论文：AI 论文、技术方法与基准测试第 4 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
ARK 提出分布式大象流路径预留机制，缓解分离式推理 KV 缓存传输的路由冲突
分离式 LLM 推理把 prefill 与 decode 拆到不同 GPU 池，由此产生大量 KV 缓存传输；这类传输持续数百毫秒到数秒，属于占满链路带宽的大象流。无状态 ECMP 在此场景下容易哈希冲突，把流量压到同一条 spine 链路而其余链路闲置，使传输时间被拉长数秒。作者提出 ARK，通过协调发送端选择源端口，让并发流的哈希落到不同 spine 上，无需改动交换机，也不要求接收端重排数据包。数据包级 RDMA 仿真显示，中等负载下平均与 P95 FCT 最多降低 27.3% 和 34.0%，平均 TTFT 最多降低 12.9%。
- AI 摘要arXiv cs.AI
arXiv 论文提出代理辅助遗传规划，用于动态车间调度的终身学习
一篇 arXiv 论文针对动态柔性作业车间调度（DFJSS）中遗传规划学到的调度规则泛化能力有限、在新任务上微调会丢失旧知识的问题，提出一种代理辅助的遗传规划终身学习方法，处理作业到达或批量到达的序列异构任务。框架包含三部分：平衡可塑性与稳定性的自适应两阶段训练策略、按任务相似度调节知识复用的加权机制、带距离约束的改进代理模型。实验显示该方法缓解了灾难性遗忘并保持适应性，优于多个对比方法。
- AI 摘要arXiv cs.AI
研究：贪心父代继承贡献短预算 LLM 优化的大部分进展
一篇预注册研究在九个提示与程序合成基准上跑了 1750 次实验，把「父代继承」与「每轮反馈广度」分开考察。结果显示，贪心式父代继承带来绝大部分优化进展，即使让种子重置方案每轮拿到全部失败的聚类摘要、或换用更大的提议模型，仍不及前者。全量错误聚类与多样失败选择能改善从种子出发的单步改写、加快搜索前几轮，但随着已解决错误模式被保留并从后续失败列表中过滤，顺序继承会迅速抹平这一差距。对 GEPA 的 token 开销拆解还显示，提议模型的反思只占总成本一小部分，验证与小批量筛选几乎吃掉全部预算。
- AI 摘要Figma AI / Agent / Make
Figma 披露训练画布编辑专用模型的方法
Figma 软件工程副总裁 Josh Clemm 介绍，团队用监督微调训练能理解 Figma 原生文件格式的编辑模型，让 agent 直接在画布上改设计。训练样本由起始设计、合成的编辑请求和成功改动组成；涉及设计系统时，还生成主题与组件变更的合成提示，再用更大的教师模型尝试编辑，由确定性校验器和视觉模型评判器检查输出是否有效、是否满足请求，生成流程可依据评估反馈自我修正。早期用 Llama 3.3 70B、超过 25 万个样本训练的模型，在编辑任务上已能与当时顶级模型竞争。
- AI 摘要arXiv cs.AI
研究质疑神经厚块假说，提出免训练PSV推理方法
一篇 arXiv 论文复现了神经厚块（Neural Thickets）在预训练语言模型上报告的增益，但认为这些增益不需要用权重空间的几何解释来说明。作者发现，只扰动单个解码器块就能找回大部分提升；在模型完全冻结的情况下，给输出 logits 加一个随机偏置，在多数推理任务上就能达到或超过全权重扰动的效果。作者据此提出 Perturb-Select-Vote（PSV）流程：生成扰动预测器，在小验证集上挑选表现好的成员，再聚合它们的预测，并把这一解释与采样、自一致性、验证器引导选择等推理期方法联系起来。一阶分析显示，小幅权重扰动主要通过改变 logit 起作用。该方法还扩展到视觉任务，在域偏移场景（含对地观测）中，logit PSV 明显提升性能，而全权重扰动带来的额外收益很小。
- AI 摘要arXiv cs.AI
SpecSlot 将像素空间生成 Transformer 的全局注意力与细节解耦
一篇 arXiv 论文提出 SpecSlot，一种像素空间 rectified-flow Transformer。它把每个空间锚点扩展成多个 slot，每个 slot 负责一段互不重叠的 DCT 系数频带，从而把锚点密度与频谱细分分开；只有每个锚点的最低频 slot 参与全局注意力，所有 slot 在局部交互。在 ImageNet-512 上，其 FID 比 FLOPs 对齐的 JiT 对照提升 2.84，同时 FLOPs 少 3.9%；与 JiT-B/16 相比，FID 只差 0.69，但成本低 38.2%。在文生图任务上，它在 DPG-Bench 上比 JiT-B/8 高 1.06，前向成本低 40.6%。
- AI 摘要arXiv cs.AI
arXiv 论文研究多路视频流下的行李重识别流程
一篇投稿至 IEEE CBMI 2026 的论文研究面向真实场景的行李重识别（ReID）。作者指出，现有方法多在较干净条件下做基于外观的裁剪图像匹配，而机场、车站、边检等真实环境存在频繁遮挡、背景杂乱和人群拥挤，性能明显下降；利用多路视频流中多张图像与多视角互补性的策略此前被忽视。论文提出从多路视频流到检测与重识别的端到端流程，在真实环境采集的基准数据集上比较多种变体，考察同一行李的多视角与多张图像如何选择与融合，以及在不同环境数据集上训练能否提升实际应用中的整体重识别表现。
- AI 摘要arXiv cs.AI
WxCrop 智能体用天气指数预测作物损失
一篇 arXiv 论文提出 WxCrop，这是一个智能体，它依据可物理释义的天气指数、结合因果分析来判断农业灾害风险，并把天气与农业信息合并，对历史日期和预报日期都能给出作物损失预测。作者在美国佛罗里达州针对飓风、冰冻和干热三类灾害做了演示，每类灾害的损失模型都用保险记录校准，并称同一流程可推广到其他灾害与地区。三项检验结果：飓风指数识别有记录的气旋日 AUC 为 0.98；在留出年份上复现的损失误差在 2% 以内；独立产量记录印证了县级排序，秩相关为 0.63。用户可按作物组询问损失占预期当季产值的比例，每个数字都标注来源。
- AI 摘要arXiv cs.AI
arXiv 论文用四层探针评测视觉基础模型的空间状态表征
一篇提交至 arXiv 的论文研究视觉基础模型是否具备持续更新的空间状态表征。作者在静态室内环境的流式第一人称观测下，对十种表征做冻结特征探针，按空间结构、物体持续性、预测性空间更新、可行动性四个层级评估。结果显示能力画像随任务、网络层和前缀长度变化：对可见场景的强读出并不保证物体持续性或未来特征检索准确；在真实特征上训练的空间读取器无法原样迁移到预测特征；目标变化能引起预测动作变化，但给出正确目标并不能稳定改善进展。物体持续性与可行动性依赖相机位姿读出，特征预测依赖可见场景读出。
- AI 摘要arXiv cs.AI
TextSeal2 发布：投机解码下保持无失真水印
arXiv 上提交的 TextSeal2 是一种面向大语言模型的无失真水印方案，重点解决投机解码场景下水印信号丢失的问题：被拒绝草稿替换后的 token 仍带同一密钥的水印，接受率不变，输出多样性保持，且不增加可测量的推理延迟。方法上，它把两个或多个密钥合并成一个虚拟密钥，通过 AutoMark 的高斯 copula 与新鲜噪声耦合，公开共享密钥也可合并且不稀释检测效果；投机解码时在草稿竞速的剩余部分上多跑一次指数竞速完成校验。在三个模型上，同等多样性下对 100 token 回答的检出率比 TextSeal 高 8 到 22 个百分点，假阳性率 10⁻³。
- AI 摘要arXiv cs.AI
单解码器同时做门控与提示生成，端到端精确匹配 0.2619
一篇 arXiv 论文把主动式助手的「何时介入」与「给什么提示」合并到一个 1B 解码器里：门控取自中间层，提示生成在同一次前向中完成。在 28,058 个决策点上，真实门控后的端到端精确匹配为 0.2619，而 oracle 门控上限为 0.2971，精确率 0.2387。门控带来的算力节省随生成器变小而收窄，8B 时为 4.39 倍，1B 时仅 1.38 倍。记忆画像决定提示质量，去掉它损失 24.7 个精确匹配点，BERTScore 由 0.57 降到 0.35，而检索与更大生成器在精确匹配上没有增益。最终检查点在自动指标上追平或超过双模型流水线，实际耗时少 1.31 至 1.76 倍。
- AI 摘要arXiv cs.AI
多智能体协作实现自主实验研究，在金刚石量子自旋体系完成验证
一篇 arXiv 论文提出由大语言模型驱动的多智能体自主实验室：智能体之间互相评估工作，可以中止或改变研究方向，能提出并否决研究问题，要求独立的理论校验，并设计用于挑战自身结论的实验。团队以金刚石中的量子自旋系综为对象验证该能力：智能体推导出预测特定微波脉冲序列响应所需的最少校准设置数，用计算方式核验结果，并设计实验区分相互竞争的预测。首次实验与理论一致，但重复参考测量显示采集期间信号存在漂移，智能体据此判定结果不确定，并在不放宽验收标准的前提下修改测量方案；修订后的实验通过标准并支持理论预测。
- AI 摘要arXiv cs.AI
arXiv 论文：用线性探针在智能体输出前预判其是否会泄密
一篇 arXiv 论文研究多智能体场景下的泄密预警：当智能体共享通道与凭证时，一个智能体可能施压另一个智能体违反其运营者规则。作者在受控多智能体环境中，让同伴智能体连续最多 20 轮追问目标智能体以套取部署令牌等秘密，目标往往先拒绝后让步。在每次模型调用写出输出前读取激活值做线性探针，可在留出的 Qwen3-32B 回合中，于 5% 良性调用被标记的阈值下捕获 82% 的泄密调用；相近标记率下零样本决策模型监控器仅 26%。在 gpt-oss-20b 的推理内容上做探针达到 AUROC 0.91。同批调用上训练的 bag-of-words 分类器表现接近，说明增益主要来自标签训练而非激活值本身。探针也会标记被允许的披露，且预警是短程的，对任何告警都中止会停掉多数良性回合。
- AI 摘要arXiv cs.AI
arXiv 论文提出多基地 ISAC 深度学习杂波抑制方法
一篇提交至 arXiv 的论文研究多基地集成感知与通信（ISAC）中的杂波抑制问题。多基地 ISAC 借助空间分布的接收端扩大感知覆盖，但密集且动态的杂波会明显恶化双基地距离与多普勒估计，进而造成目标定位和速度估计误差。作者用随机位置、不同多普勒扩展与雷达截面积的散射体建模分布式杂波，并评测多种传统信号处理基线，发现强杂波下鲁棒性有限。为此引入基于残差与注意力增强深度神经网络的杂波抑制方法，直接从受杂波污染的观测中增强目标响应，在多种杂波条件下对目标位置与速度估计的表现明显优于传统方法。
- AI 摘要arXiv cs.AI
VeriCUA 提出以智能体探索做计算机使用智能体验证
arXiv 上一项投稿提出 VeriCUA，把任务完成验证当作智能体在环境中动态收集证据并作出判断的过程，而非只让视觉语言模型看给定观测、或只靠生成程序检查应用状态。验证器先查看可用上下文构建任务评分标准，再针对未满足的要求选择 GUI 检查或代码检查，并按明确的证据规则合并结论。该框架不绑定平台，在线与离线、不同平台与观测模态共用同一流程。实验显示其与参考标签的一致程度高于对比基线，离线场景在困难样本上提升最大，在线场景对虚假完成声明的拒绝更强。
- AI 摘要arXiv cs.AI
编码智能体自动生成机器人仿真环境，前沿模型测试平均奖励仅0.06
研究提出 Gym-Anything for Robotics 框架，让编码智能体承担机器人仿真环境的创建工作，从而把编码智能体的能力提升直接转化为仿真环境的丰富度与保真度。团队依据美国 GDP 数据挑选仿真任务，以覆盖有经济价值的体力工作，并设定仿真与任务的合格标准，用对抗式「创建—审核」循环逐项校验。据此构建的 RoboWorld 包含 25 个仿真，以及 25 个测试和 175 个训练强化学习环境，难度不等。在全部 RoboWorld 测试任务上，表现最好的前沿模型平均奖励也只有 0.06。团队还给出多种提升路径：跨多次尝试的上下文学习、读取仿真器状态的特权教师模型在上下文中指导学生、模型从自身特权经验中自辅助学习，以及用代码策略生成多样场景演示来训练视觉-语言-动作模型（如 π0.5），这些方法均带来明显提升。流水线、强化学习环境与基准已公开。
- AI 摘要arXiv cs.AI
研究对比真人角色扮演者与大模型模拟来访者在咨询培训中的表现
一篇投稿至 EDM 2025 的短论文比较了心理咨询培训中真人角色扮演者与大模型模拟来访者的差异。研究先记录新手咨询师与真人扮演来访者的对话，再记录其与 Mistral 的 Mixtral 8x7b（4-bit 量化）模拟来访者的对话，并用句子级咨询沟通模式系统分析。研究关注两点：模型生成回应在多大程度上复现真实对话动态，以及咨询师面对真人与模型模拟来访者时沟通行为是否不同。结果显示两种场景下咨询模式的应用既有相似也有差异。
- AI 摘要arXiv cs.AI
FARMS 框架发布：把计算数学转成 AI 可复用的可验证知识
一篇 arXiv 论文提出 FARMS，目标是把计算数学整理成 AI 能解释、能复用的知识基础，并带有显式保证。它通过源准备、可复用表示与语义审查三个环节，把形式化陈述与来源上下文、算法含义和定量保证对应起来。在随机数值线性代数与数值偏微分方程共 171 个目标上，流水线接受了 157 个，每个目标的平均估计成本为 0.85 至 2.29 美元。经 Lean 检查、由显式源前提推出的蕴含关系，把选定的陈述与计算技能连接起来，论文以热流求解和波动响应压缩作为示例。
- AI 摘要arXiv cs.AI
ClinGeX：用105项可执行技能编排的临床基因组分析智能体
研究团队构建了基于大语言模型的智能体 ClinGeX，它通过任务检索与依赖感知编排，组合 105 项经过筛选的可执行技能来完成临床基因组分析。在 223 个按时间留出的基准病例上，其任务级一致率（宏观平均）为 71.7%，最强对照为 45.7%。在 45 名临床基因组专业人员参与的三种条件交叉平衡的人机协作研究中，ClinGeX 辅助在变异分析、罕见病基因组解读与肿瘤分子决策三项上的原始病例级一致率分别为 51.1%、57.8%、64.4%，对照条件为 15.6%、31.1%、20.0%，并缩短了各场景下的解读时间。另有一项为期一个月的探索性真实世界非干预评估，11 名资深人员就 96 个自选分析片段反馈，常见结论采纳与耗时节省。
- AI 摘要arXiv cs.AI
arXiv 论文提出 AI 辅助证明评估流程，误判率从 23% 降至 6%
arXiv 上提交的一篇论文分析了 Ramanujan Challenge 的提交结果。该基准由数论领域的研究级问题构成，其中包含未发表结果与开放猜想。论文测量了不同 AI 模型、计算机代数系统（CAS）与形式化工具的相对成功率，发现了一些在概念上不同于官方解答的正确提交，以及一个已发表开放猜想的证明。评估过程暴露出第二个难题：如何在大规模下可靠地评判复杂证明。作者为此提出一套 AI 辅助评估流程，覆盖自然语言证明、CAS 代码与 Lean 形式化，用于判断语义与逻辑正确性。相比传统的一次性 LLM 评判，该流程把自然语言证明的误判率从 23% 降到 6%，把支撑代码的评判准确率从 46% 提升到 58%。