跳到正文
11月10日周二
  1. arXiv · NLP27

    检索模型中的搜索答案偏差

    密集检索模型存在搜索答案偏差,偏好提及模型已知答案对象的段落。 使用 LAMA/TREx 数据集测试 DPR、E5、Qwen3-Embedding 等八种检索模型发现,token 预测分数越高,包含该对象的段落检索分越高。 这会影响检索证据的选择。

  2. arXiv · NLP24

    AOP-Smart-Finder:用于大规模文献 AOP 发现与证据映射的高通量人机混合框架

    研究人员开发高通量人机混合框架 AOP-Smart-Finder,整合 LLM 与 RAG 技术,实现大规模文献中不良结果通路(AOP)的发现与证据映射。 在 DEHP 案例中,系统 30 分钟内处理 12,983 篇文献,提取 1,589 个生物事件和 2,519 个关键事件关系;ALS 案例中识别 55 种胁迫因子并构建包含 16 个关键事件的机制网络。

  3. arXiv · NLP26

    EASE-KV:诊断 KV 记忆可用性与有效使用间的差距

    EASE-KV 框架揭示了可复用 KV 记忆中存储记忆转化为可用证据的障碍。 在固定语言和模型下,因果编码比块对角编码提高组合准确率 25.0 个百分点,但推理时方法无法恢复缺失上下文。 诊断性证据引导分配在不变存储状态下将 LongMemEval 准确率从 31.2% 提升至 38.4%。 结果表明,有效 KV 记忆不仅依赖检索和注入,还要求编码、影响和监督的协同。

  4. arXiv · NLP28

    MultiTurnRoute: 构建和评估多轮 LLM 路由器的平台

    研究者提出 MultiTurnRoute 平台及 Chain-of-Route (CoR) 路由算法,用于评估多轮 LLM 路由器在会话质量与成本上的表现。 CoR 结合可复用前缀长度估计成本,在基于 WildChat 和 LMSYS-Chat-1M 的基准测试中,使匹配最强模型质量所需的归一化成本最多降低 20.3%。 该研究成果已被 NeurIPS 2026 接收。

  5. arXiv · NLP44

    TransMem:面向动态个人记忆的过渡感知检索框架

    TransMem 提出过渡感知记忆检索框架,将偏好更新作为显式检索单元,优于现有基线模型。 在 PersonaMem 和 PersonaBench 实验中,基于 Qwen 模型的 TransMem 在事实锚点与自适应扩展方面表现显著。 该研究被 NeurIPS 2026 接收,验证了偏好更新记录对长期个性化记忆的价值。

  6. arXiv · NLP41

    ASCENT 提出规模互补外部状态框架以提升冻结长上下文大语言模型性能

    ASCENT 框架通过规模互补外部状态提升冻结长上下文 LLM 表现,16K BABILong 实验中 Qwen2.5 准确率增益显著。 在 0.5B、1.5B 和 3B 参数规模下准确率分别提升 10.50、78.88 和 82.63 个百分点。 结果显示外部状态价值随读者容量与状态预算联合扩大而增加,基准测试确认其有效性。

  7. arXiv · NLP29

    EviCover:诊断长期对话记忆中的证据集丢失问题

    EviCover 提出将问题转化为可观测证据需求,通过检查检索源标识符覆盖度并联合选择轮次,以保留互补证据。 在 REALTALK 数据集 108 个多跳问题中,该方法将 60 个候选轮次中的支持轮次召回率从 0.526 提升至 0.575,最终 10 轮上下文召回率从 0.349 提升至 0.379。

  8. HackerNoon · AI30

    企业 AI 中人类判断力比数据更重要

    企业 AI 应用中,人类判断力比单纯的数据收集更能引导模型输出,避免答案趋向平庸的平均值。 BMW 项目耗时六个月构建数据字典,将分析速度提升 12 倍,证明嵌入专业领域判断能显著增强 AI 可靠性。

  9. Hacker News AI38

    如何实现无生成式 AI 摘要的网页搜索?

    所有搜索引擎均使用 AI,但可规避生成式 AI 摘要。 Google 暂无官方开关,但通过链接添加 `&udm=14` 参数可强制使用 Web 标签页,隐藏 AI Overviews。 DuckDuckGo、Brave Search 等提供非 AI 模式,OpenWebSearch.eu 则致力于构建独立的欧洲搜索基础设施。

  10. AWS Machine Learning Blog41

    Amazon Bedrock Managed Knowledge Base 支持单次与智能体检索模式

    Amazon Bedrock Managed Knowledge Base 新增支持单次 RAG 和仅检索请求,通过 AgenticRetrieveStream 接口实现。 该服务扩展 maxAgentIteration 参数范围至 0-5,支持单次检索生成答案或仅返回原文,无需复杂智能体规划。 单一 API 即可平衡速度与质量,简化应用开发,无需维护分离代码路径。

11月9日周一
  1. Hacker News AI28

    本地个人 AI 的争议:优势与劣势

    作者反驳认为只有云端前沿模型才能完成实际工作的观点,指出许多用户因缺乏本地 AI 知识而产生认知偏差。 文章列举 llama-swap、llama.cpp 及 HyperQwen 等工具,强调本地部署涉及控制权归属而非单纯成本或扩展性。 作者主张在个人计算中保留“数字主权”,避免将 AI 能力控制权完全交给寡头垄断。

  2. arXiv · AI45

    MCGI:面向十亿级磁盘驻留向量搜索的流形一致性图索引方法

    MCGI 提出了一种利用局部固有维度(LID)感知几何特性的磁盘驻留图索引方法,解决了高维空间中欧几里得-测地线不匹配导致的性能下降。 该方法通过查询自身已计算的距离估计 LID,动态调整候选列表大小,无需额外磁盘读取,在同等高召回率下将 DiskANN 的查询吞吐量在十亿级 SIFT1B 上提升至 1.24 倍。

  3. arXiv · ML23

    KolTa:面向有限数据配方发现的物理信息主动学习框架

    KolTa 提出结合三阶段预测器与任务特异性软物理约束的主动学习框架,旨在固定查询预算下发现前 5% 高性能配方。 采用物理残差校准的 PRC-UCB 获取规则,在四个任务中平均学习曲线面积(AULC)排名前二,且最大差距仅为 0.032。 在药物溶解度任务中,达到 80% 目标恢复率需约 348 次额外查询,比最快对比策略少 18%。

  4. arXiv · AI30

    ParliamentRAG:基于意大利众议会议程的权威感知多视角 RAG 系统

    针对议会记录中发言权重不均与引用错位风险,ParliamentRAG 提出主题依赖的权威模型,用于处理意大利众议会议事记录。 该模型结合职业、教育等可解释特征估算发言人在特定查询下的权威度,检索多党派专家观点并生成附带引用的摘要。 在 15 个政策主题上,ParliamentRAG 对 6 名领域专家盲评显示,其引用忠实度(1.00)和政治党派覆盖度(0.97)高于 NotebookLM。

  5. arXiv · AI28

    GRAC:基于图结构检索增强的手术场景描述框架

    GRAC 框架通过图结构表示手术场景,利用检索增强的生成方式提升描述准确性。 在 EndoVis-18 基准测试中,其 CIDEr-D 得分达 5.88,超越传统 Transformer 基线的 3.36;在三元组准确率上从 26.2% 提升至 52.6%。 该结果表明,结合结构化场景表示与检索示例能显著提升手术场景描述的上下文相关性。

  6. arXiv · AI26

    RelGuard:首个GraphRAG差分隐私框架

    针对GraphRAG系统面临的知识图谱重构攻击,提出首个具备形式化隐私保证的差分隐私框架RelGuard。 该框架定义关系差分隐私(relation-DP),通过四步防御机制在索引前对源文档进行净化,利用指数机制扰动谓词或移除连接。 实验表明,在保护重建攻击方面,RelGuard优于四种现有防御机制,同时更好地保留了下游效用。

  7. arXiv · AI35

    LaMP-2 基准上错误用户控制评估分析:86% 个性化增益源于话题不匹配

    使用 LaMP-2 基准研究发现,仅类别标签即可复现 86% 的个性化准确率差距,合成匹配历史将差距缩小至 0.9 个百分点。 用户自身历史比无历史模型提升 2.3 个百分点,而评估时移除历史会虚增为 4.8 个百分点;在未知用户及电影标签实验中未观察到显著优势。 指出个性化模型应在未知用户和相似内容历史上进行评估,并验证带门控交叉注意力优于纯前缀模型。

  8. arXiv · ML26

    CascadeRec:多租户内容推荐中已部署的自适应 LLM 算力分配系统

    CascadeRec 双层 LLM 重排序级联系统已在生产环境中运行超过一个月,推理成本降低约 10%,且未观察到质量回退。该系统仅在路由器判断额外推理算力有益时,将请求升级至更昂贵的 Tier-2 流程。 在公开基准测试中,均匀 LLM 重排序使稀疏历史用户的 NDCG@10 最多降低 30%,且仅在最长期历史的细分组中表现出统计显著收益。

  9. arXiv · AI24

    PHISHREV+:基于ASP的后置可废止机器学习钓鱼网站检测框架

    PHISHREV+框架提出后置可废止机器学习方法,用于改进钓鱼网站检测。该框架利用回答集编程(ASP)的非单调推理层,修订SVM、KNN、DT和RF分类器的初始预测,通过四条可废止规则在保持假阴性持平的同时降低假阳性(如SVM从41降至39)。系统提供基于XASP的实例级可解释性,生成形式化推导图以展示规则触发原因。

  10. arXiv · ML35

    DTCD 因果发现与处理效应基准数据集工具包发布

    DTCD 数据集及因果发现工具包发布,通过配置组合拓扑、机制与噪声生成含真值邻接矩阵的多变量时间序列。 支持 81 种配置评估 8 种发现算法及 18 种配置评估 4 种处理效应估计器,通过缓存随机实现恢复数值精度的个体处理效应。 揭示标准发现方法无法处理缺失值及边际方差捷径问题,相关代码与数据已开源。

  11. arXiv · NLP28

    多模态临床记录非随机缺失下的因果表示学习

    该研究提出一种因果表示学习框架,利用多模态临床记录中的观测数据及非随机缺失模式。在 MIMIC-IV 和 eICU 数据集评估中,该方法相比最强基线模型,住院再入院 AUC 相对提升最高 4.3%,ICU 入院提升 2.7%。 该框架包含 MMNAR 感知模态融合、模态重建对齐及多任务结果预测组件,旨在修正由特定模态观测模式引起的残余偏差。

  12. arXiv · NLP24

    KG-RAG4SM:基于知识图谱的检索增强生成用于模式匹配

    研究提出KG-RAG4SM方法,通过整合LLM、向量和图遍历等检索机制及重排序方案,从外部知识图谱中提取子图以解决模式匹配中的语义歧义与LLM幻觉。 该方法无需再训练,在MIMIC数据集上相较Jellyfish-8B等SOTA方法的精度提升39.79%,F1提升30.56%;在Synthea数据集上相较SMAT精度提升69.20%。

  13. arXiv · NLP20

    Kontrast 检测文本、表格与知识图谱间的知识不一致性

    研究提出 Kontrast 框架,利用 Text-to-SPARQL 和 LLM 推理对比表格答案与知识图谱证据,自动检测并分类跨模态不一致性。该框架覆盖粒度差异、直接冲突、时间变化及图谱不完整四类情况,在 Table-QA 数据集实验表明此类不一致普遍且具信息量,能揭示真实知识冲突及图谱结构缺失,为大规模知识审计提供基准。

  14. arXiv · NLP28

    LLMs 能否对检索信息持保留态度?

    研究评估了 8 个大语言模型在应对不确定检索信息时的局限性,发现其存在过度依赖复杂上下文等问题。 提出的交互策略通过反馈无上下文答案并简化上下文,使顺从性错误平均减少 25%,且不修改模型权重。

  15. arXiv · NLP29

    MemSkill: 学习并演化记忆技能以支持自演化智能体

    MemSkill将LLM智能体记忆提取重构为可学习、可演化的记忆技能,在LoCoMo、LongMemEval、HotpotQA及ALFWorld等基准上显著超越强基线。 系统采用Controller与Executor机制筛选并执行相关技能,配合Designer定期优化技能集,形成闭环以自我完善。 该方案在NeurIPS 2026上被接收,提供了更自适应的记忆管理路径。