论文：AI 论文、技术方法与基准测试第 104 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
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。
- AI 摘要arXiv cs.AI
研究揭示大模型无法逆向还原新闻框架
一项针对 Qwen、DeepSeek 和 Kimi 的控制性反转测试显示，尽管大模型在保持事实准确率方面达到约 0.84，但在撤销已知框架变换方面表现极差，反转率仅为 0.044 至 0.068。即使模型正确识别了框架类型和方向，其综合反转率也仅为 0.071。这表明模型在事实保真度、框架识别与框架逆向能力之间存在显著差距。
- AI 摘要arXiv cs.AI
提出统一逐Token门控参数化用于策略蒸馏
该研究提出了一种包含四个系数的统一参数化方法，用于策略蒸馏中的逐Token门控。该方法将现有的EOPD和ToDi作为一维限制，并引入了多通道组合和显式偏置。在Qwen3-32B教师模型和Qwen3-4B学生模型的实验中，该方法在TweetEval数据集的多数可比单元中达到了比单通道限制更高的准确率。研究主要将其作为比较短输出分类策略蒸馏中门控设计的共享坐标系。
- AI 摘要arXiv cs.AI
SIRF模型将平台规则内化至权重以提升工业风控效率
SIRF模型通过持续预训练将复杂平台策略内化至模型权重，无需额外人工标注。在同等条件下，SIRF-8B-SFT的Black Recall@P95达到71.3%，较基线提升15.1个百分点，且未损害通用能力。该模型支持毫秒级延迟的高精度部署，已作为树模型裁决层使用，能恢复20%更多被误罚样本，并能低成本迁移至冻结场景。
- AI 摘要arXiv cs.AI
ORCH框架利用组织原则提升具身智能体集体性能
ORCH框架将人类组织理论应用于具身多智能体系统，通过构建任务特定的层级组织来协调大规模异构智能体。在涵盖侦察、救援等任务的25次野火响应模拟中，该框架在任务结果、执行效率等方面均优于四种现有方法。人工设计的ORCH组织将最终得分平均提升63.97%，执行效率提升74.29%；由语言模型自动生成的组织也分别实现了43.63%和52.53%的提升。
- AI 摘要arXiv cs.AI
论文提出基于神经CDE的连续时间语音建模
研究提出利用神经控制微分方程构建连续时间机制，用于文本转语音中的时长感知声学建模。该方法将音素表示为时变控制路径，通过神经声学向量场生成随音素内容和时长演化的连续隐状态。实验显示，该模型在保持情感表达质量的同时，能提升合成语音与参考情感强度的排序一致性，被视为风格敏感型TTS的有潜力设计方向。
- AI 摘要arXiv cs.AI
研究提出基于时间转换的模拟SNN读出架构
针对脉冲神经网络在忆阻器交叉阵列中进行模拟向量矩阵乘法时，传统电流模式读出电路存在面积和功耗开销大的问题，该研究提出一种基于电压到时间转换的全模拟读出架构。通过检测列电压，该方法避免了电流模式的求和与缩放电路，从而提升了面积和能效。基于130纳米CMOS工艺的10x1 SNN后仿真验证了该架构，并将其应用于64x10数字分类SNN以展示推理可行性。
- AI 摘要量子位
ECCV 2026 探讨多模态 AI 商业应用
ECCV 2026 期间，钛动科技牵头举办 MARS2 Workshop，聚焦智能体商业。配套挑战赛设立三条赛道，基于 3108 支广告视频构建的数据集 M-CAR 考察模型能力。结果显示，模型在整体理解上得分较高，但在精准定位和策略推理上表现下滑。比赛限制模型参数量并仅允许使用开源权重，最终字节跳动背景团队 The Boys 夺得两项冠军。
- AI 摘要量子位
HSImul3R框架实现人-场景交互物理仿真重建
大晓机器人联合南洋理工大学及上海人工智能实验室发布HSImul3R框架，旨在解决三维重建中“感知—仿真鸿沟”。该框架支持非标定稀疏视角及单目视频输入，通过物理闭环双向优化机制，将重力稳定性与真实接触纳入评价标准。在HSIBench测试中，其交互稳定率显著高于HSfM方法，并将人-场景穿模率降至22.90%。团队已将优化后的人体动作迁移至Unitree G1人形机器人，实现了从视频到机器人技能执行的完整链路。
- AI 摘要arXiv cs.AI
Show-Harness框架让VLM直接控制机器人
Show-Harness框架通过紧凑语义接口连接意图与动作，使视觉语言模型能直接控制机器人。该方案将离散语义动作单元与具体机器人操作解耦，既支持闭源模型零样本控制，也允许开源模型经少量微调后低成本部署。配套的GUMI接口无需专用硬件即可收集演示数据。实验显示，该方法在任务、形态和环境间泛化能力良好，超越了典型智能体与视觉-语言-动作模型范式。
- AI 摘要arXiv cs.AI
IB2协议提出按服务路由而非模型ID评估企业AI
论文提出IB2协议，旨在解决企业AI系统评估中仅关注模型标识符而忽视服务路径、精度及输出契约等实际部署要素的测量误差问题。该协议包含金盲能力绑定预检、包含可靠性的首轮评分规则及结构化盲审裁决。参考实例包含128项锁定任务和987条断言，覆盖文档、数据库及多表连接等工作。测试显示，服务路径选择使分数从77.38升至82.54，且能力可用性在相同权重下因路径不同而表现各异。
- AI 摘要arXiv cs.AI
SG-JEPA 模型提升零样本物理泛化能力
新提出的 SG-JEPA 模型通过动作条件向时间模型提供物理参数，并联合训练编码器与预测器。在不同重力场设计的动力学任务测试中，该模型在二维数据集上将开环预测误差降低了 2 倍，在三维机器人数据集上将控制成功率提升了 2.5 倍。分析表明，性能提升主要归功于编码器学习到了更优的特征。
- AI 摘要arXiv cs.AI
JarvisGUI 跨设备 GUI 智能体基准发布
JarvisGUI 是一个评估跨设备 GUI 智能体的动态基准，涵盖 Android、Windows 和 Ubuntu 平台。该基准通过轻量级类型系统将任务定义为输入输出转换，自动组合多步骤工作流。测试显示，现有开源智能体在状态传递感知、跨平台上下文推理及长跨度依赖管理方面存在显著不足。
- AI 摘要arXiv cs.AI
ConvMem 框架提出卷积记忆解决长上下文推理
针对大模型处理超长上下文时的固定限制问题，ConvMem 框架将长上下文推理重构为分层卷积。该方案无需训练且高度并行化，将推理路径从线性链缩短为对数树。通过可配置步幅、跳跃连接及多核卷积设计，ConvMem 在 RULER-HotpotQA 等实验中优于无训练基线，并避免了强化学习模型在分布外任务上的过拟合风险。
- AI 摘要arXiv cs.AI
FOM-UL框架实现层选择性机器遗忘
研究人员提出FOM-UL框架，通过计算遗忘与保留数据集的显著性得分，筛选出Transformer中特定层进行参数更新。该方法在TOFU等基准测试中，相比GA、NPO等基线降低了残留记忆率，并保持了接近原始模型的可用性。在8位和4位量化后，该策略仍能有效抑制被遗忘内容的恢复。
- AI 摘要arXiv cs.AI
研究探索 GPT-4 与知识图谱辅助急诊复查筛查
一项针对急诊科回访质量审查的研究对比了临床医生与 GPT-4 的判断差异。在仅依据主要诊断评估 99 对诊断是否需进一步审查时，GPT-4 判定需复查的比例高达 94%，是医生的 4.4 至 13.3 倍，且与医生评分相关性低。研究据此构建了基于大语言模型填充的知识图谱算法，其针对医生判断的阳性预测值达 83% 至 100%。
- AI 摘要arXiv cs.AI
新方法Fortunate Recall优化LLM记忆生命周期管理
现有大模型记忆系统缺乏生命周期管理，导致存储无限增长且检索精度下降。新提出的Fortunate Recall（FR）策略层将个人事实分类为10+1种行为本体，并应用特定类别的生命周期策略。其实施方案FR-Bank在新的516题基准LifecycleBench上达到76.9%通过率，优于Mem0等现有方案，且未对标准检索造成可测量的成本。该方法将端到端幻觉率从45.1%降至22.4%，同时提高了正确回答的比例。
- AI 摘要arXiv cs.AI
研究称基础模型内容审核性能超 Bluesky 系统
研究团队构建了包含 4000 条 Bluesky 平台真实帖子的 ModerationBench 基准，对比了指令驱动与示例驱动两种视觉语言模型引导范式。实验显示，基础模型在随机帖子上的 F1 分数达到 0.60，接近 Bluesky 现有审核系统 0.22 分数的三倍，且两种范式均能达到相近的峰值效果。
- AI 摘要arXiv cs.AI
MOONWALK系统优化动画VFX预生产审片流程
MOONWALK系统通过意图-证据-行动对齐框架，解决动画与VFX预生产中创意意图传递模糊的问题。系统将意图转化为共享记录，将评判锚定具体证据，并将决策转化为修订任务。AI负责标记缺失上下文和组织笔记等行政协调工作，艺术家保留创意主导权。对比纯聊天机器人界面的研究显示，该系统在意图对齐、决策可追溯性和清单执行性方面表现更优。