论文：AI 论文、技术方法与基准测试第 108 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
研究揭示模型升级中不同记忆方式的迁移表现
一项研究对比了长上下文阅读、RAG、压缩笔记和固定模式知识图谱在模型升级时的记忆可移植性。实验使用两个百亿参数以下的开源模型和48个合成历史记录。结果显示，固定模式结构迁移最可靠，准确率变化极小；压缩笔记与模型耦合度高，准确率波动剧烈；RAG 系统中混合嵌入索引无法完全替代重新嵌入。诊断表明，压缩笔记的信息损失主要源于构建阶段，而 RAG 的缺陷主要由检索失败导致。
- AI 摘要arXiv cs.AI
BUGSTONE-E2E将CVE补丁历史转化为可执行检测规则
BUGSTONE-E2E框架从2022至2026年的19325个高危CVE中提取2710个修复提交，构建了涵盖56个CWE家族的1033条检测规则。该系统采用漏斗形流水线，先利用Tree-sitter和轻量级启发式过滤候选点，再由LLM代理检查并生成运行时验证补丁。在14个程序的测试中，系统产生了644条运行时证据。
- AI 摘要arXiv cs.AI
研究提出统一ViT压缩框架用于田间病害检测
针对资源受限的农业环境，研究人员提出了一种统一的视觉Transformer压缩框架。该框架结合了基于二阶灵敏度估计的Hessian平衡自适应块剪枝、量化以及基于注意力的知识蒸馏。在辣椒病害数据集上，集成压缩管线将模型大小从327.42 MB缩减至6.01 MB，缩减倍数为54.5倍，同时保持了95.13%的精度，与FP32基线持平。
- AI 摘要arXiv cs.AI
开源工具包测量Transformer模型上下文个体化
研究人员发布了一套开源工具包及技术手册，用于测量Transformer语言模型在后续层级中是否根据上下文对单词进行个体化表征。该工具包基于“桥接形式”构建，即在不同领域具有不同含义的同一书写形式。工作流程涵盖维基百科语料获取、层级表征提取、成对轮廓测量及可视化协议。文档详细说明了设计选择及其旨在避免的方法论缺陷，如子词分词错位和降维图中的轴可比性伪影。
- AI 摘要arXiv cs.AI
研究提出利用大模型优化量子电路合成算法
研究人员提出名为 QuantumEvo 的进化框架，利用大语言模型作为启发式生成器，针对量子电路成本优化二元决策图的变量排序。该框架不直接预测排序，而是搜索启发式策略。生成的 HGA-QE 算法在基准测试中，对比每函数最佳基线取得了 70.9% 的平局或胜率，并在 13.5% 的函数上表现严格最优。
- AI 摘要arXiv cs.AI
团队发布 RoboSPA 机器人数据集与基准
研究团队发布了 RoboSPA 数据集与基准，用于评估视觉-语言-动作模型的具身推理能力。该数据集聚焦细粒度空间推理和长视程序规划，包含 10 个任务类别和 56 个基础任务。每个任务设有 5 个难度等级，共产生 280 个变体，收集了 52.7 万条轨迹。测试显示现有模型在处理复杂空间关系、精确底层执行及密集记忆规划方面仍存在困难。
- AI 摘要arXiv cs.AI
综述评估LLM在暖通空调领域的应用现状
该研究系统回顾了2023年至2026年3月间发表的66篇关于大语言模型应用于暖通空调操作的同行评议论文。分析显示，现有研究主要集中在建筑能源建模领域，仅有四项研究达到试点级证据，尚无报告显示实现了持续的实际运营部署。目前没有任何一项研究被归类为具备工业级就绪状态，绝大多数仍处于科研阶段。证据表明，大语言模型更适合作为语义处理和工作流辅助层，而非自主的暖通空调控制器。
- AI 摘要arXiv cs.AI
研究解析 DeepSeek-V4-Flash 的多流残差机制
论文分析了 DeepSeek-V4-Flash 模型中四流残差路径的使用情况。研究发现，读写路由集中在约两个流，且随深度变化；残差混合主要发生在早期层，后期层各流几乎独立传递。实验显示，将后期混合器替换为恒等映射，困惑度仅增加 1.9%，而替换早期混合器则增加 41%。这表明该模型仅部分利用了多流架构的灵活性。
- AI 摘要arXiv cs.AI
RISE 提出自外推策略蒸馏方法
RISE 方法通过从模型自身的 RLVR 训练轨迹中构建合成教师，利用参数空间或输出 Logit 空间的位移外推，将稀疏的结果奖励转化为稠密的 Token 级目标。该方法无需外部模型或特权条件，将蒸馏转化为递归改进机制。在数学推理、多领域 STEM、代码生成及多轮智能体任务中，RISE 表现优于仅使用 RLVR 的训练及在线策略自蒸馏。
- AI 摘要arXiv cs.AI
研究提出行为正确性假设评估自动评价方法
针对现有基于参考的自动评价方法主要依赖总体分数的问题，研究团队提出了行为正确性假设框架。该框架定义了保持正确性与改变正确性的假设分类，并通过受控响应转换来规范预期的评分行为。实验测试了包括词汇、字符、语义、基于大模型及混合型在内的多种评价器，分析了其假设层面的行为表现、稳定性及敏感性。结果显示，没有任何一种评价器能满足所有提出的正确性假设，且总体表现相似的评价器可能展现出截然不同的行为特征。
- AI 摘要arXiv cs.AI
GUT方法量化并优化大模型推理不确定性
研究人员提出GUT方法，通过图复杂度来量化大语言模型的推理不确定性。该方法将推理链的潜在分支表征为有向无环图，包含量化模块GUT-Q和优化模块GUT-O。GUT-Q利用图复杂度近似推理空间复杂度以测量不确定性，GUT-O则将负不确定性作为强化学习的奖励函数来优化模型。实验在四个大模型和五个数据集上验证了该方法的有效性。
- AI 摘要arXiv cs.AI
研究测试 LLM 智能体团队互换性
arXiv 论文测试了多智能体系统中成员的可互换性。实验将基于同一模型训练的八支队伍进行角色互换，结果显示任务得分损失较小，但单位进度的沟通成本增加了 16% 至 63%。在 Hanabi 游戏中，互换后的智能体比无经验者更消耗资源，表明受旧伙伴习得惯例的干扰。队伍历史越长，互换带来的协调效率惩罚越大。
- AI 摘要arXiv cs.AI
研究证实层稀疏性优化能提升大模型效率
一项针对 271M 至 8.2B 参数模型的研究表明，通过优化层分布、时间表及优化器超参数，层稀疏性技术可在相同训练算力下降低损失。在特定训练步数下，该方法能节省最多 25% 的训练算力，且保持验证损失不增。此外，该技术支持早退等推理优化，实现最高 1.5 倍的推理加速，精度损失极小。
- AI 摘要量子位
ScienceDiscovery实现树搜索驱动RSI加速科研
ScienceDiscovery通过树搜索实现科研代码自动迭代，在2小时内生成通用积分器，将振荡积分误差从24亿倍降至0.07%；用598秒提升高斯超几何函数精度；在AlgoTune上加速代码2.279倍；从观测数据反推方程准确率达41.4%，平均每题仅16.5次模型调用，成本不足3元。
- AI 摘要arXiv cs.AI
研究提出通过训练将自然语言规范编译为本地神经函数
研究人员提出'通过训练编译'方法，将自然语言规范转化为可重用的神经函数。该方法使用教师模型生成任务特定示例，训练小型适配器用于紧凑解释器。在FuzzyBench-Hard测试集上达到83.6%语义准确率，编译时间约一分钟。编译后的函数可存储、版本控制和组合，已应用于网站助手、3D头像和英-克劳迪什双向翻译器。
- AI 摘要arXiv cs.AI
研究揭示黑盒LLM观察者在共享端点上可靠性失败
一项预注册研究显示，语言模型评估器在共享端点上存在严重可靠性问题。通过对52,988次请求的审计，发现相同窗口内的重复排名一致性仅为0.40（要求0.90），字节完全相同的次日重放一致性为0.78（要求0.99）。研究揭示了三种导致差距的机制：标签到含义映射的偏差、候选差异远低于仪器噪声水平、以及相同输入产生不同排名。研究提出了三级快照身份阶梯、八条设计规则和报告检查清单。
- AI 摘要arXiv cs.AI
ESPO方法提升提示优化效果
ESPO方法通过诊断、多样化和稳定化三个阶段优化提示，在七个NLP基准测试中平均准确率提升3.76个百分点，同时提示长度缩短47%。该方法在不同学生模型上均表现最佳，在Qwen3 GSM8K上准确率从15%提升至91.4%。研究还发现，增加多样性而不进行bootstrap选择会降低性能。
- AI 摘要arXiv cs.AI
EditVid框架实现多样化视频编辑无需训练
研究人员推出EditVid，一种无需训练的统一视频编辑框架，结合稀疏因果记忆、基于对应关系的后注意力令牌注入和软潜在混合技术，支持指令引导和参考引导的编辑。在FiVE评测中，EditVid达到78.16分，比最强基线方法高19.21分，用户研究中51.8%的参与者偏好此方法。
- AI 摘要arXiv cs.AI
研究团队提出SBS框架提升视频字幕生成性能
研究团队提出Seeing Before Synthesizing (SBS)框架，针对弱监督密集视频字幕生成任务，利用视觉语言模型(VLM)为事件间间隙生成帧级叙事，并从语义变化中检测转换点。该方法通过自适应提供视觉基础的语言指导，在ActivityNet Captions和YouCook2数据集上实现了字幕生成和定位的最先进性能。
- AI 摘要arXiv cs.AI
研究揭示大模型通过辅助视图提升知识获取
该研究通过控制实验发现，在预训练过程中，知识的辅助视图（即知识的重新表述）能显著提升大语言模型的学习效果。即使在固定token预算的情况下，将token从文档重复分配到辅助视图也能改善学习，包括事实回忆能力。辅助视图的有效性不依赖于生成它们的教师模型的强度，且在存在先验知识差距时，情境性和基础性知识形式有助于学习。