PLATO:基于悲观隐空间任务感知优化的鲁棒离线元强化学习方法
针对离线元强化学习中隐变量超出训练分布导致泛化失败的问题,提出 PLATO 方法。 该方法基于流形假设,将任务隐变量向远离质心方向扰动,利用解码器集成在扰动后的隐变量上生成轨迹,并通过悲观权重对集成模型分歧大的步骤进行降权,从而提升策略在分布外任务上的表现。
针对离线元强化学习中隐变量超出训练分布导致泛化失败的问题,提出 PLATO 方法。 该方法基于流形假设,将任务隐变量向远离质心方向扰动,利用解码器集成在扰动后的隐变量上生成轨迹,并通过悲观权重对集成模型分歧大的步骤进行降权,从而提升策略在分布外任务上的表现。
研究提出交互 4D 体积液体预测任务,TIDE/TIDES 框架通过隔离界面驱动预测并添加传输感知耦合与显式稳定化,有效减少累积误差。 实验在相邻基线、运动/尺寸 OOD 测试及长时程评估中验证,TIDES 取得最佳预测性能,消融实验证实局部交互、传输耦合及稳定化是关键贡献因素。 代码已公开,该工作为移动固体条件密集液体预测建立了受控基础。
D2F提出了一种基于语义中介的目标遗忘方法,将敏感事实与无害意义分离。 该方法提取事实级中介表示,通过对比优化生成反事实答案,在移除敏感信息的同时保持响应流畅性与有用性。 实验显示D2F在多个基准数据集上实现了优于基线方法的遗忘与保留平衡,代码已公开。
PopGen框架利用LLM从头合成语义多样化的智能体,通过文本描述生成可执行代码策略。在四个协作环境中,基于该种群训练的协作者实现了与未见伙伴的鲁棒零样本合作,性能优于基线方法。语义多样性随种群规模扩大而增强,提升了最差情况下的性能。
LURE 是一个包含 2121 条交流记录的合成语料库,用于研究对未成年人的线上诱骗(grooming)。 该语料库基于 ChatCoder 的八标签体系生成,阶段标注准确率为 0.93,标签准确率为 0.85。 语料库及其数据表已附带审核访问机制发布,可用于受控实验和管线开发。
PIG 通过辅助模型估算并行与顺序生成间的不一致性,以提升扩散语言模型的生成速度。 它使用约 2M 参数的轻量级模型,在 LLaDA-8B 和 NemotronDiffusion-3B 上扩展了准确率-TPF 前沿,性能优于 Fast-dLLM 等标准方法。
循环状态量化中量化器尺度与状态的反馈导致误差累积,INT4在千步后使合成召回完全失效。 将尺度绑定至全精度参考可消除范数爆炸,但仅恢复5.4 nats损失中的1.8 nats;异常值感知方案劣于持久缩放。 该研究发表于NeurIPS 2026 Long-Context Workshop,指出32K解码下分组INT4效果等同于丢弃状态。
研究提出 SEED-MAX 算法,通过顺序嵌套模型选择减少随机特征冗余,实现多分类任务的高效特征剪枝。 该算法递归计算经验风险,结合 Fisher 检验优化剪枝率;在 UCR 时间序列数据集上实验显示,剪枝率可达 92% 且分类精度损耗极低。
FARL 框架通过联合搜索观测、奖励程序、算法及训练设置,实现了强化学习设计的自动化。 该框架利用分级预算筛选设计,并在 Adroit Hand Relocate 任务中以每个策略 5M 训练步达到 97.1% 成功率。 FARL 在导航、运动和操作任务上优于现有自动基线,解决了传统方法依赖人类专业知识设计学习流水线的瓶颈。
基于超网络的持续学习框架发现,LLM在知识冲突时优先跟随上下文,且选择取决于知识呈现位置而非内容。 上下文和适配器知识沿与基础模型隐藏状态正交的方向扰动表征,可推导出控制知识源选择的steering vectors。 多跳推理中,模型无法可靠组合基础模型、上下文和适配器中的知识,关键在于超网络与后两者的交互。
DressAgent 是一种分层智能体系统,通过物理仿真闭环优化,从单张图像重建可仿真的多层 3D 服装。 该系统构建了首个包含超 15K 套服装的多层裁剪图数据集,并采用粗到细策略,由 Tailor、Critic 和 Orchestrator 协同完成精细化迭代。 DressAgent 在性能上大幅超越前馈方法,耗时仅为微分优化的一小部分,并能泛化至复杂层叠与不同体型。
SkillFusion 是一款离线编译器,通过将独立创建的技能中的不兼容需求合并为可重用的技能,解决 LLM 智能体多技能加载冲突。 它采用类型化约束和对抗性验证,在三个智能体基准和两个迁移基准上,于三种执行模型中取得了非预言机方法最高的平均成功率。 最大指令配置下,其成功率比未解决的多技能加载高 2.5 倍以上,代码将在评审结束后开源。
结合十年 PhotoMappers 数据,利用 Qwen3.6-27B 和 InternVL3-8B 等视觉语言模型进行灾难照片地理定位,整体 R@1 准确率仅为 40.90%。
提出 InsQL 单步生成策略框架,基于组合平均速度建模消除迭代采样和 BPTT,仅需用单个策略网络避免蒸馏和多阶段过程。推理时通过单次前向传播生成动作,在离线 RL 基准测试和真实机器人操作任务中性能匹配或超越 SOTA 扩散方法,同时大幅降低训练和推理时间。
提出新优化器 Ares 以提升大语言模型在可验证奖励强化学习(RLVR)中的训练效果。该优化器基于梯度谱结构自适应调整更新秩,将信号限制在低维子空间内。 研究发现 RLVR 诱导了独特的优化几何特征,即梯度能量向有效子空间集中且随训练动态演化,而监督微调不具备此特性。Ares 通过追踪这种演化来优化性能,在多种 LLM 规模和 RLVR 算法上实现了比常用优化器更高的准确率。
无编程背景的职业口译员通过“氛围编程”与 LLM 协作,构建了首个全本地化计算机辅助口译系统。 在 971 段发言的高强度测试中,该系统维持中位翻译延迟 0.94 秒,工具已公开并在 Zenodo 存档。 研究表明生成式 AI 赋能了解译员技术素养提升与用户创新。
提出 PGSB 框架,通过识别任务间共享方向并结合预训练权重重新参数化,提升 LoRA 模型合并效果。 PGSB 采用两阶段方法,先找出任务特异性 LoRA 更新中的共享方向,再计算其与预训练权重的相互作用以生成更优合并基。 实验表明 PGSB 在多个基准测试中持续优于现有最先进方法,代码已公开。
提出 MCPDisCo 框架,用于训练 MCP 原生代理,在 70 个服务器和 527 个工具上进行真实长程交互强化学习。 该框架通过结合 token 掩码奖励归因与双向梯度手术,有效缓解了推理与工具使用之间的“跷跷板”效应。 在分布外 MCP-Atlas 和 GAIA 基准上保持单调增益,证明模型在训练分布外具有良好泛化能力。
AINA-KK 数据集包含 3811 个前 ChatGPT 时期人类文本和 5597 个机器生成文本,发现英文训练检测器误报高达 81.4%。 针对阿拉伯字母转写缺失问题,团队构建了 AINA-KK-Det 检测器,在已知生成器上准确捕获 85.2% 的机器文本。 该研究公开了数据、代码和检测器,为低资源语言 AI 检测提供了基准。
RES-MR 提出基于 LLM 的两阶段训练范式,显著提升药物推荐的准确率、安全性及可解释性,优于 SOTA 基线。 阶段一通过合成推理轨迹微调挖掘诊断能力,阶段二利用解耦药物因子构建患者参考原型,通过奖励整形校准风险边界。 该框架解决了传统黑盒模型缺乏透明度及固定安全约束忽视个体风险差异的问题。
针对语言模型分类器部署时的误报率,ConformalGuard提出一种模型无关的校准层。对Claude Sonnet 4应用该层可将FPR从0.040降至0.008,但召回率从0.938降至0.875。在2%患病率的邮件场景下,该方法每1万封邮件可减少25次误报审查。
Apertus 1.5 扩展了完全开源的 Apertus 系列,新增图像和音频理解能力,实现多模态推理。 基于 Apertus 1.0 继续预训练,8B 模型追加 4T tokens,70B 模型追加 2T tokens;上下文窗口扩展四倍至 262,144 tokens,架构保持不变。
提出“执行后学习”方法,将程序执行结果作为中间状态支持额外学习交互。在 Image-to-TikZ 任务的 945 个留出样本上,单次调用渲染成功率达 92.70%。
PsyMemBehav 模型通过 41 维描述符与 BM25 记忆,实现身份到行动推理。其 27B 版本在 11/12 项指标中排名第一,响应质量从 54.28 提升至 59.68。 该模型基于 5,862 名真实用户共 5.57M 行为记录构建,采用 DPO 优化。在组级别模拟中,MAE 低至 0.081,验证了证据驱动用户建模的有效性。
RegExtract 是首个用于 PFAS 法规文档结构化信息提取的 LLM 基准,包含 488 个人工标注字段实例和 976 个溯源条目,覆盖美国 20 个州的 46 项法规。 研究采用类型化多字段模式,针对监管文本提出溯源感知评估指标,实验表明字段级少样本示例能提升提取效果,且文档标识字段仍是难点。 该基准为后续开发用于危险物质识别、合规监测等 AI 工具奠定基础,代码和数据已公开。
当前脑电图生成模型普遍违反通道间线性恒等式,MontageFlow通过流匹配机制强制输出满足该物理约束。模型在三个大规模基准测试中,TS-FID指标比最接近的竞品提升1.6至3.6倍。 该模型还引入生理状态向量作为条件,以保留易被过度平滑消除的脑电图特征,该向量从潜在空间先验分布中采样。
Reels-RSI 是开源视频导演框架,通过程序级自我改进而非权重更新提升视频质量。在 111 个视频案例中,其学习规则捕获了早期 4 个潜在缺陷,且后续无新缺陷。 该系统将静态检查捕获的经验编译为带测试用例的规则,确保新规则能回溯审计旧内容;弱导演在有规则保护下违规次数从 30 次降至 5 次。
SAT-RL 提出了一种强化学习框架,通过多轮工具执行训练 LLM 与符号求解器交互,显著提升符号推理能力。 框架利用可验证的合成数据生成、监督预热及求解器基础的 RL,在域内和域外逻辑任务上均表现出性能提升。
新基准 SciCurateBench 包含 200 篇专家标注的生命科学论文,揭示普通 LLM 及现有工具使用智能体在验证复杂的合取式生物实验标准时表现不佳。 提出集成系统 LangPoli,由策略智能体生成自然语言行动指南,供执行智能体转化为可执行工具;在论文分类任务中 F1 分数达 83.16%,显著优于基线 LLM 的 58.22%。
PsyBer-Agent 通过 Psy-Engine 建模用户疲劳与偏好动态,在大规模并发模拟中表现优于仅提示词模拟器。该框架利用 Unbalanced Gromov-Wasserstein 最优传输校准行为,支持 5M 队列任务下的稳定运行。
SuperLocalMemory 发布了一款本地运行的 AI 智能体记忆系统,支持 Claude Code、Codex、Cursor 等主流工具,通过 MCP 协议统一管理多智能体上下文。系统默认在本地执行数据检索,提供隐私保护机制,并允许用户通过 Laya 或 Jev 模型进行事实核查。作者展示了安装配置方法,介绍了支持多种数据格式和权限管理的核心能力。
LeanLLM 是一个 Lean 4 类型化 LLM 客户端库,统一接口支持 Claude、GPT、Gemini 等 10 家模型及 OpenRouter、Bedrock 等 12 种 Provider。
开发者兰登·托马斯在推出 ArtCraft 挑战 Adobe Creative Suite 后,调用 Claude AI 模型向微软 Office 发起挑战,发布 WordCraft、GridCraft 和 DeckCraft,分别定位为 Word、Excel 和 PowerPoint 的免费替代品。
AgentGate 是一个进程外授权代理和安全网关,用于拦截自主 AI 智能体的工具调用。系统使用经微调的 Qwen 0.8B 模型进行风险分类,p95 延迟低于 38ms,比常见的 LLM 裁判方法快 30 倍以上。网关基于 strategy.yaml 执行确定性访问控制,支持 MCP、LangChain 和 CrewAI 等框架,并内置了针对提示词注入和破坏性操作的验证测试套件。
作者发布开源工具Jeffy文本分类器,通过交互演示展示AI利用Markov链预测人类左右选择模式的能力,20次选择后可达到60-70%预测准确率。Jeffy提供68个预训练分类器,支持文本、游戏状态和数值特征,在CPU上运行耗时低于80ms,无需GPU或API密钥,可通过pip安装并在3行代码中实现分类功能。
Jevcrawl 发布,这是一个专为 AI Agent 设计的网络爬虫工具,其核心特点是爬取决策不经过 LLM。官方基准显示,其在 50 个任务中的准确率为 54%,且每次任务成本约为 LLM 驱动的 8 分之一。该工具支持 MCP 协议,兼容 Claude Code、Cursor 等客户端,并采用 Apache-2.0 协议开源。
微软成立了名为XBOX Labs的新团队,专门探索AI新技术在游戏开发中的应用。XBOX CEO阿莎·夏尔马在致员工的内部信中写道,近期许多游戏通过AI辅助进行快速反编译和重新构建,例如一些PC游戏被成功移植到苹果自研芯片上,或利用WebAssembly和WebGPU技术运行在浏览器中。
Enki LLM 在纯 Rust 环境下实现 Llama-3.2 1B 推理,代码量约 2000 行。 支持生成过程中 GPU 与 CPU 实时迁移,Nvidia Tesla T4 上速度约 40 tok/s。 通过 Enki 运行时和 Vulkan 1.3 实现跨硬件兼容,无需 CUDA 依赖。
作者构建了MIT协议开源的浏览器控制面板LlamaForge,用于驱动上游llama-server。v0.16版本引入名为Embers的小型本地智能体,可读取指定来源并生成简报;系统要求每个声明必须逐字引用来源,并使用独立代码校验引文是否存在,失败则丢弃该声明。项目大部分代码由Claude Code编写,采用规范规划、子智能体执行及代码审查流程。
Hatoba 是一款开源桌面 SSH 客户端,支持通过部署在用户自有 Cloudflare 账号的 Worker 和 D1 数据库进行端到端加密同步。 其 AI 助手面板支持读取屏幕、执行命令及编辑文件,需配置 OpenAI 兼容或 Anthropic API key,并支持 skills 和 MCP servers。