跳到正文
11月16日周一
  1. arXiv · AI38

    基于分位数的无模型模拟器保真度评估方法

    该研究提出一种模型无关方法,通过构建潜在参数的置信集并估计分位数函数,量化模拟与现实系统的“sim-to-real”差异。 方法适用于一般输出空间(如分类调查响应和多维连续数据),支持统计推断、计算条件风险价值(CVaR)及跨模拟器比较。 该方法在WorldValueBench数据集上验证了四个主要LLM与人类群体的对齐程度,论文已被NeurIPS 2026接收。

  2. arXiv · ML21

    PRODiGI:从实证数据快速生成可执行生成式程序

    PRODiGI 是一种预训练模型,能单次前向传播推断出显式可执行的生成式程序。 它通过模板预测和非自回归参数解码适应不同生成家族和数据维度,推断出的程序支持直接采样、密度及分数评估。实验显示,PRODiGI-FT 在密度和分数指标上优于现有模型,速度提升数倍,生成 MMD 降低 90%。 该模型为快速、可解释的表格生成建模提供了新方向。

  3. arXiv · AI26

    Astraios:参数高效指令微调代码大语言模型

    Astraios 构建了包含 28 个基于 OctoCoder 的指令微调模型,覆盖 7 种微调方法及 4 种不同规模的模型(最大 16B 参数)。 在 5 类任务和 8 个数据集上的测试表明,全参数微调(FFT)在下游任务中表现最好,而 LoRA 在成本与性能之间通常能取得最佳平衡。 研究还发现,模型规模越大,其鲁棒性和代码安全性往往越低。

  4. arXiv · ML28

    QVal: 评估长时程 LLM 智能体密集监督信号

    QVal 是一个免训练测试床,用于测量密集监督信号的 Q 对齐度,即信号对状态中候选动作的排序是否与参考策略下的回报一致。该基准测试了来自七个家族的 21 种方法和六种开放权重骨干,发现简单提示基线在平均 Q 对齐度上表现最佳,而代码生成信号仅在小状态和动作空间中表现良好。Q 对齐度与测试时任务成功率增益强相关,使研究人员能在提交完整训练前低成本比较新信号。

  5. arXiv · ML25

    连续时间隐变量随机微分方程的可识别性:基于扩散协方差漂移的研究

    论文解决了连续时间隐变量 SDE 模型的可识别性难题,提出利用环境诱导的扩散协方差漂移进行解缠。证明在对角扩散机制下,无需对漂移加稀疏假设即可识别隐变量坐标。 作者提出两阶段估计器,实验验证了理论边界,并应用于 Hardanger Bridge 监测数据。 论文已被 NeurIPS 2026 接收,包含 53 页内容。

  6. arXiv · ML25

    Morph 提出基于非平衡最优传输的灵活尺寸分子生成方法

    针对现有扩散模型固定原子数量导致无法准确捕捉分子性质与大小联合分布的问题,研究提出名为 Morph 的灵活尺寸生成模型。 该模型基于几何图结构,通过非平衡最优传输动态调整分子大小,在保持性能的同时显著增强了属性导向采样灵活性。 研究展示了 Morph 在分布外生成任务中超越了先前固定尺寸模型在特定区域表现不佳的局限。

  7. arXiv · ML26

    FedUCA:通过效用约束随机聚合提升联邦学习中理性参与度的框架

    提出FedUCA框架,通过效用约束随机聚合解决联邦学习中理性客户端因利益冲突退出训练的问题。 该框架采用狄利克雷采样混合策略建立非支付通信渠道,服务器据此优化聚合参数以满足客户端的个体理性约束。 该方案有助于提升客户端留存率并改善全局模型性能,已获NeurIPS-2026会议接收。

  8. arXiv · ML25

    Wavelet Flow Matching 用于多尺度物理仿真

    研究提出Wavelet Flow Matching(WFM),一种生成式仿真器,通过在多尺度小波空间直接执行最优传输流匹配,克服现有方法成本与精度间的权衡。 该模型利用U-Net层级结构预测无损小波表示的传输速度,无需预训练自编码器。在三个混沌流体动力学系统上,WFM展现出优越的光谱相干性及具有竞争力的长时程精度。

  9. arXiv · ML32

    生成式机器学习用于蛋白质设计综述

    该综述系统回顾了 59 种生成式方法,覆盖序列生成、骨架生成等六大蛋白质设计任务。 文章阐述了蛋白质表征方式,并讨论了结构约束与功能信息在生成过程中的利用,以及计算和实验评估方法。 作者认为生成式建模的快速进步将使未来能够更可靠地设计更多种类的蛋白质结构与功能。

  10. arXiv · ML20

    FlashSampling 提出精确采样原语,通过融合至 LM head 矩阵乘法减少 vLLM 解码延迟

    FlashSampling 将精确采样融合进 LM head 矩阵乘法,避免在 HBM 中生成完整 logits 张量,并在 4 种数据中心 GPU 上实现内核级加速。 在张量并行解码中,方法用流式对等写入替代 logits 的 all-gather,支持最多 8 个 GPU 通信与计算重叠,且在 vLLM 端到端测试中每输出 token 时间最多降低 10%。

  11. arXiv · ML38

    The Alignment Curse:模态对齐通过文本迁移增强音频攻击

    该研究提出 Alignment Curse 原则,揭示端到端全模态模型中较强的文本-音频模态对齐会促进文本越狱攻击向音频模态的有效迁移。 通过对 Qwen2.5-Omni 和 Qwen3-Omni 等模型的黑色评估发现,经文本迁移的音频攻击效果与直接音频攻击相当或更优,且在纯音频访问场景下优势明显。

  12. arXiv · ML23

    基于参数化条件分布的深度多元模型

    针对异构随机变量集合,提出用各组变量在其余变量条件下的联合概率分布来表示模型。这种参数化马尔可夫链核方法通过学习极大化数据似然,适用于广泛的下半任务。 该模型支持半监督学习场景,突破了传统面向特定任务设计模型组件的局限性。 此方法增强了模型在各类下游任务中的通用性和适用性。

  13. arXiv · AI44

    通过人机交互实现高效测试时适应

    summary_zh: 研究提出测试时适应人机交互方法,将交互信号整合至智能体上下文与权重,通过演化评分标准模块捕捉个体标准。 在写作与视觉创作领域,针对30人共600项任务,智能体单任务成功率提升4.5%-20.9%,评分标准比纯模型或人工多捕获16.0%-22.3%失败案例。

  14. arXiv · AI22

    观点论文:当前 AI 智能体系统阻碍人类监督并加剧技能退化

    这篇观点论文指出,当前 AI 智能体系统设计阻碍有效的人类监督,且长期依赖 AI 会削弱监督者的认知能力,导致技能退化。 作者主张在开发智能体时应优先满足监督者的人类认知需求,通过自动化和人机交互研究提出设计层面的功能支持及组织协议,以维持人类的关键判断力。 该论文已被 NeurIPS 2026 观点论文轨道接收,旨在敦促开发者和部署者采纳支持有效人类-智能体交互的方案。

  15. arXiv · AI31

    ReForge 如何利用 LLM 修订自适应码率算法规则

    ReForge 让 LLM 在部署后动态修订 ABR 算法规则,使平均 QoE 从 1.43 提升至 1.79,超越最佳单一策略的 1.66。 系统保持现有策略池不变,仅由 LLM 重写比特率选择规则,并通过快速 GPU 模拟器回放验证无网络性能退化。 该增益在九个真实网络数据集及真实视频播放器中均得到验证,所有代码和数据将公开可用。

  16. arXiv · AI33

    回归无关布局感知匹配实现无幻觉 GUI 定位

    提出回归无关框架解决多模态大模型 GUI 定位幻觉,ScreenSpot-Pro 精度提升超 20%。 该方法通过冻结 MLLM 解析指令生成布局描述,再经专用定位模型匹配候选项,仅用 Text/Icon 标签训练避免坐标回归。 Mind2Web 成功率与元素选择率提升超 15%,有效解耦指令理解与定位以优化 GUI 交互。

  17. arXiv · ML25

    SILVER 结合 RL 引导标注:解读高维多动作深度强化学习策略的模型级方法

    论文提出 SILVER 结合 RL 引导标注框架,解决 SILVER 仅限低维二值动作的局限,扩展至多动作高维环境。 该方法将 RL 策略自身动作输出纳入边界点识别,利用 SHAP 进行特征归因并训练决策树等代理模型。 框架在两个 Atari 环境中结合三种深度 RL 算法进行评估,通过人类受试者研究证实其在提升策略透明度与可理解性方面的有效性。

  18. arXiv · AI20

    **title_zh**

    嵌套因果老虎机中基于PAC-Bayes风险的认证策略优化 **summary_zh** 研究提出嵌套因果汤普森采样(NCTS)算法,利用PAC-Bayes超额风险界对历史数据中的部署策略进行认证。 该方法在层级结构因果模型上验证了因式分解机制在分布偏移下的优越零样本迁移能力,实现了渐进式安全部署。 相关成果已被NeurIPS 2026主会接收。

  19. arXiv · AI41

    ShopGym:电商 Web 智能体仿真与可扩展基准一体化框架

    ShopGym 框架通过 ShopArena 和 ShopGuru 组件,解决了电商 Web 智能体评测中真实感与可控性的平衡难题,实现了可重置、可检查的标准化评估环境。 验证显示,合成商店在 224 项任务中 6 个沙盒商店内的智能体成功率与真实店面高度一致,单店生成成本约为 60 美元。 该框架已入选 NeurIPS 2026 评测与数据集赛道,为大规模智能体行为分析提供了可扩展基础。

  20. arXiv · ML22

    GCR:一种注入图一致性正则化的自提示框架

    该研究提出图一致性正则化(GCR),通过注入基于模型预测的关系图结构,促进类感知且语义明确的功能表示。 GCR 作为自提示机制,在任意深度引入无参数的图一致性层,构建批次级特征相似图并与全局类感知掩码预测图对齐,通过自适应权重抑制噪声层。 实验显示 GCR 增强了类内凝聚性,改善了泛化能力,且模型无关、轻量化。

  21. arXiv · AI29

    D-VLA:面向视觉-语言-动作模型的高并发分布式异步强化学习框架

    D-VLA 提出了一种高并发、低延迟的分布式强化学习框架,旨在解决大规模具身基础模型训练中的资源冲突瓶颈。 该框架引入“平面解耦”隔离高频数据与低频权重控制,并设计了四线程异步“泳道”流水线,实现采样、推理与梯度计算的全并行重叠。 在 LIBERO 等基准测试中,D-VLA 在百亿参数模型上的吞吐量和采样效率显著优于主流强化学习框架,且在万亿参数扩展性测试中保持线性加速。