论文：AI 论文、技术方法与基准测试第 14 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
CA-HNM：用领域结构约束筛选稠密检索的难负样本
一篇 arXiv 论文提出 CA-HNM 框架，把基于检索的候选生成与来自结构化领域模型的确定性不兼容规则结合起来，用于稠密检索的难负样本挖掘。做法是先剔除已知正例，围绕查询目标构建带类型的局部上下文，记录关系、范围、目标与层级四类不匹配，再用这些候选微调标准双编码器；结构化信息只在离线构建负样本时使用。作者在 MOOCCubeX 与 Course-Skill Atlas 两个数据集上，用两种编码器、两种训练损失和十个随机种子做评测。与检索排名匹配的对照组相比，CA-HNM-Pure 在八种数据集、编码器与损失的组合中有六种的 NDCG@10 均值更高，四个分层 95% bootstrap 区间整体位于零以上，且多出现在 triplet loss 下；CA-HNM-Mixed 在两个集合上的 NDCG@10 均值也略高于匹配的混合对照组。
- AI 摘要arXiv cs.AI
AutoPRL：用可学习视图生成器实现路径表示学习自动化
论文提出 AutoPRL 自监督路径表示学习框架，用于道路网络中由连续路段构成的路径表示。针对现有方法依赖启发式增强、对比学习计算开销大的问题，该框架包含三个模块：AutoDA 用变分自编码器为拓扑感知的节点嵌入建模高斯隐分布，生成特征级路径视图；CVDC 在节点级与路径级视图上解耦正负样本对的优化，提升训练稳定性与效率；ACT 依据不确定性动态调整多目标损失权重。在三个真实数据集上的实验显示，该框架在多项下游任务中兼顾效果与效率，已被 IEEE TKDE 2026 接收。
- AI 摘要arXiv cs.AI
PatentAgentBench 发布：510 个实例评测 LLM 智能体专利…
研究团队构建了 PatentAgentBench，包含 510 个实例、覆盖八类专利任务：新颖性检索、自由实施（FTO）检索、设计 FTO、无效检索、权利要求对照表、专利撰写、审查意见答复与专利翻译。数据取自真实专利记录与专业材料，采用任务专属指标并结合专家复核标注与评分细则。其中检索类任务不提供候选文献池，要求智能体自行检索并比对专利集合；撰写与审查意见答复任务则依据技术披露书和审查通知评估产出质量。团队用四种智能体框架评测了七个大模型，结果显示现有系统在识别新颖性、评估风险和理解从业者意图方面仍有明显困难。
- AI 摘要arXiv cs.AI
符号回归流程将NV色心单点谱校准为集合谱，误差降56.2%
一篇 arXiv 论文提出面向氮-空位（NV）色心光谱的符号回归流程：先从单中心光探测磁共振谱中约束搜索厄米算符项并拟合系数，保留所选表达式作为源模型，再以显式权重组合成经校准的集合模型，校准环节处理共振位移、局域无序、取向与光学响应。在公开单中心与集合数据上，零场集合保频均方根误差从 0.008835 降至 0.003872（归一化光致发光），相对未校正组合改善 56.2%。在 128 个格点、四种 NV 取向的 QuTiP 受控集合中，用 0 与 3 mT 校准的模型预测留出的 5.17 mT 谱，三个随机种子误差为 0.000207–0.000228，与 0.000200 的噪声标准差相当。
- AI 摘要arXiv cs.AI
MPO：面向长程LLM智能体的多尺度策略优化方法
一篇投稿于arXiv的论文提出多尺度策略优化（MPO）。作者观察到，长程LLM智能体以完整助手轮次与环境交互，但生成动作时逐token进行；critic值主要在轮次之间变化，因此优化应以轮次为锚点，并在token之间做更细的信用分配。MPO由多尺度优势估计（MAE）与轮次级重要性采样组成，使信用分配与策略更新在轮次尺度上对齐。在搜索、工具使用与自动化任务上，用4B与30B-A3B模型测试，结果稳定优于强强化学习基线。
- AI 摘要arXiv cs.AI
Critic's Eye 用叙事拓扑图做母题发现，Hit@5 达 84.8%
一篇投稿至 EMNLP 2026 的论文提出 Critic's Eye，把整部剧作建模为异构叙事拓扑图，在全局结构证据上做判别式推理，用于预测缺失的台词—母题关联。该任务被定义为计算母题发现，属于转导式设定，需要利用作品完整叙事结构。在自建基准上，Critic's Eye 的 Hit@5 为 84.8%，而 Gemini-3-pro-preview 约为 22.6%。作者据此认为，序列模型即使规模扩大，仍受限于分散依赖难以解析，显式结构先验比参数扩展更有效。
- AI 摘要arXiv cs.AI
CoCHI 通过因果头干预纠正大模型过度自信错误
一篇被 NeurIPS 2026 接收的论文提出 CoCHI 框架，针对大模型「答错却高置信」的问题。现有校准方法多在输出层做事后调整或重新训练，未触及失准的成因。CoCHI 按正确性与置信度的组合模式分析预测，定位模型内部对置信行为负责的组件并定向干预，在减少过度自信错误的同时保留正确预测。在多个大模型与五个多选题基准上，期望校准误差、负对数似然和 Brier 分数均有改善，准确率保持不变。
- AI 摘要arXiv cs.AI
AskGLP1：把患者自述建成知识图谱的问答智能体
研究者发布 AskGLP1，用大模型辅助流程把网络上的用药自述整理成知识图谱并支持问答。系统以 MedDRA 术语体系为基础，筛查约 850 万条 Reddit 帖子，从中提炼 16.3 万余条用药体验，再合并 2506 条 WebMD 评论，构建出包含 38.5 万余条药物—副作用与药物—用途关系的图谱。对比发现，网络自述与 FAERS 共享最常见的胃肠道症状，但前者更突出疲劳、厌食等日常负担，后者更多出现注射部位反应及胰腺炎等严重诊断；帖子中替尔泊肽的恶心呕吐报告少于司美格鲁肽，Wegovy 比 Ozempic、Zepbound 比 Mounjaro 的疲劳报告更多。评测显示该智能体给出可核验证据，并会拒绝医疗建议类请求。
- AI 摘要arXiv cs.AI
SR-BEVS：稀疏恢复模型汤提升BEV感知鲁棒性
一篇被 IROS 2026 接收的论文提出 SR-BEVS，用稀疏恢复学习提升相机 BEV 感知的鲁棒性。方法按各层权重幅值筛选剪枝候选，随机剪枝得到多个稀疏模型，再以随机采样的学习率分别重训，最后把这些模型平均成一个稠密模型。在 nuScenes 上相对 Fast-BEV 基线，损坏鲁棒性最高提升 33.8%，干净精度提升 1.8%，且不增加推理开销、不需额外数据或改架构。
- AI 摘要arXiv cs.AI
SVD-Attention：诊断Transformer注意力头秩冗余的分析方法
一篇 arXiv 论文提出 SVD-Attention，对预训练 Transformer 每个注意力头的 query-key 交互矩阵做奇异值分解，并用奇异值的谱幅度与校准集上的激活方差共同给每个奇异模式打分，保留头能放大且真实数据会激活的模式，其余丢弃，保留部分为精确分解且无需微调。在七个预训练模型、五类任务上，冗余分布随任务变化：情感与图像分类及生成任务集中在前中层，稠密预测与抽取式问答集中在后层。按该诊断裁剪被标记层最多损失 1.75 F1，而在同模型其他位置裁同样层数最多损失 50 F1。作者定位其为分析工具而非压缩方法，单独使用降低 0.8%–1.5% 推理 FLOPs，与权重剪枝组合降 8%–11%，任务质量变化 0%–4%。
- AI 摘要arXiv cs.AI
研究拆分红队测试中批评与提案角色，攻击成功率升至63.2%
一篇 arXiv 论文把自动红队测试拆成两个设计维度：批评由目标会话自己给出（自我批评），还是由单独实例化的批评者给出（外部批评）；下一步攻击由目标会话自己提出（自我提案），还是由单独的攻击者提出（外部提案）。分析发现，自我批评更有效，因为它基于目标实时执行时的观察、约束和推理；去掉推理环节会让下游攻击成功率下降 6% 到 17%。自我提案则明显更差，因为目标一旦意识到对抗目标，就会直接拒绝，或出现不拒绝但故意放水的行为。据此提出角色分离方案：目标会话只诊断攻击为何失败，由单独的攻击者生成下一次提案。在覆盖 Telecom、Workflow、CRM、Code 四个领域的 DTAP-BENCH 上，该配置整体攻击成功率为 63.2%，高于各基线。
- AI 摘要arXiv cs.AI
C-SafeGen 提出基于声明的流式护栏，为 LLM 生成提供安全认证
论文提出 Claim-based Stream Decoding（CSD）算法，配合基于 conformal analysis 的统计风险保证框架。CSD 在生成过程中接入流式护栏模型，对 LLM 依次产出的声明逐条检查，并对被标记为高风险的声明启用回溯机制进行改写。作者给出理论证明：该算法在满足安全约束的前提下逼近目标生成分布，并推导出生成风险的高概率上界，证明安全风险可渐近控制到任意期望水平。实验与真实数据验证了方法相对现有安全解码方案的有效性、效率，以及上界的合理性与紧致性。
- AI 摘要arXiv cs.AI
GUIFlow 提出 GUI 智能体全流程增量推理框架
论文提出 GUIFlow，针对基于视觉语言模型的 GUI 智能体在多步交互中重复计算高度重叠的观测与历史表示的问题，给出全流程增量推理方案。其做法是：把历史 KV 状态按位置对齐后注入当前上下文；用变化信号指导视觉编码器与语言模型对当前观测状态做选择性更新；并把此前的动作响应当作推测草稿，交由目标模型验证。该方案无需额外训练、不引入独立草稿模型，也不改动模型可见输入与动作接口。在离线多图基准上取得最高 3.39 倍几何平均加速，在 OSWorld 在线闭环交互中最高 3.49 倍，任务表现与稠密基线大体相当。
- AI 摘要arXiv cs.AI
论文提出 Decision Model Factory，按需构建专用决策模型
一篇 arXiv 论文提出 Decision Model Factory，把不同应用、语言和部署环境下的决策需求转化为专用模型。该流程通过一套简短步骤，对选定的基座模型进行训练、校准、验证与评估，产出由运营方掌控、可直接部署的决策模型；需求变化时，同一流程可再造新的专用模型。在日语决策任务、紧凑部署和长上下文段落排序上，五个由该工厂构建的模型均优于各自基座，其中三个超过固定公开日语基准中的最强结果。配套 runner 只计算允许答案的概率并复用共享上下文，在多问题负载下服务速度提升一倍以上，决策分数基本不变。
- AI 摘要arXiv cs.AI
Info-GRPO 用隐变量互信息替代熵正则，AIME24 上优于 GRPO
针对 GRPO 训练长思维链时易出现的策略崩溃问题，论文提出 Info-GRPO：不再对每个 token 普遍抬高熵，而是训练时给提示词附加隐种子，利用隐变量与其诱导轨迹之间的互信息，让模型探索与先验相关的多样策略，同时让以种子为条件的熵趋向收敛，使多样性体现在整条推理轨迹上而非逐 token 随机。实验显示其在多个推理基准上优于原始 GRPO 与熵正则化 GRPO；在 AIME24 上，四个骨干模型的 Avg@8 分别比 GRPO 提升 3.75%、1.66%、4.16%、4.17%，并以 8 倍更少的样本达到相同的多数投票准确率。代码与模型将公开，论文已被 NeurIPS 2026 LCFM 研讨会接收。
- AI 摘要OpenAI 官方博客
OpenAI 公布在三个数学与物理难题上的模型结果
OpenAI 在官方博客中说明，其模型在 Kakeya 猜想、指数时间假设（ETH）和量子色动力学三个问题上给出了结果，并介绍了研究人员如何核验这些结果、在其基础上继续推进。材料未披露所用模型版本、结果的具体形式与取得方式，也未说明开放范围与时间。
- AI 摘要英国 AI Security Institute：Blog（网页）
英国 AISI 发布 ReproBAIT 评测，考察编码智能体复现生物 AI …
英国 AI Security Institute 的 Chem-Bio 团队与 SecureBio 合作构建了 ReproBAIT 评测，用来衡量 AI 智能体在给定数据和有限公开信息的情况下，能否设计、实现并训练出与现有生物 AI 工具（BAITs）功能和性能相当的新工具。评测在只有单块 GPU、无网络访问的隔离沙箱中进行，时间预算按工具复杂度缩放。结果显示，每个 BAIT 的部分功能都能在有限时间和算力内被复现，其中最简单的工具在 4 小时内、算力成本低于 20 美元即可复现。AISI 由此提出，仅靠不公开代码或限制公开信息并不等于安全发布，需要进一步探索数据治理手段。
- AI 摘要英国 AI Security Institute：Blog（网页）
英国 AISI 实测 ESM-2：预训练数据过滤可削弱目标能力，约 80 美元…
英国 AI Security Institute 的 Chem-Bio 团队用开源蛋白质模型 ESM-2 系列检验预训练数据过滤能否作为防篡改保障手段。结果显示，过滤能压低某一目标能力，同时基本不影响相邻能力；但它无法单独构成可靠防护——被削弱的能力可以用很低的算力代价恢复，即便是该团队最大的模型，恢复成本也不到 80 美元。团队指出，专用生物模型多为开放权重、体量小于前沿大模型，训练数据以生物数据为主，因此更易训练、分享和修改；权重与推理代码一旦公开，事后防护容易被微调抹除，安全分类器也常可被移除。相比后训练干预，预训练数据过滤被认为更难被逆转，也曾被开发者当作开放权重的理由。但这类模型的训练数据多样性远低于大模型，目标领域更难隔离，过滤后留下的数据可能与被删数据高度相似，从而影响过滤效果。
- AI 摘要arXiv cs.AI
DeepSciReasoner 提出受物理约束的谱预测框架，被 ICML 20…
研究团队提出 DeepSciReasoner，用于在守恒律与谱几何等硬性物理约束下预测科学谱。该方法把结构感知的谱解码与保持约束的物理推理结合起来，使预测既能刻画谱的细节结构，又不违背底层物理规律。作者以电子态密度为典型对象，并在声子态密度、X 射线吸收近边结构和拉曼谱上做了评测，称预测精度明显提升且保持物理一致性。论文被 ICML 2026 收录，代码与数据已在项目页公开。
- AI 摘要arXiv cs.AI
BriLLM-MetaPred 发布：单动态状态统一表示与预测的语言模型
arXiv 上提交的论文提出 BriLLM-MetaPred，称其为 MetaPred 机器学习框架的首个工程实现，并用于语言建模。该框架源自一套 AGI 数学理论，论文把该理论结论作为设计前提。模型用一个持续演化的单一动态状态同时充当上下文表示与预测读出状态；对自身状态做连续测量，以降低有限深度带来的不一致，维持内部一致性，并以定点形式提供内生的动态自监督信号。该状态把训练与推理耦合在一起。实现预测性能与同等规模 GPT 基线相当，作者称这为 MetaPred 框架的工程可行性提供了初步证据。