论文：AI 论文、技术方法与基准测试第 72 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
LLM编码代理攻克编码论开放问题并刷新12项下界
Abraham Yeung花费五周利用大语言模型编码代理探索编码论开放问题（如寻找编辑距离下保持远距的四字母DNA条码集）。代理编写验证与搜索代码，人类设定验证协议。引入规定对称性这一经典技巧后，问题规模缩减约四倍，将长度6、最小编辑距离3的最优已知码字数从114提升至120，并改善长度6至9、距离3至6范围内的12项下界。研究同时揭示代理的严重缺陷：中间结果被误认为事实而不再复核，导致错失最优解或误判方法不可行，单次失误即耗费三周，且最终输出检查无法拦截此类错误。
- AI 摘要arXiv cs.AI
新架构APST实现跨会话脑机解码，冻结权重下速度R²达0.81
针对皮层内运动解码器跨会话性能退化问题，研究者提出APST架构。该模型在冻结全部网络权重的情况下，仅靠少量带标签校准试验即可适应新会话。其通过闭式计算的四维关联概况表征单元放电与行为关系，并以此调节集合注意力编码器与因果Transformer。在两只猴子的DANDI688测试集上，速度R²达0.78与0.81，远超仅用神经活动的变体（0.40与0.58），且媲美或超越经相同试验微调的RNN。在FALCON私有评估中，M1、M2、H1受试者的R²分别为0.65、0.42与0.44。
- AI 摘要arXiv cs.AI
提出Stackelberg Alignment框架实现多LLM协作对齐
针对多语言模型协作训练中指令均匀采样导致学习信号弱的问题，提出Stackelberg Alignment框架。该框架将指令选择转化为自适应课程：EXP3强盗作为领导者，结合指令难度与响应区分度分配采样预算；模型作为跟随者，通过DPO或GRPO从偏好信号中学习。框架引入声誉加权评判与匹配机制。在3个异构模型池与12项基准测试中，该方法宏观平均得分最高，较最强训练基线高7.4%，较最佳静态推理基线高12-25%。
- AI 摘要arXiv cs.AI
RAGScope协议实现低成本RAG幻觉分流，CPU单例耗时6.22毫秒
RAGScope是一种控制泄漏且感知成本的证据门控协议，用于RAG系统生成答案的风险路由。其增强版RAGScope-E在RAGTruth任务中，池化分组交叉验证的AUROC达0.798，平均精度(AP)为0.660，AP较ROUGE-L高0.034。在10%审核预算下精度为0.748，接受最低风险50%输出时剩余不忠实率为0.141。CPU单例运行耗时6.22毫秒，远低于DeBERTa-NLI的145.75毫秒与HHEM的223.07毫秒。HaluBench压力测试显示，域内校准AUROC为0.879，跨源校准仅0.466，目标域百标签校准可恢复至0.675。该论文已被ICTAI 2026接收。
- AI 摘要arXiv cs.AI
新方法skill-space shooting实现机器人策略自主改进
针对机器人在物理环境中遇新状况需超越初始训练改进策略的问题，该论文提出skill-space shooting方法。该方法利用基础模型引导，通过跨任务可复用的短行为（技能）探索纠正方式，并将成功试错转化为策略提升，从而减少对人类示范纠正的依赖。真实世界实验表明，该方法能让自主执行的策略反复改进，且技能可跨任务共享以减少新任务的教学量，实现可扩展的策略改进。
- AI 摘要arXiv cs.AI
STEPQuant提出线性注意力循环状态时空量化框架
针对线性注意力中循环状态占用内存高的问题，STEPQuant提出基于Delta-rule的时空后训练量化框架。该框架依据误差幅度与记忆存活期分配精度，并联合拟合键行与值列缩放比例。在Qwen3.8-27B等模型测试中，6位配置下精度逼近FP32，4位配置优于均匀INT8。集成至SGLang后，6位量化实现超5倍状态压缩，服务总内存降幅达68.7%。
- AI 摘要arXiv cs.AI
LeapQuant实现线性注意力无损8比特量化，端到端推理提速1.47倍
针对混合架构大模型中线性注意力循环状态的读写更新瓶颈，LeapQuant提出免训练8比特量化方案。通过跨窗口量化缓解误差累积，并在窗口内用高精度缓冲计算输出；同时保留最大异常值为高精度补偿Token并平滑残差，实现近无损性能。在Qwen、Kimi和GLM模型上的测试表明，其精度与FP32基线相当，内核级加速2.05至3.70倍，在NVIDIA B200等GPU上端到端推理加速1.47倍。
- AI 摘要arXiv cs.AI
新长视频记忆框架GEB提升实体跨事件追踪与问答准确率
针对长视频问答中同一物体跨事件关联易断裂的问题，研究团队提出GEB框架。该框架将同一物理实体在不同片段的视觉观测聚合为可检索的“传记”，保留各时刻上下文并建立身份链接，使模型能追踪实体跨事件演变。在四个涵盖数天录制时长的基准测试中，GEB在多选与开放式问答上均优于先前框架。在EgoLifeQA基准上，GEB准确率达72.0%，较此前最佳发表结果高出4.4个百分点。消融实验证实视觉身份关联与传记读取均对性能提升有贡献，仅增加额外描述无法完全恢复该增益。
- AI 摘要arXiv cs.AI
Meta-Reasoning框架提升智能体长程推理表现
针对智能体处理长程复杂任务时执行控制难题，该研究提出推理时框架agentic meta-reasoning。其将控制选择显式化，由控制器调度工作节点并评估剩余预算下各选项价值，仅保留紧凑记录而非全量历史。在ProgramBench上，结合GPT-5.5达71.5%（Codex为58.0%），结合Opus 4.8达67.2%（Claude Code为65.5%）。在抽象推理等多类基准上，较直接控制平均提升3.6至4.2个百分点。随计算预算增加，该方法持续改善而直接控制遇瓶颈，但小预算下存在开销劣势。
- AI 摘要arXiv cs.AI
新研究提出Meta-Skill方法，为AI代理构建更优执行环境
该论文探讨测试阶段的AI-for-AI，研究Builder模型如何在权重固定时，为Target模型构建更优执行环境。作者引入Meta-Skill概念，即规定何时需支持及提供何种资源的原则。Builder从Target的开发集执行反馈中学习该原则，形成冻结技能库，为未见任务构建环境。在Harness-Bench与NewtonBench上，全库Meta-Skill比无技能构建使宏平均性能提升8.95个百分点，比将同技能库直接交Target提升12.02个百分点。同一模型兼任两职时的增益表明，通过学习构建更优环境可实现系统级自我改进。
- AI 摘要arXiv cs.AI
AdviSD方法通过选择性自蒸馏训练小型顾问模型引导前沿大模型
AdviSD方法让小型可训练顾问模型用自然语言引导冻结的大模型执行器。针对共享参数模型中无效修正会限制学习的问题，该方法将结果驱动的强化学习与选择性自蒸馏结合，通过评估建议对执行器响应的影响幅度来挑选监督数据，无需执行器的似然或额外推演。用Qwen3-8B作顾问为Gemini和Claude提供引导时，在BFCL-v3上较advisor-GRPO提升4.2至6.4个百分点，在EnvScaler上提升3.9至5.1分。训练后的顾问可泛化至域外任务，并在不同执行器版本与模型家族间迁移。
- AI 摘要arXiv cs.AI
SplitMoE打破视频扩散模型均匀性陷阱，入选NeurIPS 2026 Sp…
传统MoE的独立路由与均匀负载正则化导致视频生成出现路由碎片与结构畸变（即均匀性陷阱）。SplitMoE将专家池显式拆分为捕获高层语义的语义专家与保留残差视觉信息的通用专家，结合原型引导路由与推拉正则化，使token按语义属性自然聚类。在同等激活参数预算下，其在收敛速度、路由连贯性及生成质量上均超越传统负载均衡MoE，并涌现出由粗到细的去噪逻辑，为构建大规模视频世界模型提供模态感知扩展路径。
- AI 摘要arXiv cs.AI
随机世界模型提升视觉神经反馈系统验证效果
针对视觉神经反馈系统验证中生成对抗网络（GAN）感知替代体庞大、难验证且复现效果差的问题，作者提出采用随机世界模型作为更优的感知替代体。该模型基于物理约束的潜变量构建，在参数量仅为GAN替代体1/130的情况下，更忠实复现保留帧。结合伪造、自适应细化及符号与反向分析的验证程序，在紧急制动基准测试中，对GAN替代体解析了全部状态空间（原先进验证器留有38%未解析）；在RGB版基准测试中，使用世界模型替代体解析超80%状态空间，此前该测试无验证结果。
- AI 摘要arXiv cs.AI
研究揭示混合模型在无位置编码全局注意力中隐式编码机制
该论文解释了混合模型如何在全局无位置编码（NoPE）注意力层中隐式编码位置。研究发现，滑动窗口注意力（SWA）与门控线性注意力等局部混合层会在残差流中引入近因偏置，该偏置随后传播并被全局注意力对数选中。与仅依赖因果掩码产生位置信息的纯全局NoPE模型不同，混合模型的近因偏置能在长序列中持续维持。此结论获理论与实证支持，或为位置编码无限外推至更长序列提供新思路。
- AI 摘要arXiv cs.AI
研究揭示LLM智能体计划与执行存在偏差，引入路由机制大幅提升成功率
当前LLM智能体在解决长程任务时，常无法忠实执行其声明的计划结构。在三个基准测试中，通用Plan+ReAct仅有22%至45%的轨迹能保持原定结构。为此，研究者提出Planning-as-Routing方法，让LLM声明四种规划模式之一，再由确定性路由分派给对应的专属执行器。结果显示，专属执行器将ALFWorld任务成功率从0.48提升至0.92，SWE-bench Verified从0.36升至0.44。不同环境与模型下最优模式各异，当前LLM仍难可靠选出最强模式，但少样本示例可改善部分组合的选择效果。
- AI 摘要arXiv cs.AI
研究揭示思维链轨迹与模型实际推理过程不符
当前常将思维链轨迹视作模型得出结论的推理记录，用于调试与审计。由于自然语言思考轨迹难以机械验证，该解读缺乏严格检验。在iGSM这一专用于研究思考轨迹的合成小学数学基准上，研究发现模型即便给出正确解答，其生成的思维链轨迹也可能是无效的，这直接挑战了将轨迹等同于模型真实推理过程的既有认知。
- AI 摘要arXiv cs.AI
NeuronEye提出查询引导视觉概念激活机制
当前视觉语言模型将目标身份、空间布局及局部属性隐式纠缠在隐状态中，难以按语言查询隔离所需视觉证据。NeuronEye借鉴生物视觉的稀疏群体编码与自上而下调制，提出查询引导的视觉概念激活机制，旨在解耦视觉表征，使模型能根据特定查询精准定位并调用相关视觉信息，提升视觉语言推理能力。
- AI 摘要arXiv cs.AI
研究提出性格训练法使AI智能体规避风险
为防止未对齐AI引发灾难，该研究通过性格训练让智能体对资源产生风险厌恶。具体做法是构建描述常绝对风险厌恶（CARA）的模型章程，并经同策略蒸馏注入。性格训练后的模型在训练时未见过基准决策格式，表现却与直接在基准上训练的基线相当，且在四个模型中有两个展现出更优的分布外泛化。实验还发现，token预算与模型选择是注入风险偏好最关键的因素。结论指出此法可扩展，能用于缓解未对齐AI风险。
- AI 摘要arXiv cs.AI
研究提出KATO神经网络用于船舶振动拓扑优化
针对船舶结构振动引发噪声与疲劳问题，研究将基于卷积Kolmogorov-Arnold网络（KATO）的神经重参数化拓扑优化扩展至受迫振动设计，以主动输入功率（AIP）为目标。在100Hz甲板与18Hz推进器基座案例中，8种优化布局均降低了AIP与静态柔度。与GCMMA相比，KATO在AIP上误差低于0.5dB，静态柔度低22至36倍，且运行速度快6.4至10.4倍。在300Hz近共振工况下，KATO能保持结构连通，最大AIP降低超2.7dB，二值静态柔度低59倍。
- AI 摘要arXiv cs.AI
新框架DTC通过计算分歧token量化LLM推理不确定性
针对大模型推理置信度评估依赖概率且机制不清的问题，研究提出Divergent Token Confidence（DTC）框架。该框架通过计算两模型在相同推理轨迹上解码时强烈不一致的token数量来估计置信度，分歧数量与答案准确率近乎负相关。DTC无需显式训练且不干扰生成，同时支持白盒与黑盒评估。在六个数学基准测试中，其校准效果优于基于概率及语言化基线。白盒下仅计数估计器的平均ECE为13.0%，远低于传统全序列方法的32.7%-42.4%；黑盒下DeepSeek-V3.2的平均ECE从32.1%-40.2%降至13.7%-16.3%。