论文：AI 论文、技术方法与基准测试第 69 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
PACE：针对工具调用LLM代理的溯源感知能力执行框架
工具调用LLM代理易受投毒元数据或记忆等影响，仅准入前审查无法解决安全与可用冲突。PACE框架在每次工具执行前进行拦截：通过路径限制裁剪影响路径，结合能力与效果验证比对授权。其区分认证执行契约与评估配置，支持阻断后恢复授权或执行修复。在8项安全基准与3个模型族测试中，该配置在79个攻击列的62个中取得严格最低攻击成功率，14个打平；原生效用最多仅降3分。消融实验显示安全增益主要源于效果验证，自适应搜索在30个越权目标上突破率为零。
- AI 摘要arXiv cs.AI
arXiv论文提出模块化智能体的基于证据验证审计协议
针对模块化智能体修改单一组件后仅靠聚合任务分数评估的缺陷，Ali Atiah Alzahrani提出基于证据的验证审计协议。该协议不直接给智能体打分，而是为每个结论记录证据及四种裁决（支持、无支持、未解决、未评估）与成立边界。通过三种工具提供证据：用Oracle策略衡量可达改进以区分环境与评估问题；逐一替换组件为完美对应物定位价值损失；单独测试验证器分数是否真实界定目标量。在合成市场受限投资组合智能体上的应用表明，完美信息价值取决于动作集、场景生成器丢弃大量信号且运行时验证器可被绕过而无结果变化。
- AI 摘要arXiv cs.AI
PPO-HRAP融合机制先验优化风险控制交易
针对强化学习交易难以兼顾收益与回撤控制的问题，PPO-HRAP算法将近端策略优化与可解释的机制先验相融合。智能体接收含VIX条件回撤惩罚等复合奖励，执行PPO输出与机制目标暴露的混合动作。在2020至2022年SPY测试中，该算法年化收益8.48%，夏普比率0.6447，最大回撤由买入并持有的34.10%降至18.47%。在QQQ与DIA单次跨资产测试中，其总收益与夏普比率均居首。局限在于换手率高且跨资产稳健性仅限单次验证。
- AI 摘要arXiv cs.AI
TRACE方法解决大模型多轮对话安全问题，35项测试ASR最低
安全对齐大模型常在多轮对话中妥协。TRACE将轨迹风险抑制原理转化为词元级目标：对安全回复，依归因优势加权；对拒绝回复，结合策略替代词构建擦除目标，并以梯度范数惩罚替代保留集。在5个开源模型与7种多轮攻击的35对组合中，该方法均取得最低攻击成功率，且MMLU与HellaSwag的模型能力下降不超过1.23分。代码随附。
- AI 摘要arXiv cs.AI
ProtoFlow结合向量量化与原型先验流匹配用于多变量时序预测
针对多变量时序预测，现有基于扩散的方法推理步数多，而基于VQ的自回归方法存在暴露偏差与训练推理不匹配问题。ProtoFlow框架先通过向量量化自编码将序列映射至离散隐空间，再从已训练码本构建结构化先验，最后用基于DiT的整流流将先验传输至未来隐表征。以学习到的原型先验替代通用高斯噪声初始化，规避了自回归的 rollout 不匹配，加速训练收敛，并在基准数据集上取得更优预测性能与高效推理。
- AI 摘要arXiv cs.AI
研究揭示扩散模型在固定预算训练下呈特征选择性崩溃
Hanna Malet与Gabriel Turinici发表论文探讨扩散模型在合成数据上的崩溃机制。针对完全替换真实数据导致崩溃、而混合累积数据可避免崩溃的矛盾结论，研究引入有限预算中间机制：保留全部历史与真实数据，但每代仅从不断扩大的池中抽取固定规模样本训练，导致真实数据占比自然趋零。二维螺旋及MNIST等图像基准实验表明，完全替换使数据集迅速退化，而固定预算仅致部分退化并保留部分特征。随机递推分析证实，两种协议下均有脆弱特征易丢失，但固定预算能使鲁棒特征在近乎无界代数内得以保留。
- AI 摘要arXiv cs.AI
DAYJOB基准发布：测试长周期专业工作，最强模型通过率不足25%
DAYJOB基准包含130项由医疗与金融专家构建的长周期任务，单任务平均耗时超13小时。评估采用容器化环境与二项标准专家量规，须全满足才算通过。在30种模型配置测试中，表现最佳的Claude Opus 5.5在医疗与金融任务的通过率分别为24.7%和23.9%，中位数配置通过率仅0.6%和2.5%。案例显示智能体常盲从错误前提或传递错误输入。医疗全量及50项金融任务、评估工具与排行榜已公开。
- AI 摘要arXiv cs.AI
arXiv论文提出移动网RAN感知联邦LLM流量整形方案
针对移动接入网环境下联邦大模型微调因无线波动与终端异构导致更新异步、与底层光传输入网需求失配的问题，作者提出让接入网充当感知学习的流量整形器。通过在基站内聚合异步终端更新，将其转化为规模与交付要求受限的少量聚合流，从而适配光路按需动态建立与释放，实现分组接入与动态光容量的结合。
- AI 摘要arXiv cs.AI
ITC-MoE框架实现MoE扩散语言模型高效压缩与7.22倍加速
针对MoE扩散语言模型计算与存储开销大的问题，提出ITC-MoE压缩框架。该框架包含两部分：一是IATC，将激活与梯度重要性融入专家权重变换，联合多模式分解并在固定预算下自适应分配秩；二是TCR，对压缩敏感的热门token施加低秩补偿，并限制冷门token的候选专家集。在SDAR-30B-A3B-Chat-b32上，30%压缩预算下MultiArith精度保持96.33%，端到端最高加速7.22倍。
- AI 摘要arXiv cs.AI
研究发布机器学习模型验证指南含八种场景与代码
该教程审视机器学习模型验证，指出不当划分会致乐观偏倚结果。文章串联留出法、k折交叉验证、嵌套分组交叉验证等原理至脑电、多中心等生物医学数据。借八个受控场景对比有缺陷与防泄漏设计，涵盖全局特征选择、归一化泄漏、依赖记录等。结论强调无普适最优法，独立单元须匹配部署目标，且数据依赖操作须排除性能评估观测值。提供MATLAB与Python/scikit-learn代码模板、决策树及报告清单。
- AI 摘要arXiv cs.AI
探讨智能交通与物流领域可信数据及机器学习运维综述论文被IEEE期刊接收
一篇探讨智能交通与物流系统中可信数据与机器学习运维的综述论文被IEEE Transactions on Intelligent Transportation Systems接收。文章指出现有文献空白，梳理了该领域DataOps与MLOps的必要性、核心组件、可用工具及案例研究，并重点审视了AI应用的可信度问题，探讨了增强现实场景中AI系统信心的方法与工具，最后讨论了持续挑战与未来前景。
- AI 摘要arXiv cs.AI
PickMoment模型统一单图去模糊与连续时间视频生成
现有单图去模糊及模糊生成视频方法未充分建模物理模糊积分过程，前者仅恢复曝光中心单帧，后者仅预测固定帧数。PickMoment提出连续时间重构，单一确定性模型直接学习曝光期内任意子区间的均值模糊。训练结合经验重建、加性自洽与零区间锐帧三种监督。同一网络无需分别训练即可统一执行去模糊、生成视频及任意时刻恢复，单次前向传播无迭代采样。在GoPro与HIDE生成类去模糊达SOTA，RealBlur媲美恢复类方法，GoPro-7视频生成帧保真度最高。
- AI 摘要arXiv cs.AI
SCOPE-AD框架实现低成本阿尔"阿尔茨海默病"诊断
针对阿尔茨海默病诊断需连续获取证据且检查开销不一的问题，研究团队提出SCOPE-AD框架。该框架利用掩码感知序数模型表征从认知正常到轻度认知障碍再到AD的连续不确定性，通过基于能量的教师模型采样贝尔曼目标，并将动作分布蒸馏至Qwen策略中。部署时，智能体在可用性与预算约束下选择获取检查或给出诊断。在ADNI数据集上，该方法以平均50.46美元的获取成本取得77.70%的Macro-F1，较最强基线高9.34个百分点；而全模态评估仅使F1提升1.89个百分点，成本却增加116.7倍。
- AI 摘要arXiv cs.AI
研究者在大型数学课堂试点生成式AI练习平台
针对大班教学中学生难以及时获取反馈的痛点，Lili Chen等人设计并试点了一款生成式AI练习平台。该平台在自主练习环节提供即时脚手架式反馈，将人工监督从实时评分转移至前置解答验证，从而缓解反馈即时性与人工监督可信度之间的矛盾。研究重点考察了学生使用该工具的交互情况、对反馈价值与可靠性的看法，以及向其他工科课程迁移的经验。
- AI 摘要arXiv cs.AI
PROMO实现四足机器人多目标强化学习运行时偏好调节
针对四足机器人运动需平衡指令跟踪、稳定性与能效等冲突目标，PROMO提出将多目标权衡作为运行时输入的单策略方法。该方法将操作意图与步态生成所需的奖励塑形分离。仿真中百组偏好采样下，67种行为符合精确帕累托支配，偏好与目标均值相关性达0.843。该策略零样本迁移至Unitree Go2，仅调偏好即相对均衡偏好最多降30.4%比能耗、38.7%位置误差及59.0%姿态偏差，代码已开源于arXiv:2610.01260。
- AI 摘要arXiv cs.AI
研究推出SciUtopia框架：用LLM闭环模拟学术生态
Yiqiao Jin等学者提出SciUtopia，一个基于LLM-agent的持久闭环模拟框架，用于研究学术生态。该框架建模了选题、合作、投稿、同行评审、引用及资助等相互关联的科学进程，并在模拟年份中维持状态演化。在61个模拟世界中，它模拟了超4万名来自8000个机构的研究者，产生约40万项出版决策与120万条LLM生成的评审。模拟揭示：退稿重投显著加重审稿负担；谨慎探索能平衡引用影响与职业发展及长期主题多样性；即便早期 narrowly 获得资助无明显累积优势，资源不平等仍会出现。代码已开源。
- AI 摘要arXiv cs.AI
DeFA框架实现LLM智能体故障归因，下游任务准确率提升6-15个百分点
针对大模型智能体执行错误与表象间隔多步的归因难题，DeFA框架被提出。它融合协议与语义依赖构建事件依赖图，追踪违规事件源头及影响生成故障传播图，结合步骤证据定位关键错误、责任主体及类别。为支持长轨迹，该框架将执行分段，用当前段详情与其余段摘要结合以获取全局上下文。在Who&When及Pro子集评测中，该方法在所有主干模型上取得最高责任主体与精确步骤准确率，并在Pro上获对齐方法中最高故障模式准确率，也适用于多模态轨迹。将其诊断反馈用于Trace2Skill的技能进化，可使下游任务准确率较原生管线提升6至15个百分点。
- AI 摘要arXiv cs.AI
新研究提出RIAG多智能体策略解决动态任务路由问题
传统推理协议无法测试智能体在事件流修订任务绑定时的更新传播与历史重构能力。为此，研究提出动态任务路由设定，并将MMLU等6个基准改造为含37万多个时序查询的3万多个动态片段。该设定下，每次事件后重算浪费算力，不加防护复用则产生过期结论。新提出的RIAG策略将确定性时间解析与任务推理分离，按不可变文档身份缓存结果，每个新任务初始给两次未暴露尝试，视情况调用审计与修复，每文档版本最多调用4次。同构RIAG以0.62次/查询的调用率取得54.24%的联合准确率，最强对比方法在18.00次/查询下仅达32.22%；异构RIAG在0.63次/查询下达49.78%。
- AI 摘要arXiv cs.AI
新方法SCAPO优化强化学习信用分配，数学推理准确率显著提升
针对大模型强化学习中GRPO方法将相同优势分配给所有token从而可能强化虚假依赖的问题，研究者提出SCAPO方法。该方法通过半事实干预测量token概率漂移，利用归一化稳定性分数在训练早期降低不稳定token的优势。在Qwen3-4B-Base和Qwen3-1.7B-Base上，SCAPO相较GRPO在AIME 2024-2026准确率分别提升5.63和4.17个百分点，并在多数数学基准及所有分布外测试中取得最优结果。
- AI 摘要arXiv cs.AI
NeurIPS 2026收录ViTeX-Bench视频场景文本编辑基准
ViTeX-Bench针对视频场景文本编辑（如替换店招文字同时保持原动态）缺乏成对数据与专用指标的问题，提供包含387个720p真实视频的数据集及三轴评估协议。协议含13个指标，分别衡量文本正确性、视觉时序质量与编辑局部性，并支持帕累托权衡对比。基于训练微调开源的ViTeX-Edit-14B编辑器，CharAcc达0.688，在视频原生编辑器中均值最高且文本裁剪Warp最低。八种基线测试表明同时实现文本准确、时序稳定与场景保留仍具挑战。