基于分类学的招聘检索有效性与公平性评估合成数据集
该论文介绍了一个基于分类学的完全合成 HR 数据集与基准,用于同时评估检索有效性与算法公平性。数据集基于 66 万真实自由职业者档案构建,包含候选人资料、项目需求及反事实人口统计孪生数据。
该论文介绍了一个基于分类学的完全合成 HR 数据集与基准,用于同时评估检索有效性与算法公平性。数据集基于 66 万真实自由职业者档案构建,包含候选人资料、项目需求及反事实人口统计孪生数据。
研究者提出 SteerGR 框架,利用稀疏自编码器在概念层面控制游戏发现中的生成式推荐。该方法包含定义、特征发现及稀疏干预三阶段,无需重新训练即可引导推荐结果。实验基于两个工业级生成推荐模型验证,成功将推荐导向或远离目标概念。
提出混合 RAG 框架,融合知识图谱结构化推理与稠密向量检索。 框架采用多阶段流水线,基于 Transformer 摘要与语义切块构建动态知识图谱。 实验显示混合方法在 MultiHop-RAG 数据集上 Exact Match 分数高于单一基线。
Compaction 双层对话记忆在 LoCoMo 基准的可比四类别中得分为 71.4%,超越 RAG 的 64.6%,且提示 token 减少 34%。 该优势在包含对抗集的五个类别中缩小至 2.0 分并失去统计显著性,主要因 RAG 在对抗场景领先 14.6 分。
多模态大语言模型终身知识编辑面临严重灾难性遗忘问题,现有方法难以避免序列编辑对预训练能力的干扰。 ROSE 框架通过限制参数更新在正交互补子空间并引入风险掩码机制,成功保护了关键事实参数子空间,确保模型稳定性。 在两个主流多模态基准测试中,ROSE 在连续 1,000 次更新中保持了卓越稳定性,其表现与最先进方法相当。
基于 1,100 个 BEAM 问题研究显示,增大 passage budget 可提升平均分,但高分预算下边际收益递减。 实验对比 Qwen 和 Mistral 的消息保留表现:Qwen 在直接需求下匹配完整状态率更高,Mistral 结果接近最低基线。 可靠的预算选择需保留证据并验证评估指标,当前评分审计尚未解决 BEAM 答案正确性问题。
在亚秒级延迟限制下对 TitaNet、ECAPA-TDNN 等开源说话人嵌入器进行基准测试。实验发现嵌入前降噪通常有害,会提高等错误率(EER),截断语音活动片段则降低所有模型性能。建议基于原始音频和完整语音活动块进行验证,阈值应优先考虑精确度而非 F1 分数。
提出 FinEvolveKG 框架,通过分离通用与角色策略模块并限制 GEPA 优化器作用域,实现金融知识图谱构建中提示词的可归因进化。 该框架在三个种子均值下,使完整工作流 v4 相比冻结基线 v1 性能提升 19.4% 至 30.9%,并在所有九组成对种子比较中优于无约束全流程 v5。 双专家盲审支持在 70.1% 的对比判断中优先选择 v4 生成结果,证实机械可归因进化可与强实证表现共存。
ModelRefs 发布 AI 模型参考平台,强调每个数据点必须引用来源。该平台基于规范注册表和知识图谱,提供模型、基准和工作流的对比与实施指导。 付费 Evidence API 提供 JSON 格式证据,包含引用和方法论限制。参考层免费阅读无需账户,API 订阅起价每月 $19,含免费层级。
VindexLLM 是一款纯 Delphi 编写的 Windows LLM 推理引擎,利用 Vulkan 计算着色器在 GPU 执行完整 Transformer 前向传播。
作者开源了 AiPrepLab 课程,用于准备 AI 研究员面试,涵盖数学、编码、AI 训练和 GPU 编程四个支柱。课程包含 11 个模块,从 PyTorch 基础到 CUDA 内核编写,并强调通过 CPU 运行练习和严格的检查机制来培养精确性。建议根据面试轮次选择特定模块,如系统面试侧重模块 04 至 09,研究面试侧重模块 01 和 07。
Day AI 推出基于 LLM 优化本体论的客户记忆,整合团队邮件、日历、会议及 Slack 数据构建统一上下文图谱。 其智能体控制平面赋予智能体名称、职位描述及层级架构,通过自动反馈机制持续优化表现,并记录完整审计轨迹。 系统旨在提升速度、成本效益、准确性及治理水平,允许用户在审批后运行智能体。
TokiRecur是支持KV缓存回收的本地LLM启动器,覆盖多种GPU和CPU运行后端。测试显示TTFT提升62%–96%,预填充吞吐量提升410%–1280%。
PersonaliAI 在 GitHub 开源 Chatty,一个可自托管的 AI 客服引擎,支持 WooCommerce 订单与库存同步。该项目提供 7 通道全渠道集成、视觉流程构建器、LiveKit 语音智能体及 81 个 FastMCP 工具,允许通过 BYOK 接入 Gemini、OpenAI 等模型。
开发者发布 Windows 版 ScrapeVantageAI Desktop,支持在本地处理 PDF、文档和演示文稿的问答功能。该应用通过仅上传检索片段保护隐私,并校验引用来源准确性,允许在索引完成前即时提问。
亚马逊支持团队在 Amazon ECS Fargate 上构建无服务器 MCP 服务器,作为 AI 智能体访问企业数据湖的中央网关,解决多智能体重复开发权限控制的问题。 该架构采用元数据驱动模式,新增数据源仅需提供 JSON 文件即可自动接入,无需编写定制代码,支持多租户环境下不同 MCP 客户端共享同一工具接口。
summary_zh: Taxbit 基于 Amazon Bedrock AgentCore 发布了嵌入其合规平台的 AI 助手 Taxbit Assist。该助手支持带引用的角色感知问答,且超过 55% 的用户在首次提问后 24 小时内会再次使用。
该研究将物理不变量转化为联邦学习更新的可验证准入要求,解决了数据投毒防御问题。 在SWaT等三个测试台上,挖掘出的不变量拒绝了所有伪造遥测数据,且利用零知识证明(zk-SNARKs)在保护隐私的同时验证了批次遵从性。 该方法有效恢复了因重放投毒导致的78%目标攻击召回率损失。
Genome-Factory 是首个集成基因组基础模型微调、部署与解释的 Python 库,统一了数据获取、推理及基准测试工作流。 该库支持全参数与参数高效微调,提供 DNA 序列生成功能,并引入基于稀疏自编码器的开源生物解释器。 研究人员利用 DNABERT-2 验证了其生物解释能力,实际结果显示该工具在基因组分析中具有实用价值。
提出零样本域适应框架,仅用目标资产正常数据实现早期故障检测。 框架结合统计过程控制、ADANN模型及提前标注方案,在轴承数据集上取得最高平均F1分数。 验证了目标仅有正常数据时的理论对齐状态及抗合成噪声鲁棒性。
DynSHAP 框架通过 Shapley 博弈处理纵向不规则输入与生存输出,解决现有可解释方法在动态生存分析中的局限。 其变体 Temporal DynSHAP 学习时间依赖性,在合成数据上比边际估计器更准确恢复特征。 该方法在两个临床数据集上生成忠实归因,辅助医疗专家识别驱动预测的患者信息及时间点。
ReGuard 框架通过在推理时介入保护,无需重训即可发现并缓解基于 RL 的网络控制器在最坏情况下的性能退化。 该框架将场景发现形式化为双层遗憾最大化问题,在 Pensieve、Sage 和 Park 三个控制器上发现 43-64% 的性能损失。 ReGuard 通过轻量级逻辑规则介入高风险状态,在首次迭代中缩小 79-85% 的性能差距,其保护作用可延伸至更广泛的网络条件。
论文发布 FinMultiHopQA 基准,包含 15,600 道基于 FinReflectKG 的金融多跳问答。该知识图谱源自 SEC 10-K 文件,包含 1750 万+ 三元组。 基准通过控制证据呈现方式测试 LLM 推理性能。结果显示,非结构化呈现下正确率更低,且 KG 链接方式减少输入 token 消耗。
CacheGraft 提出基于 KV 缓存融合的 RAG 方法,离线将语料编码为共享模型(4B 参数)与接收模型(0.6B 参数)间的混合缓存,查询时直接注入小模型。
CardioLM 发布 CardioCCC 语料库与多语言命名实体识别模型,基于 508 份跨 7 种语言的心脏病学病历。 XLM-RoBERTa-large 联合训练模型取得最佳 strict F1,比最强单语系统高 0.13;临床医生评分从 26% 升至 73%。 多语言联合训练优于专科预训练,为跨国临床信息提取提供简化部署路径。
ZeroRAG 提出一种去中心化检索路由层,在不依赖全局数据结构或中心协调的情况下,通过语义查询路由改进检索增强生成。 该方案让文档保留在拥有者节点本地,每个节点仅维护有限的邻居通告与近期查询缓存,通过最优优先遍历使网络随时间自组织、提升召回率。
CORE 是一个无训练 harness,结合粗到细搜索与上下文管理,通过稠密检索与重排序器返回最相关 snippet。 它允许智能体扩展已检索源的上下文并抑制重复 snippet,在三个基准上实现 SOTA 答案准确率与证据召回。 在含最高 5.53 亿文档的语料库上,Tongyi DeepResearch 和 OpenResearcher 对比测试中表现领先。
PersonaAgent 提出一种智能体交易异常检测框架,利用可刷新记忆存储实体 Persona,提升异常评分效率。 离线每周批处理更新行为信号,推理时轻量适配器检索增强基础分类器。 在 Visa 基准测试中,PR-AUC 提升 0.65-6.58%,生产业务指标相对提升 8.93-14.24%。
提出选择性检索路由框架,LLM修复代理在路由控制下访问外部证据。 在建筑自动化数据集上,路由比始终启用检索节省token,且比始终禁用修复$F_1$更高。
研究在5个知识图谱上基准测试了5个大语言模型(GPT-5.1、Gemini 2.0 Pro、Llama 3、Qwen、BioGPT)。通过多层级查询数据集评估了模型在感知图谱和无关图谱条件下的推理深度与事实准确性。
summary_zh: 研究者分析了 489,283 对 ShareChat 和 WildChat 助手 - 用户回复,发现 31.9% 的合格回复包含宽泛归因语言,而仅 1.33% 提供显式 URL,揭示了 grounding 声明与可检验支持之间的差距。
arXiv 新论文提出持久检索子智能体,跨轮次维护检索历史。 在五个多轮测试场景中,该方法比基于技能的检索减少 43.3% 的 agent-model tokens 并降低 45.0% 的 API 成本,平均响应时间缩短 9.1%。
Octopus 是一种单模型多智能体强化学习框架,所有线程共享同一骨干网络并通过 GPU 驻留 DAG 协调 KV 状态。 该框架在 Qwen3.5-4B 上端到端训练,在 BrowseComp-Plus 准确率达 49.6%,OpenResearcher 达 51.2%,训练吞吐量提升 3.3 倍且峰值 KV 内存降低 2.8 倍。
GoDaddy 内部团队在 2026 年黑客松中构建了 Pipeline Build Agent。该 AI 智能体通过 Slack 对话完成 PySpark 转换、Airflow DAG 及策略文件生成,并将耗时数小时的工作压缩至分钟级。
开发者受 CTO 委托构建“AI 公司大脑”,旨在通过 AI 代理自动起草文档、准备会议及更新客户信息。其架构设想包含 LLM 维基存储慢变数据、MCP 连接快变数据源及 7x24 运行代理。 面临核心挑战包括代理持续运行的成本、多用户并发处理机制以及是否必须部署常驻代理的必要性。 该方案目前缺乏清晰实施路径,提问者正在寻求社区对系统复杂度和替代方案的建议。
Box 推出新功能 Box Content Retrieval,集成 Nvidia 的 Nemotron 嵌入系统,让 AI 代理能更高效地回答查询。 Nvidia 预计该方案可使响应速度提升 4 倍,错误率降低 20%,token 消耗减少 90%。新功能将基于 Box 的元数据与权限控制,计划于明年初向 Enterprise Advance 客户推送。
阿里云百炼推出模型后训练能力,提供 SFT、DPO、强化学习、蒸馏等方案,支持通义系列未开源模型微调。 覆盖文本、视觉理解及图音视频语音专项训练,部分模型支持全参或 LoRA 高效微调,并配套 API 及评测工具。 调优模型可直接云上部署调用,但暂不支持下载到本地,企业需结合业务数据质量与成本评估启动训练。
Ergon 是一个开源 AI Agent 工具包,包含 Python SDK(引擎)和拖放式可视化 Studio(构建器)。Studio 可生成针对 SDK 的 Python 代码,SDK 能通过桥接以无头模式运行 Studio 设计的 Agent,两者在单仓同步更新以防漂移。
澳洲 Centre for Public Integrity 发布“Computer Says No”报告,警告政府正以 AI 步入新的 robodebt 困境。报告要求对政府自动决策进行强制审计,建立公开登记册及独立监督机构。
PatientsWithPersonality (PWP) 框架基于 HEXACO 人格模型,通过潜在患者状态上的显式人格参数化,生成具备多样性和可控性的真实患者反应。