论文：AI 论文、技术方法与基准测试第 67 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
学者提出ScholarCatalyst基准，评估检索启发新研究论文能力
为探究AI寻找启发新研究先验想法的能力，研究团队构建了ScholarCatalyst基准。该数据集通过自动化流程让207篇近期CS论文的184位一作标注了推动其项目进展的候选文献及理由。任务设定为仅依据项目启动时的文献库，检索出这些启发论文。实验显示，智能体搜索的Recall@20为0.42，不及嵌入检索的0.48；基于Claude Fable 5.1的智能体即便可能见过完稿论文，R@20也仅达0.51。结果表明当前模型亟需新训练方法以获取专家级检索直觉。
- AI 摘要arXiv cs.AI
NeurIPS 2026 论文 SILSA：高分辨率 3D 生成新框架降本增效
SILSA 是一种保持拓扑结构的高分辨率 3D 生成框架，采用紧凑的滑动窗口切片潜变量替代体素令牌。该框架沿三个标准轴使用固定重叠切片，通过单阶段整流生成保留横截面连续性。相比最强基线，SILSA 的 PSNR 提升 8.7%，覆盖率增加 5.96 个绝对点，Betti 误差降低 9.2%。其令牌数比次紧凑基线少 70.0%，比稀疏或分层分词器少超 98%，训练内存降低 40.4%，推理时间缩短 58.5%。该论文已被 NeurIPS 2026 接收。
- AI 摘要arXiv cs.AI
VISTA视觉框架让Claude Opus 5.0在ARC-AGI-3达满分
VISTA为通用多模态模型赋予长程视觉能力，通过无损保留历史观测并允许模型主动检索重组视觉输入来解锁推理潜力。在ARC-AGI-3测试中，该框架将Claude Opus 5.0的相对人类动作效率得分从40.68提升至100.00，以比人类初试者少57.4%的动作完成全部25个公开游戏。在另三个涵盖视觉游戏与谜题的基准测试中，其同样大幅超越使用相同底层模型的最小框架基线。该设计可自然扩展至多种视觉环境。
- AI 摘要arXiv cs.AI
FERPO算法提出：用正向KL替代动作微分提升连续控制RL可靠性
针对连续控制在线强化学习中，基于Critic动作微分更新策略易因价值预测不准而不可靠的问题，FERPO算法被提出。它属于在策略最大熵RL算法，无需对Critic求动作导数即可改进策略。该算法从经熵与KL散度正则化的目标推导出最优目标动作分布，再用自归一化重要性采样估计正向KL目标来拟合Actor。KL正则化限制目标分布偏离以稳定权重，正向KL相对逆向KL能覆盖多高价值模式促探索。在MuJoCo Playground与ManiSkill上展现竞争力与采样效率提升，Actor更新比REPPO更快。
- AI 摘要arXiv cs.AI
研究提出HC-DLM，结合连续与离散扩散提升推理能力
针对离散扩散模型并行解码时切断token依赖，以及连续扩散模型去噪时缺乏合法token约束的瓶颈，研究提出分层连续扩散语言模型（HC-DLM）。该模型将离散token生成与连续潜变量轨迹耦合于单一去噪过程，以潜变量作为唯一持久生成状态，每步读取token并作为下次潜变量更新的支架，训练目标由token似然的变分界推导。在同等参数量下，HC-DLM于Sudoku谜题准确率、Countdown规划准确率及LM1B生成困惑度上均优于离散与连续扩散基线。
- AI 摘要arXiv cs.AI
DMAD对抗蒸馏法实现少步视觉生成SOTA
DMAD将分布匹配重构为分类任务，通过共享主干上的双判别器头直接学习对数密度比，免除了DMD所需的辅助扩散模型拟合开销。引入基于差距的重新加权机制以调节噪声层面的教师监督。在ImageNet-64x64单步生成达FID 1.04，四步SDXL于COCO-10K达FID 14.47，四步Wan2.1-T2V-14B获VBench 85.15分，均优于对比少步法及多步教师。针对MiniMax-H3-33B的音视频联合生成，四步学生模型相对DMD2与rCM的人类偏好率分别达79.1%和84.6%。
- AI 摘要arXiv cs.AI
新框架HGR提升分子生成与表征学习性能
针对现有分子表征难以显式编码环系统等高阶拓扑且计算开销大的问题，提出高阶语法表征（HGR）框架。该框架将分子提升至组合复形并解析为产生式规则序列，使高阶拓扑兼容标准序列模型，避免显式编码开销且保证100%构造有效性。为消除基准偏差，构建含118万分子的RingDiv基准及环多样性指数。在五项生成基准中，基于HGR的模型FCD均居首；在七项MoleculeNet表征学习评测中，HGR-FM平均AUC最高，较最强基线在探测与全量微调下分别提升8.3与3.3个AUC点。
- AI 摘要arXiv cs.AI
SoftServe：可扩展拟牛顿法优化深度学习
针对拟牛顿法在深度学习中受限于非凸性和参数量巨大的问题，SoftServe提出无需线搜索的优化族。它从变分目标推导正定曲率估计，构造对角和Kronecker分解变体以保持正定并适配大网络，用稳定的耦合Newton-Schulz迭代替代矩阵分解，实现GPU友好的矩阵乘法。在病态问题（如RNN、物理信息扩散模型等）上，其损失常低于Adam、Muon和SOAP基线。
- AI 摘要arXiv cs.AI
GenCine系统实现3D空间内相机与物体运动联合可控视频生成
现有可控视频生成依赖2D轨迹，在相机与物体同时运动时存在歧义。GenCine系统将单图提升为可编辑3D场景，允许创作者联合设定相机路径并使用局部3D控制柄移动前景区域。多个控制柄可独立操控主体不同部位，以分段刚性近似非刚性运动，无需物理模拟器或类别先验。系统将3D控制投影为引导图，在统一世界坐标系下记录受控区域位置与控制柄颜色，向预训练Wan模型传达运动指令。训练时从真实视频恢复控制信号，并结合合成视频的真值几何与轨迹，训练轻量引导分支与LoRA适配器。实验显示该方法在视角变化下几何一致性更优，且在多样真实场景中具备强可控性。
- AI 摘要arXiv cs.AI
新研究提出零样本协同框架，推断机器人搭档物理约束
机器人协同搬运常受硬件退化等物理限制，且该限制对搭档未知。现有方法仅观察受限方行为难以识别限制，因搭档可能补偿了其不足。新研究提出Watch, Infer, Coordinate框架，利用双方联合行为对候选约束打分推断。在三种物理耦合操作场景测试中，该方法的约束推断与零样本协同效果大幅提升，接近已知真实约束的理想上限。
- AI 摘要arXiv cs.AI
DuoMind框架通过语义通信实现多机器人分布式协调
针对视觉语言动作模型多局限于单体机器人的现状，DuoMind提出分布式层级架构以解决多机协作难题。该框架让各机器人配备基于VLA的动作模型负责底层执行，同时利用基于VLM的协调器进行高层推理与机间语义通信。协调器综合任务指令、本地观测及他机消息，向下输出动作指令并向同伴发送语义信息。为解决评测缺失，作者构建了RoboPoly基准，包含需分布式闭环控制的长周期操作任务。在RoboPoly与RoboTwin上的实验表明该架构提升了多机任务表现，消融实验验证了层级协调与语义通信的作用。
- AI 摘要arXiv cs.AI
研究提出SourceLearn框架，让智能体渐进学习外部知识源
当前LLM智能体反复调用同一外部知识源时，仅视作重复访问，未逐步深化理解。研究提出“源学习”概念，通过持久化源模型捕捉知识源的结构、解释与应用方式。提出的SourceLearn框架结合自导向与任务引导两种互补机制：前者自适应重访源以补全未明之处，后者借下游任务暴露表征缺口与组织需求。在5个基准与3个LLM后端上，该框架在15项设置中13项最优，较Hybrid RAG最高提升22.6分，显著优于静态源表征与基于经验的记忆基线。
- AI 摘要arXiv cs.AI
研究提出MCMC采样算法改造SFT数据，缓解灾难性遗忘
传统观点认为监督微调（SFT）易产生灾难性遗忘且泛化弱，强化学习（RL）泛化更好但依赖模型自身探索成功轨迹。该研究提出一种马尔可夫链蒙特卡洛（MCMC）采样算法，在微调参考模型的指导下，将离策略专家数据逐步转化为更符合当前策略的分布，而非修改学习目标。在科学技能、数学推理等任务中，该方法使SFT达到主流后训练技术的效果，泛化更强且遗忘更少，模型还能学到基础分布之外的知识。
- AI 摘要arXiv cs.AI
MIRTO脑MRI无监督异常分割评估协议发布
针对脑MRI无监督异常检测评分受隐性选择影响的问题，MIRTO协议将配准、阈值设定等隐性选择显式化并量化其影响。该协议通过配准检查控制几何对齐，仅在验证集设阈值并报告测试集实际假阳性体积，在15552种评估管线中重复对比，并附加带多重性控制的置信区间。在312个BraTS 2020受试者上测试四种方法发现，存储图与参考的轴序不匹配使扩散模型体素AUROC从0.873降至0.583；在同等假阳性负担下，验证集显著的Dice优势消失；对REFLECT潜在聚合的无训练修改使Dice提升0.052。
- AI 摘要arXiv cs.AI
新框架 LSL 解决大模型灾难性遗忘，已验证 70 亿参数
针对大预训练模型的灾难性遗忘，研究提出 Local Support Learning (LSL) 框架。该方法将遗忘视为权重矩阵输入空间的几何问题，在无需旧数据的前提下，通过结合标准权重适配器与基于高斯混合模型 (GMM) 的门控函数，使参数更新仅作用于当前训练分布。实验表明，该法在最高 70 亿参数的 LLM 上，可跨多训练阶段保留预训练及微调能力，且内存与计算高效、对超参数鲁棒并具扩展潜力。
- AI 摘要arXiv cs.AI
Argo-Bench发布：专测企业级数据智能体
针对现有文本转SQL基准仅查单表且答案频出错的问题，Argo-Bench推出含210项任务的评估框架。它模拟纽约市外卖平台，构建含2.35万张表、75亿行的ERP数仓。智能体需先在库中还原事实再执行封号、发薪等动作，评分依模拟器后果判定。14个前沿模型中，最强者仅在34.8%任务上超95分，均分59.5。
- AI 摘要arXiv cs.AI
Where-OPD：基于合成场景空间引导的MLLM自蒸馏方法
针对多模态大语言模型微调依赖人工标注或外部教师的问题，Where-OPD提出利用程序生成的合成场景进行免标注后训练。该方法向教师模型提供文本形式的空间定位特权信息，使其整合多区域证据，学生模型则仅凭图像与问题复现该行为。尽管后训练仅用合成数据，模型在CVBench等六项真实世界感知基准上平均性能提升3.23分，在计数、文档及图表理解任务上亦有稳定增益，实现了合成到真实的有效迁移。
- AI 摘要arXiv cs.AI
研究提出DeBERTa-v3零样本文本分类可解释性审计框架
针对可解释AI中不同归因方法对同一预测产生分歧解释的问题，研究提出审计DeBERTa-v3在医学摘要零样本分类下的比较框架。在Medical Abstracts语料库上采用自然语言推理引擎，每个诊断类别设5个增强假设并每类抽取1000条文本。对比了SHAP、LIME、遮挡、Input x Gradient及Attention x Gradient五种解释方法，通过Jaccard指数量化成对一致性。结果显示预测准确率在语义模糊时下降，解释稳定性与预测确定性正相关，并发现词汇超敏、语义重叠及归因一致性丧失三种系统性失效机制。建议审计时应组合多种解释方法并优先使用特定临床本体而非宽泛诊断标签。
- AI 摘要arXiv cs.AI
论文提出TESS框架解决LLM数据选择网络优化不稳问题
针对大模型训练的数据选择，用选择网络替代单样本权重会导致优化不稳与泛化差，原因是权重抑制及对易学特征的持续依赖。为此提出TESS框架，基于Pointwise Value Matching目标构建。在安全与指令微调实验中，该框架在跨数据集、子集到全量语料、小到大规模模型间均展现强迁移能力。
- AI 摘要arXiv cs.AI
GeoLatent提出新空间推理架构，刷新两项3D基准成绩
针对从二维图像进行三维空间推理的难题，GeoLatent框架引入CR-GEO与路由优化机制。该机制将共享与残差教师几何分离，联合训练几何与语言，并临时通过潜变量引导视觉答案学习。实验显示，CR-GEO将几何有效秩从1.00提升至3.87；在瓶颈处阻断潜变量读取会使128个固定问题的方向准确率从89.1%骤降至25.8%。恢复后，模型保留分化几何表征与潜变量视觉路径。GeoLatent在SPAR-Bench达73.0%，SPBench达72.1%，均超越此前已报告方法。