论文：AI 论文、技术方法与基准测试第 75 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
新框架SR4-Fit打破性能与可解释性权衡
针对黑盒模型事后解释不可靠及现有规则方法稳定性差的问题，Shyam Sundar Murali Krishnan与Dean Frederick Hougen提出SR4-Fit算法。该算法通过生成紧凑且稳定的规则集，在分类与回归任务中兼顾高可解释性与强预测力。基于美国社区调查数据预测众议院选举时，其准确率与可解释性俱佳，并发现黑盒模型遗漏的人口交互特征。在14个基准数据集上，其准确率、稳定性与紧凑度均超越RuleFit和决策树，预测表现与黑盒模型相当，证明两者无需互斥。
- AI 摘要arXiv cs.AI
Maat：多智能体LLM工作流的无模型确定性治理层
针对LLM多智能体系统中单点错误易向下游传播的问题，Maat提出不依赖语言模型的运行时治理层，通过版本化工作流契约验证智能体间交接。在6个领域工作流（6-15个智能体，522次试验）的评估中，注入数据级缺陷并采用七项确定性评分标准。在可归因的配对试验中，5个工作流评分提升7.7%至29.1%（软件开发持平），模型调用成本降低17%至53%。但94次治理中止中有35次为验证器缺陷导致的误报（占37%），若将误报计入失败，6个场景中4个的治理组得分反低于未治理组。结果表明确定性交接验证对契约可表达缺陷有效，但验证器配置与中止归因本身仍需测试，且未证实具备通用正确性或幻觉检测能力。
- AI 摘要arXiv cs.AI
YOLOv8视觉钓鱼网站检测：准确率92%且百毫秒内完成
传统钓鱼检测依赖URL或HTML等易被攻击者篡改的信号，新研究提出基于YOLOv8的图像检测法，将网页截图视为整体图片，依据布局、标志位置、配色及登录框结构判断真伪。该模型在测试集分类准确率达92%，单张截图处理耗时约100毫秒。针对光照、压缩与缩放变化实施数据增强后，误报率较增强前基线降低11%。该方法定位为现有URL及内容防御手段的补充而非替代。
- AI 摘要arXiv cs.AI
研究证实已知物理残差约束对非线性神经PDE模型具有不可替代优势
针对神经PDE代理模型引入结构先验的收益来源不清问题，该研究在同等调参预算下对比多种先验与从零训练基线。核心发现：已知方程残差约束始终优于最佳通用正则化。该优势在固定容量下对线性和非线性PDE均存在，但随容量变化呈现分化：对Burgers、KdV及Allen-Cahn等非线性算子优势持续扩大，对线性热传导与平流扩散方程则趋近甚至低于持平。残差优势不依赖数据稀疏性，在完全监督下依然成立；但在网格欠分辨下强制执行会引入有害偏差。跨族预训练与上下文调节未超越基线。
- AI 摘要arXiv cs.AI
EHRAdapt适配器将电子病历直接映射至冻结大模型嵌入空间
EHRAdapt针对电子病历元组与语言模型词元不匹配及罕见事件观测不足问题，将元组直接映射至冻结大模型嵌入空间。模态与时间间隙通过学习嵌入及注意力偏置处理，事件向量拆分为语义先验与证据残差。先验由生物医学语言模型冻结嵌入提供，残差作低秩修正。在约400万患者记录上，仅训练占全量0.1%至0.6%的适配器参数，在OLMo2 1B、Llama3.2 1B及OLMo2 7B骨干上，其下一事件预测超越所有消融实验。移除语义通路对罕见事件损害超高频事件十倍多，移除残差则相反。在传染病分类任务上，其超越文本与计数基线，两通路互补提升罕见病区分度。
- AI 摘要arXiv cs.AI
GroupMask提出半结构化LLM剪枝新法，支持层自适应稀疏分配
半结构化剪枝常采用固定N:M模式，导致层自适应分配效果不佳。GroupMask改用分组稀疏，按组整体保留或剪枝权重，允许各层稀疏率在全局预算下变动。该方法通过轻量超网络生成选择器，结合Gumbel-Sigmoid与直通估计器训练，并采用自蒸馏与稀疏预算正则化，预训练权重保持冻结。在LLaMA-2-7B的50%稀疏率下，相比均匀分配，其WikiText-2困惑度从10.02降至8.30，零样本平均准确率从0.455升至0.496。在五款LLaMA与Qwen模型评测中，该方法取得最优困惑度与最高准确率。
- AI 摘要arXiv cs.AI
HARMONIA框架实现可扩展且可解释的图学习
HARMONIA框架通过两项改进解决可解释图加性模型在计算与建模上的局限。特征建模上，引入神经基混合机制，将特征路由至专属基专家，兼顾参数共享与特征特化；结构建模上，采用相对随机游走概率及稀疏聚合策略，经稀疏图传播捕获多跳关系，消除二次方复杂度。该框架保持加性形式，预测可分解为受结构影响的特征响应。实验表明，其解释恢复能力优于现有基线，预测性能相当，且可扩展至百万节点规模。
- AI 摘要arXiv cs.AI
研究提出TokenProbe框架，大幅压缩推理Token消耗并超越Gemini…
针对大模型思维链推理中Token消耗过大的问题，该研究提出TokenProbe框架。其基于经验发现：推理序列中各Token价值不均等，归一化对数概率可有效区分承载关键结构的“核心Token”与低置信度的“冗余Token”。该框架将TokenProbe作为核心Token代理，并引入高效GRPO目标，通过选择性压缩冗余Token实现准确率与效率的帕累托改进。实验表明，该方法在保持推理质量的同时，将基线Token用量削减76%；在匹配推理长度预算下，性能甚至超越Gemini-3.1-Pro等强基线。
- AI 摘要arXiv cs.AI
EEG-Fusion框架提升无源脑电解码鲁棒性并降低崩溃风险
针对跨被试运动想象脑电解码在无源部署下易出现过度自信及单类预测崩溃的问题，EEG-Fusion提出基于失效信息的决策级融合框架。该框架通过可靠性门控，利用置信度、熵等无标签流诊断指标，将目标被试路由至神经、协方差或生理特征专家。在三个数据集的留一被试评估中，相较于无对齐的原始EEGNet基线，其被试宏F1分别从0.417升至0.529、0.314升至0.482、0.607升至0.708，对应崩溃指数分别降低0.199、0.227与0.169。在外部Cho2017子集上，宏F1也从0.516提升至0.630。该论文已被IEEE-EMBS BHI 2026接收。
- AI 摘要arXiv cs.AI
arXiv论文提出多轮业务Agent评测框架
针对多轮业务Agent评测需动态维护、且需区分能力缺陷与知识缺失的痛点，Kaiwen Luo等提出集成方法论，涵盖评测规范、模块化评判器、意图保持的用户模拟器及人机协同治理。规范定义对话终态与可行动的故障归属；原子评判器共享版本化证据并汇入显式聚合图；模拟器需经任务保持与稳定性检查后才释放；独立人工审计评估测量保真度并更新参考集。生产观测显示，系统保真度随审计提升，人机在共享反馈下共同进步，组合工作流在任务完成设定中描述性能最强。该框架使评测随系统演进保持可靠、可行动与可维护。
- AI 摘要arXiv cs.AI
ViGeo框架将视觉类比扩展至视频域，免微调统一多任务
针对视频模型适配新任务需专门微调的痛点，ViGeo框架通过时空画布补全机制，把视觉上下文学习推广到视频领域，实现免训练的任务指定。在严格划分训练测试集的多种任务上，该框架能泛化至未见过的视频操作及事件相机等零样本模态。研究还发现预训练任务格式会覆盖示例导致“任务内化”捷径，引入少量无关数据即可消除此现象，凸显解耦提示格式与任务标识的必要性。
- AI 摘要arXiv cs.AI
研究提出扩散rollout稳定长期环境预报
针对长期环境预报中误差随递推放大的难题，该研究引入扩散机制作为稳定手段。在低维水位与高维降水场实验中，扩散均能抑制误差增长，且在确定性递推最不稳处稳定效果最强。但稳定不等于保真：水位实验中，因缺乏外部预测信息，预报虽数值稳定却向中心收缩、变异性与事件级保真度下降；降水实验中，全程保留数值天气预报条件，扩散更好维持了空间结构与事件检测能力。结论表明，扩散可控制误差放大，但实际收益取决于约束未来演变的可用预测信息。
- AI 摘要arXiv cs.AI
HyperMCTS提出跨轨迹超图增强MCTS，提升长周期LLM智能体规划精度
针对大模型智能体在长周期任务中MCTS搜索成本高且缺乏跨路径决策复用的问题，HyperMCTS引入跨轨迹超图，将重复决策组的观测收益进行累积。该方法无需训练，通过HyperUCT选择规则聚合重叠超边证据，使不同前缀下的结果能相互指导选择。在DeepPlanning测试中，三种骨干模型平均规划精度较最强基线提升2.3至7.3个百分点。Qwen3.6-27B在Shopping Planning上超越Claude Opus 4.6(max)，且LLM调用次数与输出token更少。SealQA实验也证实了问答能力的提升。
- AI 摘要arXiv cs.AI
MoA形式化推导Transformer内核在双HPC集群获实测验证
研究在Purdue Anvil与NCSA Delta两集群实测验证了基于数组数学(MoA)形式化推导的内存最优Transformer内核。发现并修复GPU回归：融合前向+反向因原子指令竞争初慢于朴素实现，针对性重写后获最高2.5倍加速。相同推导在不同拓扑下实际开销差异极大：一集群受535倍NUMA局部性惩罚，另一仅低于3倍过载。另现异常：同计算在CPU上C快于Fortran，GPU上则相反，3.17倍时间差与3.35倍停滞差匹配。此法将硬件优化视为固定验证规范下的常规重写，为AI向新硬件扩展免重推导正确性提供候选方法。
- AI 摘要arXiv cs.AI
研究揭示长生命周期Agent授权越界漏洞，攻击成功率骤增35.1%
长生命周期LLM代理中，用户针对特定任务的安全授权可能在原上下文结束后依然存续，形成可被恶意复用的“残余权限”。研究提出纵向攻击方法：诱导正常交互获取权限，随后在恶意执行中重放该权限。对6个LLM家族的508个AgentDojo攻击案例评估显示，残余权限使攻击成功率最高上升35.1个百分点。对3款真实编程代理的55个终端测试案例实测，上下文重绑定攻击的平均成功率也因该漏洞提升24.9个百分点。这暴露了持久授权与用户同意上下文依赖性之间的根本错配。
- AI 摘要arXiv cs.AI
新研究提出STSA方法解决动态文本图跨域迁移难题
针对动态文本属性图（DyTAGs）边分类任务在分布偏移下易过拟合的问题，作者建立留一域外（LODO）迁移协议。实验表明现有自监督方法在未知域上表现不佳，甚至不如仅输入无序节点与边文本特征的Bag of Events（BoE）模型。为此，作者提出时空语义对齐（STSA）方法，通过时空编码器将时间差与节点频率融合至统一流形，并采用对比语义预测目标，利用预训练语言模型初始化多域文本潜空间提供先验，最终性能超越BoE及所有现有基线。
- AI 摘要arXiv cs.AI
新模型SonoGraph-WM实现机器人超声导航解剖预判
针对机器人超声扫查缺乏解剖变化预判的问题，提出动作与目标条件化的世界模型SonoGraph-WM。该方案用场景图表征解剖结构、几何及空间关系，避免直接合成超声图像。统一Transformer基于历史图与探头位姿联合预测未来状态，结合滚动时域规划器寻优并执行。利用CT标签图生成对齐训练数据以摆脱对人工标注的依赖。在四例未参与训练的CT测试中，空间关系F1在20步预测后超93%；闭环导航对胆囊与胰腺分别取得77.50%和75.00%的成功率；在机器人体模实验中，73.7%的尝试成功抵达目标视角。
- AI 摘要arXiv cs.AI
针对不完整观测的无线电地图盲预测，新方法RadioDecomp通过残差修正降低…
无线电地图盲预测在观测不完整时，因缺失物理信息导致目标无法由输入完全确定。该研究建立群体级理论，将预测误差拆分为可缩减的近似误差与不可缩减的不确定性，并刻画了观测丰富带来的不确定性缩减。研究揭示传播先验兼具物理指导与可实施偏差的双重作用，据此提出RadioDecomp方法，将先验预测器视作可修正基底，通过残差精修学习剩余可预测差异。分别结合特征引导单体基与LoS-Shadow结构基实例化出RadioFR与RadioLSR，在随机、跨配置及跨环境设定下均优于各自基底，验证了残差修正与传播相关表征的有效性。
- AI 摘要arXiv cs.AI
研究者推出FinancialAuditBench，基于差分隐私构建金融审计评测…
Jerry Huang等人发布FinancialAuditBench，用于评估智能体在财务报表审计任务上的表现。该基准利用差分隐私聚合统计量与超1100小时专家审核生成合成任务，包含6个合成审计项目共90个任务，每个项目平均含179个文件。对11个前沿模型的测试表明，智能体能较好完成部分初级审计工作，但偶现不当程序或错误文档。该框架也为隐私敏感领域的合成任务生成提供了方法。
- AI 摘要arXiv cs.AI
研究提出MAPL框架优化大模型多智能体协作
针对大模型多智能体协作中可靠奖励难以构建的问题，研究提出通用多智能体偏好学习框架MAPL。该框架通过比较当前解与各智能体生成的分散或集中解实现迭代更新，并实例化出MARLHF与MADPO两种算法。在协作写作、编程、工具使用及旅行规划任务上的测试表明，MAPL能提升协作质量与效率，性能接近具备固定明确奖励的MARL。其中MARLHF在多数任务上优于MADPO，但对数据覆盖度、模型及底层算法较敏感。