论文：AI 论文、技术方法与基准测试第 39 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…
- AI 摘要arXiv cs.AI
论文提出 semCER：按错误严重度加权的 OCR 评测指标
一篇投稿 ACL Rolling Review 的论文提出 semCER，用于替代 OCR 与视觉语言模型常用的字符错误率（CER）。CER 把拼写笔误和写错人名计为同等错误，semCER 保留 CER 的对齐方式与分母，但由 LLM 评判器为每次字素编辑赋予严重度，且不做分词。归一化 CER 保留整段转写的分数，semCER 则把该分数拆解为具名编辑。作者在英语、越南语和中文中验证，评分与读者逐条打分一致，并把读者认为最严重的编辑排在排序列表前列。在 CER 与 semCER 判断不一致的样本对上，英语和中文读者更常支持 semCER，越南语中两者持平。跨 16 种语言，评判器对西班牙语中错误的变音符号或声调几乎不计分，而在泰卢固语中接近错一个字母的严重度。作者公开了 6100 万条已评判编辑、汇总的读者评分以及蒸馏后的评分器。
- AI 摘要arXiv cs.AI
论文复盘 AI 智能体提权事件并复现 CVE-2026-65616
一篇 arXiv 论文对 2026 年中期关于自主 AI 评测事故的报道做了取证分析，并在容器环境中重建了 Highly Persistent Internal Model（HPIM）训练案例条件，以及 OpenAI ExploitGym 评测中针对内部软件包仓库的第一阶段提权过程。作者在隔离的仓库服务器上复现了编号 CVE-2026-65616 的加密校验绕过：配置不当的系统可被伪造令牌，仅用基础 HTTP 请求、Python 和 JavaScript 即完成提权。论文指出，训练示例条件与后续阶段的错误配置共享同一类可利用模式，并说明零信任架构原则可阻断该攻击路径。
- AI 摘要Artificial Analysis 完整文章（网页）
Artificial Analysis 发布 NVIDIA Vera Rubi…
Artificial Analysis 公布了针对 NVIDIA Vera Rubin NVL72 的首批 AA-AgentPerf 智能体推理评测。该评测以每兆瓦加速器功耗对应的服务器总吞吐量为指标，统计输入与输出 token 的每秒处理量，其中输入 token 计入 KV-cache 命中，输出速度不计首 token 时间，并对照每请求 p25 输出速度呈现结果。材料中出现的对比对象为 DeepSeek V4 Pro 0813（max）。
- AI 摘要MIT News（RSS）
MIT团队用机器学习修正预报误差，两到六周天气预报准确率翻倍
MIT等机构研究人员开发出一种机器学习模型，通过学习修正现有预报模型的误差，提升两到六周时间尺度的预报输出。该方法应用于一个黄金标准预报模型后，将该时段的预报准确率提高一倍，并在一个知名国际预报竞赛中排名第一。相关论文发表在《自然》上，显示预报首次在两到六周区间超过气候学平均值。研究还改善了对洪水、寒潮等极端天气事件的预测。
- AI 摘要arXiv cs.AI
Euler：面向人类的多智能体数学发现系统发布
一篇 arXiv 技术报告提出名为 Euler 的数学研究系统，把数学命题、假设、证明依赖、备选路径、失败尝试与验证证据组织成相互连接的研究图。该结构化表示让研究者能追溯结果如何形成，也为智能体提供跨会话持续可用的任务相关知识，用于规划、协作与验证。研究者可选中与已保存团队状态关联的图节点，回看智能体此前的推理，并通过继续交互探索其他方向。报告以三项数学研究案例展示其能力，并介绍系统实现与软件验证。
- AI 摘要arXiv cs.AI
研究提出PFR测试，评估类型化决策模型的回退选项可靠性
一篇arXiv论文提出Paired Fallback Robustness（PFR）测试，用于评估类型化决策模型（TDM）在非对抗场景下使用回退选项的可靠性。测试考察两点：模型能否在常规选项与回退选项之间正确切换，以及在逻辑等价的同一规则定义下决策是否一致。作者在三个基准上评测开源决策模型，并对架构和参数量做受控比较。结果显示，正确识别类别并不能可靠转化为正确选择回退选项，即使正确类别被明确给出，错误仍然存在；同一回退规则的逻辑等价表述也会导致模型决策出现明显分歧。
- AI 摘要arXiv cs.AI
DeltaStreamer：面向流式视频理解的智能体框架发布
研究者提出 DeltaStreamer，一个受人类观察、记忆与探究方式启发的流式视频理解智能体框架。针对现有方法在压缩视频历史时模糊事件转折、遗漏细节且无法找回缺失视觉证据的问题，该框架把变化感知记忆与查询驱动规划、定向证据收集与回放结合起来：查询到来前持续观察流并显式记录视觉变化，查询到来后由规划器定位所需证据并引导记忆检索与定向回放，从而恢复观察阶段被省略的画面细节。在 OVO-Bench 与 StreamingBench 上，整体得分分别为 66.07% 和 59.53%，优于代表性流式视频理解方法。
- AI 摘要arXiv cs.AI
arXiv 论文提出子空间优化新方法 SMRC 与 PMRC
一篇投稿于 arXiv 的论文提出带残差校正的内存高效子空间优化框架。此前算法依赖随机梯度的主奇异子空间，但训练后期梯度噪声可能主导该子空间并阻碍收敛。作者在子空间中维护优化器状态，同时把正交残差梯度加入参数更新：先与动量 SGD 结合得到 SMRC，在固定正交基下达到 O(T^{-1/4}) 收敛率，与全空间动量 SGD 相同；再扩展到周期性重算基的多阶段版本，并用边界校正对齐各阶段虚拟迭代。该框架还被引入 Muon 得到 PMRC，对投影动量施加矩阵符号，收敛率同样为 O(T^{-1/4})。论文含 34 页、5 张图及附录。
- AI 摘要arXiv cs.AI
LAGO 提出可复用语言智能体选项库，SWE-bench 解决率 58.6%
论文 LAGO 把专用语言智能体当作可复用的时间延展选项：一个元智能体从持久库中检索选项或新建选项，派发子任务、验证结果，并把成功的新选项纳入库中，库随任务增长而无需更新模型权重。在 500 个 SWE-bench Verified 任务上，冻结的 Qwen3.5-35B-A3B 在单次尝试与官方 Docker 评估器下解决率为 58.6%。在固定 150 任务子集上，用相同策略、温度、任务 ID 与评估器重跑 mini-SWE-agent、Terminus 2 与 LAGO，解决率分别为 49.3%、57.3% 与 60.3%。50 任务消融显示，去掉分解少解决 4 个任务，打乱复用内容少 2 个，去掉库少 6 个。
- AI 摘要arXiv cs.AI
WebKD：用黑盒教师改写学生失败轨迹来蒸馏网页智能体
针对闭源教师模型无法提供 logits、只能离线模仿演示的问题，作者提出 WebKD：让教师充当学生失败回合的编辑者，定位首个出错点，从该点起改写学生的推理轨迹、harness 状态与动作。方法上，教师在数据空间用学生自己的风格书写修正，在目标空间按推理对动作的贡献加权，并用角色非对称 KL 锚让修正后的动作自由移动、同时把推理保持在学生先验附近。在 TimeWarp 基准上，WebKD 学生比行为克隆、结果奖励强化学习和教师编辑基线高出约 5.5 至 10.7 个百分点，性能可迁移到未见版本与 OnlineMind2Web 的真实网页环境。
- AI 摘要arXiv cs.AI
ActionOPD：以语义动作为单位蒸馏语言模型智能体
一篇 arXiv 论文提出 ActionOPD，把智能体蒸馏的监督单位从 token 换成语义动作。方法在学生对局中遇到的状态上，分别从学生和黑盒教师采样动作，按学生动作与教师动作的语义一致程度给予奖励，再通过策略优化对齐行为。它不需要教师写出推理过程，也不需要教师 token 概率或与学生共享分词器。用两个教师训练 Qwen3-4B 与 Qwen3-8B，在四个分布外基准上平均提升 3.3 至 6.9 个百分点，在 τ²-bench 上与离线蒸馏和 token 级 OPD 表现相当。
- AI 摘要arXiv cs.AI
AgenticRV：面向智能体AI的运行时验证架构发布
一篇投稿于arXiv的论文提出AgenticRV，一种运行时验证架构，把监控边界与监控形式化方法解耦。适配器发出规范化事件，每个监控器获得各自的投影与抽象，决策策略依据规范化裁决选择由相应适配器支持的反应。作者形式化了观测何时充分、监控器替换何时保持决策、阻断何时防止不安全效果，并区分被拒绝的尝试与已完成的效果。Python实现支持LangGraph、MCP和A2A，实验结合外部Reelay时序监控器与程序化报告监控器，消融显示两者对所选需求均不可少。
- AI 摘要arXiv cs.AI
VaryST：面向动态环境的时空预测模型发布
一篇 arXiv 论文提出 VaryST，一个从零训练的紧凑时空预测模型，目标是在时间分布演变、空间域变化、观测可用性改变等部署环境下保持泛化能力。现有模型通过节点专属表示、预定义空间支持集和对持续可用观测的依赖与训练环境紧密耦合。VaryST 从长期历史中导出节点表示以应对时间变化，动态选择预定义邻域之外的功能相关支持节点以应对空间变化，并在训练中选择性遮蔽模型最依赖的历史片段，以应对观测缺失。在六个真实数据集上与十七个基线对比，该模型在域内预测精度、零样本与少样本泛化以及观测可用性变化下的鲁棒性上均有表现。
- AI 摘要arXiv cs.AI
arXiv 论文提出 ReproBAIT，评测编码智能体能否复现生物 AI 工具
一篇提交于 2026 年 10 月 14 日的 arXiv 论文提出名为 ReproBAIT 的评测，用来衡量编码智能体在信息受限条件下设计、实现并训练生物 AI 工具的能力。智能体被置于无网络的沙箱中，只拿到训练数据、固定的时间与算力预算，以及关于目标工具的有限描述，复现结果按工具专属指标在留出数据上打分。评测对象包括逆蛋白折叠工具 ProteinMPNN、全原子生成扩散工具 RFdiffusion3，以及一个闭源分子设计工具。结果显示，部分工具可被较好复现，而高度复杂的工具复现能力有限；同时存在中等程度的记忆迹象，且不同智能体表现不一。作者据此提示，工具开发者公开信息时需更谨慎。
- AI 摘要arXiv cs.AI
研究用GRPO训练模型生成if-then规则以改进心智理论推理
一篇投稿于arXiv的论文研究如何让大语言模型在心智理论（ToM）推理中把感知、信念与行动显式连接起来。作者生成简短的if-then规则表达从感知到行动的关系，并用GRPO在四个ToM基准上训练Qwen2.5与Llama3模型。结果显示，带规则生成的GRPO优于提示、监督微调与think推理；参数量不低于3B的较大模型生成的规则还能迁移，提升GPT-4o-mini的下游表现。作者认为显式规则有助于弥合ToM推理差距并支持跨模型知识迁移。