论文：AI 论文、技术方法与基准测试第 107 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
研究称审计方式影响LLM偏见结论
一项针对五个大语言模型的研究发现，审计工具的设计对结论的影响可能不亚于人口统计学偏见。在涉及招聘、借贷和医疗分诊的4万多条测试中，模型在不同审计方式下表现不同。结果显示，模型能识别审计意图，且排名首位者获得的优势与人口统计学效应相当。研究认为，审计结论更多反映的是审计构建方式而非模型本身的偏见。
- AI 摘要arXiv cs.AI
新研究提出答案分布轨迹以分析LLM推理动态
研究提出答案分布轨迹概念，用于追踪大模型推理过程中完整预测分布的变化。该表示法比仅关注最终准确率或熵曲线更精细，能揭示探索、修正、运动及承诺等动态阶段。在16个开源模型及4个推理基准上的测试显示，即便终点和熵曲线相似，推理动力学机制也可能存在显著差异。训练与推理的选择会系统性地重塑这些动力学特征。
- AI 摘要arXiv cs.AI
论文探讨AI辅助编程中的代码归属与责任
一篇研究笔记探讨了AI辅助编程引发的代码归属感与责任界定问题。文章指出，仅识别缺陷代码的产生者不足以确定审查者、决策者或运维人员的职责。作者建议质量工程应同时评估生成的实现代码及其生产流程，验收标准需基于服务结果。该文未报告新的实证结果，主要提出了相关区分概念与评估问题。
- AI 摘要arXiv cs.AI
研究改进连续扩散模型处理离散约束任务
针对数独等全局约束离散任务，标准扩散采样易保留早期错误。研究对比发现，直接从模型的清晰预测采样，无需重新训练即可将数独有效性从 31% 提升至 95%。此外，引入自校正训练以减少训练与推理的分布不匹配，能显著提升标准采样器的性能。
- AI 摘要arXiv cs.AI
Deposon 散射层增强 LLM 推理路径可审计性
Deposon 散射层将 LLM 概念分解图节点绑定至双参数状态，通过透射、反射与耗散三通道散射处理推理路径。该机制满足 T+R+A=1 能量守恒，路径能量审计偏差极低。在合成陷阱基准测试中，路径过滤增益达 100%，显著优于基线。在 GSM8K 等真实基准上，其表现与简单关键词过滤器无显著差异，作者将核心价值定义为机器可验证性。
- AI 摘要arXiv cs.AI
论文证明冻结 Transformer 可模拟迭代生成采样器
一项研究从理论上证明，冻结参数的 Transformer 能够利用上下文样本模拟迭代生成采样器。研究指出，Softmax 注意力机制负责计算责任权重和加权经验平均值，而前馈层执行欧拉更新。实验通过语义主题采样任务验证了理论，观察到隐藏状态在层间呈现两阶段几何变化，且相互作用粒子能量呈现 U 型模式。
- AI 摘要OpenAI 官方博客 等 2 家
OpenAI内部AI研究加速
OpenAI内部使用编码智能体正在重塑AI研究方式，早期数据显示智能体使用情况、实验速度、任务复杂度和研究加速等方面的数据。
- AI 摘要量子位
Claude完成费马大定理首个完整形式化证明
Claude在11天内完成了费马大定理首个端到端、可由计算机完整检查的形式化证明，生成了约1300万行Lean代码、超过3万个中间定理。这个工程规模超过Lean核心数学库Mathlib的5倍。Anthropic研究员Tianyi Peng通过多Agent协作和Prove2Me平台实现了这一成就，消耗约60亿个输出Token。
- AI 摘要arXiv cs.AI
Diffusion TV 装置通过实体电视具象化扩散模型
Diffusion TV 是一个基于改装 CRT 电视的交互式 AI 艺术装置。观众通过物理操纵天线控制生成图像与声音的清晰度，以此隐喻扩散模型的去噪过程。利用调频旋钮，参与者可在过去、现在、未来三个频道间切换，观看已灭绝、濒危及推测性生物的 AI 生成内容。该装置强调生成过程而非最终结果，提供了一种具身化的可解释 AI 体验。
- AI 摘要arXiv cs.AI
RegionFed 解决零售异构环境联邦学习个性化难题
RegionFed 是一种架构鲁棒的联邦学习框架，通过在梯度层面而非参数层面操作，解决了现有个性化方法在 Transformer 模型上因嵌入绑定和 LayerNorm 交互导致的性能崩溃问题。该方法利用区域与全局梯度的 L2 冲突作为统一信号，诊断异质性并路由至最经济的个性化策略。实验显示，RegionFed-Meta 在 Amazon ESCI 等数据集上达到 92.27% 的准确率，与侵犯隐私的集中式上限差距仅 0.23 个百分点，同时提供差分隐私保障。
- AI 摘要arXiv cs.AI
IIns-GAN 模型可合成带标签无线信号
针对真实无线信号数据获取成本高的问题，研究团队提出 IIns-GAN 深度生成模型。该方法能生成适应不同环境场景的带标签信号，用于距离估计和环境识别等任务。在公共超宽带数据集上的实验显示，生成信号具备真实物理特征，能有效提升无线感知任务的模型训练效果。
- AI 摘要arXiv cs.AI
研究发布KOPA-Bench基准与EDGE数据合成方案
针对开源模型在多步工具调用上的不足，研究团队发布了包含145个真实任务的KOPA-Bench基准。同时提出了EDGE数据合成方案，通过构建动态图并验证真实API调用链接来生成训练轨迹。使用该数据集微调的9B模型在KOPA-Bench和BFCL基准上表现接近未微调的27B模型。
- AI 摘要arXiv cs.AI
研究评估 LLM 解释与行为的一致性
arXiv 论文提出一种基于行为证据的评估框架，用于检验 LLM 输出解释的可靠性。研究测试了“必要性”和“充分性”两种解释定义，在推荐顾问和监控提示词两个合成场景中，对 Claude、GPT 和 Gemini 家族的 8 个模型进行了黑盒干预实验。结果显示，模型引用的前三个因素与实际测得的影响力排名相关性较低，且在多数情况下，未被引用的因素其影响力评分高于被引用的因素。这表明现有解释虽包含有用信息，但无法可靠识别最具影响力的因素。
- AI 摘要arXiv cs.AI
Ref-GeNVS 实现无需训练的镜面场景新视角合成
研究人员提出 Ref-GeNVS 方法，解决多视角扩散模型在镜面场景中无法识别并利用反射内容的问题。该方法无需额外训练，通过估算镜面平面并反射相机位姿构建虚拟视角，利用镜面门控注意力和反射注入技术，生成反射一致且上下文连贯的新视角图像，在合成与真实场景中优于近期方法。
- AI 摘要arXiv cs.AI
研究揭示前沿模型在分子基准测试中存在逐字检索现象
一项针对 22 个前沿语言模型在 12 个分子回归基准测试中的审计发现，模型普遍存在逐字检索已发布数值的现象。在 5 个数据集中，超过 50% 的模型表现出逐字检索行为，而在其余数据集中仅零星出现。实验表明，推理层级会改变检索行为，高推理层级下的检索标记比最低层级多 89%。抑制检索后，不同模型的预测误差在相对值上更为接近，说明模型的通用预测能力并不完全取决于记忆数值的多少。
- AI 摘要arXiv cs.AI
研究诊断并改进视觉运动策略中的条件视觉定位
研究针对视觉运动模仿策略在引入相似干扰物时失效的问题，将其诊断为条件视觉定位缺陷。通过使用 Action Chunking with Transformers 模型进行系统测试，发现干扰敏感性与视觉相似性类型及操作阶段有关。研究评估了干扰增强、阶段相关注意力正则化和基于外观的视觉提示三种干预措施，在模拟环境和 UR3e 实体机器人上显著提升了鲁棒性。类似失败模式在预训练的视觉-语言-动作策略中也得到验证。
- AI 摘要arXiv cs.AI
CUA-Universe 混合 GUI+CLI 环境发布
CUA-Universe 是一个将真实桌面软件转化为混合图形与命令行环境的可扩展数据管道。它包含 App-Forge、Task-Weave 和 Path-Steer 三个组件，支持 16 款应用，能合成可控难度的混合任务并生成验证轨迹。基于此训练的 9B 模型在 CUA-Verse、OSWorld 等基准上，成功率提升 39.3 分，步数减少 57%，Token 消耗降低 60%。
- AI 摘要arXiv cs.AI
研究揭示 LLM 反编译器重编译率高但行为一致性低
研究指出，现有 LLM 反编译器过度追求代码可重编译性，导致输出代码虽能通过测试，但实际行为与原程序存在差异。团队提出 Decompile-Diverge 方法，通过合成驱动与模糊测试检测行为偏差。在九种配置下，通过所有测试的候选代码仍有 4.9% 出现行为分歧，单系统最高达 13%。最强模型将构建率从 75% 提升至 90%，但匹配率从 74% 降至 62%，且部分漏洞在重编译后消失。
- AI 摘要arXiv cs.AI
SMART：用设计文档生成 ML 性能建模代码
研究人员提出 SMART，一个 AI 原生的机器学习性能建模库。该库主分支几乎不含代码，而是存储自然语言设计文档。在版本更新时，由 AI 编码代理依据文档重新生成实现。其核心包含递归定义的算子 IR 和符号成本表达式。实验显示，再生实现能复现包括 DeepSeek-V3 在 TPU 上部署在内的参考模型，达到舍入精度。
- AI 摘要arXiv cs.AI
研究显示学生接受AI反馈但坚持人类评分
一项针对沙特公立大学13名男生的定性研究显示，学生明确得知评分和反馈来自ChatGPT后，认为AI反馈有助于表层修改，但坚持人类教师应掌握评分决定权。研究将此现象归纳为“反馈效用”与“评价权威”的区分。