论文：AI 论文、技术方法与基准测试第 102 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
研究测试自主AI解决电信检索问题
一项研究探索了自主研究框架在解决开放式工业级机器学习问题上的潜力。以电信工单检索为例，实验显示自主智能体在狭窄的超参数优化上表现出色，但缺乏类似人类的直觉与创造力。在极少人工监督下，该系统在较短时间内达到了最先进性能的90%，成本约为每次200美元。研究建议将人类研究人员与自主框架结合以获得最佳效果。
- AI 摘要arXiv cs.AI
MAxBench：多项式概念恢复基准发布
研究人员发布了 MAxBench，这是一个用于评估语言模型内部多项式概念表示的基准框架。该框架不预设特定几何结构，通过采样恢复的概念表示进行测试。团队利用 MAxBench 对比了 10 种定位方法，涵盖 5 种几何类型，涉及 6 个概念和 4 个模型。实验发现，仿射子空间在可靠性和召回率上优于秩一或线性子空间，且优势主要源于更好的非零偏移而非基的选择。
- AI 摘要arXiv cs.AI
新框架提升临床事件时间轴重建准确率
研究人员提出一种保留唯一标识符的多模态重建框架，将叙述性事件链接至源数据，并开发了名为 GAVEL 的大模型评判工具。在 40 份混合重症监护摘要的测试中，GLM 5.2 多模态修订版在保持事件召回率的同时提升了时间一致性，性能接近临床医生标注。该框架实现了 43% 的事件恢复率提升，并为重建和评估提供了可追溯的来源依据。
- AI 摘要arXiv cs.AI
Dynin-Robotics 发布全模态扩散机器人模型
Dynin-Robotics 提出一种基于 Dynin-Omni 骨干的全模态统一扩散视觉-语言-动作模型。该架构将语言、视觉、目标和动作表示为离散 token，通过共享轨迹模型实现动作预测、未来观测预测及终端状态预测。模型在约 133 万条轨迹上持续预训练，并在 Franka Research 3 机器人上实现 78.4% 的平均成功率。优化的并行实现将动作解码加速了 29.2 倍。
- AI 摘要arXiv cs.AI
论文揭示扩散模型与认知模型 Cobweb 的数学对应关系
一项研究指出，扩散模型在图像合成之外，隐式执行了与认知模型 Cobweb 相同的计算。扩散模型的噪声边缘分布是数据分布的高斯平滑，其模态形成的层次结构与 Cobweb 的概率原型树在四个方面对应。两者均为分层密度模型和分层贝叶斯模型，都将分类视为降低不确定性的得分跟随，且均涌现出基础水平。研究发现扩散模型的基础水平位于中间噪声层级。两者主要区别在于表示与学习方式：Cobweb 增量学习离散树，而扩散模型在单一得分场中编码连续可插值层次。在 MNIST 和 Fashion-MNIST 上的实验验证了这种对应性。
- AI 摘要arXiv cs.AI
研究提出统一CT与MRI胰腺分割框架
针对跨模态医学图像分割难题，研究团队开发了一种统一的3D胰腺分割框架。该框架利用域对抗学习技术，基于4604张异质CT和MRI扫描数据学习解剖表征。通过共享nnU-Net编码器-解码器进行全胰腺分割，并利用潜在域判别器促进CT与MRI特征对齐。随后，学习到的编码器被迁移至仅使用有限MRI子区域标注的胰头、体、尾分割任务。测试显示，全胰腺分割在分布内测试集平均Dice得分为87.31%，在外部分布数据集上得分介于84.20%至88.09%之间；下游子区域分割在MRI和CT上的Dice得分分别为80.53%和83.05%，且未使用CT子区域标注。
- AI 摘要arXiv cs.AI
DynSHAP 框架提升动态生存分析可解释性
研究人员提出 DynSHAP 框架，旨在解决深度学习动态生存分析模型因黑箱特性难以被临床采纳的问题。该方法将时间-特征对视为博弈参与者，扩展了 SHAP 估算器以适应纵向、不规则输入及功能性生存输出。引入的 Temporal DynSHAP 能学习特征随时间的线性依赖，并通过条件采样处理。在合成数据测试中，该方法在恢复时间依赖特征方面优于现有边际估算器；在真实临床数据集上的应用显示，其能忠实反映模型学习过程，帮助专家识别驱动预测的关键信息及其时间点。
- AI 摘要arXiv cs.AI
研究提出基于群论的强化学习框架
针对现有强化学习依赖固定群动作或预定义状态抽象的局限，研究人员提出了一种基于群论的框架。该框架能够捕捉局部、状态依赖的对称性，并在交互过程中动态发现等价结构。代理通过维护轨道代表和传输器将原始状态映射为规范形式，在保持局部区分的同时在降维空间中进行学习。实验结果显示，该方法在具有强部分对称性的密集和大规模环境中，相比标准 Q 学习提升了样本效率和收敛速度。
- AI 摘要arXiv cs.AI
研究提出表格基础模型注意力量化策略
针对表格基础模型推理效率问题，研究提出将查询、键和值量化至 FP8 格式，并利用显式 FP8 矩阵乘法指令加速注意力计算。关键发现是必须对齐测试行与训练行的量化误差以避免精度大幅下降。自研 Triton 内核在 TabPFN-v3 和 TabICLv2 上未造成明显精度损失，速度较 16 位内核提升最高达 1.7 倍。
- AI 摘要arXiv cs.AI
新方法LGKD提升3D-CNN动作识别蒸馏效果
针对视频分析中特征蒸馏方法常忽视时间维度差异的问题，研究人员提出标签引导知识蒸馏（LGKD）。该方法包含样本级和类别级蒸馏两个组件，利用真实标签和教师模型概率分布指导学生模型学习，并引入原型网络捕捉同类样本间的关系知识。在UCF101和HMDB51数据集上的实验验证了该方法的有效性。
- AI 摘要arXiv cs.AI
TileNet 架构实现无人机平屋顶自主检测
TileNet 是一种基于分块的 CNN-SVM 架构，旨在满足嵌入式无人机硬件的计算与功耗限制。该框架结合双高度飞行策略，利用实时图像自主检测平屋顶缺陷。模型包含五个卷积层和四个密集层，最终以线性 SVM 作为分类头。在包含数万张图像的数据集上，该模型平均测试准确率达到 94.4%，优于 GoogLeNet 和 AlexNet。经 DJI Matrice 350 RTK 无人机实测，该系统能支持快速、可重复且安全的屋顶巡检。
- AI 摘要arXiv cs.AI
新方法解决自动驾驶模拟舒适度约束失效问题
针对数据驱动驾驶模拟器中强化学习策略通过剧烈动作虚报安全指标的问题，研究团队提出自适应动作参数化方法。该方法通过横向急动度约束的闭式逆变换，在每一步重新离散化网格以覆盖可行控制集，避免了静态网格在高速度下因横向限制收缩而导致的控制崩溃。在 Waymo 开放运动数据集测试中，该模型将舒适度违规率控制在 1% 以下，同时导航性能优于剪裁网格和直接急动度基线。
- AI 摘要arXiv cs.AI
专家重评揭示物理基准存在缺陷
研究团队邀请物理专家对六个主流基准进行人工复核，发现模型被判定错误的案例中，多数源于评分错误、参考答案有误或题目表述不清。在修正这些基准缺陷后，前沿模型在物理任务上的表现接近饱和，显示出此前低分未能真实反映其推理能力。
- AI 摘要arXiv cs.AI
新基准TAM揭示长程推理短板
研究团队发布Tasks over Application Manuals (TAM)基准，用于评估模型的长程程序推理能力。该基准基于ICD-10-CM临床编码和美国联邦量刑指南，要求模型遵循数万条规则并执行跨章节的依赖步骤。测试显示，即便使用检索增强生成和ReAct提示等通用方法，GPT-5在编码任务上的精确匹配率仅为1%，量刑任务为15.5%。数据与代码已公开。
- AI 摘要arXiv cs.AI
SeqMoE提出预测式MoE卸载方案
SeqMoE框架通过预测式内存管理和图兼容运行时，优化混合专家模型的卸载性能。该方案将专家激活预测转化为序列建模，联合调度预取任务，并采用概率Belady策略进行缓存驱逐。在仅45%的专家驻留率下，SeqMoE实现了96.97%的命中率，达到全载性能的80.22%。
- AI 摘要arXiv cs.AI
GTR+实现无监督文本搜人
研究提出GTR+框架，通过生成与检索两阶段解决无监督文本搜人问题。生成阶段利用问答、对比及风格扩展机制产出多样化文本；检索阶段采用高斯混合模型过滤噪声伪文本。团队还发布了大规模细粒度数据集LargeFine-Person。
- AI 摘要arXiv cs.AI
EduFair-Bench 评估 LLM 导师教学公平性
研究人员发布了 EduFair-Bench 基准，用于审计大语言模型作为导师时的教学公平性。该基准结合数理化多领域题库与受控模拟，让固定模型扮演学生，在性别、移民背景、第一语言及社会经济地位四个维度的九种人口统计学水平下与导师交互。通过五个回合级教学指标和四个对话级维度评分，研究发现模型能力与人口统计学公平性大体正交，最小模型表现最一致，而能力更强的模型均表现出较大的人口统计学差距。
- AI 摘要arXiv cs.AI
论文提出自主机器人三层合规治理架构
研究人员提出名为 ARC 的治理框架，旨在规范已部署的自主机器人系统。该架构包含三层合规体系，具体通过模型安全验证、认知认证基准及操作授权标准来实现。该研究涉及机器人学、人工智能及计算机与社会等领域。
- AI 摘要arXiv cs.AI
GPU-CFR 将反事实遗憾最小化加速 80 倍
GPU-CFR 通过将博弈编译为静态数据流并使用 CUDA Graph Replay，解决了 CFR 在 GPU 上因内核启动开销大而难以加速的问题。该方法将框架操作减少了 18.1 倍。在 A100 显卡上，针对包含纸牌、骰子和棋盘游戏的测试集，其运行速度比此前最快的 GPU CFR 方案快 29.8 至 80.4 倍，比最快的开源 CPU 实现 LiteEFG 在四个最大游戏上快 14 至 258 倍。
- AI 摘要arXiv cs.AI
新研究提出统一量化协变量与概念漂移的方法
针对分布漂移下的泛化难题，该研究指出传统概念漂移定义在源域与目标域支撑集不匹配时会失效。作者利用熵最优传输提出了 $\gamma^{*}$-concept shifts 概念，推导出统一协变量漂移与概念漂移的通用误差界，适用于广泛损失函数与标签空间。研究还开发了具有集中性保证的估计器及 DataShifts 算法，用于量化分布漂移并估算误差界。