论文：AI 论文、技术方法与基准测试第 34 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
AgentOnto：用本体引导 LLM 智能体做企业数据分析
一篇投稿 arXiv 的论文提出 AgentOnto，把数据库、业务文档与既有示例任务中的企业知识组织成显式本体，用来直接引导分析过程，并吸收已确认的反馈。方法还包含迭代式本体准备，通过自生成的分析任务改进本体。作者在两个公开数据源上评测，称其明显优于代表性方法，模块级实验分别验证了本体构建、分析与更新的作用，并给出一次真实部署以说明实用价值。
- AI 摘要arXiv cs.AI
MemCompile 提出查询条件化记忆编译框架，LoCoMo 判准率达 80…
针对长期对话记忆检索中「检索到的片段被直接交给阅读器、上下文冗余或不完整」的问题，论文提出 MemCompile 框架，把记忆寻址与证据呈现拆成两个平面：Address Plane 用带来源链接的紧凑描述符和容量感知的 Cells 定位相关支撑，并把异构检索命中归一为稳定的 SourcePacket 身份；Evidence Plane 在有限证据预算内分配互补包、接纳少量额外支撑，并把保留的论断渲染成可直接作答的上下文。该方法在 LoCoMo 上取得 80.52% 的 Judge Accuracy，并把质量-成本帕累托前沿推向更高质量区间；在 LongMemEval-S 上的表现说明该收益可跨基准泛化。
- AI 摘要arXiv cs.AI
SRCoT：面向边缘 LLM 的检索—反思—修订闭环架构
一篇 arXiv 论文提出 Self-Reflective Chain-of-Thought（SRCoT），把生成过程组织成检索、反思、修订的闭环。该架构将环境状态、持久知识、积累经验与短期记忆分置于带来源标注的存储中，用 BM25 检索提供本地上下文；后续轮次会输出中间草稿、缺失信息标记、追问查询以及可选的论断—证据映射，据此决定继续检索、修订、澄清还是拒答。作者在两个全合成场景（应急医疗服务与 Munich-Sim 应急调度模拟）中做定性轨迹案例分析，并在 128 GB 内存的 Apple M4 系列笔记本上运行本地原型。论文明确说明，这些案例只展示报告级可审查性与本地执行能力，不构成对比优势、幻觉降低、临床有效性或运行安全性的证明。
- AI 摘要arXiv cs.AI
MobileInject 发布移动智能体多模态注入安全基准
研究团队提出 MobileInject，用于评估基于多模态大模型的移动智能体在跨模态注入攻击下的推理到行动安全风险。该基准包含 11 个场景、9 类安全风险、108 个可执行风险实例，并提供高保真交互式移动评测框架。工作还提出跨模态一致性注入，利用不同模态之间的相互印证关系，并给出多角色协作欺骗与推理伪装注入两种增强攻击方法，以及用于细粒度失败分析的推理安全诊断框架。系统实验显示，移动智能体普遍易受多模态注入影响，不少失败源于早期阶段的推理劫持。
- AI 摘要arXiv cs.AI
SimOPD 提出用响应相似度做在线蒸馏，跨架构平均提升 3.1 个百分点
arXiv 上的一篇论文提出 SimOPD，用于在线策略蒸馏（OPD）。作者指出，用 token 概率做监督会浪费教师模型的内部知识，而直接匹配隐藏状态又会迫使学生模型迁就教师的特征空间，跨架构迁移因此变得困难。SimOPD 借鉴对比学习利用样本间关系的思路，用学生生成响应的成对记忆库，把教师内部表示转成相似度分布作为监督信号，学生模型在自身表示空间内对齐这些分布，从而保留表示自由度，也不需要跨模型投影。实验显示，同架构与跨架构设置下，整体平均分别比最强基线高 2.6 和 3.1 个百分点。
- AI 摘要arXiv cs.AI
研究：知识图谱中介让企业数据助手更能应对不完美提问
一项发表于 ECIS 2026 的研究，基于某企业 CFO 部门数据湖的真实部署场景，考察业务用户常提出的不完美提问：这类提问带有领域词汇，却缺少模式引用与结构信息。作者设计并比较两种自动消解方案：基于语义相似度的模式中介，以及利用从数据湖自动构建的知识图谱进行中介。用真实数据做模拟评估，辅以 LLM-as-a-Judge 与人工验证，结果显示知识图谱方案在精确率、召回率、F1 与保留用户意图上均优于模式方案。研究据此提出知识图谱中介的设计原则。
- AI 摘要arXiv cs.AI
FlashReFocus 让单图重对焦每次编辑约半秒
FlashReFocus 把单张照片的重对焦拆成两步：先用一步扩散去模糊器配合解码器精修，恢复全清晰图像；再用轻量渲染网络按显式散焦图生成虚化，每次调整焦点或虚化强度只需重跑渲染网络。扩散模型每张照片只跑一次，后续编辑约半秒，比 GenRefocus 快 462 倍，整体重对焦快 148.3 倍。渲染器采用散焦偏置注意力，让散焦程度相近的像素共享信息，清晰区域保持不变，改动散焦图还能实现移轴和双焦平面。团队另建三相机基准 3CReal（89 对），该方法在 EBB! 与 3CReal 的零样本散景渲染上取得最佳感知保真度。
- AI 摘要arXiv cs.AI
CoTA++ 提出免训练框架，缓解扩散多模态模型重复生成问题
扩散式多模态大模型（dMLLMs）靠双向注意力的迭代去噪解码，无法使用标准自回归 KV 缓存，实际部署依赖跨去噪步复用中间状态的近似缓存。这种缓存会让回复在相邻位置重复同一 token，破坏句子，论文称之为 Repeat Curse。作者从上下文 token 的信息流追踪出三处断裂：步内缓存分散了位置对邻近上下文 token 的注意力；跨步的相似度刷新不感知陈旧程度；深层上下文熵在重复处不收敛。据此提出免训练、即插即用的 CoTA++，含上下文 token 注意力重锚定、解码感知刷新、上下文 token 熵引导投票三个组件，分别作用于解码步的不同阶段。在三个 dMLLMs 与两种缓存后端上，长回复样本重复率从最高 99.6% 降至最多 17.0%，九个基准上找回大部分因缓存损失的准确率，额外开销低于 15%。
- AI 摘要arXiv cs.AI
arXiv 论文提出 JointCore 与 JointCoreBench，用…
这篇论文研究 LLM 智能体的记忆选择问题：按记录相关性或单条影响排序的检索方式，无法在证据冗余或需要多条证据共同成立时找出足够子集。作者提出 JointCoreBench 基准，包含九类交互、六个工作流领域、自然语言决策和精确的充分集 oracle；同时提出 JointCore 基线，按相关性成本排序做整组删除，先测试块再测试单条记录。在 6,912 个精确条件下，JointCore 全部找回最小成本充分集，子集评估从 30.00 次降到 11.13 次，活跃记忆节省 87.8%。在四个 12B-70B 模型家族上，每模型 432 个任务，平均模型查询 10.28 次，对比方法为 16.00 次；最小成本恢复率 50.6%，对比方法为 43.1%。作者说明这只是高效基准基线，未证明可直接部署的记忆压缩。
- AI 摘要arXiv cs.AI
研究：推理模型自我指令可显著提升思维链可控性
一篇 arXiv 论文提出「自我指令式思维链可控性」评测：把约束条件作为自我指令写进模型自己的思维链，而非仅放在用户提示里。结果显示，模型在自我指令下的可控性明显高于标准用户指令，即使只是一句泛化的「记得遵守用户约束」的提醒也能带来实质提升。作者还发现，可通过用户提示中的简单指令把有效的自我指令引导进推理过程，从而在无法访问推理通道时也改善控制。在真实监控场景中，该能力可被用于规避思维链监控。
- AI 摘要arXiv cs.AI
PrefMind：双智能体在线偏好学习框架，让生成模型理解人类偏好
arXiv 上一篇论文提出 PrefMind，把多模态偏好对齐从「奖励打分」改为让回复模型自身具备偏好理解能力。框架包含两个可训练智能体：回复生成器与偏好评论者。给定一对候选回复，两者分析并讨论哪一个更符合人类偏好，人类标签用于监督其判断与纠正。当生成器与修正后的评论者都能正确识别人类偏好回复时，生成器产出改进答案，评论者将其与原始偏好回复比较并给出生成奖励。两个智能体依据当前策略采样的交互联合更新。在三种模型规模上的实验显示，独立偏好判断与下游回复生成均有提升。
- AI 摘要arXiv cs.AI
arXiv 论文提出在智能体架构中嵌入数据引用以抑制光网络排障中的数据幻觉
一篇提交至 arXiv 的论文展示了一套用于光通信网络自动排障的智能体 AI 系统。该系统的做法是把数据引用整合进智能体架构，以此防止数据幻觉，并提升根因定位与推理过程的可解释性和可信度。该工作以 demo 形式在第 52 届欧洲光通信会议（ECOC 2026）上展示，作者为 Jeremias Dötterl 与 Martin Kuipers，论文编号 arXiv:2610.23252，归入网络与互联网架构（cs.NI）与人工智能（cs.AI）分类，提交时间为 2026 年 10 月 16 日。
- AI 摘要arXiv cs.AI
MGE-PO 提出熵感知信用分配方法，提升数学推理表现
针对 GRPO 对同一问题下得分相同的回答赋予相同组内优势、未利用生成不确定性的问题，作者提出 MGE-PO，用四象限优势塑形把验证正确性与 rollout 生成熵结合：正确性决定附加修正的符号，熵决定幅度，低熵成功获得更大奖励、高熵失败受到更大惩罚，并配合基于在线熵的题目课程。在 Qwen3-8B-Base 上训练八个 epoch 后，三种策略优化设置加入 4Q 使六基准 macro avg@32 绝对提升 3.23-3.69%，macro pass@32 提升 4.24-11.06%；在 Qwen2.5-7B-Base 上完整配置把四基准 macro avg@32 从 41.5% 提到 45.4%。
- AI 摘要arXiv cs.AI
论文提出 RAG 技术分类分析框架，用于实证前筛选
一篇 arXiv 论文针对 RAG 技术选型困难的问题，提出一个概念框架，包含主维度与子维度，分别回答「它是什么」和「它做得如何」。框架通过对文献中 RAG 技术属性的定性分析得出，作用是在昂贵的实证基准测试之前做预筛选，帮助研究者和实践者挑出最贴合用户与任务需求的候选方案。论文作者为 Emmanuel Igbekele 与 Olawande Daramola，2026 年 10 月 16 日提交，编号 arXiv:2610.23226。
- AI 摘要arXiv cs.AI
qGAMMA 框架用遗传算法优化混合精度 DNN 在空间加速器上的映射
一篇投稿至 SAMOS XXV 的论文提出 qGAMMA，用于探索和优化混合精度 DNN 模型在支持多种定点与浮点精度的通用空间加速器上的映射。该框架用领域特定遗传算法搜索设计空间，并以基于硬件综合结果的解析性能模型评估候选方案，从而找出使目标指标最小的映射与加速器配置。作者在多种 DNN 负载上做了评估，称该框架能为混合精度应用设计提供参考，在性能、能效与资源占用之间取得更好权衡。
- AI 摘要arXiv cs.AI
arXiv 论文用自由能原理建模空间听觉学习
一篇投稿到 arXiv 的论文尝试把自由能原理（FEP）用于空间听觉研究。作者让受试者在多次试验中判断声音方向，并在每次判断后获得视觉反馈，再用分层生成模型描述受试者的信念如何随试验更新。模型把信念拆成侧向定位精度、极向定位精度和半视野消歧三个独立量，视觉反馈通过变分自由能上的梯度下降推动这些量更新。结果显示，侧向精度与半视野消歧均随试验改善，极向精度也上升，且初始精度最低的受试者提升最大，作者据此认为垂直方向的改善同时来自半视野消歧与极向精度。该工作把空间听觉确立为 FEP 可处理的领域，并提出后续开展闭环动作—感知实验的方向。
- AI 摘要arXiv cs.AI
FuzzInsight 提出 Equalized Sampling，种子队列利…
针对 DNN 覆盖率引导模糊测试中种子利用低效与覆盖引导开销大的问题，FuzzInsight 给出面向配置的分析与选择指南。其 Equalized Sampling 采用基于约束的策略，把种子队列平均利用率提高到 77%，比既有方法高 13 个百分点。作者在 MNIST、SVHN、GTSRB、CIFAR-100 四个数据集上评测 84 种模糊测试配置，发现 LSCD、LSC、MDSC 等非结构性准则在计算开销明显更低的情况下取得与结构性准则相当的覆盖效果，其中 LSCD 运行时间略占优势。用生成的边界样本重训练，可使泛化鲁棒性平均提升最多 77 个百分点，且原测试分布上的表现不下降。
- AI 摘要arXiv cs.AI
OfficeTown：用生成式组织模拟为智能体造训练环境
论文提出 OfficeTown，一个面向专业组织的生成式模拟框架：给定组织目标与活动的自然语言描述，框架会初始化一个组织，成员在其中协调工作、把有边界的任务分派给助手智能体并审核交付物。产物、决策与未决事项会留存并影响后续任务，职责与权限决定各成员可见与可做的范围。基于 23 个模拟组织、8 个专业领域，作者构建了含 406 个任务、4836 条评估标准的 OfficeTown Bench，并纳入领域专家反馈。前沿模型评测显示仍有较大提升空间；用该数据做监督微调与同策略蒸馏，可提升 Qwen3.5-9B 在 GDPval 等外部专业工作基准上的表现。
- AI 摘要arXiv cs.AI
LangNCO 把自然语言约束编译成推理期干预，冻结求解器无需重训
LangNCO 是一个让已训练好的神经组合优化求解器在部署后接受自然语言新要求的框架：预训练大模型充当可替换的语义前端，把每条要求翻译成经模式校验的领域专用语言规则集，再由确定性规则执行器以非扩张的硬动作掩码施加到冻结的求解器上，不改动策略架构、输入表示与参数。由于局部掩码无法保证后续仍存在可行解，Critical-Offset Decoding 会提取规则涉及的关键节点，把固定 rollout 预算的一部分重新分配给多强度偏置 rollout。作者在 CVRP 策略上测试道路封闭、时间窗、车辆指派、访问顺序及两两组合等约束，四个主数据集可行率 100%，平均参考差距 1.63%–3.26%，两两组合 97.33%–100%，另十二类约束 98.67%。
- AI 摘要量子位
蚂蚁灵波、智元等在上海推进世界模型与VLA融合落地
上海张江多家企业正把VLA与世界模型推向真实场景。蚂蚁灵波的通用大脑预训练适配17个机器人品牌、20种构型，已进入上海国大药房门店取药。智元发布世界—动作模型GE-Act 2.0，训练数据从300小时扩至3万小时，陌生场景下某款机器人总体成功率由17.1%升至44.1%。擎朗智能把世界模型嵌入VLA，完成咖啡制作等长流程任务。大晓机器人开悟世界模型3.1驱动便利店拣选打包。行业共识是VLA负责能干、世界模型负责想清楚再干。