跳到正文
11月4日周三
  1. arXiv · AI26

    LaplaceDiag:通过学习到的执行器效应变化进行故障诊断

    提出数据驱动方法LaplaceDiag,利用执行器效应变化缩小故障设备搜索范围。 方法通过LaplaceNet在拉普拉斯空间建立健康模型,固定历史预测器后以线性回归估计当前执行器效应,支持在线与离线诊断,并在两个数据集上验证成功。 解决了不同故障产生相似观测及缺乏详细模型时的定位难题。

  2. AWS Machine Learning Blog36

    EDB Postgres AI 与 Amazon Bedrock AgentCore 构建 Agentic AI 语义层

    该架构利用 Postgres 扩展 AIDB 在运营数据库内部构建语义知识库 SemKB,实现数据与业务含义共置。结合 Claude 与 AgentCore Gateway,通过 MCP 端点暴露工具目录,利用 GRANT 权限和行级安全实现差异化访问。语义层直接嵌入数据库,通过注释和外键定义业务逻辑,支持 OpenTelemetry 追踪。

11月3日周二
  1. arXiv · NLP37

    AtomMem:基于原子事实构建 LLM 智能体简易且高效记忆系统

    AtomMem 提出一种长期记忆系统,通过“事实执行器”从交互中提取高密度原子事实,并在 LoCoMo 基准测试中取得最先进水平(state-of-the-art)表现。 该系统将原子事实组织为分层事件结构和时间档案,并激活联想记忆图以连接碎片化记忆,实现稳定进化。 论文表明其方案在可拓展性与经济性上具备可行性,支持智能个性化智能体的部署。

  2. arXiv · NLP45

    UXBench:首个基于真实用户反馈的 AI 助手用户体验基准

    UXBench 是首个基于真实用户反馈信号的基准,包含 7,400 个测试实例,涵盖 8 大场景和 83 个领域。 对 26 个前沿模型进行评估,结果显示用户反馈预测是可学习的能力,并揭示了影响体验的多个维度。 该基准确立了新的评估标准,呼吁关注定制化 UX 优化,推动以用户为中心的大模型扩展定律。

  3. arXiv · NLP29

    NitiBench+:覆盖 17 个领域的泰国法律时序问答基准

    NitiBench+ 发布,包含 1,670 条覆盖 17 个领域的泰国法律问答项,基于 156,650 份法院判决构建。 基准显示使用现行法律文本而非判决时文本导致 Bar-standard 分数下降 0.25,最佳模型得 7.78 分(满分 10),最佳开源模型得 6.39 分。 法律基准需追踪时间维度,当前模型在泰国法律领域仍存在显著差距。

  4. arXiv · NLP23

    基于WhatsApp母婴健康聊天机器人的窗口感知调度:尼日利亚研究证据

    研究分析了尼日利亚3,696名母亲的98,607条WhatsApp母婴健康消息,发现窗口关闭后失败率骤增93.0个百分点。 形式化窗口感知调度决策问题,模型评估显示发送预批准模板可触达81.5至86.8%的目标母亲,优于等待或提示。 主要增益来自遵守平台规则而非学习算法,研究结果仅关注消息送达率而非健康结果。

  5. arXiv · NLP32

    TRIO:用于检索增强生成(RAG)的任务精炼与个体优化

    该研究提出TRIO方法,通过为三个设计良好的Agent配备迭代精炼范式,解决当前RAG检索不足和幻觉问题。 具体地,查询扩展Agent基于改进的答案质量量化奖励,共识投票标注扩展查询是否充分以优化裁判Agent,答案Agent则通过课程学习进行动态匹配奖励优化。 在多个基准数据集上,TRIO相比SOTA方法有效性得到验证。

  6. arXiv · NLP20

    检索增强文化评测助力 CUE-MT 社交媒体翻译模型

    CUE-MT 采用检索增强文化评测训练社交媒体翻译模型,在 9B 至 35B-A3B 骨干架构下超越同规模开源基线。 该方法引入领域专用 Judger 与 Agent 挖掘难例,检索证据使 Judger 四分类准确率提升 8.07 个百分点。 人工评估显示其文化有效性较最强外部基线提高 7.44-15.12 个百分点。

  7. arXiv · NLP26

    关系知识筛选紧凑知识图谱上下文的研究表明,精度门控可高精度回答18%和5%的WebQSP及CWQ问题

    基于关系知识筛选紧凑知识图谱上下文的方法,其选出的事实使七种开源LLM的精确匹配表现优于相关度排序。 在SubgraphRAG基准测试中,该方法仅用四分之一的prompt tokens达到同等效果;精度门控在WebQSP和CWQ上分别回答了18%和5%的测试集,准确率为90%和96%。

  8. arXiv · ML31

    EviCast:通过共享响应校准预测检索增益

    EviCast 框架通过干预性证据状态分解预测 RAG 检索价值,无需执行所有配置即可计算净效用及 95% 置信下界。 该框架结合生成器响应与候选检索器离线分布,在 HotpotQA 14 种配置中预测误差仅 2.75 F1 点,并减少 80% 诊断生成调用。

  9. arXiv · ML28

    Legible方法破解大模型“两跳”推理诅咒,显著提升Qwen与Llama知识编辑效果

    微调后的大模型存在“两跳诅咒”,即无法将新事实与原有知识进行多跳推理。Legible方法通过让桥接短语在中间层匹配模型对新实体的内部表征来解决此问题,无需合成多跳数据。 该方法在Qwen2.5、Llama-3和Qwen3模型上验证了效果,其桥接准确率是CaKE方法的1.8-2.6倍,并在RippleEdits基准上成功破解14B模型的两跳诅咒。

  10. arXiv · ML25

    Surplus:针对 LLM 语义缓存未用错误预算的优化方案

    研究发现现有 LLM 语义缓存(如 vCache)未充分利用错误预算,仅实现 12-55% 的目标误差率 δ。 新方法 Surplus 通过共享风险评分和动态风险桶,在五个查询流中均维持 δ 约束,且比 vCache 多获得 40% 命中。 在 vLLM 测试中,Surplus 在高负载下将平均延迟降低 31.59%,优于 vCache 的 23.67%。

  11. arXiv · ML29

    TSSDA: 构建时序 Text-to-SQL 基准的自主智能体

    TSSDA 框架利用自主智能体生成时序 SQL 数据,并构建了名为 TERN 的时序 Text-to-SQL 基准。 该智能体通过建模语法语义扩大查询覆盖范围,利用时序感知记忆跨异构实例复用经验以提升生成效率。 实验表明 TSSDA 显著提升了数据生成的覆盖率、多样性及复杂性,并揭示了现有模型在时序 Text-to-SQL 任务上的局限。

  12. arXiv · ML33

    ReCoG: 相对节点上下文多领域图预训练方法

    ReCoG 提出通过构建独立于原始图结构的节点上下文提升跨域迁移效果。 该方法利用共同邻居构建结构上下文,并基于邻域属性摘要构建语义上下文,在 18 个目标数据集上验证有效性。 ReCoG 使 1-shot 跨域节点分类平均准确率超最强基线 7.61 个百分点,异构图跨类型迁移提升 4.47 个百分点。

  13. arXiv · ML25

    MVMAE:用于异质图自监督学习的高效可扩展多视图掩码自编码器

    研究团队提出多视图掩码自编码器MVMAE,解决异质图自监督学习中高计算成本、均匀随机掩码局限性及重建噪声特征目标不佳的问题。 该框架采用多视图先掩码后重建策略,通过离线聚合机制预计算重用元路径视图表示,避免构建子图,并使用基于Transformer的融合编码器和简单MLP解码器,在六个数据集上性能优于SOTA基线。

  14. arXiv · AI23

    OntoKG-EQ:面向分析型知识图谱的证据边界审计

    OntoKG-EQ 提出分析型知识图谱的证据边界审计框架,通过可执行审计连接能力问题与已交付证据。 该框架利用有界声明式解释器区分数值状态,在英国 2026 年 8 月公共数据应用中,与发布者工作簿对账了 532 家提供商,91 家满足 92% 阈值。 贡献是可重复的分析审计接口,未测试独立生产部署效益。

  15. arXiv · AI27

    MHR 实现模型感知的紧凑语义检索

    提出 Matryoshka Hash Representations (MHR) 方法,通过两阶段分离全宽训练与前缀组织,提升紧凑语义检索效率。 MHR 先学习长二进制码并冻结模型,训练残差适配器以支持直接可搜索前缀。在 16 字节下 NDCG@10 达 0.502,优于基线 0.404。 性能在 BEIR 数据集及不同随机种子中保持稳健,适用于候选筛选与图索引剪枝。

  16. arXiv · AI38

    FactForm:基于事实的开放式问答评分方法

    FactForm 在 998 个 EVOUNA 回答中达到 0.077 的平衡错误率和 0.985 AUROC,优于传统评分器的 0.112 和 0.930。 它每次回答仅调用一次 LLM,通过程序化公式打分,运行间平均绝对差异为 0.0136,稳定性优于 LLM 评审。 该方法旨在提升开放式问答基准测试评分的准确性与可复现性。

  17. arXiv · AI21

    重新思考医学影像 AI:迈向以医生为中心的智能体推理

    研究指出医学影像 AI 十年未转化为临床影响,源于设计评估与临床决策的结构性错位,识别出 8 个互相关联的错位维度。 错位包括仅像素模型主导、基础模型在数据稀疏领域失效、验证算法与可部署平台脱节等,AI 有替代而非扩展医生判断的风险。 文章提议以医生为中心的智能体推理路径,旨在生成可执行的临床指导,实现 AI 扩展而非取代临床判断。