论文：AI 论文、技术方法与基准测试第 5 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
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%。
- AI 摘要arXiv cs.AI
arXiv 论文提出把检索当作地址空间遍历的记忆方案
这篇论文关注长上下文模型反复解决相近检索问题、每次前向都要重新搜索的浪费。作者把记忆内容与地址分离，用「检索所揭示的信息」定义价值，几何只决定到达成本，由此给出带成本正则的索引目标，让互补记忆可共同检索、冗余记忆不因各自有用而挤进同一检索集。作为原理验证，只在 MiniGrid Memory 上测了最简单的固定几何实例：五 token 上下文下，持久局部遍历头在 0.59M 训练步达到 0.95 平均回报，高斯绝对寻址需 0.94M，类别绝对寻址超过 2M。作者说明实验未测试学习到的几何与重复检索，完整方法仍需更多实验。
- AI 摘要arXiv cs.AI
研究揭示预填充阶段解码长度预测的固有误差边界
一篇 arXiv 论文指出，仅凭预填充阶段的隐藏状态预测大模型将解码多少 token，现有基准把预测器质量与任务难度混在一起：目标模型、数据集或采样配置一变，报告准确率就大幅下降，而预测器本身未变。作者把误差来源归于自回归解码的固有随机性，将解码视为停时随机过程，推导出所有预填充侧方法都必须遵守的界，并给出每提示正态性与仿射方差律。实验显示，在模型、数据、采样固定时，MLP、EGTP、FiLM、软标签与混合专家等多种预测器性能趋同且接近该界，说明系统误差主导模型误差。作者据此建议基准固定模型、数据与采样参数，并同时报告相对误差与绝对误差指标。
- AI 摘要arXiv cs.AI
arXiv 论文提出可回卷交互证明 RIP，用于弱验证器监督强模型
arXiv 收录一篇论文，提出「可回卷交互证明」（RIP）这一面向可扩展监督的交互证明新模型。其思路是：验证方可以把证明方回卷到交互中较早的状态，再从那里继续，前提是验证方掌控证明方所在机器，例如证明方运行在可信硬件或可做检查点的虚拟机中。作者针对「输出对少量 oracle 答案变化保持稳健」的一类计算构造了 RIP，不使用密码学，效率高于此前不假设证明方诚实的相对化证明；诚实证明方的运行时间与原计算呈线性，验证方经一次性预处理后接近输入长度的线性时间。论文实现了协议并给出初步 MNIST 实验，称 RIP 可快于一个已部署的先进证明系统。
- AI 摘要arXiv cs.AI
BURGER 机器人绘画基准发布，评估五款 VLA 模型泛化能力
研究团队提出 BURGER，一个以语言为条件的机器人绘画基准，并配套可扩展的提示驱动流程，用于在仿真和真实环境中生成连续绘画轨迹。智能体从同一张空白画布出发，控制机械臂按语言指令绘制物体或空间构图，同一指令允许开放式多样的画法与笔画顺序。基于 282 个绘画任务、28,200 条仿真演示，团队从数据规模、语言接地和多模态行为三个维度评估了五款代表性 VLA 模型，揭示出各模型不同的失败模式。实验显示部分模型能从更高的任务多样性与演示规模中获益，捕捉多模态绘画行为，并泛化到熟悉物体的未见组合；团队还将训练后的策略部署到 Franka Panda 机械臂上，在人工干预下完成反应式绘画。
- AI 摘要arXiv cs.AI
研究者发布覆盖60种语言的MSafeTemp安全对齐语料
一篇 arXiv 论文提出基于模板的扩充流程，用于批量生成多语言拒答与良性语料：先从有害提示中抽取安全模板，再翻译并填入符合当地文化的实体，有害与良性两类都填。由此发布 MSafeTemp，覆盖 60 种语言，可用于多语言安全对齐与评测。作者指出，仅用英文评测会误判多语言安全性：部分模型在英文下被拦住的攻击，翻译后就能成功；本地化变体还能暴露翻译本身漏掉的问题。用模板扩充训练数据可提升英语以外的安全表现。
- AI 摘要arXiv cs.AI
AWM 框架把陌生环境交互转为可形式化证明的数学模型
一篇 arXiv 论文提出代数世界模型（AWM）：它先在与陌生环境交互中提出可执行的 Python 假设，再依据观测反复检验和修正这些假设，随后把假设整理成带类型的对象与共享规则，用范畴论引导的变换简化结构，最终在 Lean 4 中形式化，以证明可达性与不可达性。AWM 能证明某个目标不可达，且结论超出已探索轨迹。在两个不可通关的游戏关卡上，它六次运行均给出经内核检查的 Lean 证明，排除所有合法获胜序列；Claude Opus 5.5 与 GPT-6 Astra 在十二次基线运行中均未产出证明。在 25 个公开 ARC-AGI-3 游戏上，其模型让 Lean 复现全部 183 个关卡的获胜轨迹，并能预测未观测到的状态转移。
- AI 摘要arXiv cs.AI
EGI 发布 2026-2030 AI 战略：从模型训练转向领域适配
EGI 联合会在一篇预印本中回顾了 interTwin、iMagine 两个 Horizon Europe 项目中的早期 AI 实践：前者在物理与环境科学领域构建数字孪生，后者搭建水生研究图像分析平台。文章认为 2023 年后科学 AI 的重心已从模型训练转向把 AI 适配到具体领域与问题。据此提出 2026-2030 战略的三项支撑：贯通算力、数据与应用的 AI-ready 基础设施；让人知道 AI 能做什么、怎么落地的人才技能；以及在高风险环境中也能放心运行 AI 的信任机制。落地项目包括联邦式 LLM 推理、AI-ready 数据平台与 AI 能力中心，并与 EuroHPC 的 AI Factories、RAISE、科研基础设施及 EOSC 分工，EGI 侧重 AI 的定制化与长期运营。
- AI 摘要arXiv cs.AI
论文提出 Agentic University：让学习者与多个智能体共同维护能…
一篇 arXiv 论文提出「人类参与的多智能体组织」（Human-Participatory Multi-Agent Organization），并在 Agentic University（AU）中实现。学习者作为组织成员，与专门化的智能体协作维护一份可修订的「能力计划」，该计划把个人目标、跨模态学习活动与分层评估串联起来，学习者的反馈与表现会引导后续支持。评估显示，该方案在计划组织、评估设计和修订质量上有优势；用户在 50 分制评估中的平均提升为 12.19 分，对照组为 5.61 分，并且用户报告了更强的认知支持感受。项目已公开。
- AI 摘要arXiv cs.AI
arXiv 论文提出神经分诊解码，量子 LDPC 码延迟降低一至两个数量级
一篇提交到 arXiv 的论文提出「神经分诊解码」框架，用综合征一致性自适应分配神经计算量：本地神经消息传递网络先快速给出纠错预测，再通过追加迭代减少残余综合征违规，仅在少数情况下启动多样化阶段搜索一致解。作者称 Triage 解码器可处理编码数百个逻辑比特的超高码率 qLDPC 码，涵盖 lifted-product 与 Kasai 码，精度与接近最优的算法解码器相当，解码延迟降低约一至两个数量级。该设计源于对精确逐比特边缘解码器的分析，后者存在与码距无关的综合征不一致错误平台。
- AI 摘要arXiv cs.AI
论文提出语言模型与规则引擎耦合的十三种模式
一篇投稿于 arXiv cs.AI 的论文把语言模型与可执行规则语言的组合方式整理成十三种模式，沿用面向对象设计模式的目录体例，逐条给出意图、动机、适用场景、参与者、协作方式、后果、实现、已知用例与相关模式。其中四种模式界定模型与规则之间传递什么，五种界定谁控制谁，三种界定模型如何参与推理，一种界定知识如何随时间保留。论文还给出五条对所有组合都成立的约束，以及五种违反约束的失败模式，并把该目录与已有的混合式、神经符号系统分类法对照。作者提供的选择指南依据其测量结果，包括单独使用模型与混合方案效果相当或更好的情形，并报告每种设计的成本。
- AI 摘要arXiv cs.AI
论文提出用信息价值统一解决强化学习记忆的检索与信用分配
一篇被 CoRL 2026 机器人基础模型记忆研讨会接收的论文提出，强化学习中的记忆存在两个问题：注意力机制需要给整个存储打分才能找到相关条目，在机器人的延迟与能耗限制下代价高昂；检索到的记忆产生收益后，获取该记忆的信用需要跨越整个序列回传。作者认为这两件事都由同一个量——信息价值——支配，并提出用学习到的世界模型从存档的 rollout 中估计它。在观测处读取该量，可得到获取动作最优值的可证下界，从而为其 TD 目标设定下限，并把这份下限归因到带来收益的观测上；在决策处读取，则可定义最优检索集合。一个将用该信号训练和改进的试点检索系统在缩减的上下文中完成了记忆任务。
- AI 摘要arXiv cs.AI
HEMO 让自动算子设计的调度框架本身自我进化
论文提出 HEMO，把自动算子设计（AOD）中负责发现算子的调度框架本身作为优化对象。此前多数方法只进化算子，发现算子的流程保持固定，难以适应新的帕累托权衡与算子交互变化。HEMO 维护持久的框架状态，每次只更新一个模块，调整检索哪些经验、改进哪些算子、选择哪些父代以及如何编排搜索步骤，并以解的质量和运行时间指导更新，用折扣 UCB 调度器把调整导向效用变化的模块。持久化记忆文件系统跨框架状态保留候选结果与诊断反馈。在八个多目标组合优化任务和两种结构不同的进化骨干上，该方法优于传统进化、神经和基于 LLM 的 AOD 基线，并能迁移到相关任务。
- AI 摘要arXiv cs.AI
论文提出 HAIDL 交互描述语言及 JupyterLab 中间件 HAIDL…
一篇 arXiv 论文主张，人机交互不应被当作一次性的提示与响应，而应作为可留存的数据产品。作者提出 HAIDL，一种带类 BNF 具体语法的形式化交互模型，把每次交互编码为结构化对象，涵盖计算上下文、用户请求、提示内容、AI 响应、反馈、问题背景、来源与模型元数据。他们还在 JupyterLab 上实现中间件 HAIDL-X，用于捕获用户与机器人的状态、构建带上下文的提示、对接 AI 提供方、收集反馈并存入仓库；并在其上叠加学习层，将交互对象与 notebook 执行轨迹映射为参与度、表现、求助行为、面向错误的用法和学习画像等可复现指标。
- AI 摘要arXiv cs.AI
arXiv 论文提出 Assur-KB 表示，机构设计样本效率提升 1.8 倍
一篇投稿于 arXiv cs.AI 的论文研究平面机构行为的学习表示。作者提出 Assur-KB，用不可约模块、边界接口和求解依赖来描述机构，同时保留原始几何信息。理论部分刻画了模块接口间的迁移，并指出接口信息缺失与灵敏度累积带来的物理限制。实验在同一多层感知机家族内做受控对比，在 50 到 10,000 个机构的训练预算区间内，Assur 派生特征的样本效率相对扁平邻接与位置输入取得 1.8 倍几何平均优势。另有实验验证了关节重标记下的不变性、二元组合下更高的有效生成率，以及在 1002 万个机构上的更粗粒度结构索引。
- AI 摘要arXiv cs.AI
新算法在多项式空间内精确求解多类稠密 Max 2-SAT
一篇 arXiv 论文提出确定性多项式空间算法，可在若干类子句密度随变量数增长的实例上，以 O*(2^{(1-γ)n}) 的时间精确求解 Max 2-SAT。方法扩展经典 DPLL 分支：当变量取较差值时，比较该变量的两个取值可得到一条被某个最优解满足的剪枝约束，沿分支累积这些约束可剪掉除指数级小比例外的所有赋值。覆盖的实例类包括含大量偏置变量的公式、半随机 2-CNF 公式，以及正则扩展图与随机块模型图上的 Max-Cut。对半随机公式和块模型图，算法对每个输入仍精确，时间界以高概率成立。作者称这是首个对非平凡稠密 Max 2-SAT 实例类具有该运行时间的多项式空间算法，并提供了 Lean 验证项目。
- AI 摘要arXiv cs.AI
研究团队发布MTG-AD数据集与内联音频描述评测框架
研究团队发布MTG-AD数据集，包含36小时视频、平均每段约5分钟、共8000余条描述，由盲人与视力正常音频描述专业人员配对共同制作。同时提出MTG-AD-Eval评测框架，依据音频描述专家指南给出无参考的细粒度指标，并把生成的脚本渲染成音轨，检验其能否嵌入原视频的自然静音段、减少语音重叠。对前沿多模态大模型的测试显示，模型能准确描述视觉事件并明显降低语音重叠，但在叙事节奏与流畅度上仍有差距。自动指标与视力正常评分者及7名盲人或低视力参与者的评分显著相关；用户略偏好人工描述，但认为模型生成内容对理解很有帮助。
- AI 摘要arXiv cs.AI
arXiv 论文提出隐私预算分配新方法 PB-AMD
arXiv 收录一篇论文，研究在差分隐私随机梯度下降中如何把固定隐私预算分配到各次迭代。作者把完整的高斯噪声方差调度建模为组合零集中差分隐私约束下的开环控制，并证明在期望二次终端跟踪目标下，每个局部极小点都会耗尽认证预算，从而得到精确预算的单纯形形式。论文提出 Privacy-Budget Adjoint Mirror Descent（PB-AMD），把路径伴随梯度与熵更新结合，保持正值、计费下限与预算约束。在线性二次简化下，论文给出显式的平方根分配律。实验显示，该方法在跟踪效果上优于若干分配规则，在统一分配上具有预测优势；在相同平稳性容差下，调度优化耗时低于投影梯度下降。
- AI 摘要arXiv cs.AI
MASCAL：多智能体协作中引入校准置信度传递
针对多跳问答等需跨文档取证的任务，多智能体系统常由上游智能体产出中间答案与证据、下游智能体据此继续推理，但上游答案对错不一且缺少量化信号。论文提出 MASCAL，让每个智能体在强化学习中同时优化任务表现与置信度校准，学会为自身答案输出正确概率，并在交接时传给下游，使下游有量化依据判断是否采信或复核；最终答案同样附带校准概率。训练阶段引入置信度感知加权，提高对上游概率敏感位置的学习权重。在三种协作架构与 Web 检索推理任务上，该方法提升了双方准确率与校准质量，并可扩展到更长协作链与不同模型规模。