论文：AI 论文、技术方法与基准测试第 10 页
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
- AI 摘要arXiv cs.AI
研究提出TVS指标追踪预训练中知识获取差异
一篇被AACL 2026接收的论文提出时间变异性分数（TVS），用同一条目在多个按年份网页快照训练的时间点模型上的负对数似然变异系数来衡量知识在历年网页文本中的表示一致性。作者用多个开源模型家族的六个模型评测六个不同主题的基准，发现低TVS与高TVS条目在训练早期学习情况相近，但高TVS条目在后期提升更快；预训练结束时，36个模型-基准组合中有34个是高TVS条目表现更好，平均领先7.3个百分点的机会归一化准确率，这一现象在知识密集型任务上最稳健。
- AI 摘要arXiv cs.AI
arXiv 论文提出 CrossProfile 基准，揭示 LLM 群体决策的…
一篇 arXiv 论文研究 LLM 群体讨论被压缩成简短记忆后，最终决策者该保留什么。作者提出 CrossProfile 诊断基准，含 60 个模板、480 个任务，答案键自动校验，把支持性、诱饵与无关事实的归属交叉而文本固定。在 Qwen2.5-7B、Llama-3.1-8B 和两个 DeepSeek 模型上，按相关性筛选会重新引入诱饵，即使完美的相关性过滤器在经典隐藏画像配置下也比最稀有优先选择低 23 至 31 分；最稀有优先平均不优于随机。决策模型还会给归属多个智能体的事实额外权重，去掉归属标签或随机重排可提升 13 至 24 分。
- AI 摘要arXiv cs.AI
VideoLVR 提出用潜视觉证据替代文本坐标做视频推理
针对多模态大模型在视频思维链推理中容易丢失视觉证据的问题，VideoLVR 不再用文本坐标指代证据，也不把裁剪区域或整帧重新塞回上下文，而是在相关视频时刻从局部区域构造潜视觉证据，为中间推理步骤提供视觉支撑。训练上引入视觉 token 预测目标，把视觉 token 重建表述为在输入视频导出的词表上做预测，使视觉证据重建与文本生成共用同一套 token 预测框架，模型因而能在交错的文本 token 与潜视觉状态上推理，并整合不同时刻的证据。该方法还扩展到强化学习，将采样得到的视觉 token 与文本 token 一同视为动作，用最终答案奖励联合优化策略。多个视频基准实验显示其在细粒度视觉证据任务上更有效，且多模态上下文没有明显膨胀。
- AI 摘要arXiv cs.AI
音频语言模型局部编辑评测引入同类别对照
一篇投稿 ICASSP 2027 的论文提出，音频语言模型在局部声音事件被编辑后答案发生变化，可能源于对事件类别的响应，也可能源于对波形重写的敏感。作者对比了同类别与不同类别的替换：两者使用相同区间、电平估计、供体拟合与交叉淡化，但同类别替换保留正确答案。在 600 个合成声景和来自两个架构家族的三个模型上，不同类别替换引发的答案变化比同类别替换多 49.7 至 60.9 个百分点；同类别准确率与原始准确率相差不超过 5.2 个百分点。在原始答案与同类别答案均正确的试验中，针对插入类别的声景加权选择性准确率为 73.7% 至 81.9%。
- AI 摘要arXiv cs.AI
MoI-Bench 发布：面向移动端图像生成与编辑的评测基准
MoI-Bench 是一个以移动用户需求为出发点的评测基准，包含 64 个子任务、1150 个样本，定义了移除、替换等 16 种操作，以及人像、文字等 8 类视觉目标；操作与目标这两个维度交叉组合，构成具体任务，例如去除面部妆容。配套的 MoI-Eval 引入指令遵循、视觉质量、细节保持等任务相关标准，并给出样本级评测问题，再沿操作、目标、标准三个维度汇总为整体质量与能力画像。作者评测了代表性的端侧与服务端模型，并测量移动部署成本，提出用质量与可部署性二维能力图替代单一分数排名。结果显示，端侧模型已能高效完成生成或编辑，但扩大任务覆盖比继续优化部署效率更值得关注；提升编辑质量仍需重点解决身份保持与文字渲染。
- AI 摘要arXiv cs.AI
GAS-PFN：把路网拓扑写进先验，零样本交通预测MSE降34%
GAS-PFN 是一种面向零样本交通预测的图感知时空先验数据拟合网络。它通过随机游走扩散，把采样得到的路网拓扑纳入合成任务先验，让模型在预训练阶段学习图耦合的动态；推理阶段用共享 Transformer 主干做两次掩码条件化前向，分别建模单个传感器的时间动态与相邻传感器之间的时空交互，再融合两者做预测。因此，模型无需更新参数，就能利用目标网络的结构与上下文。在六个基准、90 分钟预测跨度上，其 MSE 相比最接近的 PFN 前作 TimePFN 平均降低 34.0%，相比四个近期工业界通用零样本预测器平均降低 27.7%。
- AI 摘要arXiv cs.AI
arXiv 论文质疑潜在世界模型：现有模型未真正建模环境动态
一篇提交至 arXiv 的论文提出「忠实潜在世界模型」概念，把环境转移映射与所学潜在动态之间的等变性作为判定条件，并提出潜在 rollout 一致性（LRC）指标，用于评估以动作为条件的潜在预测。作者用该指标考察了所研究的多个当前最优潜在世界模型，发现没有一个模型是通过真正忠实建模环境动态来完成任务的，而是以其他方式达成任务表现。论文编号 arXiv:2610.37588，归入 cs.LG 与 cs.AI。
- AI 摘要arXiv cs.AI
REGER：用语义ID显式建模物品间关系的生成式推荐框架
针对生成式推荐中随机初始化的语义ID词嵌入与从零训练的模型无法直接继承物品语义关系、协同关系只能通过词级注意力隐式学习的问题，作者提出统一框架REGER，把物品间关系显式注入语义预训练、历史编码与SID生成三个环节。具体做法包括：通过生成式语义检索预训练，让模型学习生成语义邻居的SID；结合全局注意力与按SID边界对齐的局部注意力，捕捉历史上下文与相邻物品间的有向转移；并给出SID前缀树上分层偏好分解的理论框架，证明协同偏好分布的精确分解，以及物品级KL散度可加权分解为前缀条件KL散度。在此基础上，从判别式教师模型蒸馏真实前缀下所有合法下一token的完整条件分布，与交叉熵联合优化。真实数据集实验显示其稳定优于现有GR基线。
- AI 摘要arXiv cs.AI
TeamGym 发布：评估语言模型智能体团队决策的新环境
研究者提出 TeamGym，一个用于评估和训练基于语言模型的智能体进行团队决策的环境，语料来自法律、金融、医疗和软件工程等真实领域。TeamGym 提出「关键信息」方法：识别一组最小事实，其中每条都必要、合起来足以支撑正确决策，从而能控制关键信息在参与者之间的分布，并追踪智能体识别与整合这些信息的效果。在 8 个语言模型、12 个源语料上的测试显示，把关键信息分散给多个参与者后，成功率比把同样信息交给单个模型平均低 22.9 个百分点；若参与者还需自行从原始材料中提取关键信息，成功率再降 19.9 个百分点。用团队决策损失做强化学习训练，可提升最终决策质量，并在参与、发言选择与沟通上出现自发协调。
- AI 摘要arXiv cs.AI
Gym-Anything-RT 发布：100 个实时小游戏评测视觉语言智能体
研究提出 Gym-Anything-RT，用自动生成流程按实时交互所需的六类能力构建视觉小游戏，共生成 100 个实时小游戏用于评测视觉语言智能体。该框架支持同一小游戏在实时、暂停或放慢环境下运行，从而把「实时反应」与「任务理解」分开比较。结果显示实时交互能力缺口明显：GPT-6 Astra（xHigh）在实时小游戏上通过率仅 9.0%，环境暂停后升至 75.0%。研究还观察到，能力最强的前沿智能体在可写代码时会绕开实时感知与操作。框架与小游戏已公开。
- AI 摘要arXiv cs.AI
研究揭示临床类别不平衡下不确定性量化失效并提出修正
一篇投稿 arXiv cs.AI 的论文指出，选择性预测系统把高置信度病例自动化、把模糊病例交给人类专家，其安全性完全依赖不确定性分数能反映临床模糊程度。在预后任务中，当关注的临床结局属于少数类、类别严重不平衡时，标准不确定性度量不再反映临床模糊性，而变成类别归属的代理指标，系统性地惩罚少数类患者。作者在 56 种合成条件和三个神经退行性疾病队列（多发性硬化、帕金森病、阿尔茨海默病）上验证，其框架在各类轨迹上维持有界且平衡的风险，而全局指标要么使少数类敏感度崩塌，要么以牺牲多数类为代价保护少数类。将 CCR 与标准熵结合在 tau=0.5 时破坏类内单调性，无法保护少数类；CCR 配合阈值感知指标可恢复严格单调性并识别模糊患者。
- AI 摘要arXiv cs.AI
arXiv 论文提出 CRS 方法，用于评估铰接物体操作策略
arXiv 收录一篇论文，提出约束参照策略（CRS），把机械臂末端执行器的指令运动投影到物体关节轴上，从而区分沿关节方向的推进与偏离约束的无效动作。该方法只需关节模型和据此编写的关节跟随脚本控制器，不需要录制示范或学习型评判器。在 74 个仿真铰接物体上，二元成功率会把三次迁移失败反映为更低的成功率，却不指出失败原因；CRS 的两个通道则能为每次失败给出不同特征。一个只在门上训练的行为克隆策略在 110 次抽屉开启中成功 59 次，这些成功回合的离轴旋转约为抽屉训练策略成功回合的 40 倍（1.27 对 0.032 rad/s）。当关节轴误差不超过 30° 时，CRS 判定不变；绝对阈值约可容忍 8°。
- AI 摘要arXiv cs.AI
GroundControl：以卫星图像为条件的多视图扩散模型实现无重建新视角合成
研究提出 GroundControl，一种以卫星图像为额外条件的多视图扩散模型，用于稀疏街景图像的新视角合成。该方法不进行三维重建，仅依赖带位姿的街景与卫星视图，通过交叉注意力注入卫星条件，保留预训练多视图扩散先验。在户外数据集上，其表现优于仅用卫星条件或仅用街景条件的基线，在目标视图与源视图重叠很少的困难场景中优势更明显。论文被 WACV 2027 接收。
- AI 摘要arXiv cs.AI
arXiv 论文：双臂工具使用中的故障诊断与恢复
一篇投稿到 arXiv 的论文研究双臂机器人使用工具时的故障诊断。现有诊断器多为视觉语言模型，训练和评测都基于单臂故障，即扰动成功演示得到的数据；双臂场景还包含工具仍被握着却从插槽滑脱、两个正确动作时序错开、一次尝试同时因两个原因失败等类型。作者在仿真双臂工具任务上，按记录轨迹读取失败原因，测量各传感通道能让诊断器判断出什么：工具滑脱在工具手上读取；哪只手晚了需双臂信息，单手上的传感器只能读本手延迟和另一手部分延迟；工具手晚时，被动传感无法判断该次尝试是否同时推力不足。诊断器无法确定原因时升级处理，两次尝试内可修复与已知真实原因时同样多的失败。VLM 内部状态几乎完美编码晚的那只手，但答案是否报告取决于提问措辞。
- AI 摘要arXiv cs.AI
arXiv 论文提出「结构差距」：数据再多也替代不了结构化推理
一篇提交至 arXiv 的论文讨论「数据足够多就能让显式领域知识变得可选」这一信念的边界。作者定义「结构编码问题」，即输入输出映射由求解器、对称群、图、物理定律、测量算子、文法、组合搜索空间或优化目标等已知结构决定或强约束的任务。论文指出，这类任务的核心不是表达能力，而是有限数据下的识别、外推与认证，并提出「结构差距」：获得支配结构的方法与只获得样本的学习器之间存在有限资源差距。作者在高斯逆问题上给出精确证明，并给出单元覆盖下界与未观测轨道不可识别结果，在已知算子反演、稀疏恢复、图可达性上做了实验。
- AI 摘要arXiv cs.AI
论文提出正交化与参数化多属性激活引导方法
一篇 arXiv 论文针对大模型推理阶段的激活引导提出改进：先为每个引导向量找出最易引导的区间并据此重设引导幅度，使引导信号强度更稳定；再用参数化引导替代沿方向推动激活的做法，直接把激活设定到目标特质强度，使引导强度有统一可解释的含义。作者发现多特质引导时简单叠加向量会相互干扰，于是提出向量正交化方法解耦各特质，使模型可单独表现某一行为而不触发其他行为，从而同时引导多个特质。
- AI 摘要arXiv cs.AI
arXiv 论文提出首个策略防伪深度强化学习在线资源分配机制
一篇 arXiv 论文提出面向在线资源分配的深度强化学习机制，作者称这是首个具备策略防伪性的深度强化学习方案。它由三部分组成：单调神经网络在结构上保证非线性交互，即提高申报价值不会降低被接受的概率，而延长申报时长或增大资源需求不会提高被接受的概率；广义临界支付，即固定其他输入时，取最低被接受的价值；以及通过强化学习或模仿已有规则来训练。在含四类资源、两对合作方的流式场景中，该神经规则达到离线福利上界的 97.8%，线性学习器为 93.8%，先到先得为 89.0%；模仿训练仅用 261 秒就达到 97.5%，比强化学习快约 89 倍。
- AI 摘要量子位
千里科技推出内置10TOPS NPU的4D毫米波雷达
千里科技发布一颗4D毫米波雷达，内置10 TOPS NPU，从天线设计到点云输出整条链路由模型处理，支持OTA升级感知能力。相比上一代采用DSP端侧计算的4D雷达，点云密度提升10倍，探测距离提升40%，鬼影消除提升至95%，空间角分辨力提升12倍。雷达提供边缘侧、卫星架构和兼容三种工作模式：边缘侧在雷达端完成从ADC采样到目标跟踪分类的全链路并直接输出结构化结果；卫星架构把更接近原始信号的数据交给中央域控统一处理；兼容模式两种并行。卫星架构下原始数据输入量可能比传统4D雷达多约100倍，ADC带宽做到6Gbps。
- AI 摘要arXiv cs.AI
arXiv 论文提出脊柱标志点检测新方法，代码与预训练权重已开放
一篇提交至 arXiv 的论文把脊柱 X 光片上的解剖标志点检测重新表述为像素级对比表征学习问题，让稠密像素嵌入与标志点原型进行匹配。作者称，即使采用通用 U-Net 骨干，这种形式也比传统热图回归产生更具判别性的热图，能更好区分不同椎骨上的椎角。研究进一步把热图与脊柱标志点全局构型的可学习形状先验结合，以消解标志点位置歧义。该方法在公开 AASCE 数据集和两个私有脊柱 X 光数据集上，标志点精度与临床参数估计均与当前最优方法相当，代码和预训练权重已公开。
- AI 摘要arXiv cs.AI
DCKV：首个端到端训练的 KV 缓存编解码器，压缩率超 55 倍
混合语言模型只在少数全注意力层保留 KV 缓存，但该缓存仍随提示长度增长，存储与迁移成本高。论文提出 DCKV，一个可微的 KV 缓存编解码器，也是首个端到端训练的此类编解码器：其变换、量化器与熵模型以提示 token 和已解码的相邻位置为条件，并针对冻结的语言模型联合优化，优化目标同时包括熵模型给出的码长和模型输出的变化。在 Qwen3.5-2B 上，DCKV 存储压缩后 token 的字节数比 bf16 少 55 倍以上，三项长上下文基准最多损失 1.8 分；字节数少 100 倍以上时，最多损失 3.6 分。