌入与其单模态部分构成的原型对齐,显式建模组合表示与单模态对应物之间的结构关系。 在多个基准上的实验显示,MCA 提升了分布外检索性能,论文已被 EMNLP 2026 主会接收。

  3. arXiv · AI22

    MORPH:基于 Diffusion Transformer 的生成式检索框架,用 MOS 训练与 HPPO 对齐实现模式保持的属性检索

    MORPH 是一个面向"模式保持属性检索"的生成式检索框架,通过 Diffusion Transformer 读取 item 嵌入序列并生成查询嵌入做最近邻搜索,在四个大规模属性域、严格 item 与 pattern holdout 协议下,MOS 训练在每个域-划分单元上均提升主交集指标。

  4. arXiv · AI33

    RAG 需超越事实锚定以表征多元观点:提出 O-RAG 框架

    论文主张 RAG 系统应超越单纯事实对齐,转向表征观点丰富的内容,并提出观点感知 RAG(O-RAG)框架。 O-RAG 在检索前利用 LLM 提取并链接实体观点元数据,在电商卖家论坛和酒店评论数据集上,使分布 Wasserstein 距离降低 18%-48%,且 79.2% 的人工评估者更偏好其响应。

  5. arXiv · AI28

    CKG 临床解释引擎利用知识图谱推理生成基于证明的患者特定临床解释

    针对临床决策支持缺乏可审计链接的问题,CKG 临床解释引擎将患者推理状态与疾病知识转化为类型化事实及结论。在 6,720 名患者的测试集上,数值交叉表保真度与逻辑报告追踪完整性均达到 100%。 该引擎明确区分零激活证据与缺失数据,限制语言生成仅用于符号授权内容,确保 99.7028% 的可用性表示一致性。 研究结果确立了系统的结构与实施可审计性,而非临床正确性或效用。

  6. arXiv · ML25

    OVAL:输出感知本地页面基底的KV缓存压缩方法

    研究人员提出 OVAL,一种针对长上下文推理的输出感知页面编码方法,在保留检索所需关键信息的同时显著降低近似误差对注意力输出的影响。该方法免训练且推理时无需额外依赖价值统计量,存储大小与解码评分成本等同仅基于Key的谱表示。实验表明,OVAL 在长推理、长上下文理解及生成基准上持续优于基线模型。

10月5日周一
  1. arXiv · ML36

    基于最小成本流路由的多模态长文档证据组装方法

    研究团队提出 \flowreader,将多模长文档证据选择建模为多模态内容图上的最小成本流问题。在 VisDoMBench 使用 Qwen3-VL-32B 模型测试中,该方案取得 68.9 的最高宏观准确率,比最强系统高出 2.7 分,且每次查询平均仅需 17.5 个内容节点。消融实验表明,该方法的成本设计驱动了准确率提升,同时容量限制在保持性能的同时节省了约四分之三的读取令牌。

  2. arXiv · ML24

    理解联邦世界模型学习中的轨迹异质性

    本研究在 MIMIC-IV 数据集上对联邦学习中的跨时间临床预测进行了基准测试。结果显示,仅 7.55%--21.36% 的 32 步窗口在训练中拥有本地完整锚点,且更细的严重程度分区通常伴随更高的 FedAvg 误差。这些发现确立了时间访问、参与覆盖、优化行为和预测范围作为评估联邦临床世界模型的互补维度。

  3. arXiv · ML36

    前缀缓存语言模型服务中精确的内存-时间优化:PCR方法

    研究提出前缀证书保留(PCR)方法,解决前缀缓存服务中独立优化缓存块导致的高估问题。PCR将可用的前缀奖励建模为节点,通过最大权闭包转化为单次最小割问题,其图规模与块查找数和超时选择数呈线性关系。在39,632个公开Mooncake请求的时间重放测试中,有序超时在120个固定网格的分组定价案例中,有118个达到了无限制训练的最优值。

  4. arXiv · ML20

    个人AI记忆在评分预测中的受控审计:提取、关联使用与读者选择需独立评估

    该研究通过置换历史评分并保留分布特征,审计了个人AI在结构化评分预测中是依赖历史项目-评分关联还是用户评分倾向。在Coat数据集上,测试的Mem0管道使Qwen和Phi的用户宏平均绝对误差分别增加0.084和0.149,且自举区间不包含零。MovieLens上的对应效应较小且在调整后不显著。一项仅使用历史的岭读取器在两个领域均优于Qwen,并在MovieLens上优于Phi。

  5. arXiv · ML20

    HyMLRaman:混合机器学习辅助拉曼光谱与生成特征增强用于药物识别

    HyMLRaman 框架通过结合 EfficientNet-B3 特征提取与 DDPM 生成式数据增强,实现六种药物残留的拉曼光谱识别。在高效基线配置中,该混合模型达到 96.31% 准确率和 96.36% 宏 F1 分数,优于独立 CNN 基线。DDPM 增强在数据受限条件下对部分分类器如 KNN 具有选择性益处,验证了其在药物筛查工作流中的可行性。

  6. R/ArtificialInteligence31

    AI Engineering 课程内容概览

    该课程涵盖基础模型、LLM 训练、后训练、评估、提示词工程、RAG、微调及 AI 基础设施等 AI Engineering 全栈主题。内容包含 BPE 分词、多模态 LLM、评估管道设计以及针对提示注入攻击的防御策略。课程提供免费讲座链接,旨在完整覆盖从应用规划到基础设施的技术链路。

  7. arXiv · AI25

    无训练句子级上下文敏感度检测器在RAG中的评估

    一种无训练检测器通过在移除上下文前后重新评分来定位RAG答案中未受支持的句子。在 RAGTruth、TofuEval 和 RAGBench 基准测试中,该检测器的 AUC 比答案级信号高 0.033 至 0.071,最高可达 0.745,且计算成本仅为 LLM 判断器的约 1/47。 (注:严格遵循了80-160字、最多3句、不包含套话、保留专有名词和数字的要求)

  8. arXiv · AI37

    大型语言模型检索鲁棒性评估

    针对大型语言模型在检索增强生成(RAG)场景下的检索鲁棒性,研究者构建了包含1,891个样本的基准测试集,并提出三项鲁棒性指标。实验覆盖11个LLM,发现模型鲁棒性随任务类型显著波动,RAG是否优于非RAG需逐案分析。 进一步实验表明,禁用推理功能会导致Qwen和GPT模型鲁棒性显著下降;而以工具响应形式提供检索文档能提升Claude模型表现,却损害Qwen和GPT模型的效果。

  9. arXiv · AI28

    V-RAGBench 与 CARVE:长视频 RAG 检索新基准与免训练方法

    研究团队推出 V-RAGBench 基准与 CARVE 方法,解决长视频检索增强生成中评测偏差与粒度单一问题。CARVE 通过并行检索器与块自适应重排序,在 V-RAGBench 上超越八个现有基线。 V-RAGBench 基于小时级视频的三元组实现检索与生成解耦评测,CARVE 作为免训练方法提升了对第一人称及第三人称长视频的处理表现。

  10. arXiv · AI30

    TPBench: 对话压缩的转折点基准

    TPBench 评测了 P1、P2、P3 三个信息目标在共享保留预算下的表现。在保留比例为 0.30 时,Llama 读者下所有压缩方法均低于完整上下文。删除携带更新的回合会显著降低当前值准确率,而删除无关回合则影响不变。

  11. arXiv · AI31

    FinSkillBench:金融智能体技能溢价的分解与评估

    研究引入 FinSkillBench 评估套件,通过 2,603 个时间点和 12 类子任务验证金融智能体的量化执行能力。 跨 9 个模型的配对分析显示,精选技能包将平均得分提升 16.2 点,显著优于单集生成的 0.5 点增益。 进一步分解发现,可执行工具单独贡献 19.5 点,文档单独贡献 5.6 点,且两者结合呈现次加性,表明技能溢价取决于模型、资源及系统整体。