模型一致性保障数据驱动控制器在系统演化中的安全性
针对数据驱动控制器因物理系统假设失效导致的安全隐患,提出一种将控制器、安全屏蔽及系统模型整合为虚拟单一底层模型(V-SUM)的方法。 该方法通过一致性检查持续评估安全保证,利用一致性保持规则在系统演化时自动更新模型并恢复有效屏蔽。在单轮车的避碰任务中,验证了该机制能有效维持系统变化下的安全保证。
针对数据驱动控制器因物理系统假设失效导致的安全隐患,提出一种将控制器、安全屏蔽及系统模型整合为虚拟单一底层模型(V-SUM)的方法。 该方法通过一致性检查持续评估安全保证,利用一致性保持规则在系统演化时自动更新模型并恢复有效屏蔽。在单轮车的避碰任务中,验证了该机制能有效维持系统变化下的安全保证。
研究提出基于 YOLO-World 的主动学习框架,通过特征聚类和物体置信度优化初始标注池。 在 NWPU 数据集测试中,该方法将 mAP50 平均提升 6.6%,基于物体的评估改进约 11%。 基础模型在主动学习早期周期能显著提升性能并减少标注时间。
PIPETTE 提出一种提示注入紫队框架,通过在 AgentDojo 和 ASB 基准测试中实现近乎零的攻击成功率(ASR),同时保持与未防御基线接近的良性任务效用。 该框架采用基于词典学习的奖励机制鼓励攻击策略的广泛覆盖,并结合针对间接提示注入(IPI)防御的在线策略对抗训练流程。 此方法解决了现有基于强化学习红队方法中存在的模式坍缩问题,将红队发现有效转化为防御方的鲁棒性提升。
研究提出RespCCT和FreqCCT两款紧凑卷积Transformer,参数规模分别为173,187和124,999,在测试集上准确率达98.13%与97.58%。 模型比最强预训练网络减少2.0至64.6倍权重存储,计算输入图像耗时超过运行模型,线性探针能以0.958准确率识别数据来源库。
研究团队提出世界锚定规范化框架 WACO,解决 VLA 模型因相机与机器人基座偏移导致的策略失效问题。在 LIBERO-PoseShift 基准及 UR5e 机器人测试中,WACO 将移位成功率分别提升 13.2 和 36.7 点,恢复 90% 仿真性能差距。该方法无需额外数据或测试时校准,在无扰动训练数据方法中创造新纪录。
OCTR2A 架构利用对角 RGB 相机重建并预测鸟瞰图(BEV)轨迹,实现城市路口实时感知与预测。 该模型在单张消费级 GPU 上实时运行,预测 ADE/FDE 达 0.154/0.241 米;相比 SIND 基准 SOTA,预测精度提升 66.7%/41.7%。 R3ST++ 合成基准支持真实场景适配,无需 LiDAR 或 HD 地图等昂贵资源。
ViLFlow 是一款结合输出嵌入联合建模与并行 token 解码的连续流视觉-语言模型。 该模型在 VQAv2 上优于自回归及掩码扩散基线达 8.46 个百分点,在 COCO Karpathy test 上提升 CIDEr 16.25 分。 其解码器可独立适配,在不重新训练去噪器的情况下提升问答与描述能力。
研究提出 EmergeFuse 框架,通过类相对热线索选择提升开放词汇语义分割性能。在三项基准测试中,未见类 mIoU 最高提升 4.755%,严格互补转换率提升 15.730%。该方法解决直接融合导致的 RGB-语言对齐干扰,保留 RGB 预测可靠性。
AutoPI 提出基于 PIAtlas 分类法的自适应红队方法,用于系统覆盖 LLM Agent 提示注入攻击。 该方法在 AgentDojo 基准上对 Qwen3.6-35B 实现全分类覆盖,对 Claude Haiku 5.5 的 ASR 提升 20%–50%。 代码与攻击数据已开源,支持可复现的覆盖率评估。
将不可信文档渲染为页面图像可平均降低提示词注入成功率,但防护效果取决于模型与操作类型。测试涵盖6个模型及191个来源,Qwen3-VL-8B 对图像注入的替换操作执行率仍高达 77.96%。
针对移动网络节能策略评估难题,论文提出基于预测的生成框架以生成无线接入网功耗轨迹。 该框架将功耗分解为全局预测与残差修正,在商用 5G RAN 实验中,仅用单点目标观测即可将中位 MAE 降低约 50%。 相比 TimeWeaver,该方法能有效泛化至罕见及未见配置场景。
研究提出在部分可观测环境下结合神经符号观察规划,将紧凑循环世界模型与精确符号可行性规则分离,使用回溯地平线束搜索调度查询与终止。 在八个基准测试中,多步前瞻在紧预算下优于静态计划和无搜索离线强化学习,相比静态优先方法在 RUOD 和 ARIS 数据集上分别提升 28.4 和 15.1 AP 百分比,规划成本仅 11 ms。
研究团队提出 VideoACE 基准,包含 1000 道多选题,涵盖六大类细粒度动作理解,并附带时序证据标注与经筛选的用户提示。 评估环境结合视频检查工具与用户模拟器,允许模型调整时间覆盖、采样密度及空间细节,并在模拟用户反馈下重新审视证据。 该基准测试了单通道观察、自主工具使用及结合用户反馈的工具使用模式,为探索固定观察设置之外的智能体视频理解提供了测试平台。
针对 CLIP 式辐射学预训练在零样本评估峰值后性能下降及大批次训练失效的问题,研究提出兼容性修正方法 CorLIP。该方法无需改变架构,仅将临床断言与图像一致的文本视为正样本,解决了确定性梯度偏差。 CorLIP 大幅放大数据增益,并在 B=2048 的大批次下保持稳定,且该修正可从胸部 X 光迁移至 3D CT 模态。
研究人员提出利用 NOTREKS 信息(变量对边缘独立性)改进因果图学习。该方法引入 PSTrek 惩罚和 trek 约束,在有限样本下增强结构恢复能力。 实验表明,使用合成基准测试中的 oracle NOTREKS 信息,可同时提升因果发现中的结构恢复与基于调整的效果识别准确率。
研究评估 RADAR 和 Merlin 两个通用 CT 基础模型对 517 例肝脏肿瘤的多相 CT 鉴别能力。 Zero-shot 场景下 RADAR 准确率仅 54.4%,而采用 linear probing 方法后提升至 79.9%,显著降低误判率。 结果显示通用 CT 基础模型的零样本肿瘤鉴别能力有限,需通过特征微调优化。
该论文建立了深度 ReLU 网络在分裂谱范数乘积约束下的近似理论,并提出了深度非参数回归的罚最小二乘估计器。 该估计器在保持 Lipschitz 常数均匀有界的同时,实现了仅差对数因子的最优非参数收敛速率。 研究证实了该估计器在对抗性输入扰动下的鲁棒性,并给出了两阶段学习的最优预测速率。
LEDGE 是一种无需执行张量运算即可评估异构边缘设备分布式 LLM 服务的轻量级模拟器。它在 10 台 Jetson 和 Raspberry Pi 设备上测试,Qwen 部署的请求级平均绝对百分比误差低于 3.6%,综合加速比达 135.3 倍。
CoSlice 框架通过协同多智能体强化学习解决 5G 切片资源共享难题,在多样化负载下显著降低平均和尾部 SLA 违规率。 该框架采用偏好条件切片智能体实现快速资源分配,并结合 LLM 协调器基于全局网络观测在较慢时间尺度上动态调整目标,同时推导了次线性遗憾界。 实验基于 ORANSlice 及其射频仿真器 RFsim 构建评估环境,结果验证了该方法优于其他集中式及多智能体基线。
框架AeroRSI通过让无人机导航策略从自身失败中迭代学习来修正闭环飞行故障。在TravelUAV基准上,三轮迭代将2B参数监督策略成功率从46.4%提升至67.5%,碰撞率减半,较此前最优结果高10.6分且无额外标注。代码与模型已公开。
Overseer 通过 eBPF 采集与 Transformer 预测器 OverNet,在真实硬件上实现端到端页面预取。 OverNet 通过序数秩编码故障序列,无需重训即可服务任意进程。在密集矩阵乘法中,该系统将运行时间缩短约一个数量级。
Intent contracts 是一种授权接口,要求规划模型不直接持有工具,而是提交包含目标和引用记录的契约,由可信模型执行工具调用。 实验使用 gpt-6.1-terra 和 GLM-5.3-Flash,在 AmPermBench 三个任务族中,契约机制下所有变更对象均在目标中明确命名。 该方法未能减少未授权操作,状态改变时错误率为 40-49%,已发布插件及运行记录。
基于 Rubric 的强化学习通常等权聚合评分,但评分异质性会扭曲候选排序。研究发现,消除奖励增益不平衡反而降低排序准确率,误排主要集中在该项削弱基础信号的样本对。 该方法提出自适应 DCC 聚合,通过设定裁剪区间限制单准则贡献度,在保留连续判断信息的同时抑制极端分影响。
针对冻结检测器的监督后处理选择,Full100 在319张图像上匹配6004个物体,优于原始WBF的5848个。 原生集上下文增加275个匹配但增加96个未匹配预测;Full100与元统计读数在64张图像完整工作负载下耗时约95毫秒。 研究表明特征维度和非净检测增益是采纳的不可靠指南,支持使用信息充分的输出读数。
研究团队提出 ProtoBridge-CLIP 框架,结合全局对齐与观察掩码发现监督,在医学影像表征学习中区分已确认、明确否定及未提及的医学发现。 该方法在 CT-RATE 等 3 项 CT 基准及 5 项胸片基准上取得 66.5%至 91.4% 的 macro-AUROC 成绩,优于全局对照。 结果表明,在表征学习中对已观察与未观察概念差异化处理具有实用价值。
新型机器学习模型 STORM 在多个评估数据集上达到或超越 Boltz-2 的预测精度,结合亲和力预测的推理与训练速度提升超过五个数量级。 该模型集成多种蛋白质和分子表示的小型模型融合,旨在解决物理方法成本高及现有协同折叠模型在大规模筛选中昂贵的问题。 研究结果指出,整合历史实验数据与结构信息可显著提升亲和力预测准确率。
ReliFlow 引入条件流匹配模型,通过仅使用训练数据交叉拟合估计单基因效应可靠性,校准加性源分布以预测组合扰动转录响应。 在 Norman 遗传扰动中,未见组合 MAE 从 0.142 降至 0.131, withheld 单扰动时从 0.198 降至 0.178;ComboSciPlex 药物组合 MAE 从 0.191 降至 0.176。
针对现有方法未充分利用手部运动与物体语义关系的问题,提出TOMAS框架。该框架通过拓扑感知推理机制联合推断交互目标与潜在操作,并结合自适应分阶段机制组织未来手部运动,在多个公开基准上实现了多目标手部运动预测的最先进性能。
提出双流变分自编码器DM-VAE,通过低维分支提取拓扑骨架约束高维潜空间,避免无正则化扩展导致的流形崎岖与生成漂移问题。 在ImageNet-1K 256x256基准上,该免外部基础模型方法取得rFID 0.12的SOTA成绩,生成FID50K在w/o CFG下为1.28,w/CFG下为1.20。
针对 MoE 视觉-语言模型(VLM)在端侧部署面临的内存挑战,MoMoVL 提出了模态感知自适应压缩框架,将推理资源需求控制在端侧预算内。 该框架联合利用专家激活特征与模态量化敏感度指导位宽分配,相比均匀精度基线减少内存占用最高达 15.44%,且精度下降温和。 MoMoVL 在精度-压缩权衡上优于最先进混合精度基线,代码和数据已公开,论文被 WSDM 2027 接收。
无训练方法 SEE 使冻结 VLMs 能通过重新审视指向区域提升细节感知。在五个小物体基准上提升 2.3-13.1 分,优于五个无训练基线。Qwen3.5-4B 借助 SEE 超越 Qwen3.5-9B 直接回答,并匹配 6 倍大的 Qwen3.5-27B 性能。
研究量化了 GUI 环境在奖励、数据和特征三个维度上的完整性对训练效果的影响。在 MobileGym 中微调 Qwen3-VL-4B-Instruct,仅奖励参考路径使成功率降低 10.53 分,而剔除冗余特征使成功率从 51.61% 提升至 56.13%。
研究显示,在 VLA 模型中冻结 VLM 并全量训练动作专家能产生最易被扩散强化学习(DSRL)引导的策略。 该方法使用 $\pi_{0.5}$ 和 LEAP 手在两个仿真任务中评估了五种微调方案,仅使用少量演示。 研究发现 SFT 成功率与 DSRL 后的成功率相关性低,LoRA 是可调性最差的方案。
论文提出 Angular Conditional Distillation (ACD) 方法以解决标准 logit 目标中的分类器几何失配问题,通过分离可迁移语义与架构依赖参数化实现可靠的知识蒸馏。
提出 VLN-AR 分层视觉-语言-导航框架。经板端优化,其在资源受限无人机平台上实现 7.1x-9.4x 推理加速,仿真与实机导航性能均优于现有方法。 框架利用基于 3D Gaussian Splatting 的自动化管线生成导航数据,结合三阶段训练与轻量级认知智能体,增强场景推理及长时程任务分解能力。
研究团队发布 CratesBump,这是首个用于预测 Rust 生态版本升级的公开数据集,包含约 220,000 个 crate 和超过 200 万连续发布对。 数据集为每个发布对提供 41 个特征(如 AST diff、依赖变更)及基于 Cargo 规则与语义化版本规范的两个标签。 基准测试发现该任务具有可学习性但远未解决,且后期发布分数较低;审计发现部分小版本升级实际破坏了公共 API。
研究发现,在固定模型、记录和阈值的前提下,数值执行合同的变化会影响公平性审计结果。1级实验通过改变乘法和加法计算方式,发现GPU软件栈差异会影响阈值附近的决策,但不改变预设非加权测试的最终判定。
推出包含 602 个合成多立方体装配的基准测试 SixthView,要求模型根据五个正交视图预测第六个隐藏视图。 涵盖 2 至 10 个部件的装配体,采用精确网格评估,确保所有合法装配产生一致的隐藏视图。 在 552 项完整评估中,结合图像与精确文本的准确率范围 33.2% 至 85.4%,添加精确文本显著提升性能。
LLM 在缺乏提示指导时无法可靠处理高利害风险预测中的决策依赖问题。 测试了 OpenAI 和 Anthropic 的 11 个模型,当提示明确指定目标、假设和程序时,目标对齐实现率达 99-100%。 研究建议分析师需通过明确的方法论指导和仔细审查来使用 LLM,而非依赖其自主构建预测问题。
NullTok 提出免训练的空值 token 选择方法,利用 64 个无关对照查询构建经验空分布以校准亲和度,在 64 个完整帧当量预算下有效压缩视频视觉输入。 该方法在 Video-MME 基准上配合 LLaVA-Video-7B 和 Qwen3-VL-8B 分别取得 65.81% 和 68.85% 的得分,优于同预算下的所有对比基线。