论文：AI 论文、技术方法与基准测试第 26 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
Tessera 框架用方向敏感表示学习处理空间转录组数据
一篇投稿 arXiv 的论文提出 Tessera，用于空间转录组的表示学习框架。该工作指出，现有方法在两方面存在不足：常规基因筛选可能漏掉具有空间结构的信号；编码细胞间关系时，要么只考虑邻近性而丢弃方向，要么依赖与任意组织坐标系绑定的绝对坐标。Tessera 把空间信息引入基因选择，并加入几何归纳偏置，用相对细胞关系建模，从而在保持平移不变的同时保留方向。在留出组织和不同技术平台上，其表示质量优于现有空间基础模型，并能零样本泛化到比训练时大 16 倍的空间范围。论文被 NeurIPS 2026 AI4DD 研讨会接收。
- AI 摘要arXiv cs.AI
用LLM进化搜索优化生成式检索的语义索引
一篇 arXiv 论文提出用 LLM 驱动的进化式程序搜索来改进生成式检索（GR）中原本靠手工设计的离散组件。研究用本地部署的开源 31B 模型改写可执行的 GR 组件，不调用闭源 API；同时用 1M 参数的代理解码器替代反复训练 1B 目标生成器，以提供快速反馈。在 NQ320K 的 21 个 SID 程序上，代理与目标的 Recall@100 排序相关性为 Spearman ρ=0.90。在固定训练配方下，该方法在 NQ320K、MSMARCO300K 和多语言电商数据集上均优于种子 GR；其中 NQ320K 上联合进化 SID 构建与冲突处理，使 Recall@1 从 55.8% 升至 59.3%，Recall@100 从 85.8% 升至 90.6%。组件研究显示，代理可靠性取决于被进化的对象：语义索引的改进可稳定迁移，而生成器训练目标或完整流程则不行。
- AI 摘要arXiv cs.AI
OptScientist 框架可从数据中自动发现符号化优化定律
一篇 arXiv 论文提出 OptScientist，用于从数据中直接发现紧凑的符号化优化定律，而非只拟合输入输出关系。该框架由两部分组成：一个模型先把数据表示为优化问题，再提取其符号形式；一个 LLM 智能体系统把该模型嵌入发现流程，引入文献中的理论先验、生成候选定律、抽象其机制，并建议补充采集的数据。在包含 99 个物理来源优化问题的 OptFeynman 基准上，它对超过 80% 的问题还原出真实定律，并对噪声上下文保持稳健，表现优于机器学习、符号回归和基于 LLM 的基线。在人类风险选择与央行货币政策两个场景中，它发现的定律在留出预测上接近领先基线，参数更少，消耗的 token 也明显少于 LLM 基线。
- AI 摘要arXiv cs.AI
AnomalyAgent：用受限VLM做多检测器融合的视觉异常检测框架
研究提出 AnomalyAgent，一个训练后融合框架，用于视觉异常检测。它先对齐不同预训练检测器给出的图像级分数与异常图，再归纳分数层面和区域层面的分歧，把融合过程当作有限动作选择问题处理。动作分两类：分数动作通过共识、稳健聚合、检测器加权或分数-图一致性决定图像级置信度如何合并；图动作通过共识、加权、几何聚合或分歧修正合并稠密异常响应。一个受限视觉语言模型负责检查冲突较大的样本，并选出有效的分数动作与图动作组合。在 MVTec AD 与 VisA 上，其平均图像 AUROC 与像素 AP 优于对比的融合方法，并在另外七个公开异常基准及 Real-IAD 上验证了跨域迁移。
- AI 摘要arXiv cs.AI
Lafa：8B 参数连续流语言模型，吞吐量达自回归模型 2.54 倍
研究提出 Lafa，一种按块组织的连续流语言模型，规模做到 8B 参数。它在每个块内使用双向异步流，前缀部分使用因果注意力，因此可以基于预训练自回归模型改造训练，并用前缀缓存和块级并行解码加速推理。团队在 0.5B、7B、8B 三个规模上训练，每个规模使用的 token 少于 30B，比此前的扩散模型更省数据。在指令跟随、推理和编码任务上，流模型的质量与自回归模型持平或更好，还能蒸馏成 flow map 做一步或少步生成。借助多 token 预测效应，流训练保留甚至提升了预训练自回归能力；配合自推测解码，在质量相当的情况下吞吐量达到自回归模型的 2.54 倍，优于多 token 预测和离散扩散方法。代码已公开。
- AI 摘要arXiv cs.AI
arXiv 论文实证检验 LLM 做表格特征选择的效果
一篇 arXiv 论文在 18 个数据集上比较了 LLM 选择器与经典统计特征选择方法。框架包含 10 个用于 GRPO 训练的数据集、2 个用于检查点验证、6 个留出评估集；对比对象为五个经典基线、冻结的 Qwen2.5-7B 与 Llama-3.3-70B，以及两个经 GRPO 适配的 Qwen2.5-7B。结果显示，在约 33% 特征预算且经典方法严格只用训练集拟合的条件下，经典选择器在分类 ROC-AUC 与回归 R^2 上总体优于被测的 7B LLM/RL 选择器，后者能保留更紧凑的特征子集。语义敏感性实验显示，Zero-shot Qwen-7B 在特征名有信息量时回归 R^2 比匿名化和打乱特征名分别高 0.1964 和 0.1606，分类提升较小且依赖数据集。
- AI 摘要arXiv cs.AI
LeWi：联合学习神经元连接与权重，提升样本效率
一篇 arXiv 论文提出 Learned Wiring（LeWi）：每个神经元带一个可学习的低维嵌入，只有嵌入相近的神经元之间才建立连接，连接结构与权重一起训练。作者同时构建 CSFRBench 基准，训练时隐藏目标的组合计算结构、仅用于诊断，发现稠密网络和基于稀疏性的基线都没能充分利用组合稀疏带来的样本效率收益。在额外 32 个由独立采样计算图生成的目标上，LeWi 是未获知目标图的方法中样本效率最高的，学习曲线面积均值比稠密网络低 27%；但在只含单个高元函数的目上稠密网络更优。在控制、导航、操作三类共 17 个世界模型预测任务上，LeWi 在 16 个上优于稠密基线，在 119 次基线对比中胜出 99 次。
- AI 摘要arXiv cs.AI
arXiv 论文提出二元离散扩散，用候选集表示部分不确定性
一篇提交至 arXiv 的论文提出 Binary Discrete Diffusion，把每个位置的噪声状态表示为一组候选 token 的二元成员向量，通过增删候选逐步丢失和恢复信息。作者指出，掩码扩散和均匀扩散在一次破坏事件中抹掉 token 身份，无法显式表达多个备选仍可能成立的部分不确定性。在 Sudoku-Extreme、Boxoban 和图着色任务上，对称形式的二元扩散在架构、训练、采样与调参预算受控的条件下优于调优良好的掩码与均匀基线，最难实例上增益最大；在 Text8、TinyStories、OpenWebText 语言建模上保持竞争力。论文 42 页、7 图、12 表。
- AI 摘要arXiv cs.AI
研究：辩论能提升人类判断准确率，弱模型却无此收益
一篇 arXiv 论文考察「AI 安全经由辩论」框架下人类与语言模型作为监督者的表现。实验显示，人类评审在辩论后相对其原有信念的准确率上升，而由单一专家为某一答案辩护的咨询式基线没有这种提升。对能力较弱的语言模型，结果不一致：多数设置下辩论未带来可比增益，有时反而降低准确率。多评审协议中，加权投票对人类监督者准确率最高；对语言模型，即便增加评审数量，各类协议也未显著改善群体准确率。非多样化审议中少数评审的行为提示，在对称设置下错误立场可能比正确立场更有说服力。
- AI 摘要arXiv cs.AI
APRIL：呼吸音分类的免回放域增量学习框架
针对呼吸音分类模型在设备与采集周期变化下出现的域偏移问题，Xinhong Li 与 Weiping Tu 提出 APRIL 框架：以冻结的 BEATs 骨干为基础，按顺序继承并隔离低秩专家，使新域适配不改动旧模型，且无需回放历史数据。推理时由多级原型路由器取前二候选专家，结合域路由后验与分类置信度、按匹配歧义度加权选出最终模型。作者在 ICBHI 与 SPRSound 上建立设备与时间增量基准，正反两种域顺序、五个随机种子下最终会话平均 Score 分别为 64.4%/65.4% 与 83.1%/82.2%，平均遗忘均低于 1.0%。
- AI 摘要arXiv cs.AI
HypTI：双曲几何多模态融合框架用于痴呆检测
一篇 arXiv 论文提出 HypTI，把临床表格评估与 MRI 影像的融合放到双曲空间完成，而非通常的欧氏空间。方法上，表格变量用可学习的 Lorentz 原型表示，以刻画评估项之间的层级关系；MRI 用 ROI 引导的多尺度表示学习，在 Lorentz 空间中编码跨脑区、跨空间尺度的解剖模式；再由自适应融合模块生成受试者专属的尺度与偏移系数，动态调制并整合两类嵌入。在 OASIS-3 数据集上的实验显示，该框架相较代表性方法取得较强表现。
- AI 摘要arXiv cs.AI
研究提出选择器方法改善指针网络跨规模泛化
一篇 arXiv 论文研究强化学习训练的指针网络在无人机配送路径问题中的跨规模泛化。作者以带容量约束的车辆路径问题作为代理，固定容量对应无人机载重限制，指出指针网络虽与规模无关，但放大或缩小问题规模时解的质量都会下降，原因包括节点密度变化、注意力分散和均值池化图上下文被稀释。作者比较了架构级、编码器侧和解码器侧的多种改法，并提出可学习的置换不变图上下文聚合机制，以加权平均和 Set2Set 实现。基于熵的注意力缩放把 CVRP20 到 CVRP100 的差距缩小 1.41 个百分点，所提聚合方法在 CVRP100 到 CVRP20 上提升约 0.9 个百分点。作者据此引入选择器，为每个训练-目标规模组合挑选最佳模型，在九个已见组合和九个未见规模组合中的八个上降低成本。
- AI 摘要arXiv cs.AI
Quantum-JEPA：用条件量子 Born 先验学习 JEPA 世界模型
一篇 arXiv 论文提出 Quantum-JEPA，在潜在动作 JEPA 框架中用条件量子 Born 先验学习未来表征的分布：电路测量产生二值潜在动作，共享预测器将其映射为多种未来表征，量子先验通过采样能量目标、依据预测质量与多样性训练。模型在构造的多模态任务上学会不同延续，并捕捉支持多智能体协同未来的潜在动作相关性；在 D3IL 基准上，可从同一初始点生成多条避障路线。作者称经典与量子先验实现在受控任务上优于所评估的变分基线，量子先验以更省参数的采样结构避免指数级分类输出层，并验证了有限采样参数偏移训练、含读出噪声训练，以及在真实 QPU 上推理的可行性。
- AI 摘要arXiv cs.AI
ACE-Compression 提出以能力为中心的压缩模型评测框架
一篇 arXiv 论文提出 ACE-Compression 评测框架，主张压缩模型的评估不应只看任务得分，还要看哪些核心能力被保留。框架从四个维度考察：程序性推理与约束执行、知识落地与真实性、社会认知与情感理解、人格保真与风格一致性。作者测试了六个开源权重模型、超过 35 个压缩检查点，覆盖量化与剪枝两类方法，发现压缩会重新分配能力分布：粗粒度、局部、表层信号往往保留，细粒度、长尾、依赖上下文的能力更易受损；量化在能力保留上整体优于剪枝，但差距的实际意义取决于应用需要哪项能力。
- AI 摘要arXiv cs.AI
研究者发布 MMEnterprise-Bench，评测企业智能体处理演进多模态…
一篇 arXiv 论文提出 MMEnterprise-Bench 基准，包含 1,613 个问题，题目基于模拟协作项目中不断演进的多模态记录，覆盖证据推理、冲突消解与不可回答三类任务。作者评测了 10 个闭源与开源多模态大模型，发现即使最强模型在证据存在跨来源冲突、时间冲突或跨多张图片时仍表现吃力；提高检索预算或换用更大的检索器能提升证据召回，却未稳定转化为更高的答题准确率。代码与数据已公开。
- AI 摘要arXiv cs.AI
研究：否定与反义词替换可绕过主流大模型安全护栏
一篇 arXiv 论文提出「极性盲区」概念，指模型在语句被否定或反义词替换后，无法识别原本的有害意图。研究对比了语法否定与反义词替换两种极性反转，并以同义替换作为不改变极性的对照，同时测试对抗性文本包装是否会放大失效。实验使用 260 条提示，覆盖 10 个主流模型与英语、西班牙语、捷克语三种语言，按潜在危害分层并以 0-5 危害量表评分。结果显示多数被测模型存在该问题，最脆弱模型的平均危害分达 4.12；该现象在不同类型的否定体系中均出现，作者据此认为这是语义鲁棒性的普遍短板，而非某一语言或语法特有问题。代码与数据已公开。
- AI 摘要arXiv cs.AI
arXiv 论文追踪 8.4B 多模态模型三阶段训练的能力取舍
一篇 arXiv 论文以 8.4B 参数多模态模型为对象，在日语金融文档上依次进行视觉-语言对齐、推理蒸馏与领域微调三个阶段训练，并在五个文本输入基准上评估。结果显示三个阶段并非简单叠加：仅做数学蒸馏会覆盖此前获得的金融知识，但程序性数学能力得以保留；领域阶段更多是修复已有能力，而非新增能力。跳过某一阶段的消融实验在领域知识上表现最好，却损失了数值推理收益，说明各阶段贡献不可分解，最佳检查点取决于任务。
- AI 摘要arXiv cs.AI
CollabSciReM 提出科研对话奖励分解框架并发布 SciQuality…
研究团队提出 CollabSciReM，把会话级奖励拆成对话质量、科学严谨性与结构效率三部分，用于对齐语言模型的科研多轮对话。同时构建 SciQuality 评测，基于 300 篇留出论文，从方法可靠性、论证、逻辑一致性、事实正确性、新颖性和响应性六个维度成对打分。用 8.62K 条合成科研对话微调后，在 Llama 与 Qwen 四个模型上均优于同数据训练的科学无关奖励基线，等长响应下胜率 65.3%；7B 与 8B 模型在 10 项单轮与多轮基准中有 8 项主指标领先。盲测中专家对新新颖性评分更高，幻觉回答少于通用奖励变体和基座模型。
- AI 摘要arXiv cs.AI
arXiv 论文：DPO 超参数随模型规模变化，且无法跨数据集迁移
一篇 arXiv 论文用密集超参数网格，在同一模型家族的不同规模上系统考察 DPO 的调参规律。结论是：最优学习率随模型规模变化；超参数在不同训练数据集之间不可迁移；验证损失与下游基准的最优超参数仅弱相关，因此不适合作为调参代理指标。作者建议针对目标模型、数据集和评测目标单独调参，并指出用短程候选训练可显著降低选择成本。全部训练配置与评测结果已公开。
- AI 摘要arXiv cs.AI
PhyNet 用物理变量约束响应信号，提升流体系统故障诊断鲁棒性
一篇 arXiv 论文提出物理变量信息引导的深度学习框架 PhyNet，用于工业流体输送系统的故障诊断。该框架把物理变量当作全局运行约束，把响应信号当作局部诊断证据，通过物理到响应的交叉注意力机制，让序列级物理变量 token 与可学习的全局响应 token 交互，且不要求严格的时间对齐。作者在四个基准上评测，包括三个真实空化数据集和一个公开两相流数据集，PhyNet 在所有评估指标上表现最佳。