论文：AI 论文、技术方法与基准测试第 103 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
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。
- AI 摘要arXiv cs.AI
研究测试边缘视觉语言模型物种识别能力
研究测试了 Qwen3-VL 和 Gemma3 等参数量在 2B 至 8B 之间的边缘视觉语言模型在物种识别任务上的表现，并与专用模型 BioCLIP 进行对比。结果显示，所有模型在野外红外相机图像上的表现均显著下降，域差距在 9.6 至 26.6 个百分点之间。尽管 BioCLIP 参数量仅为 300M，但其性能大幅优于所有测试的通用模型，表明差距源于专用训练数据而非模型规模。
- AI 摘要arXiv cs.AI
新框架GMMM量化GEO与GEM营销因果效应
针对生成式AI营销数据缺失问题，研究人员提出生成式营销组合模型（GMMM）。该框架通过结合重复生成的回答、问题数量、系统使用份额及被注意概率，估算生成引擎优化（GEO）和生成引擎营销（GEM）的因果效应。研究对比了不同处理序列下的预期业务响应，并确立了识别效应的充分条件。该方法在英语和日语产品推荐模拟中进行了实证测试。
- AI 摘要arXiv cs.AI
论文提出人工本我机制解决智能体持续对齐
针对智能体跨越任务边界运行时的控制问题，论文提出“人工本我”概念，即一种用于决定行为继续、停止或改变的适应性内部驱动力。在最小虚拟实验中，不具备通用推理能力的控制器通过差异化持久性发展出有效控制。该机制表明适应性方向无需显式指定行为目标即可涌现，但也可能导致错位与意外行为在任务间持续。作者指出，可扩展的人工本我需在可信观测、后果通道及硬约束等方面建立持续对齐边界。
- AI 摘要arXiv cs.AI
MindTopo 基准测试评估基础模型拓扑推理能力
研究团队发布 MindTopo 基准，用于评估基础模型在拓扑空间中的推理与规划能力。该基准基于认知科学与形式拓扑，包含连续性、分离性、顺序、包围和打结五种属性，涵盖 11,030 个实例和 13 种任务类型。测试涉及 14 个多模态大模型，结果显示所有模型在推理任务上的表现均优于规划任务，且最佳模型的表现仍远低于人类水平。
- AI 摘要arXiv cs.AI
多信号检测管道提升大模型幻觉识别精度
研究提出结合微调DeBERTa-v3分类、蒙特卡洛Dropout不确定性量化及温度缩放校准的多信号检测管道。在通用领域HaluEval基准测试中，该管道F1值达0.915，准确率提升至93.2%。消融实验证实模型具备真正的推理能力。此外，利用DPO技术优化Qwen2.5-0.5B生成器，使幻觉率从85.5%降至37.7%。跨域评估显示通用训练在生物医学领域表现不佳，领域匹配的预训练是最佳适应策略。
- AI 摘要arXiv cs.AI
新框架 AssayLoop 优化 CRISPR 筛选实验设计
研究人员推出了 AssayBench-Loop 基准测试，包含 1,389 个 CRISPR 筛选数据。基于此开发的 AssayLoop 框架，利用 AssayFormer 模型与 LLM 先验知识指导实验选择。在测试中，该方法在筛选约 5% 候选库时恢复了 27.7% 的命中目标，富集倍数达 5.67 倍，性能优于现有自适应设计方法及独立 LLM。
- AI 摘要arXiv cs.AI
研究揭示线性推荐算法的正则化统一框架
一项研究探讨了多种基于深度学习的线性推荐算法为何性能相近。研究发现，这些性能领先的模型实际上都只添加了基于核范数或 Frobenius 范数的正则化项。前者结构僵化限制了预测能力但解为低秩且有闭式解；后者表达能力更强且效率更高，但解要么是满秩，要么需要执行难以调优的数值过程。基于此，研究进一步提出了两种低秩闭式解方案，试图结合两者的优势。
- AI 摘要arXiv cs.AI
论文提出递归自我改进概念与发展路线图
一篇题为《人类构建的最后一个AI》的论文探讨了递归自我改进（RSI）概念。作者首先利用Headroom-Closed Index（HCI）揭示了现有大语言模型的问题，随后提出了RSI的发展路线图，涵盖执行自主性、策略自主性、经验获取自主性、环境适应自主性直至递归元改进。论文还分析了RSI在科学发现、具身智能和软件工程等场景下的应用，并结合行业实践指出了实现真正RSI的关键挑战。
- AI 摘要arXiv cs.AI
RetroThinker提升语音大模型推理能力
RetroThinker 是一个多阶段后训练框架，使流式语音大模型能够在推理过程中动态修正思维链。该方法结合了监督微调与基于长度的直接偏好优化，让 Moshi 模型具备在用户说话时并发推理并自我验证的能力。在 GSM8K 基准测试中，该方案在保持相当延迟的同时，实现了 11% 的绝对准确率提升。
- AI 摘要arXiv cs.AI
Explainability Assistant 对话式 XAI 系统发布
Explainability Assistant 是一个开源的对话式可解释人工智能系统，利用现代大语言模型的函数调用能力，帮助设施管理者解读复杂的能源消耗预测模型。该系统无需针对特定任务进行微调，意图解析准确率达到 94%，优于此前受限于自定义语法的 TalkToModel 方案。对比评估显示，所有参与测试的能源领域专家均更倾向于使用该对话界面。
- AI 摘要arXiv cs.AI
研究揭示LLM内部知识检索与使用机制
一项研究通过分层干预隐藏状态，分析了Qwen、Llama和Gemma在回答问题时对查询路由信息和目标知识的依赖变化。研究发现，在自然单国问题中，成对条件方向在干预开始改变后续拟合知识之前会变强，因果窗口在答案支持内容形成时开启。不同模型的轨迹并不统一，Gemma显示部分重叠的中层路由-内容概况，而Llama在相同门控下没有持续的路由效应窗口。
- AI 摘要arXiv cs.AI
新方法利用模型感知调度优化扩散模型生成
研究人员提出一种基于纤维最优传输的模型感知调度构建方法。该方法在固定时间步和状态下，通过计算信号与噪声分解间的预测风险，结合系数路径动能，得出闭式最优时间分配。在 DDPM 和流匹配模型的评估中，该方法优于强基线，在 CIFAR-10 数据集上实现了 38.6% 的相对 FID 降低。实验显示，不同模型的风险归一化曲线具有经验普遍性，使用冻结的分析分配模板即可保留大部分改进。
- AI 摘要arXiv cs.AI
研究调查海事操作员对AI辅助决策的态度
一项针对海事利益相关者的调查研究了在避碰场景下对AI辅助系统的态度。参与者评估了技术焦虑、自动化信任度及解释质量。结果显示，受访者对海事技术持普遍积极态度，信任度在不同场景下保持稳定，且重视决策支持与态势感知，但担忧AI可靠性及过度依赖。研究建议系统设计应侧重于通过透明、可靠的机制支持校准依赖，并让领域专家参与。
- AI 摘要arXiv cs.AI
Logit Refiner 提升视觉自回归模型生成质量
Logit Refiner 是一个轻量级自回归模块，旨在解决视觉自回归模型（VAR）因并行解码导致的空间依赖缺失问题。该方法通过基于冻结主干特征的顺序采样恢复同尺度依赖，仅需增加约 10% 参数和不到 5% 的训练算力，且无需重新训练即可接入预训练模型。实验显示，该方法在 310M 至 2B 参数规模的主干网络上均能提升生成质量，使 1.1B 参数模型性能超越两倍参数量的模型，并已验证适用于文生图任务。
- AI 摘要arXiv cs.AI
新方法 Looped Flows 提升循环模型推理能力
针对深度学习中循环模型训练时反向传播步数受限的问题，研究人员提出了 Looped Flows 方法。该方法利用局部去噪目标训练循环结构，通过递减的噪声级别和共享噪声建立时间关联，使模型学会传递有用信息。推理时将去噪器参数化的概率流速度与循环状态结合，允许通过更细的时间网格增加计算量。在六个推理基准测试中，该方法优于先前的最先进循环模型，在 ARC-AGI-1 上达到 58.8% 的测试准确率，在 ARC-AGI-2 上达到 12.2%。
- AI 摘要arXiv cs.AI
研究揭示ASR与音频模型在语码转换场景下的表现差异
针对英语与约鲁巴语混合的语码转换语音，研究评估了六个ASR模型和五个音频语言模型。结果显示，传统的词错误率掩盖了模型在语言切换点的具体表现。虽然WER最佳模型与领先的音频LM在整体得分上无显著差异，但后者在所有针对切换点的指标上表现更优。此外，多数系统在识别约鲁巴语词汇时错误率极高，且错误集中在切换至约鲁巴语的节点。