论文：AI 论文、技术方法与基准测试第 38 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
arXiv 论文分析智能体市场首价拍卖的无政府状态代价
一篇 arXiv 论文研究智能体市场中的首价拍卖：AI 智能体为争夺每条用户提示出价，出价基于其对提示的期望价值，即回复奖励减去推理成本。首价拍卖简单透明、无需中心掌握私有能力与成本，但并非真实报价机制，参与者可能低报以获取更大利润，导致提示未分配给估值最高者，形成福利损失，用无政府状态代价衡量。论文提出智能体市场具备两个降低该代价的特征：竞争下限与条件近独立性，并给出优于通用情形的福利下界，最后在 EmbedLLM 提示路由数据集上用策略性出价者模拟验证。
- AI 摘要arXiv cs.AI
arXiv 论文提出 Continuum Attention 连续注意力算子
一篇提交至 arXiv 的论文提出 Continuum Attention（CA），一种因果 Transformer 注意力算子，用对连续分段线性记忆曲线的积分替代离散的键值查找。每个查询沿曲线产生指数相关性密度，对密度与插值值积分，可由指数矩的闭式解得到精确归一化注意力，并包含半 token 边界贡献。梯度可由至多二阶矩解析求出，支持并行 GPU 实现，同时保持二次序列复杂度和标准 Transformer 解码器结构。与普通 softmax 和 focal attention 相比，CA 的平均验证负对数似然分别降低 0.0200 和 0.0480 nats/byte，在所有配对比较中胜出；在另一独立验证切片上，相对最强 softmax 基线取得 0.0457 nats/byte 的优势，并给出配对 95% 置信区间。作者认为这些结果支持将连续积分作为有前景的注意力替代方案，但更大规模…
- AI 摘要arXiv cs.AI
Player-1 用合成经验后训练游戏智能体，9B 模型成功率 38.33%
研究团队提出 Player-1，一个通过合成经验学习游戏控制的后训练框架，把计算机操作智能体的动作空间扩展为相对指针移动、持续输入与复合动作。先用 6,044 条精选游戏轨迹做监督初始化，再在自建的 Player-1-Gym 中训练，该环境包含十六个围绕通用控制需求设计的 2D 与 3D 场景，奖励可程序化验证，观测与控制动态随机化，支持基于 PPO 的多环境强化学习。产出的 Player-1-9B 与 Player-1-35B-A3B 在 MineDojo-300 上分别比各自的 SFT 策略提升 27.8 和 17.7 个百分点；Player-1-9B 成功率达 38.33%，最强对比基线为 12.63%，在 ViZDoom-10 与 GameWorld 上也优于 SFT。分析显示合成环境覆盖越广迁移越好，RL 过程中复合动作使用增多。
- AI 摘要arXiv cs.AI
CIPR：跨接口一致性训练提升LLM智能体鲁棒性
一篇arXiv论文提出跨接口策略正则化（CIPR），针对LLM智能体后训练后过度依赖特定接口的问题。语义不变但接口扰动（如重命名动作、改变记号）会让智能体表现变差，逐样本独立打分只能把依赖从单一接口扩展到训练接口分布。CIPR用无信息标识符替换动作名，把每个训练样本以两种接口呈现，等价动作按构造对应，并惩罚两种接口下动作分布的KL散度。在监督与强化学习后训练中，该方法提升鲁棒性；在智能体函数调用任务上，留出接口扰动使后训练智能体准确率下降近25%，CIPR恢复10.5%，且未改变接口上的准确率不受影响。
- AI 摘要arXiv cs.AI
新方法用机械校验替代LLM评判验证Lean形式化
一篇论文提出超越LLM评判忠实度的Lean形式化验证方法，将LLM语义审查与机械的数值检查和空泛性检查结合，提供可核查的反馈，并能发现LLM评判遗漏的错误。作者用该方法与Extract-Verify-Proof自动形式化流程构建了数学函数形式化库FLMF，是对NIST数学函数数字图书馆DLMF的部分形式化。在三个带标注数据集上，该方法在已评估方法中取得最低的接受错误率，即被验证方法接受的错误陈述比例最低。专家审查还发现现有数据集中存在翻译与来源缺陷。代码已公开。
- AI 摘要arXiv cs.AI
CriticOPD 提出用教师批评修复同策略蒸馏的监督可靠性
一篇 arXiv 论文指出，同策略蒸馏（OPD）默认教师模型能从学生写出的任意前缀推出正确答案，作者把这一性质称为教师的可恢复性，并证明它在学生出错时并不成立：教师会顺着学生的错误往下走，尽管它其实识别得出错误。为此作者提出 CriticOPD，让教师对错误轨迹给出批评，学生据此重写解答；带批评的版本由教师打分，而学生训练时只用不含批评的修订结果。在两个 Qwen3 学生模型和六个数学推理基准上，该方法优于 OPD，在竞赛题上提升最大。
- AI 摘要arXiv cs.AI
arXiv 论文：LLM 智能体扩展发现需定期遗忘
一篇 arXiv 论文指出，用 LLM 智能体做自动化研究时，让单个智能体迭代更久、并行跑多个智能体、或让并行智能体互相通信借鉴，这三种扩展方式最终都会因历史累积而停滞：每个智能体被自身过往尝试锚定，改动越来越少、越来越小，再增加预算也收效甚微。作者提出，继续扩展发现的关键是遗忘——周期性丢弃搜索状态，包括各智能体会话与候选历史，从当前最优候选重新开始。该方法在带通信的智能体团队中实现，并在启发式编程、内核优化和模型训练四类任务上评估，相比并行智能体最多提升 15%，相比单个智能体最多提升 39%。
- AI 摘要arXiv cs.AI
PhySGA：物理空间智能体框架实现可交互3D组合
arXiv 2026年10月14日收录的论文提出 PhySGA，一个在物理空间中运行的智能体框架，用于刚性、铰接与可变形物体的通用交互式3D组装。作者指出，此前方法或让大语言模型直接预测物体坐标，或用扩散先验合成图像做视觉对齐，都依赖数字空间中的静态先验，难以处理精确悬挂、重力驱动沉降和隐藏容纳等复杂组合。PhySGA 采用前馈-反馈协作架构：Assembly Agent 负责几何与运动学推理，做全局步骤规划与粗调；Critic Agent 基于接触动力学诊断仿真器状态并做细粒度闭环修正。Action Router 把语义规划映射为仿真器中的可执行物理原语，任务专属的自进化技能库将历史试错反馈蒸馏为可复用经验。在 Isaac Sim 中的实验显示，该方法在关系保真度、物理合理性与视觉质量上明显优于已有方法。
- AI 摘要arXiv cs.AI
PerSo 基准发布：用真实劝服对话评测 LLM 社交智能
研究者提出 PerSo 基准，在真实劝服对话上评测大语言模型的社交智能。该工作把社交智能拆成认知智能与行为智能两面：前者指推断他人心理状态，后者指据此选择合适社交行动以达成目标。此前基准多用合成场景且把两面分开评测，PerSo 则取材 Reddit 的 ChangeMyView 社区真实劝服对话，用 LLM-in-the-loop 流程构建评测任务，并经人工标注验证。对多个模型的评测显示，表现大体随模型规模提升，但各维度表现不一：最强模型在行为任务上略超最佳人类表现，而最佳人类参与者在认知任务上仍保持领先。
- AI 摘要arXiv cs.AI
轻量CNN识别马铃薯叶片病害，田间准确率90.28%
一项研究用轻量卷积神经网络把马铃薯叶片分为健康、早疫病、晚疫病三类。模型用PlantVillage数据集的2215张图像训练，在埃塞俄比亚Banja地区采集的247张独立田间图像上测试。在PlantVillage上训练准确率99.04%、验证准确率98.21%、测试准确率98.66%，田间数据集准确率为90.28%。模型含446787个可训练参数，体积约1.70 MB，每轮训练平均耗时5.58秒，对比VGG16的9.96秒和MobileNetV2的7.68秒。
- AI 摘要arXiv cs.AI
PrismaCoder 开源多模态代码模型与 2M 数据集
研究团队发布 PrismaCoder，面向多模态代码智能，即模型根据文字描述或截图生成图表、网页、动画与半结构化文档。数据侧提出 PrismaForge 分层数据流水线，用合成评分细则把「程序正确、构建良好、渲染后视觉正确」拆成可核查标准，同一套细则既做数据筛选又做强化学习奖励。据此构建 PrismaCoder-2M 数据集，并训练并开源 PrismaCoder-9B 与 PrismaCoder-35B 两个模型，称其大幅领先开源最好水平并可对标领先闭源系统，代码与数据一并公开。
- AI 摘要arXiv cs.AI
ActiveEvidence：可验证证据获取缺口的多模态决策框架
一篇投稿于 arXiv cs.AI 的论文提出 ActiveEvidence，研究多模态智能体在免费元数据与付费观测边界下，判断视觉证据是否值得获取、查询哪个候选或分辨率、以及何时继续交互不再改变决策。方法用反事实证据交互图表示一元证据价值、带符号二阶交互与有向条件损害，并保留未解析交互的分数包络；决策加权包络目标收紧可能改变动作身份的边界，缺口导向细化只评估能改变当前获取选择的交互，直到 ε-决策证书表明未解析项无法在给定容差外改变所选动作。在 640 个案例上，控制器取得任务分数 0.842、grounding F1 0.816、证据召回 0.873、1.74 次接受调用、286.5K 视觉 token、742ms p95 延迟；密集重放显示动作一致率 0.992、证书率 0.988，每决策评估 19.6 个而非 191.4 个昂贵交互项。
- AI 摘要arXiv cs.AI
论文提出多开发者智能体系统，GAIA 上组合准确率 70%
一篇 arXiv 论文研究多开发者智能体系统（MDA），即由多位开发者协作构建智能体系统，而非当前常见的单开发者全权掌控模式。作者建立开发者经验与理论模型，将 MDA 与单开发者智能体系统（SDA）对比。在通用助手基准 GAIA 上，单个准确率均不超过 35% 的一群专用开发者智能体，组合进 MDA 后达到 70%；该结果比用数倍于单个专家开发预算构建的通用型 SDA 中位数高 12 个百分点。理论模型显示 MDA 可激励开发者走向专精，并让聚合后的开发者资源得到更高效利用。作者据此初步认为，MDA 可成为智能体 AI 的一条新扩展轴。
- AI 摘要arXiv cs.AI
VASPO：在 PPO 内融合特权价值估计与自蒸馏的推理优化方法
一篇投稿于 arXiv 的论文提出 VASPO，把特权自教师信号与 PPO 结合用于推理模型训练。作者观察到两类信号的位置动态互补：特权信息在回答后段提升 critic 的价值预测精度，而自教师指导在生成初期强、中段下降、末尾回升。VASPO 让自教师与 critic 在学生生成的前缀上评估同一特权信息，critic 由预测的续写回报计算 token 级 PPO 优势，自教师则用有界概率比调节被选中的正优势。在六个数学推理基准上，VASPO 相比 PPO 在 Qwen3-4B 与 OLMo3-7B 变体上平均准确率分别提升 2.59 与 1.81 个百分点，并在 Knights and Knaves 上取得所评估方法中的最高平均准确率。代码已公开。
- AI 摘要arXiv cs.AI
VascuSR：面向CT超分辨的迭代解剖感知扩散框架
研究者提出VascuSR，一种迭代解剖感知扩散框架，用于CT图像超分辨率。该方法用显式3D血管表示提供跨切片的结构引导，由轻量3D生成细化器专注血管结构，再通过轻量解剖控制器把细化后的结构注入扩散解码器，并借助迭代反馈用新生成的超分体更新引导。在重新标注的MSD Task08与HVM数据集上，VascuSR在分割精度（Dice、clDice）和3D血管结构指标（连通性、平均中心线距离）上优于插值和学习型超分基线，图像质量与所用超分骨干相当。相比学习型基线，两个数据集上类别平均连通分量数减少超过20%，MSD上平均中心线距离减少超过10%。
- AI 摘要Ars Technica
研究者用AI设计出可切割蛋白质的蛋白质
Ars Technica 报道，研究人员借助 AI 设计工具造出能够切断其他蛋白质的蛋白质。这类被切断的化学键在自然条件下可稳定存在数百年。材料未披露所用模型、研究团队、发表渠道与可用时间。
- AI 摘要arXiv cs.AI
HP-RLVR：单次采样实现 token 级信用分配，训练提速最高 2.3 倍
一篇投稿于 arXiv 的论文提出 Hindsight-Privileged RLVR（HP-RLVR），用单次 rollout 替代 GRPO 的多次采样。方法让生成策略快照在因果历史与包含已实现未来和验证器反馈的后见上下文中分别给每个 token 打分，以归一化 Jensen-Shannon 散度作为权重，相对历史基线给出有界的 token 信用，成功与失败轨迹都适用，且不需要参考解或学习型 critic。在 Qwen3-8B 的 100 步配对实验中，数学、代码生成、ALFWorld 上训练分别快 1.21、1.46、2.30 倍，每 prompt 的 rollout 用量为八分之一；整体准确率相当，数学在三个规模上均领先，代码与 ALFWorld 由 GRPO 领先。ALFWorld 中 GRPO 有 43.2%（4B）和 49.0%（8B）的梯度范数记录为零，HP-RLVR 没…
- AI 摘要arXiv cs.AI
研究：脑MRI基础模型嵌入仍可高精度重识别患者
一项针对脑部磁共振影像基础模型表示的研究评估了五个冻结预训练编码器，覆盖不同架构、预训练目标与训练领域，并在 OASIS-2 与 MIRIAD 两个纵向 T1 加权数据集上测试。在攻击者掌握已发布嵌入、对应公开编码器及辅助 MRI 扫描的条件下，患者关联与敏感属性推断均表现显著：最高风险表示的 rank-1 患者关联在 MIRIAD 上达 99%，在 OASIS-2 上超过 90%；记录性别预测的平衡准确率在 OASIS-2 为 90.9%，在 MIRIAD 为 95.5%。研究结论是，用学习到的嵌入替代原始脑部 MRI 本身并不能消除患者关联或属性推断风险，单靠嵌入不足以实现匿名化。
- AI 摘要arXiv cs.AI
SafeAdapt-Poker 提出对手行为漂移下的预算化自适应方法
一篇投稿 arXiv cs.AI 的论文提出 SafeAdapt-Poker，把对手行为发生漂移后的预算化自适应建模为双重反事实序贯控制问题，且只使用每次决策前可获得的信息。控制器在每次决策时回答两个问题：偏离冻结锚点会带来多大局部下行风险，以及现在消耗剩余偏离预算会损失多少未来自适应价值。前者由关于偏离强度的单调策略风险模型回答，后者由配对预算状态延续模型给出当前预算消耗的定价。方法用路径累积 KL 账本约束相对锚点的总偏离，并在留出交互前用完整配对校准会话筛选有限个冻结控制器。
- AI 摘要arXiv cs.AI
SGQN：自适应动作网格用于解耦Q学习，DMControl八任务测试
论文提出选择性增长Q网络（SGQN），在解耦Q学习框架下用自适应动作网格替代均匀增长：在高估计Q值的区间旁新增分箱，剪除低Q值分箱，动作按epsilon-greedy选取。在DeepMind Control Suite的八个任务（动作维度2至12）上，SGQN在四个任务上取得最高平均最终回报，另三个任务与最佳方法差距在1.1%以内，Walker Run上比Bang-Bang MPO低3.4%，每维平均使用9个可用分箱中的7.5个。作者随后检验自适应网格是否解释这些结果，结论是否定的：增长会激活所有候选分箱，行为类似均匀增长；去掉剪枝对回报的影响至多1.1%。真正起作用的是另外两点：从粗网格起步（若一开始就用满9个分箱会产生崩溃的种子），以及epsilon-greedy选择（退火softmax会使回报下降23%至100%）。SGQN对增长与剪枝超参数不敏感。作者也指出，SGQN与GQN、D…