论文：AI 论文、技术方法与基准测试第 65 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
研究提出GracrBench：基于编译的GNN解释器严格评测基准
当前图神经网络解释器常以合理性评估，即对比预设真实原因，但这默认了模型依赖该原因，而该假设在多个主流基准上被打破（如仅凭度统计即可解题）。为消除此混淆，研究提出Gracr编译器，将分级模态逻辑公式转为GNN权重，使模型行为由构造可知，从而精确计算真实解释。基于此构建的GracrBench基准，对6任务11解释器的测试发现，多数解释器对间接影响或同公式不同实现缺乏鲁棒性。
- AI 摘要arXiv cs.AI
JOVE框架优化LLM任务图执行与验证，降本提速超3倍
针对复杂推理任务分解至异构LLM时子任务适配度未知且输出难判正确性的痛点，JOVE框架提出联合分配执行模型与选择中间输出进行付费验证的在线机制。验证异步运行并反馈以优化后续分配，系统通过求解混合整数线性规划来决策，在线学习更新模型质量估计并引入信息增益奖励。在长期预算与单次查询延迟约束下，该框架在四个推理基准上保持竞争力准确率的同时，将平均成本与延迟降低至少3.17倍。
- AI 摘要arXiv cs.AI
EVOL框架解决学习路径推荐稀疏奖励难题，已获CIKM2026接收
针对强化学习做学习路径推荐时面临的组合搜索空间超指数增长与真实专家路径缺失双重障碍，EVOL框架引入机器人学中的模拟器示范学习思路。它借助知识追踪模拟器，通过进化搜索为每位学习者合成专属专家示范，再将示范蒸馏至前馈学习器以获取免部署策略。在ASSIST15等三个数据集及不同路径长度下，该框架表现超越八种基线方法，且最终效果取决于进化专家质量而非特定模仿目标。
- AI 摘要arXiv cs.AI
SPEAR模型提出：基于频谱解耦与知识引导聚合的大规模PDE预训练
针对现有偏微分方程（PDE）基础模型在异构动态下存在知识干扰与专家冗余问题，SPEAR模型被提出。该算子将潜特征解耦为低高频分量，分别建模可迁移动态与特定模式，并采用知识引导的聚合策略，依据数据集学习知识与路由偏好衡量专家相似度以合并冗余专家。在十二个PDE数据集及下游任务验证中，该策略在保持或提升预测精度的同时，将专家数量削减50%，实现了效率与泛化的平衡。
- AI 摘要arXiv cs.AI
新推理策略CPF-DDNM提升图像不可见结构恢复效果
针对严重病态成像逆问题，研究者提出CPF-DDNM推理策略，通过融合连续的测量感知估计，改善扩散模型对不可见图像结构的恢复。该方法无需重新训练或额外去噪评估，在DDNM的值域/零空间分解下，仅作用于先验驱动的零空间估计，保持测量决定成分不变。在稀疏视图CT、模拟低剂量CT及医学图像超分实验中，该策略较DDNM有一致提升，且与其他扩散逆问题求解器性能相当。
- AI 摘要arXiv cs.AI
研究揭示模型记忆事实不等于能检索提取
模型在以“X的首都是Y”训练后，能补全“X的首都是”得出Y，却无法回答“X的首都:”。这种同一事实的不同触发方式被称为请求形式。为区分事实学习与检索，研究分两阶段训练双模型：首阶段让一模型接触五种事实形式，另一模型仅看单一形式，以此剥离记忆与提取能力的差异。
- AI 摘要arXiv cs.AI
WAMpy框架实现Prolog程序高效合成
WAMpy是一个专为在Python中高效合成Prolog程序打造的框架，面向需反复生成与评估小型候选程序的负载。它将Prolog子句编译为基于NumPy数组的WAM指令，支持针对固定背景知识的局部重编译，并用Numba的JIT加速关键例程。在重复编译与评估的基准测试里，其端到端表现优于经Janus从Python调用的SWI-Prolog。该工作已被IJCLR 2026接收为演示。
- AI 摘要arXiv cs.AI
D2K-Bench发布：评估LLM代理将专家设计转化为GPU内核的效率
D2K-Bench是一个包含26个任务与85个工作负载的诊断基准，用于衡量LLM代理在专家指导下生成高效GPU内核的能力。指导涵盖高层算法、数据流设计与底层优化三个层级。在NVIDIA B200 GPU上对五个模型的测试表明，引入指导后，超130个模型-任务对的正确率从93.1%升至98.5%，全部任务的性能评分从1.46升至1.95。GPT-6-Astra等三个前沿模型在所有任务均提交正确时，几何平均加速比从1.69倍增至2.49倍，五模型平均综合实现得分从57分升至70分。
- AI 摘要arXiv cs.AI
研究提出用不确定性评估扩散模型生成医学影像的解剖正确性
扩散模型能从非增强CT合成增强CT，从而避免造影剂带来的患者风险与环境成本。然而，视觉逼真不代表解剖结构无误，当前评估生成质量的像素强度与特征空间相似度指标无法直接衡量解剖正确性。该研究提出将不确定性作为代理指标，用于检验基于扩散模型的医学图像合成中的语义正确性。
- AI 摘要arXiv cs.AI
EXAQC框架实现量子电路自动发现，图像分类参数量大幅减少
针对混合量子经典神经网络中量子电路架构多依赖人工预设的问题，EXAQC框架将其扩展至图像分类领域，能自动演化出参数化量子电路作为中间处理模块。在MNIST、Fashion-MNIST和CIFAR-10上，该框架分别取得98.42%、90.62%和85.47%的准确率，所用门数与其他量子架构搜索方法相当。与经典网络相比，演化出的混合模型在保持相近准确率的同时，可训练参数量大幅降低，如在CIFAR-10上比10层CNN少超25倍参数。此外，旋转编码（RX、RY、U3）在CIFAR-10上比振幅编码准确率高22至25个百分点。该论文正审稿于ICLR 2027。
- AI 摘要arXiv cs.AI
研究提出基于SLM的智能体任务意图校验方法
针对配备工具的AI智能体可能偏离任务意图发起调用的问题，该研究探索用小语言模型（SLM）作为分类器，独立评估每次工具选择与任务的关联度并输出校验信号。研究构建了横跨不同MCP服务器的多工具任务数据集，通过提示优化、监督微调及GRPO强化学习对SLM进行专门优化，以实现低延迟、可本地部署的单次调用监督。
- AI 摘要arXiv cs.AI
COFLOW方法实现流模型自适应步数选择，视觉生成提速超2.5倍
针对Flow Matching推理成本高的问题，研究者提出COFLOW推理阶段方法。该方法依据提示特征自适应决定每次生成的步数，通过无监督奖励在线训练以平衡效率与保真度。其即插即用，无需重训底层生成模型，适用于图像与视频生成，在保持感知和语义质量的同时实现超2.5倍加速，并给出O(1/K)离散误差界。该论文被NeurIPS 2026接收。
- AI 摘要arXiv cs.AI
KV²方法实现KV缓存自精炼，极低预算下大幅提升长上下文性能
长上下文模型的KV缓存显存占用制约其实际应用，尤其在单次预填上下文服务多查询时成本突出。Johannes Wesch等人提出KV²，一种基于选择性重构的查询无关KV缓存压缩法。它先用轻量代理评分器筛选高信息量词元，再仅对子集重算驱逐分数。在RULER、Needle-in-a-Haystack和LongBench评测中，随缓存预算收紧，其优势扩大：在RULER 16K且预算仅2%时，较次优基线平均提升超40个百分点；在LongBench的2%至10%预算下取得最高平均分，且压缩阶段运行耗时与峰值显存均低于全上下文重构，证明可复用压缩无需重处理全部上下文。
- AI 摘要arXiv cs.AI
研究提出训练方法让LLM依据证据结案
事故调查中，大语言模型常在证据不足时过早结案。未训练的9B模型97%的回答存在夸大证据；能找准84%原因的边界模型仍有91%夸大，且误判17起官方定为原因不明的案件。研究构建含731个审核案例的Nautil数据集，提供教师轨迹与反事实证据。微调9B模型使其结案依赖证据，夸大率降至35%，正确且无夸大结论升至43%。再用强化学习仅奖励结案决策，平衡准确率升至83.3%，但证据依赖度有所牺牲。
- AI 摘要arXiv cs.AI
研究揭示同策略蒸馏致模型崩溃机制及缓解方案
同策略蒸馏（OPD）是大语言模型后训练的重要手段，但易引发生成过长且重复的崩溃现象。该研究从强化学习视角指出，教师模型会隐式奖励学生行为。当隐式奖励可靠时，OPD让正确回答更易采样；当偏好与质量错位时则发生奖励黑客，放大冗长重复输出。研究提出两种缓解崩溃的有效方法：训练时遮蔽不健康响应、采用SFT初始化。结论表明OPD放大了教师隐式反馈偏好的行为，核心在于教师评估学生输出的可靠性而非自身生成质量。代码已开源。
- AI 摘要arXiv cs.AI
LiBRA提出双向潜空间优化实现检测感知图像水印移除
数字水印为AI生成图提供溯源，但易受移除攻击。现有攻击常使解码水印偏离原始，却可能留下仍可检测的倒置水印，导致移除失败，继续修改则不必要地损害图像质量。LiBRA通过双向潜空间优化解决此问题，实现检测感知的水印移除，在有效抹除水印的同时避免过度破坏画质。
- AI 摘要arXiv cs.AI
新研究提出超网络预测LoRA适配器，实现少样本作者风格迁移
针对大模型少样本个性化写作难题，该研究提出三种方法：对比激活干预、预测干预向量的网络、预测LoRA适配器的超网络。实验表明风格模仿与生成质量存在权衡：微调获取风格信号最多但损害流畅度，超网络在已见与未见作者上均取得最佳权衡。作者级干预固定主题且无需预定义风格库，优于基于库的方法。分析与预测的干预向量虽近正交但得分相当，表明风格条件化允许至少两个无关方向。
- AI 摘要arXiv cs.AI
ImmuneAgent系统实现广谱中和抗体高效发现
研究提出ImmuneAgent闭环AI系统，结合多模态推理、持续元学习与湿实验反馈来筛选广谱中和抗体。在110个克隆候选中，该系统中和抗体发现率达约55%（60个），广谱中和抗体产出率约11%（12个），显著优于同预算下的序列预测或共折叠模型。其发现的5种抗体对致死流感提供100%体内保护，与临床阶段药物MEDI8852相当。系统还确认FCRL5+CD27+非典型记忆B细胞是广谱中和抗体储库，并在无抗原特异性分选下发现了抗hMPV与HPV抗体。
- AI 摘要arXiv cs.AI
EvoRiskBench发布：评估工作区智能体运行时安全风险
研究团队推出针对工作区智能体运行时安全风险的演进式基准EvoRiskBench。该基准基于EP-Path-EF框架，包含9类入口与5类影响，通过自动化流程在隔离环境构建并验证风险用例，产出涵盖6场景的450项对抗任务。对3模型（GPT-5.6 Sol、DeepSeek-V4-Pro-0813、Claude Opus 5）与3执行框架（Claude Code、Codex、OpenClaw）的9种组合评测显示，各系统均存显著漏洞。其中Codex搭配DeepSeek-V4-Pro-0813的攻击成功率最高达68.44%，表明当前配置不足以保障安全自主执行。模型间攻击成功率差异大于框架间差异。基准将在完成安全检查后公开。
- AI 摘要arXiv cs.AI
引入逆动态辅助损失修复JEPA世界模型规划能力
当画面仅微小部分变动时，JEPA世界模型编码器潜表征对动作极不敏感，导致规划失败。本文提出SLIM基准，发现原LeWM模型在多物体推动任务成功率仅0.3%。引入逆动态辅助损失后，成功率升至35%，且无需重训世界模型即可用语言目标规划，导航达0.84。研究还提出无环境访问的动作敏感度探针，作为规划可行的经验必要条件。