自适应个性化在偏好认知不确定性下的挑战:多语言基准揭示模型识别-生成差距
针对偏好认知不确定性下的自适应个性化,研究构建包含250个人设、5种语言、2.5万轮对话的多语言基准,并测试8个闭源与开源模型。 研究发现模型在开放式生成中策略校准度下降35-46%,默认采用先利用策略且忽略偏好不确定性。针对性训练可缩小33%的用户接受度泛化差距。
针对偏好认知不确定性下的自适应个性化,研究构建包含250个人设、5种语言、2.5万轮对话的多语言基准,并测试8个闭源与开源模型。 研究发现模型在开放式生成中策略校准度下降35-46%,默认采用先利用策略且忽略偏好不确定性。针对性训练可缩小33%的用户接受度泛化差距。
Qistas 协议针对大语言模型提出公平性评估方案,首个实例化为伊拉克社会场景。该协议测量程序对称性、差异拒绝及刻板印象依赖,采用配对统计方法。其 58 项种子库测试中 24 个模板组未通过检查,揭示了反事实基准的通用缺陷。 作为预注册协议论文,Qistas 固定了假设、指标及分析计划,但尚未评估具体模型。作者指出该缺陷模式是公平性基准的普遍风险,而非仅针对单一社会。
研究评估14种最先进的文本到视频检索方法,发现简短清晰的描述召回率更高,复杂事件仍是难题。 注意力驱动架构更适合处理多步骤查询,而双编码器和多模态融合模型在简单类别上表现更好。 这些发现为开发更有效的文本到视频检索系统提供了指导。
论文提出视角不变的视触觉预测模型 FlowTouch,旨在通过视觉信息预测触觉信号以支持接触密集型操作。 该模型利用物体局部 3D 网格编码丰富信息,并整合场景重建与基于 Flow Matching 的图像生成模型,从细节中抽象出场景依赖性。结果显示 FlowTouch 能弥合从模拟到现实的差距并泛化到新传感器,其生成的触觉图像可用于下游抓取稳定性预测。
研究团队提出基于抛物线的视觉位置编码 PaPE,旨在解决现有方法对视觉特性考量不足的问题。该方法基于平移不变性、旋转不变性(PaPE-RI)、距离衰减、方向性和上下文感知等原则设计,支持视频、事件流、图像及点云等多种视觉 token。
针对离散扩散模型的分子优化,文章提出结合获取、奖励整形、去偏、回放与有效性控制的在线微调方法。 该方法在9项结合亲和力与蛋白适应任务中优于离线微调与推理时搜索,在高奖励分子需大幅偏离先验时增益最大。 其结果被NeurIPS 2026接收,为反馈高效的分子优化提供了实用配方。
研究者提出 ORACLE 智能体框架,作为首个基于流式应用使用轨迹进行早期诈骗预判的系统,旨在意图显化前干预多阶段跨应用诈骗。 该框架包含自进化上下文管理器以整合分散证据,并采用在线自蒸馏方案让教师模型指导未接触反思信息的学生模型。 实验表明 ORACLE 在真实流式场景中持续提升了早期诈骗预判效果,在提供及时预警的同时降低了误报率。
提出利用公共锚点和中心核对齐训练全局多模态Transformer的框架。 使用公钥对齐分离的私有流形,配合子空间稳定微调和精度加权平均处理大型模型。 确立联邦非配对基础模型的数学基础,实现无集中存储下的统一表征学习。
一项覆盖 9 个数据集和 19 种多模态方法的大规模实证研究指出,增加多模态复杂度常导致混淆而非有效融合。 在标准化实验条件下,复杂多模态架构无法稳定跑赢单模态基线及 SimBaMM,甚至顶级文献中仍存在方法论缺陷。 作者主张多模态学习应重点关注方法论严谨性,而非追求架构创新。
研究发现宽带光的时间闪光斑可原生表征概率权重,克服了数字硬件采样贝叶斯权重的瓶颈。 该技术通过光编码独立调控均值与方差,使单个光源并行存储多组权重,无需复杂随机数生成。 所构建的光子处理器每37.5ps完成一次概率卷积,实现了分类与分布外检测,为高速不确定性感知AI提供了新路径。
研究指出标准强化学习在多智能体社交困境中易导致 LLM 形成机会主义策略。 团队将 Advantage Alignment 适配用于微调 LLM,并引入群相对基线简化优势计算,确保策略不可被贪婪智能体利用。 研究发布了 Trust-and-Split 社交困境环境及代码,旨在支持 LLM 多智能体合作训练。
针对离散 token 推理与连续图像生成间的模态不匹配,提出连续空间潜在推理框架 LARC。采用两阶段训练:课程式 SFT 将 token 级推理转化为潜在推理,信息增益 RL 实现无监督自演化。在 GenEval 基准上比 BAGEL 提升 7%,并展现清晰的测试时扩展行为。
该研究提出 DT-Morph Combined Loss、3D Group Prompt 及 Many-to-One Conditional Segmentation Head 三个轻量级模块,以提升医学病灶分割在数据稀缺及计算受限环境下的临床适用性。
该研究在单目摄像头端到端路径规划模型上应用稀疏自编码器(SAE),无监督聚类S潜在变量恢复了98.3%的路线意图准确率。 通过配对的反事实图像编辑验证了S特定特征具有视觉接地性,并发现微调单个S潜在变量能引发可预测的单调变化,从而降低了3.44%的轨迹选择误差。
AquaProbe通过测量域差距变化,将固定LoRA预算按比例分配,使分割mIoU达到70.1。 该方法比均匀分配高1.9 mIoU,参数量仅为0.59百万;在三路路由下,SUIM标准集mIoU为70.6,AUDRC达63.4。
4B参数混合智能体Mage-VL-Cowork在OSWorld-Verified基准测试中得分达66.0%,实现同级参数规模的最优性能。 Mage-CUA-Forge合成293,806个桌面与Web任务,并降低82.6%的单任务开销;通过五阶段渐进课程完成训练。 该成果将前沿边界推向端侧智能领域。
Apriel Voice 27B Preview 是一款开源语音语言模型,基于 Gemma 4 26B-A4B 构建,能够直接处理语音并生成回复与工具调用。该模型在 thinking 模式下于 Big Bench Audio 得分 98.90,Speech-BFCL 得分 81.13,tau-Voice 任务成功率 65.51%,平均延迟为 1.91 秒。
CalibCause 提出一种结合视觉解释、无标签质量条件化及知识蒸馏的质量门控混合专家框架,用于糖尿病视网膜病变分级。在 51,310 张眼底图像测试中,无标签学生模型参数量 2780 万,QWK 达 0.863,比教师模型参数少 52%。跨站点平均 QWK 为 0.741,与 ConvNeXt-Tiny 基线持平,且校准后期望校准误差降至 0.025-0.036。
22M参数ViT-S/16编码器训练的HER2阅片器在外部验证中AUC达0.812,性能与40-50倍大模型持平。 该模型在Yale-HER2、HEROHE和BCNB切片上AUC分别为0.82、0.75和0.63,无需GPU时切片处理需5-6秒。 作为研究用途的预读工具,辅助病理学家在IHC旁提供概率预测,并帮助优先安排ISH检测。
研究评测了 7 款前沿 LLM 结合上下文示例预测分子属性及自报不确定性的能力。 在 30 个上下文示例时,最准确的 LLM 性能超越所有传统基线;自报不确定性与预测误差的 Spearman 秩相关系数最高仅 0.46。 LLM 在污染数据集 ESOL 上未随上下文增加而改进,表明该数据集已被模型记忆。
LOCOGEN 将扩散模型的 OOD 引导重构为局部性问题,通过不变基序掩码保护关键位置并对背景应用 OOD 阻尼,无需重新训练骨干网络。 该模型在 HepG2、K562 和 SK-N-SH 细胞系中,成功在属性、新颖性和合理性三维度的评估空间中找到了其他基线方法未能达到的区域。 论文已被 NeurIPS 2026 接收,代码已公开,旨在解决奖励黑客行为导致的单一奖励评估失效问题。
研究提出多尺度图神经网络(GNN),可直接从全切片图像(WSI)预测批量、空间及单细胞转录组数据。 该模型使用UNI2-h病理基础模型提取形态特征,在TCGA、Visium和Xenium混合数据集上训练,实现了跨生物层级的层级学习。 预测结果在生存分析和肿瘤分类等下游临床任务中展示了应用价值。
StormGen 生成式机器学习模型将观测风暴首小时转化为完整且物理合理的逐小时降雨生命周期。在东南德州十年降雨数据评估中,其为最严重2%风暴中45%生成近距离对应,优于随机风暴移位的3%。 该模型仅用一小时初始降雨重构了飓风Harvey的完整生命周期、空间模式及极值汇水区总量,且该事件不在训练集中。因风暴计时可使峰值流量翻倍,这些场景为压力测试防洪措施提供了关键机制。
SPT-Flow 提出轨迹锚定生成方法,解决连续时间世界模型中潜在条件利用不足问题。 模型在 LIBERO 基准上优化 PSNR 和 LPIPS 指标,比 ODEWorld 基线提高 2.0 至 2.4 dB,降低平均 LPIPS 23%。 结果证明轨迹锚定机制对生成质量和多样性有正面影响。
提出 Corroborative Learning (CL) 框架,通过任务响应重建实现模型间互补增强,无需直接输出匹配或额外推理依赖。 在 6 个语言任务、24 个模型及 36 个配对中,CL 在每项任务上均优于容量匹配的独立适应,并优于迁移与互学习方法。
提出MOSAIC架构,通过模态分区保留单模态表征并路由梯度,解决多任务中任务对特定模态依赖失衡的问题。 在Corpus of Everyday Japanese Conversation上,MOSAIC使四个任务的平均宏F1提升7.4分,骨干参数量较融合基线减少72%。
Walrus-1.3B 科学基础模型在 Sim-to-Real 适应过程中遭受灾难性遗忘。在模拟数据微调后,原始预训练数据集上的单步误差在 20 个 epoch 后增加高达 35 倍。 回放 1% 模拟数据可恢复大部分性能并保留对实验数据的适应效果。该研究确立了灾难性遗忘为科学基础模型 Sim-to-Real 适应的实用障碍,轻量级回放策略能显著改善知识保持。
GUI-Lens 是一种由粗到细定位框架,让通用 VLM 通过主动视觉观察确定目标位置,最高提升 9.3 倍精度。该框架提取 OCR 文本和 UI 组件位置作为参考,VLM 选择区域进行裁剪放大,在 5 个基准测试和 6 个基座模型上验证有效性。
CogBattery 评估了 54 个开源语言模型在 13 项认知范式文本改编中的表现,并与源研究的人类数据进行对比。结果显示,模型虽能复现人类效应方向,但在非目标误报、置信度区分及固定下注偏好上表现远劣于人类,且这些模式跨越多个模型家族。研究指出,匹配人类效应方向不足以确立类人行为,大规模模型也未一致地更接近人类表现。
论文提出 DAUPNet 框架,将跨域原型匹配重构为不确定性感知的原型判别,在四个目标域上取得 72.6%(1-shot)和 76.7%(5-shot)的平均 mIoU。 该方法先对齐层级特征以提供稳定证据,再用概率方式表示前景/背景原型,并利用估计的不确定性调节对比优化,在两个医学领域提升显著。 代码已开源,该方案在严重域偏移下为跨域少样本语义分割提供了稳健且可解释的方法。
研究表明视频基础模型普遍编码了直觉物理信息,但非单一均匀能力。 在 MVP 基准上 V-JEPA 达到 95.0% 配对一致性,在 IntPhys2 基准上 VideoMAE 以 73.9% 违规准确率表现最佳。 物理信息的可访问性高度依赖于基准测试和探测方式,而非模型规模或预训练目标。
该论文提出了一种两阶段流水线,以解决统一图像与文本人体重识别模型中的优化冲突。核心发现是,图像目标与文本目标在共享视觉编码器上互斥。 方法上,先对视觉编码器进行图像不变性训练并冻结,再对齐文本编码器。实验表明,该策略能有效防止文本任务破坏已学的身份结构,并提升文本性能。 这些见解为构建统一的人体重识别系统提供了重要基础。
DRScaffold 是一个监督微调框架,将监督目标分解为四个因果有序阶段,以提升轻量级 VLM 在密集场景中的推理能力,且无需修改模型架构。 该框架基于新建的 DRBench 基准(包含 14,573 个问题、2,943 张图像,涵盖三个渐进推理层级的五个任务类别)。
研究提出变分分解自编码(VDA)框架及仅编码器神经网络DecVAE,旨在解决传统变分自编码器难以捕捉时频多样性的问题。 DecVAE在模拟数据及语音识别、构音障碍评估和情绪语音分类三个公开科学数据集上进行评估。 结果显示,该方法在解耦质量和鲁棒性上优于基于变分自编码器的方法,当生成因子具有独特频谱特征时,其潜空间表现为因子特异性。
研究发现强化微调后的视觉语言模型在多模态思维链(MCoT)中,视觉信息往往不忠实于正确答案,即使视觉内容被破坏,任务准确率也几乎不变。 论文指出这是由于 RFT 的 RL 奖励设计仅激励视觉文本交替格式,未考量视觉正确性。
MLLMEraser 提出一种无需训练的测试时遗忘框架,利用激活引导实现动态知识擦除。 该框架在 LLaVA-1.5 和 Qwen-2.5-VL 上验证,优于现有基准方法,以更低计算成本实现更强遗忘效果且几乎不损害保留知识。
针对VLM大规模结构化训练数据缺失问题,研究团队提出首个大规模合成视觉逻辑推理训练数据集 VisualSphinx。该数据集采用“规则到图像”合成管线,从种子问题中提取并扩展谜题规则,生成可执行渲染程序用于谜题组装。
论文提出混合多尺度多视角 Swin Transformer 框架(MSMV-Swin),旨在解决乳腺癌诊断中依赖详细标注及测试时缺失视角的问题,提升诊断鲁棒性与准确性。 该框架利用 Segment Anything Model (SAM) 隔离乳腺叶以减少背景噪声,通过多尺度特征融合捕捉局部与上下文信息,并设计混合融合结构应对临床常见的单视角缺失情况,作为辅助决策工具支持放射科医生。
PA-SciML 框架通过在大语言模型代理中引入物理契约(如叠加、边界条件),在候选搜索前固定要求并进行对抗性测试,以解决机械替代模型违反物理规律的问题。 在四个固体力学问题中,仅依赖误差选择的模型被证实存在因果性或零输入违规,而启用审计的模型在保持或超越精度的同时通过了所有必需检查。 该框架通过解耦审计结果与验证误差,确保了科学机器学习代理发现过程中的物理一致性。
研究人员提出利用470万条人类“异类”(Odd-One-Out)判断数据构建的66维语义空间,实现对多模态大语言模型(MLLMs)内部表征与人类认知结构的对齐。