论文：AI 论文、技术方法与基准测试第 36 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
论文提出 steering agent 监督 LLM 智能体执行，缓解目标漂移
一篇 arXiv 论文针对 LLM 智能体与多智能体系统在长程工具调用和协作中偏离总体目标的问题（称为 goal drift），提出一个 steering agent 在执行过程中实时监督，发现漂移时把系统拉回正轨。该智能体观察执行上下文，用低成本快路径决定何时介入，用高成本慢路径决定如何介入。两条路径通过强化学习联合训练，目标结合成对排序与 GRPO。在信息检索类搜索任务上，它对单智能体和多智能体系统都提供了有效监督，提升性能与效率；所学能力可泛化到域外任务、迁移到未见执行者，并支持不重新训练即可控制介入频率。
- AI 摘要arXiv cs.AI
研究：微调前知识表征的线性可读性可预测泛化能力
一项研究区分了语言模型中的「活跃事实」与「惰性事实」：前者能支持超出自身回忆范围的泛化，后者只能被回忆。研究者通过为已有关系的答案分配任意新标签来构造新关系，例如把「城市→大洲」的答案重新标记为动物名，再对部分主语微调新关系，测试模型能否对共享原答案的留出主语给出正确新标签。在十一个语言模型和七十个关系上，原关系在预训练表征中的线性可读程度与这种泛化能力高度相关，Pearson r 为 0.87 至 0.92。该关联在控制多种因素后依然存在。
- AI 摘要arXiv cs.AI
arXiv 发布 AI Consilium 临床多学科会诊基准
一篇题为 AI Consilium 的论文提出用 300 个 NEJM-MedQA 已确诊案例做多维基准，其中 110 例用于医生参考评分与 Judge 校准，190 例留作评测。八条单模型流水线在自由形式与结构化临床推理两种条件下生成角色化意见与会诊报告，医生校准的 LLM Judge 共评估 3040 份最终报告及对应结构化主角色输出。结果显示模型身份对报告质量的影响强于回答格式，结构化最终报告在八条流水线中的七条取得更高均分，管理维度差距最明显；完整结构化综合在五项共同标准上均高于结构化会诊前的主角色意见，问题优先级、事实依据与推理连贯性提升最大。GPT-5.6-Sol 在所有评测组件中领先，并以最少轮次达成共识。
- AI 摘要arXiv cs.AI
随机投影保护RAG数据存储隐私的论文发布
一篇论文提出用随机投影保护检索增强生成（RAG）系统的数据存储隐私。做法是对数据存储嵌入和查询嵌入施加同一投影，论文称该方法可证明地保持查询与检索项之间的语义相似度，同时显著削弱数据提取攻击。在多种RAG架构和数据集上，该方法的检索与生成表现优于依赖形式化差分隐私保证的既有方法，在强攻击模型下经验隐私性相当。作者称结果首次表明随机投影可作为隐私保护RAG的实用基线。
- AI 摘要arXiv cs.AI
SST 微调法：保护 99% 权重子空间以缓解灾难性遗忘
一篇 arXiv 论文提出 Subspace Tuning（SST），把每次权重更新限制在底部奇异子空间内，从而不在主奇异方向上产生改动。该方法与优化器无关，可与 SFT、自蒸馏等微调流程组合，结合了紧致子空间保护、稠密梯度估计与刷新机制。作者称保护多达 99% 的权重子空间时，模型在保持目标任务表现的同时显著提升知识保留，且该效果随模型与数据规模增大而增强，在大模型区间几乎消除遗忘；相比基线配方，其 KL 漂移减少 2 至 4 倍。
- AI 摘要arXiv cs.AI
EliteReplay：用质量-多样性搜索缓解RL后训练解多样性收窄
一篇 arXiv 论文提出 EliteReplay，针对强化学习后训练会让大模型输出解法趋于单一的问题。做法是把 GRPO 与一个由质量-多样性搜索构建的「精英」档案库配对：训练前用冻结的基座模型收集覆盖不同思路的解法，训练中在 GRPO 上叠加对该档案库的回放损失。在多个 text-to-SQL 任务上，该方法的 pass@128 高于全部基线，产生的不同正确策略最多比最强基线多 77%，并保留了基座模型的大部分正确策略。在 AmbiQT 的歧义问题上，同时覆盖两种解读的频率约为最强基线的两倍。
- AI 摘要arXiv cs.AI
arXiv 论文：环境无关编程智能体的脚手架作用研究
一篇 arXiv 论文研究环境无关编程智能体能否在不做环境专属工程的前提下获得提升。作者用基于 Codex 的智能体在 ARC-AGI-3、AGI Maze 和 Terminal-Bench 上测试两种几乎相同的提示变体，代码、提示和通用工具在各环境中保持不变，只把环境相关信息作为输入。仅改动一条鼓励报告困难并交回控制权以自动续跑的指令，就提高了 ARC-AGI-3 和 AGI Maze 的平均分，Terminal-Bench 变化小且方向不一。但该通用智能体仍低于 ARC-AGI-3 专用参考方案，即使使用 GPT-5.6-sol 也是如此。
- AI 摘要量子位 等 2 家
Anthropic 称 Claude 揭开 NIST ECDSA 曲线种子来源
Anthropic 研究团队用 Claude 追查 NIST 椭圆曲线标准中种子参数的来源。这些种子由 NSA 提供且未附说明，NIST 于 2000 年将其纳入 FIPS 186-2 数字签名标准，用于定义曲线系数 b，其出处长期是密码学界悬而未决的问题。此前有说法称种子来自对一句玩笑话的哈希，但细节无人能确认。Anthropic 表示该问题已被解释清楚，结论是种子只是时间戳，并强调这属于为多年猜测画上句号，用户无需因此改变任何做法。
- AI 摘要Anthropic：Research（发表成果 · 网页）
Anthropic 用 Claude 设计量子电路，多项指标超过已发表最优方案
Anthropic 向 Claude 提供八种量子电路的纯语言规格说明，覆盖化学、优化、物理模拟与数论领域，并配套一个自动评估器对每个设计打分。Claude 基本独立完成设计，结果优于已发表的最佳电路，部分提升达到一个数量级甚至更多。更高效的电路意味着运行有用算法所需的量子资源显著减少，实用量子计算机可能比此前预期更早出现。该工作由 Andi Gu 主导，属于 Anthropic 的 STEM Fellows Program，Alek Kemeny 提供指导，并与哈佛大学的 Susanne Yelin、Mikhail Lukin 合作，完整论文发布在 arXiv。
- AI 摘要arXiv cs.AI
arXiv 论文提出 Concat IDM，用动作可预测性提升潜世界模型规划成…
一篇投稿于 arXiv cs.AI 的论文研究潜世界模型中的内在动力学学习，即动作与其后果之间的关系。作者提出，与底层控制无关的视觉变化会干扰表征中的这一关系，并假设鼓励动作可预测性可避免表征丢弃不同动作及其后果的区分。理论方面，作者推导出当编码器把同一状态与外观下不同动作的可区分结果合并时，平方逆预测误差存在正下界，而前向预测在这些转移上仍可精确。实证方面，作者通过外观多样性对照、监督干预和潜空间探针支持动作预测在保留控制相关转移信息中的作用。方法上以 Concat IDM 实现动作可预测性，从拼接的潜状态预测动作，并利用离线轨迹中已有的动作标签更新共享编码器，不改变测试时的规划器。在 Push-T 的 24 种外观设置下三次独立训练中，规划成功率从 9.1% 提升到 77.2%，配对提升比单一外观下高出 52.9 个百分点。
- AI 摘要arXiv cs.AI
研究评估LLM智能体探究学习能力，发现结构化引导可提升表现
一篇被EMNLP 2026 Findings接收的论文提出统一交互式框架，评估大语言模型在完整科学探究循环中的表现。研究将Countdown任务扩展为数学环境，让智能体通过操纵变量、收集观察来推断变量关系，从而分析探索策略、因果发现与假设修正。在七个大语言模型和多种提示策略下，实验显示模型固有探究能力有限，发现底层表达式的成功率偏低；但受人类教育支架启发的结构化引导能显著改善表现。
- AI 摘要arXiv cs.AI
研究：LLM 直接还原 iOS 定位 protobuf 模式错误率高，但可写工具
一篇 arXiv 论文评估用前沿模型辅助逆向 iPhone 发往 Apple 定位服务的 protobuf 消息格式。作者用 Claude Opus 4.8 与 Codex GPT Sol 5.6 从 Apple 二进制文件重建网络流量中观察到的 protobuf 模式，发现绝大多数模式含大量错误，且因模式内部自洽而难以察觉，因此直接让 AI 做取证与隐私分析并不可靠。但作者用 Claude 写出 Python 工具 Extractor，在已知答案的模式、已发表模式和网络测量上验证后，可稳定从 Apple 二进制中恢复 protobuf 模式，并用它解码越狱 iPhone 8（iOS 16.7.11）的定位服务流量。
- AI 摘要arXiv cs.AI
LoopAhead 提出循环语言模型推测解码框架，解码最高提速 7.82 倍
一篇投稿于 arXiv cs.AI 的论文提出 LoopAhead，面向循环 Transformer 的推测解码框架。循环 Transformer 通过反复复用同一批层来提升参数效率，但逐 token 生成仍需顺序计算并反复读取权重，解码延迟高。已有流水线自推测解码方法从早期循环预测中起草 token，并在同一批次内让不同循环深度的 token 异步推进，但未充分利用早期循环特征做更长前瞻，且仍会花算力验证错误的推测分支。LoopAhead 让轻量前瞻起草器用早期循环状态预测多个未来 token，深层循环反馈决定哪些草稿分支继续、哪些暂停，最终由全深度模型做 token 决策。论文称在保持目标模型输出分布的前提下，相对自回归解码最高取得 7.82 倍解码加速。
- AI 摘要arXiv cs.AI
LOADBench 发布开源模拟 IC 数据集与六项基准
针对模拟 IC 设计中机器学习缺乏公开数据、评测标准不统一的问题，研究者发布 LOADBench：一个开源数据集加一套标准化基准。数据集基于 SkyWater130 PDK，覆盖 100 多种运算放大器拓扑（1、2、3 级），每个拓扑附带结构与功能标注、对称与尺寸约束规则、Ngspice 测试台，以及一次多目标 NSGA-II 尺寸优化运行，产生约 10^3 个帕累托最优和 10^6 个中间尺寸-性能对。在此之上定义六项基准任务：反向尺寸、拓扑选择、子电路分类、结构电路生成、帕累托成员预测和多目标优化。数据、标注与指标例程参考实现均以开放许可发布。
- AI 摘要arXiv cs.AI
AVALON：零样本室内导航框架，无需建图完成送餐任务
一篇投稿于 arXiv 的论文提出 AVALON 拓扑导航框架，面向「人熟悉、机器人陌生」的室内场景。机器人无需事先实地行走或针对场地训练，部署只需平面图、地点线索和一次拓扑与里程计的初始对齐。框架包含人类播种的分层空间记忆、节点验证的拓扑执行，以及任务触发、证据门控的人机记忆协同更新。在 Unitree Go2 上，AVALON 配合 X-NavDP 完成 12.81 米交叉口到餐厅任务用时 46.4 秒，5 次全部成功，比 DimOS-Go2 少用 40.9% 的机器人时间；仅用策略的 X-NavDP 五次均超时。
- AI 摘要arXiv cs.AI
ClaimScope：72 项数学主张审计基准，验证器反馈提升反例产出
一篇投稿 arXiv 的论文提出 ClaimScope，一个含 72 项任务的基准，用于通过裁决、范围、反例与修复四个环节审计数学主张，任务覆盖优化器状态传输、有限时域仿射递推与精确 2×2 线性代数。作者用 Qwen3-8B 做直接生成与四种匹配的两遍条件对比，每种条件都从同一份草稿出发。见证检查器只评估模型提交的状态，不参考标准裁决、也不提供替代见证。结果显示，验证器反馈在无效主张上得到 23/39 个被接受的反例、25/72 个安全完成，而无检查器的通用反馈为 15/39 与 20/72；严格完成仍为 17/72，裁决准确率从 47/72 变为 46/72。该工作被 NeurIPS 2026 数学推理与 AI 研讨会接收。
- AI 摘要arXiv cs.AI
SemDraft：从成对服装纸样中学习可执行制版程序
研究者提出 SemDraft，用于从成对的前后服装纸样中学习可执行的制版程序，且不需要记录编辑步骤。方法用有界搜索恢复编辑动作序列，并通过三项检查认证：从头重新编译、判断每对动作是有序还是可互换、独立重放得到相同纸样。认证后的程序用于训练一个在同一搜索中给候选动作排序的模型。在两个各含 80 个顺序敏感案例的固定抽样上，其他搜索组件不变时，学习到的排序器在 1000 次搜索执行内分别认证 63 和 64 个案例，非学习排序器最多为 53 和 52。
- AI 摘要arXiv cs.AI
研究质疑工具图记忆作用：增益多来自额外计算
一篇投稿于 arXiv 的论文重新审视多轮工具调用中的工具图记忆机制。作者在九个模型、两个基准上评测后发现，该组件相比基线很少带来显著提升，即便有增益，其 LLM 调用次数也超过两倍。记忆给出的引导常常不正确，而随机引导或不给引导仍能保留大部分增益，说明收益来自额外计算而非记忆本身。即使正确提示了下一个工具，仍存在不少失败，例如不调用工具就放弃。把同样的经验改存为文本洞察，在几乎不增加调用的情况下表现更好，说明记忆更适合作为软性先验而非对下一步工具的硬性规定。
- AI 摘要arXiv cs.AI
论文提出LLM覆盖率收敛的独立数据完整性校验方法
一篇投稿至arXiv的论文描述了一个小型覆盖率收敛智能体，用于硬件设计中的LLM循环。该智能体从仿真自身导出的cocotb-coverage YAML报告中读取覆盖率，不采信模型自述，并由独立于模型的记分板检查数据完整性。在异步FIFO、UART发送器和AHB2APB桥三种架构不同的RTL设计上，同一设计无关的智能体在8次迭代预算内将覆盖率分别从91.7%、88.9%和67.4%提升至100%。作者同时列出了证据的不足：仅三个设计、无基线、无消融，且日志来自多个智能体检查点。
- AI 摘要arXiv cs.AI
研究者指TEE权重混淆存在漏洞并提出双向方案BiShield-TEE
针对端侧大模型在可信执行环境（TEE）中的参数混淆方案，有研究指出单边矩阵变换只混淆输出侧，存在被称为「解确定性」的缺陷：混淆密钥可被唯一确定，真实密钥结构随之暴露。在该攻击下，GroupCover 与 ArrowCloak 两种代表性方法的防护效果被削弱到可忽略，攻击准确率超过全屏蔽黑盒基线的 2.4 倍，并能近乎完整地还原模型。为此作者提出 BiShield-TEE，通过同时混淆输入与输出维度制造「歧义解」，把真实密钥藏在多个同样成立的候选中。实验显示该方法将攻击准确率压回全屏蔽黑盒基线水平，真实场景下的推理效率也高于此前方法。论文已被 NeurIPS 2026 的密码学与安全方向接收。