跳到正文
10月30日周五
  1. arXiv · AI32

    利用预减影和自训练提升跨中心X射线造影冠状血管分割性能

    针对X射线造影冠状血管分割在外部数据上性能不足的问题,该研究利用ARCADE数据集的nnU-Net预测和减影图像生成伪标签进行自训练。 在XCAD外部数据集上,该方法将宏平均Dice分数提高了2.7分(95% CI 2.3-3.2),而对照组下降0.6分。 结果表明自训练收益取决于生成初始伪标签模型的敏感度,且使用完全标注模型可显著提升无标注数据集性能。

  2. arXiv · AI30

    TaskFrame:连接任务级规划与帧级控制的游戏智能体框架

    TaskFrame 提出分层规划-控制框架,通过 GRPO 优化任务规划器并连接帧级键鼠控制。 规划器将目标分解为原子指令,其隐藏状态作为目标嵌入复用;因果 Transformer 控制器结合观测预测离散动作与连续相机运动。 实验显示,TaskFrame 在 Minecraft 闭环评估中的战斗成功率优于基线。

  3. arXiv · AI24

    EventSeeColor 利用扩散模型从单色事件重建彩色图像

    EventSeeColor 结合事件重建的灰度图与对齐事件,通过扩散模型实现单色事件数据的彩色重建。 该方法利用灰度语义上下文辅助颜色推理,并通过区域平衡色度监督改善颜色分布与纹理细节。 在两个真实事件数据集的外部方法对比中,EventSeeColor 在结构相似度和感知分数上表现最佳。

  4. arXiv · AI37

    LoCo 框架实现自回归视觉模型概念定位

    研究提出 LoCo,首个模型无关框架,用于定位自回归模型中视觉概念的生成位置与时机。 LoCoBench 数据集涵盖 10 个类别以系统评估概念路由,测试显示定位结果具有可解释性和因果关联。 该方法应用于概念擦除与个性化任务,实现最先进性能并大幅降低计算开销。

  5. arXiv · AI34

    MTG-AD:端到端行内音频描述的基准数据集与细粒度评估框架

    研究团队提出 MTG-AD 数据集与 MTG-AD-Eval 评估框架,用于提升视觉媒体对盲人和低视力用户的可访问性。 MTG-AD 包含 36 小时视频及 8000 余条由视障与明眼专家共同标注的描述,MTG-AD-Eval 通过生成音频轨道评估时序适配性。 实验显示,多模态大语言模型虽能减少语音重叠,但在叙事节奏上仍有差距;自动指标与人类评分显著相关,该成果已发表于 NeurIPS 2026。

  6. arXiv · AI45

    VLM 3D 推理失效分析:BedBench 揭示的局限

    研究发现视觉语言模型在 3D 推理中难以一致利用物体属性,新基准 BedBench 显示其在按颜色计数任务上准确率仅 7.2%,而人类达到 93.3%。 针对微调模型 3.0% 至 68.6% 的准确率提升仍伴随内部不一致,探测 Qwen3.5-27B 表明精确计数可恢复但极少被采纳。 文章建议评估 3D 推理需关注精确正确性、一致使用性及图像依赖性,代码和数据集已公开。

  7. arXiv · AI25

    DeCoRL:通过分解一致性强化学习提升多图合成效果

    DeCoRL 是一个强化学习框架,将整体一致性分解为对象级一致性,以提升多图合成(MICo)质量。 该方法通过定位参考图像中的对象对应区域,并利用基于 VLM 的奖励模型生成细粒度反馈,以此引导后续训练。 实验在 DeCo-Bench 和 MICo-Bench 上显示,该方法在多图合成一致性方面带来了持续提升。

  8. arXiv · AI25

    提出加权 t-SNE 方法以可视化并评估高维数据集的特征评分结果

    研究提出加权 t-SNE 方法,通过修改嵌入空间中数据点关系来反映特征评分器赋予的特征重要性,并提议使用轮廓系数对结果进行数值评估。 实验在合成和真实表格数据上测试了包括互信息和神经网络在内的 9 种特征评分器,展示了加权 t-SNE 在比较评分器、选择最优方法以及增强机器学习模型可解释性方面的应用。 加权 t-SNE 能够直观呈现特征重要性及模型对数据的组织方式,从而提升机器学习模型的可解释性。

  9. arXiv · AI21

    PACK3D 提出 3D 注意力算子以解决几何数据打包中的位置编码失效问题

    PACK3D 将局部注意力与压缩远程上下文分离,使用基于真实 token 网格坐标的轴向 RoPE,避免仅依赖序列位置导致的几何信息丢失。在合成任务和 Allen WTC-11 数据上,该方法优于参数匹配的 3D U-Net 基线,且融合 Triton 实现在 65k tokens 下保持窗口注意力延迟。该算子已被 NeurIPS 2026 接收,证明其在大规模训练中的可行性。

  10. arXiv · AI35

    人工智能人格模型在对话智能体中的实证研究

    该研究通过三项实验(N=395)实证评估了融合人类与机器维度的人工智能人格模型(APM),并开发了专门的人格问卷(APQ)。 研究发现宜人性等人类维度可部分迁移,且特定机器维度影响了用户满意度与社会临场感,而BFI-2量表在该场景下可靠性不足。 该成果为对话智能体的设计提供了经过实证检验的理论框架与测量工具。

  11. arXiv · AI24

    8B 级模型零样本视觉语言导航中的时空记忆机制研究

    该研究提出结合任务、时间与空间记忆的时空架构,用于 8B 级模型的零样本视觉语言导航。 在 R2R-CE val-unseen 基准中,该系统优于 Qwen3 基线,且移除时间记忆会使平均路径长度从 16.9m 激增至 39.1m。 在 Unitree Go2 机器人实验及 LAW2 评估中,该方法展现了比后训练基线更高的成功率与更好的指令遵循能力。

  12. arXiv · AI31

    The Prestige:使用魔术表演评测认知视觉推理的视频理解基准

    The Prestige 提出通过专业魔术表演评测认知视觉推理的视频理解基准,测试模型对意外结果事件的跟踪与解释能力。该基准包含从时序因果理解到对抗性问题鲁棒性的开放问答题,评估显示最强视觉语言模型与人类表现存在显著差距。研究还发现自动化评分与人类评分存在系统性偏差,且模型在多选题正确但独立解释失败的情况下依然存在,凸显了视频理解评测的局限。

  13. arXiv · AI21

    智能家居如何适配自闭症儿童:家庭劳动与受监控的独立性

    一项针对自闭症家庭使用智能家居的定性研究发现,技术既可通过环境输出调整提供支持,也可能因感官强度成为障碍。 研究基于 5 名照顾者访谈及小红书、微博帖子,提出“关系适配”和“受监控的独立性”等概念。 研究指出了可调整交互、可读性故障恢复等设计启示,以平衡安全、隐私与控制。

  14. arXiv · AI20

    地震基础模型是否只是高级特征提取器?

    基于 Mamba 架构的九种地震基础模型在 300 万窗口数据集上训练,结果表明改变自监督目标仅重分配下游技能而非提升整体能力。 模型增强掩码压力使少样本 P 波拾取精度提升 6.9 分,但少样本分类准确率下降 9.6 分,未实现通用化。 在少样本场景下优于任务专用基线,但全量数据下表现落后,核心瓶颈在于缺乏跨事件的学习目标。

  15. arXiv · AI20

    NLP消息优先级排序在机会路由中的价值:尼泊尔地震紧急通信案例研究

    该论文通过尼泊尔地震案例,验证了基于NLP的语义消息优先级排序能否改进紧急通信。 实验将社交媒体消息分为9类并映射至P1-P4优先级,发现BERT在优先级准确性和P1召回率上优于逻辑回归。 结果表明,语义排序在缓冲区压力下可减少P1消息丢失,但无法克服移动性限制。

  16. arXiv · AI20

    FermiScope 通过累积局域态密度改进 Kohn-Sham 哈密顿量学习

    针对机器学习 Kohn-Sham 哈密顿量模型中元素级误差无法保证本征值准确的问题,研究提出新训练信号“累积局域态密度(FermiScope)”。 该方法通过计算给定能量阈值下空间各点的电子数,完整捕获误差并确定哈密顿量,避免了梯度消失。 在 QH9 数据集微调三个模型后,FermiScope 在降低 HOMO-LUMO 能隙误差的同时,未增加元素级误差。

  17. arXiv · AI23

    医疗影像负责任量子机器学习:跨敏感亚组公平性审计

    一项针对医疗影像分类器的实证公平性审计表明,量子分类器在整体性能具竞争力的同时仍存在亚组差异。研究在 DDI 和 CheXpert 数据集上训练 SVM、MLP、QSVM 和 QCNN,测试了多种公平性缓解策略。 结果显示,模型和依赖数据集的公平性效应显著,QML 需要经验性的亚组感知评估,且所有量子模型均在经典模拟中运行,不声称量子优势。

  18. arXiv · AI39

    基于大语言模型的多智能体协作实现自主量子自旋实验研究

    研究人员展示了利用基于大语言模型的多智能体协作进行自主实验研究,智能体可相互评估并阻止或重定向研究。在钻石量子自旋集成系统中,智能体推导了预测微波脉冲序列响应所需的最小校准设置数量。智能体设计实验验证理论,发现信号漂移后将结果视为不确定的,修订测量协议后实验结果支持理论预测。该研究证明协作 AI 智能体能选择研究问题、推导理论结果并实验验证。

  19. arXiv · AI26

    TACE:用于多模态RLVR的分布奖励校准与预算中性信用分配

    针对GRPO优势估计问题,研究者提出两阶段估计器TACE,实现多模态RLVR中的分布奖励校准与预算中性信用分配。 第一阶段将样本级基线替换为一维最优传输映射至标准正态,确公共人群奖励分布并限制异常值;第二阶段在轨迹内秩校准停止梯度证据对比,并将截断的token权重重归一化为均值1,保证信用总量与符号守恒。 在多模态推理基准套件中,TACE在多数基准上取得最强结果,但未在所有设置中占据主导地位。

  20. arXiv · AI36

    当事实变成故事:模型改写新闻时,源一致性指标遗漏了哪些失真?

    三项模型家族将2000篇新闻改写为摘要与故事,研究发现“源一致性”指标无法准确衡量重构中的故意偏离,导致真实失真被遗漏。在故事中,问责失真上升高达7倍,其中三分之二的案例减轻了肇事者的责任。为支持检测研究,作者发布了可重构语料库ReTold-2k。

  21. arXiv · AI50

    证明并改进基于 JEPAs 的柏拉图表示假设

    研究人员将柏拉图表示假设转化为定理,证明 JEPAs 在多模态学习中能收敛至同一旋转不变表示。 理论验证显示,基于好视图的 JEPAs 比下一词预测节省 42 倍训练样本,且 109M 参数文本模型对齐效果优于 72B 语言模型。 该成果揭示了正视图而非单纯规模是构建通用表示的关键,并展示了 64% ImageNet-100 准确率的无配对应用潜力。

  22. arXiv · AI26

    Agentic AI 在稀疏视角 CT 血流动力学预测中的任务感知投影选择

    研究提出 Agentic AI 选择器,用于从稀疏 CT 血管造影直接预测颅内动脉瘤血流动力学。在极端稀疏条件下,Agentic AI 与 Soft top-K 在预测时空平均壁面剪切应力(TAWSS)时平均误差最低且显著优于固定采样。实验表明,针对血流动力学优化的投影选择会导致图像重建效果较差,证实任务最优采集与重建最优采集存在本质差异。

  23. arXiv · AI22

    人类与 LLM 协同标注下的持续时长常识推理:视觉语言模型表现不佳

    研究构建了由人类和 LLM 协同标注的地理标记推文语料库,测试视觉语言模型的持续时长常识推理能力。 实验发现,即使使用多轮 Chain-of-Thought 提示,当前最先进模型在推断持续时长时仍表现挣扎。 错误分析显示,模型常因过度依赖显著视觉细节而忽略细微标签和语义细节,凸显了上下文感知多模态理解的挑战。

  24. arXiv · AI23

    面向多智能体AI系统的治理感知联邦学习:可信协作AI的策略驱动框架

    论文提出治理感知联邦学习(GAFL)框架,在协作训练中集成治理证据验证、信任评估及防篡改审计日志。 跨机构原型在 Adult Income 数据集上测试,GAFL 识别出 100% 的伪造证据参与者,最终宏 F1 在 0.7520 至 0.7733 之间。 框架每轮增加约 173.67ms 治理处理开销,并揭示了公平策略与模型效用间的显著权衡。

  25. arXiv · AI62

    Disparity Laundering: 临床多智能体系统中缺乏公平性的共识

    研究发现临床大语言模型组成的多智能体团队无法消除偏见,所有配置都会导致对黑人患者的分诊差异。通过采用整合所有观点的多样化集成方法,无需重新训练即可将差异降低67%至94%,而单模型、单输出的现有审计方法无法发现这种被“洗白”的偏见。

    推荐理由:研究揭示了临床多智能体系统无法消除偏见,通过整合多元视角可将差异降低67%至94%,为系统审计提供了新方向。

  26. arXiv · AI28

    有界双循环自动原理图综合框架:从自然语言到验证过的电力电子原理图

    论文提出有界双循环自动原理图综合框架,将自然语言规格转化为经验证的 KiCad 原理图和制造交付物,解决 LLM 直接生成中的工程幻觉问题。 框架集成需求解析、基于 API 和 OEM 数据手册的元器件选择、ngspice 瞬态验证及模块化控制硬件集成。24-36V Buck 与 48V DAB 案例显示,元器件验证覆盖率从 22.2 提升至 98.6,SPICE 仿真通过率从 0 达到 100。