论文：AI 论文、技术方法与基准测试第 52 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
SpaceFlow：无需训练即可局部控制文本生成3D
该论文提出 SpaceFlow，一种无需训练的 3D 生成流程，输入为文本描述与一组几何基元。每个基元代表物体的一部分，并被赋予局部控制级别，用户可指定某些区域严格贴合输入形状、其他区域允许生成式补全。结构生成阶段在生成流过程中施加这些空间约束；外观合成阶段则对生成结构做分割并与基元匹配，每个生成部分只受其对应文本或图像提示约束，以减少跨部件串扰。区域几何指标显示，高控制区域能保持指定几何，低控制区域可产生合理形变；用户研究显示其在几何保真与生成自由度之间的平衡在整体质量上具竞争力。在固定几何上评估外观时，文本条件路由取得最优的提示忠实度与颜色/材质准确率，定性结果还展示了图像提示的局部路由。
- AI 摘要arXiv cs.AI
HRIL：用高阶张量建模多模态协同信息，被 NeurIPS 2026 接收
一篇被 NeurIPS 2026 接收的论文提出 HRIL 方法，针对多模态表示学习中「协同信息」难以保留的问题。作者指出，协同信号只在多个模态联合出现时才产生，无法从任何单一模态中还原，而这类信息体现在模态间的高阶统计依赖上。HRIL 在模态嵌入上构建经验交叉矩张量来表示多路交互，用 Tucker 分解得到核心张量，并加入协同感知正则项，避免能量集中、保留高阶耦合能力。在受控协同任务和真实基准上，该方法相对现有多模态对比方法取得一致提升，协同交互占主导的任务上增益更明显，代码已公开。
- AI 摘要arXiv cs.AI
GeoReform 用反思式形式化演化提升多模态几何解题
一篇 arXiv 论文提出 GeoReform 框架，把几何图形的形式化过程当作可优化的策略，而非固定的解析器输出。它先跑完整推理流程，收集失败的 rollout，诊断当前表示中的缺陷，再变异策略，以更好地选择、定位、分组和呈现几何实体、关系、约束与目标。在 Geometry3K 上，该方法把 Qwen3VL-2B 的准确率从 42.0% 提升到 56.0%。论文指出，仅注入结构会修好 28 个错误却引入 13 个新错误，冗余关系和歧义引用会干扰模型。
- AI 摘要arXiv cs.AI
ARC 提出机器人基础模型推理配方，零样本性能最高提升 50 个百分点
一篇 arXiv 论文提出名为 ARC 的推理配方，用于提升现有机器人基础模型的零样本任务表现，无需更大模型、更多机器人演示或大规模训练。ARC 包含三部分：以机器人下一步动作及其因果结构为基础的推理轨迹、可扩展的自动标注流程、以及让预训练模型学会用这些轨迹做控制的适配策略。推理轨迹可由现有演示自动生成，作者据此从 DROID 构建了 ARC-Trace-DROID，未采集新机器人数据。该方法适配 π0.5 等 VLA 与 Cosmos3-Nano-Policy 等 WAM。适配后模型在 RoboLab-120 与 MolmoSpaces 上取得新的最优结果，RoboLab-Reasoning-50 上提升最高 50 个百分点；真实机器人上 π0.5 的任务成功率提升 82.2 个百分点。
- AI 摘要arXiv cs.AI
OnTrack：流式监控LLM智能体轨迹，毫秒级阻断失败运行
研究者提出OnTrack，一种流式监控机制，将智能体当前步骤与依赖同已记录的成功运行轨迹对比，可在每步约一毫秒内提醒用户或阻断智能体。论文按数据访问权限递减划分三种场景：可获取历史运行与工具模式、仅可获取工具模式、仅有步骤日志，监控能力随之从计划违规检测降至识别循环、停滞与重复工具调用。在SWE-bench轨迹上，仅用前8步，该方法区分失败与成功轨迹的AUROC比内容相似度方法高0.057；配合中止策略可节省约18%的算力，被中断的运行中83%确实走向失败。
- AI 摘要arXiv cs.AI
HANS：面向手写答题纸噪声混合文档解析的数据集与NA-GOT框架
研究者发布HANS数据集，针对学生答题纸场景，涵盖数学表达式、自然语言文本、手绘表格以及涂改、删除等噪声模式，并提供细粒度标注。该数据集被描述为首个明确面向真实教育场景构建的此类数据集。基于HANS，团队提出NA-GOT端到端框架，通过特征级轻量噪声抑制模块与解码阶段的噪声感知注意力机制实现两阶段噪声抑制。实验显示HANS对现有方法构成显著挑战，而NA-GOT在答题过程识别的准确率与稳定性上均有明显提升。数据集将在论文发表后公开。
- AI 摘要arXiv cs.AI
研究：法律推理模型引用法条不等于依据法条判决
一篇 arXiv 论文用反事实方法检验法律领域思维链的可信度：在案件事实不变的前提下，把模型引用的法律依据替换为无关依据，再从隐藏状态解码其判决变化。测试覆盖 7 个开放权重模型（8B 至 70B）与 4 个基准。当被明确要求点名适用依据时，模型有 66.7% 至 100% 的生成给出正确依据；但依据被替换后判决随之改变的比例低得多：CaseHOLD 上为 0.0% 至 21.7%，ECHR 与 SCOTUS 上为 30.0% 至 76.7%，ContractNLI 上为 43.3% 至 50.0%。扩大规模或专门的法律推理模型都未能弥合这一差距。
- AI 摘要arXiv cs.AI
研究提出评估LLM智能体认知谦逊的ISE框架
一篇投稿EMNLP 2026的论文提出用「认知谦逊」评估智能体在知识冲突下的表现，即智能体是否愿意识别、处理并表达不确定性。作者将认知谦逊拆解为Identify、Solve、Escalate三个轨迹级行为维度，设置受控冲突与多步执行中的自然冲突两种场景，并各配无冲突对照组。对四个智能体的评测显示，任务准确率更高并不代表认知谦逊更强：部分高准确率配置能在执行中识别冲突，却在最终错误答案里不说明未解决的不确定性。轨迹分析还发现，智能体常在早期步骤发现冲突，却在后续步骤中未能维持或解决。模型层面的干预可提升认知谦逊，但往往以任务准确率为代价。
- AI 摘要arXiv cs.AI
GPD：用路由式3D特权蒸馏提升VLM空间推理
针对视觉语言模型空间推理弱、RGB输入缺少几何证据的问题，论文提出GPD（Geometry-Privileged Distillation），把几何证据作为在线策略自蒸馏中的特权信息。做法是：对每个问题，将深度、语义与鸟瞰图（BEV）线索渲染为紧凑文本，与参考答案一起路由给教师模型；仅对错误轨迹施加特权KL，用于增强GRPO，而部署模型仍只使用RGB输入。在4B骨干上，GPD在VSI-Bench取得57.1，在MindCube、SPARBench、MMSI-Bench、ViewSpatial上平均37.6，优于GRPO与答案特权OPSD。消融实验验证了3D特权与答案特权的互补性、问题条件路由优于全上下文注入，以及仅对错误轨迹蒸馏的收益。
- AI 摘要arXiv cs.AI
论文提出PASS方法：长尾分布下自适应选择SFT指令
一篇投稿于arXiv的论文指出，监督微调（SFT）中不同概念获得的预训练支持差异明显：高频概念学得好，稀有概念表征弱。作者提出「先验壁垒」这一概念，用来衡量预训练模型对竞争概念相对目标概念的支持强度，并发现先验壁垒呈长尾分布，头部概念起点低、尾部概念起点高，需要更多指令才能跨越。基于此，作者提出PASS，一种自适应SFT指令选择方法：构造参考衍生概念，估计每条指令提供的区分性证据，并在有限预算下把选择额度分配给当前覆盖不足的概念。实验显示，该方法在四种骨干模型与预算设置下均优于七种现有指令选择方法，消融实验表明自适应分配优于均匀分配。
- AI 摘要arXiv cs.AI
arXiv 论文提出对抗启发式学习范式并发布 AAArena 基准
一篇 arXiv 论文形式化提出对抗启发式学习（AHL），把 AI 智能体当作学习引擎，在模型权重不变的前提下改写可执行策略与配套软件。作者同时发布 AAArena 基准，包含 12 款真实对抗游戏与 1920 份人类程序存档，评测流程参照现实游戏竞赛。智能体需自行解读规则、挑选对手、分析回放并修改游戏智能体，在固定对局与评测预算内争取最高排名。在已评测的模型与工具组合中，Opus5.5 搭配 Claude Code 拿到 6 枚金牌，其余 6 条人类天梯无人登顶；规则说明越复杂，表现越弱。
- AI 摘要arXiv cs.AI
ContiLNN 用液态神经网络缓解医学图像切片采样不连续
该论文提出 ContiLNN，在二维复原骨干网络上加入双向闭式连续时间（Bi-CfC）模块做跨切片建模，同时保留平面内特征提取。切片索引间隔调制由局部特征与隐藏状态决定的门控，使传播能响应采样变化，且无需数值 ODE 积分。方法还引入参考引导一致性对齐一阶与二阶跨切片强度差，并用冻结骨干蒸馏保持平面内保真度。在五个训练种子下，CT 去噪、MRI 超分与低计数 PET 复原的平均 PSNR 相比 Restore-RWKV 分别提升 0.1907、1.0176、1.2482 dB，三项任务 RMSE 均更低。
- AI 摘要arXiv cs.AI
RiCo：用局部接触推理做刚体交互神经模拟
一篇 arXiv 论文提出 RiCo（Rigid-body Contact Reasoning），把物体间的交互表示为接触表面点的稀疏邻域，将每个点的状态与邻近表面的相对几何、运动和物理属性结合，再在物体内部各点之间推理局部接触如何共同影响运动。该方法把跨物体推理限制在邻近表面、把接触信息在刚体内部传播，从而在不必建模场景中每一对点的情况下保留细粒度交互细节。在 MOVi 基准上，相比基线，100 帧位置与朝向误差分别降低 31-35% 和约 38%；接触保真度方面，相对真值的穿透时间差为 11.0%，平均深度差为 2.22 毫米。该方法还能从训练时的小规模场景零样本泛化到含 270 个物体的场景，真实世界多球碰撞实验提供了 sim-to-real 迁移的初步证据。
- AI 摘要arXiv cs.AI
新框架融合随机试验与观察数据估计处理效应
一篇 arXiv 论文提出 Prediction-Powered Data Fusion 框架，用于处理效应估计。该方法针对随机对照试验样本小、观察性研究样本大但可能存在混杂的问题，在不假设观察数据无混杂的前提下，保留随机试验估计的无偏性，同时借助大样本观察数据提升精度。基于该原则，作者构建了具有闭式权重与置信区间的 ATE 估计量 AIPW-Fusion，以及两个 CATE 学习器 DR-Fusion 和 R-Fusion，并通过实验验证了结果。论文共 35 页，代码已公开。
- AI 摘要arXiv cs.AI
DeltaReplay：移动GUI智能体的步级记忆复用框架
针对记忆增强型移动GUI智能体存储的执行轨迹难以与新任务完全匹配的问题，研究者提出DeltaReplay，一种步级记忆复用框架，在不修改已有记忆的前提下决定如何使用它。该方法将执行轨迹存为转移图中的路径，节点为页面、边为页面间动作，以捕捉页面级一致性与动作级通用性；复用时把每条边上的动作拆分为任务无关操作与任务特定参数，再逐步比对记录步骤、新任务与当前屏幕，决定跟随、替换参数后执行，或交给基础智能体。在AndroidWorld与SPA-Bench上，相同骨干下任务成功率分别最多提升10.3与25.0个百分点。
- AI 摘要arXiv cs.AI
arXiv 发布合成血管预测表示的可执行审计研究
一篇 arXiv 技术笔记提出用可执行数值审计区分预测等价、语义支持与科学接受三件事。作者用容量匹配的最小二乘预测器做实验：在完整固定输出变换下预测器完全等价，而仅靠锚点的观察者只能在已知扰动签名张成的范围内恢复解释。64 个随机种子下的六组三维配置中，配对预测最大差异为 6.7e-15，但未传输编辑误差中位数为 1.513，坐标传输可消除该误差。另在 3 至 24 维做 256 次拟合，预测等价性保持在 4.0e-15 内。作者还构造九类可运行故障，576 次故障执行全部完成但均违反至少一项契约，320 条有效对照记录全部通过。
- AI 摘要arXiv cs.AI
论文提出三维框架统一比较图搜索、强化学习与大模型推理方法
一篇投稿于 arXiv 的论文提出三维表征框架，用于在统一条件下比较不同范式的序列决策方法。该框架把方法映射到马尔可夫决策过程形式化，按人类先验排名衡量自主程度，并考察技能与计算开销。作者据此分析了图方法 Neurosolver、前向-后向强化学习 FBRL，以及基于大模型的 AutoToS 与其双智能体扩展 DA-ToS，测试任务为汉诺塔。结果显示，大模型方法因动作空间约束较弱，把复杂度从架构转移到推理时验证，内存与运行开销明显高于前两者。
- AI 摘要arXiv cs.AI
VenusRX-Bench 与 VenusRX：酶促反应统一基准与预训练模型
研究把酶促反应建模为连接反应物、产物与 EC 注释的空间，提出统一基准 VenusRX-Bench，覆盖正向反应预测、单步逆合成与 EC 编号预测，整合多个生化数据库并做标准化整理、防泄漏划分与一致评测。对代表性化学与酶模型的测试显示存在化学到酶促的领域差距，原因包括领域数据有限、依赖催化上下文、大生物分子结构难建模。为此提出 T5 风格序列到序列模型 VenusRX，联合学习正向预测、逆合成与反应重构，先在上百万模板扩展反应上训练，再用真实生化反应做第二阶段训练，并可选 EC 条件注入催化上下文，用分子库约束解码改善复杂生物分子生成。
- AI 摘要arXiv cs.AI
arXiv 论文扩展冲突解决图模型，引入状态保持行动与四值评估
一篇提交至 arXiv 的论文在冲突解决图模型（GMCR）中引入「状态保持行动」概念：公告、演习、泄露和选择性披露既不改变物理状态，也不属于不作为，而是改变其他决策者对可用行动及他人意图的认知。作者用认知状态扩展状态定义，并基于此前的四值 GMCR 扩展，区分支持与反对证据，证明支持证据只能启用感知行动、反对证据只能禁用行动，且矛盾评估在单调累积下具有吸收性。论文还区分能力评估与意图评估：前者影响所有基于制裁的稳定性概念及决策者自身的 Nash 稳定性，后者只影响序贯稳定性。在 1995 年 DVD 格式谈判案例中，一般元理性无法区分阶段，而序贯稳定性可以。
- AI 摘要arXiv cs.AI
HI3D 3.0 发布：2048³ 分辨率水密网格的图像转 3D 系统
该工作提出图像转 3D 系统 Hi3D 3.0，其几何模型 Twinkle3D 可生成 2048³ 分辨率的水密三角网格。针对 O-Voxel/FaithC 表征精度高但表面质量差、非水密的问题，在保留同等精度的同时做了改进。通过重新设计的 DiT 架构与大规模分布式训练优化，扩散生成扩展到最多 30 万几何 token 的序列，单步训练时间从约十分钟降至约十秒。作者称单阶段模型在 512³ 细化上超过此前的两阶段流程，并引入细粒度图像—3D 跨模态交互机制，以更好还原铭文、品牌标记和重复结构等决定物体身份的特征。评测采用轮廓与法线场导出的对齐指标，Hi3D 3.0 在所有报告指标上优于四个商业系统。