论文：AI 论文、技术方法与基准测试第 53 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
MicroRTS 新方法：约束命令条件 PPO 加 Bandit 策略选择
一篇投稿于 arXiv 的论文提出把实时策略游戏中的战略选择与单位控制拆开：由 Thompson 采样 bandit 充当「战略家」，依据游戏内观测估计对手策略，从命令元组中挑选目标；一个受约束的命令条件 PPO 策略充当「执行者」，把离散命令翻译成单位级动作。命令覆盖经济、兵种构成、军事姿态与工人策略，跨多个环境步生效。在与同架构、同预算、同课程与自对弈联盟训练的扁平 PPO 基线对比中，该系统在训练地图四个最强对手中的三个上胜率显著更高，包括两个最强的留出对手，胜率分别从 0.55 升到 0.97、从 0.01 升到 0.34，对其余对手无显著差异。
- AI 摘要arXiv cs.AI
arXiv 论文提出拉马克进化框架，用于自动驾驶训练策略发现
一篇提交至 arXiv cs.AI 的论文提出用拉马克进化框架替代基于真实性、难度或风险等代理指标的自动驾驶训练场景分布构建方法。作者把训练策略发现问题建模为多阶段双层优化，外层用达尔文式交叉、变异与选择探索场景分布空间，内层进行策略学习并通过拉马克式继承把能力传递到后续阶段，使场景分布与策略能力共同演化。实验显示，完整框架相比基线把性能损失最多降低 25.07%，轻量化策略仍可降低 19.13%。代码已在 GitHub 公开。
- AI 摘要arXiv cs.AI
DIAL-OPD 提出按学习价值选 token 的在线蒸馏方法
一篇投稿于 arXiv 的论文提出 DIAL-OPD，用于在线策略蒸馏（OPD）中的 token 选择。作者发现只用部分 token 训练可以优于全 token 的 OPD，因此主张按学习价值挑选 token。已有基于分歧的准则忽略概率尺度，被师生双方都赋予极小概率的 low-low token 会拿到很大的对数比奖励，反而妨碍学习。DIAL-OPD 用师生概率的对数均值对奖励幅度加权，把对数概率空间与概率空间衔接起来，并用参数 beta 控制权重，保留得分最高的 token。在 4 组师生配对、7 个数学推理基准上，与 9 个基线比较，仅保留 40% token 即超过 Vanilla OPD 及其全 token 变体。
- AI 摘要arXiv cs.AI
论文提出先演化harness再训练权重的诊断式干预规则
一篇 arXiv 论文研究长程 LLM 智能体的改进路径：是演化冻结模型外围的 harness，还是训练模型权重。作者用自演化 harness 先提升系统表现，再把基础权重与训练后权重同种子、演化后的 harness 交叉组合，观察哪些收益能被训练保留、哪些仍依赖运行时。方法按失败轨迹中首个触发的信号分类，把失败分为流程类（调用被阻塞、循环、步数预算耗尽）与内容类（交付的方案质量差）。结论是 harness 演化修流程类失败，其行为可被训练进权重，内容类失败才该交给权重训练。
- AI 摘要arXiv cs.AI
本地LLM驱动的可溯源动态访谈架构发布，246人验证
一篇被 Springer Nature 丛书收录的论文提出「证据可溯源动态访谈架构」，用本地部署的大模型在整段对话中根据受访者回答持续调整提问深度。系统包含五个提示驱动的模块，并维护持久的访谈状态记录，实时刻画受访者专业水平以生成难度匹配的问题、表述和过渡语。在 246 名参与者上的评测中，专业刻画模块与独立报告的专业水平完全一致率为 78.9%，加权 Cohen's K 为 0.80；迭代提问模块显示出专业水平与问题复杂度的强关联；参与者对相关性、参与度和满意度的评分均值分别为 4.41、4.32 和 4.38。
- AI 摘要arXiv cs.AI
SkillContrast：免训练选择器提升智能体技能重排效果
一篇 arXiv 论文提出 SkillContrast，一种免训练的选择器：它对比检索到的相似技能，保留彼此不同的文本及局部上下文，再交给预训练重排器。在 SameCapRisk-Bench 的 1,235 条请求上，相同单候选输入长度下，它比 TF-IDF 查询选择多出 54-72 个 clean hits，覆盖 2 种检索器与 2 种重排器规模。长度匹配的组件替换实验显示，差异文本是主要贡献来源，上下文影响较小且方向不一。相比输入完整技能正文，该方法减少 51.1-58.8% 的模型输入 token；在 0.6B 模型上 clean hits 少 10-18 个，在 4B 上持平或更高。
- AI 摘要arXiv cs.AI
研究：编码智能体共装技能冲突，任务通过率掩盖核心功能丢失
一项针对编码智能体技能冲突的实证研究指出，技能来自团队、开发者、插件等独立来源，功能相近的技能可能被同时安装，模型仅凭名称和描述选择执行哪一个。冲突发生时，被安装技能的核心功能会丢失，例如禁止改动 git 的约束被绕过，但任务仍能通过，因此只看任务完成度的基准测试无法发现这类问题。研究从 20,947 个仓库快照中挖掘出 822,109 个候选相似技能对，由大模型评审 3,754 个分层样本，并在三个模型上运行 312 个确认对，共 6,368 次运行、169,294 次工具调用、542 个智能体小时。
- AI 摘要arXiv cs.AI
LTBD：用可学习信任边界分隔符防御提示注入
一篇 arXiv 论文提出 LTBD，一种轻量级提示注入防御方法。它不改动大模型参数，而是用少量可学习分隔符在输入中显式编码信任边界，把可信的用户指令与不可信的外部数据区分开，让模型更好地遵循预期的信任层级。实验显示，LTBD 明显优于推理时防御手段，与基于训练的方法表现相当，同时保持正常任务效用、推理开销可忽略。在 AlpacaFarm 上攻击成功率 0.00%，在 TaskTracker 上为 0.11% 至 0.19%，在攻击者完全了解防御并试图绕过的自适应攻击下仍然有效。
- AI 摘要arXiv cs.AI
研究对比18种网络架构，用骨骼关键点估计手势速度
一篇投稿于 arXiv 的论文对十类序列任务做了系统基准测试，覆盖循环、卷积、注意力与集合函数等十八种网络架构，并叠加多种预处理与目标变量变换，形成超过二百五十种实验配置。所有变体在固定随机种子、共享超参数与数据划分下训练测试。十项任务综合排名中，BiGRU、TCN、Conv1D 与 GRUReLU 四种架构表现稳定靠前，基准设置下参数量均低于两千，适合实时部署。作者随后用 BiGRU、TCN、GRUReLU 三种架构，从骨骼关键点序列估计动态手臂手势的执行速度，在八类交通相关手势、共 256710 帧的自建数据集上评估峰值计数、周期时间与平均尖峰间距三种速度解释。峰值计数解释下平均绝对误差 0.198，相对误差约 5%；周期时间约 4%；平均尖峰间距约 8%。
- AI 摘要arXiv cs.AI
论文提出 LS-LoRA：按层选择适配位置以兼顾任务与通用能力
一篇 arXiv 论文研究微调该放在哪些 Transformer 层。作者发现不同层带来的目标任务收益与通用能力退化程度不同，并用逐层经验 Fisher 信息衡量任务敏感度；由于计算 Fisher 需要反向传播、对大模型开销大，论文改用输入输出余弦相似度作为仅前向的轻量代理指标。基于相似度低的层 Fisher 分数更高的观察，作者提出 Layer-Selective LoRA，只在输入输出相似度低的层放置可训练 LoRA 适配器。在数学推理与代码生成任务上，该方法目标任务表现优于全层 LoRA，同时保留更多常识推理能力。
- AI 摘要arXiv cs.AI
TAM：任务感知记忆蒸馏提升时空预测效率
研究者提出 TAM 框架，把冻结教师模型的知识组织成有界、可检索的历史记忆，记忆条目编码潜在特征、预测变化或流残差，并由任务特定的选择规则挑出相关历史参考。学生模型要么匹配教师对共享参考的相似度分布，要么回归以观测为条件的残差原型，这些目标与监督预测和常规蒸馏互补。教师、记忆与辅助适配器只在训练阶段使用，学生推理过程不变。在视频预测、天气预报和交通流预测上，四次配对运行平均后，TAM 在六个视频数据集上全部提升 SSIM，在五个数据集上降低 MSE，KittiCaltech、WeatherBench（gSTA 教师）与 TaxiBJ 的平均配对 MSE 降幅分别为 1.86%、1.93% 和 1.01%。
- AI 摘要arXiv cs.AI
AgentEvolver 发布：任务执行中自进化，SWE-bench Pro …
一篇 arXiv 论文提出 AgentEvolver，让智能体在执行任务的过程中积累可复用能力，同时保持基础模型不变。系统把可复用操作、方法、智能体、控制流、接口与支撑状态等八类实体纳入统一的版本化生命周期，由共享 Runtime 协调，并用持久化规划与可恢复上下文保留任务方向与证据。在 SWE-bench Pro Public 上，团队报告带进化时解决率为 82.08%，高于其报告的无进化基线；六个应用案例显示能力被保留并进入后续网站、游戏与研究工作，同时也记录了未完成目标与一次失败策略。论文指出，可复用组件的改进与最终任务成功是两回事，独立任务迁移与总开发成本仍未解决。
- AI 摘要arXiv cs.AI
CAMEO 框架用多图证据生成超声报告，临床评分提升至 74.20
一篇被 BMVC 2026 接收的论文提出 CAMEO，用于从多张超声图像生成报告。作者指出，存档关键帧只覆盖动态检查的一部分，直接模仿原始报告会让模型写出图像中无法验证的内容，形成临床行为对齐问题。CAMEO 分三阶段：先学超声视觉语言基元，再通过跨视角证据接地把可信的可见报告要点蒸馏为多图问答与报告式监督，最后用面向临床错误的偏好对做偏好对齐。基于 USReport 构建了 17,670 条证据接地配对图像训练实例与 21,869 对偏好数据，并引入 25,631 条 PubMedVision-US 指令样本做域适应。在 USReport-Distilled 基准上，BLEU-1 从 0.25 升至 0.40，ROUGE-1 从 0.28 升至 0.45，METEOR 从 0.27 升至 0.43，ClinicalScore 从 55.02 升至 74.20。
- AI 摘要arXiv cs.AI
NanoProof：Lean 4 开源定理证明器发布，训练数据与权重全公开
NanoProof 是 Lean 4 中首个将训练数据、抽取工具、训练流程与权重全部公开的因子化执行引导定理证明器，可完全用开源资源复现。作者同时发布了结构化证明树数据集，以及用于在 Lean 4 形式化验证器内进行程序化交互与数据抽取的工具。为支持可持续研究，该工作侧重计算效率，以降低训练与评估门槛。在 MiniF2F-Test 上，NanoProof 取得 50.8% 的 pass@16，超过同类中最接近的 HyperTree Proof Search 和 ABEL，计算量分别约为其九十分之一和七分之一，比 AlphaProof 少四个数量级以上。作者指出，更强的开放权重证明器存在，但它们由大型预训练语言模型微调而来，既不公开训练数据也不公开流程；NanoProof 表明这类证明器可用有限资源从零重建。
- AI 摘要arXiv cs.AI
EMFA：面向LLM多智能体系统的错误传播建模失败归因方法
一篇投稿于arXiv的论文提出EMFA方法，用于LLM多智能体系统的失败归因。该方法将失败轨迹构建为结构化表示，同时建模级联传播与持续交互循环，再通过传播感知的候选筛选与反事实验证，定位决定性的智能体-步骤对。在Who&When基准上，EMFA取得当前最优的步骤级归因准确率，智能体级表现也具竞争力；相比此前最佳步骤级结果，在Hand-Crafted与Algorithm-Generated两个子集上分别提升3.45与4.40个百分点。
- AI 摘要arXiv cs.AI
研究：大模型版本更替削弱AI代写论文检测可靠性
一篇 arXiv 论文量化了大模型版本更替对学术手稿筛查的影响。作者将《美国国家科学院院刊》4,000 篇 ChatGPT 之前的摘要，与三家厂商在 2023 年 6 月至 2026 年 8 月间发布的 23 个模型版本的改写版本配对，并在从每次新版本都重新训练到训练一次不再更新的多种维护场景下训练检测器。结果显示，仅用某厂商历史版本训练的检测器会在代际边界处失效：在误报 1% 人类摘要的校准下，边界前可捕获超过 99% 的改写，边界后仅 3.8%。用较新版本训练的检测器也会漏掉较早版本的改写。在两种模拟筛查场景中，覆盖全部 23 个版本的筛查要么误标八分之一的人类摘要，要么漏掉最新版本三分之一改写。一个商业检测器漏掉了最尖锐边界之后版本的多数改写，同时几乎不误报人类摘要。作者认为，研究诚信政策应把检测器的基准准确率视为临时性的，每次模型发布后都需重新验证。
- AI 摘要arXiv cs.AI
RucTangle：让编码智能体的提交保持可运行
针对编码智能体生成的大块混杂补丁难以审查的问题，论文提出 RucTangle，一种在拆分提交时保证每次提交后代码仍可运行的智能体方法，并配套 TangleEval 评估框架，量化整理后的提交历史如何帮助编码智能体修复缺陷。在 131 个智能体生成的补丁上，RucTangle 产出的历史全部可运行，基线方法有 20.6% 至 37.4% 的历史不可运行。另用 453 个引入回归的补丁测试，将 RucTangle 生成的历史加入智能体上下文后，pass@1 绝对提升 5.2%。
- AI 摘要arXiv cs.AI
研究将英语质量分类器扩展至百余种语言用于预训练数据筛选
一篇 arXiv 论文提出多语言适配方法，把已有的英语质量分类器改造成多语言版本，用于大模型预训练数据筛选。做法是在仅含编码器的 Transformer 模型嵌入之上训练一个小型多层感知机，输入多语言文本，标签来自英语分类器对机器翻译文本的打分。在 1B、3B、8B 三种规模实验中，该方法在保持下游基准表现的同时未损害区域与文化知识类基准。研究还比较高质合成数据与网页样本的分类器得分，并考察其与基于大模型打分的相关性。
- AI 摘要arXiv cs.AI
论文提出Ledger构建具身助手持久3D物体记忆
针对具身助手从第一人称视频构建长程物体记忆的需求，论文提出Ledger系统。该系统融合物体位置、历史与上下文描述，跨记录关联观测并在物体离开视野后保留信息，包括未触碰物体。系统按静止位置聚类观测，需重复证据才记录移动以抑制定位噪声，并用短描述保留内部物品或支撑面等细节，后续无需访问原始影像即可回答空间问题。在HD-EPIC与UCS-Bench基准上，准确率分别从29.7%升至42.6%、从33.8%升至38.5%；在Ego4D上返回预测的中值定位误差为0.99米。
- AI 摘要arXiv cs.AI
新框架ExpDis将RLVR探索与优化解耦，数学推理超DAPO
针对语言模型在可验证奖励强化学习（RLVR）中引入新颖性激励易导致模型质量下降且难以恢复的问题，研究者提出Exploration-Distillation（ExpDis）框架。该框架将探索与优化解耦：先训练带新颖性奖励的探索策略，过滤其正确且高质量的轨迹，再蒸馏给不带新颖性奖励的学生策略，并交替迭代多轮。在相同计算耗时下，ExpDis在七个数学推理基准和两个模型家族上优于DAPO，且pass@k缩放表现更优，表明其能生成更多样化的正确解。