论文：AI 论文、技术方法与基准测试第 78 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
隐式神经表示用于高光谱视频压缩获显著增益
研究提出将隐式神经表示用于高光谱视频压缩，扩展现有RGB视频压缩模型。相比逐帧传统图像压缩，新方法BD-PSNR提升4.99 dB，BD-rate降低88.88%。在低数据量下，与基于PCA及JPEG2000的压缩相比，HOT2026数据集上目标跟踪AUC最高提升23.42%，距离精度最高提升35.56%。该论文已被IEEE WHISPERS 2026接收。
- AI 摘要arXiv cs.AI
北大提出LOHA与ACD方法压缩智能体上下文
针对软件工程智能体工具观测占据大量上下文的问题，北大提出LOHA布局与ACD训练法。LOHA将历史工具观测压缩为软标记，保留智能体自身轮次与近K个观测文本；ACD通过锚定基础模型行为来约束漂移。在SWE-bench Verified上，K=3使Qwen3-4B与SWE-Master-4B-RL的单次上下文分别缩减43%和57%，解决率从14.5%和27.5%降至12.1%和21.8%。在32K标记限制下，Qwen3(K=3)在199实例子集解决率达21.1%，超全文本基线的11.1%，单GPU并发吞吐量达全文本的1.9倍。
- AI 摘要arXiv cs.AI
多智能体辩论合成引入APG验证层，超75%用户偏好显式失败报告
基于大语言模型的多智能体辩论系统在最终合成阶段易产生无事实依据的伪造共识。为此，研究提出主动溯源门（APG）作为辩论后验证层，将数据源作为硬约束审查声明并自纠。在危机模拟中，该自愈机制使困难场景下的平均数据溯源保真度提升一倍以上，随后严格门限阻断无据声明并生成分歧报告。人类受试者中逾75%偏好明确指出关键场景失败的报告，尽管多数人认为基线系统伪造的共识更流畅。该论文被ICTAI 2026接收。
- AI 摘要arXiv cs.AI
研究揭示视觉语言模型仅能识别双层排版文字中的一层
研究构建DecoyBench数据集，含300张叠加锐利轮廓与柔和阴影双层文字的图像。验证表明人类可同时高准读取两层，而6个近期闭源视觉语言模型在高分辨率下仅能近乎人类准度提取轮廓层，几乎无法获取阴影层；在低分辨率下，模型与人类均无法读取轮廓层，却能高准提取阴影层。这表明此类模型在处理含多空间频率层的排版结构时存在一致的行为局限。该论文已被EMNLP 2026的DocInsights研讨会接收。
- AI 摘要arXiv cs.AI
研究复现大模型动态层级路由并证伪单步路由器主声明
针对Li等人提出的PoLar系统（将Transformer各层视为函数库按需动态调用而非固定前传），Westerhoff等人在5个模型上展开复现。确认了跳层优于标准前传、重复层优于跳层、两者结合最优，且简单问题对应短程序、难题需更多重复。但未能复现其单步推理学习路由器的核心声明：该路由器最高预测总坍缩回标准前传，尽管其top-k组合确有精度提升。进一步发现少数通用程序可解多数问题，而纠错程序极度脆弱，单次编辑即致失效。代码已开源。
- AI 摘要arXiv cs.AI
医学AI代理SDC至MCP安全网关论文发布
Bennet Gerlach与Stefan Fischer提出面向医学AI代理的SDC至MCP网关。该网关将指标、警报等暴露为只读资源，将动作呈现为经策略验证的试运行工具，确保代理请求不触发真实设备操作，实现安全边界。Python原型经多模型评估显示，显式语义元数据提升了结构化警报输出对指标标识符的符合度，且保留了拒绝无效状态与不执行边界特性，同时揭示了看似合理的叙述性答案与符合任务的可机读结果间的差异。
- AI 摘要arXiv cs.AI
研究提出可变对话记录范式以缓解LLM上下文污染
当前大语言模型对话系统将历史视为不可变序列，导致过时信息残留引发上下文污染。Dan Barry与Andrew Hines提出可变对话记录范式，允许用户通过自然语言修改历史轮次，将记录从被动存档转为可编辑状态。基于17名用户的对照实验表明，该范式在清晰度、信心与易用性上显著优于标准对话，降低重启对话意愿，并能缩短对话长度、消除废弃上下文。代码与原型已开源，论文被NeurIPS 2026接收。
- AI 摘要arXiv cs.AI
DyMD框架将14B视频世界模型蒸馏至1.3B四步生成
针对分布匹配蒸馏（DMD）在少步视频生成中易抑制交互动态的问题，DyMD框架通过时序亲和性重噪声采样与动态引导伪分数追踪，自适应调整教师监督与评判拟合。该方案将14B教师模型蒸馏为1.3B四步学生模型，推理无需辅助模块。在具身视频基准上，学生模型比基础DMD的R-Bench任务依从性提升9.6个百分点，PAI-Bench-G域得分提升5.1分，视觉质量持平。作为动作规划骨干，在两项WorldArena任务中平均成功率从16%升至34%。
- AI 摘要arXiv cs.AI
本地小模型信息抽取研究：批处理降能耗85%，文档类型决定最优管线
针对隐私敏感文档的本地信息抽取，研究评估了参数量不超过8B的纯文本与视觉语言模型在准确率及能耗上的权衡。结果表明，批处理是降耗主导手段，单页能耗降幅达38%至85%且无损精度；FP8量化在单次请求时节省27%至32%，但批处理后节省不足1mWh（9%至19%）。神经OCR单页能耗为传统OCR的17倍且未达帕累托前沿。最优输入表示随文档类型翻转：富排版文档适用视觉语言模型，近纯文本则用小纯文本模型配廉价解析器，精度与成本均优于视觉方案。
- AI 摘要arXiv cs.AI
CG-HAF框架提出可解释全局局部融合痤疮分级法
针对痤疮严重程度有序分级任务，CG-HAF框架将独立分类器输出的整体严重度概率与目标检测器生成的结构化皮损描述（数量、置信度、面积）显式融合，经轻量可解释分类器得出最终等级。在常用基准上，该融合相比仅用全局基线有统计显著的提升，重度病例增益最大。跨数据集测试表明优异同源表现不自动迁移，诊断指出主因是分级标准不匹配而非检测失败。该信号可支持护肤应用中的透明非诊断决策。
- AI 摘要arXiv cs.AI
AgentXploit：针对AI智能体的白盒红队审计系统
研究提出AgentXploit，一种面向AI智能体部署前白盒审计的双角色系统，将代码层攻击路径发现与运行时利用分离。Analyzer追踪输入到敏感操作的路径，Exploiter将其转化为具体攻击并用运行反馈修正。同步推出含12个开源智能体系统、72个可复现漏洞的AgentXploit-Bench。三次运行中，该系统端到端攻击成功率达59.3%，Codex为38.4%（token预算对齐后为46.3%）。在给定注入点的AgentDojo上，Exploiter成功率79.2%，AgentVigil为52.7%。
- AI 摘要arXiv cs.AI
VLA-Dreamer提出基于世界模型优化VLA架构
当前视觉-语言-动作模型（VLA）依赖海量模仿学习数据且缺乏显式世界模型，控制能力受限。VLA-Dreamer概念架构在VLA视觉编码器的嵌入空间训练预测性世界模型，假设该嵌入具备动作相关性且可用于未来预测。其损失计算在嵌入空间而非像素空间，类似联合嵌入预测架构。训练后的世界模型可在推理时通过给定目标图像采样VLA动作，用于短期规划任务，旨在检验视觉嵌入丰富度并降低VLA的高数据需求。
- AI 摘要arXiv cs.AI
研究提出EffectMatch运行时，阻断智能体未授权持久影响
大语言模型智能体在操作软件系统时，已授权动作可能产生未授权的持久副作用（如更新数据库后触发未授权通知），现有防护仅记录事后影响而不校验，导致错误结果被后续步骤采纳。为此，研究提出EffectMatch运行时机制，在受控执行边界内收集持久变更，并与应用当前状态授权内容比对，依比对结果决定提交与后续执行。在206项公开业务任务评测中，该机制保留了所有正常执行并阻止了全部错误提交，消融实验与拓扑测试也验证了其各模块不可或缺，能有效阻断与授权不符的持久影响向下传播。
- AI 摘要arXiv cs.AI
UniAR框架通过多视角提示学习提升自闭症识别准确率
针对自闭症诊断文本稀缺导致模型难以进行语义推理的问题，UniAR框架被提出。该框架利用大型多模态模型在词、短语和句子层级生成诊断描述，弥补临床报告不足，并设计基于混合专家的多尺度对齐模块，将向量量化的视觉原型与语义表征动态匹配。在涵盖脑部MRI与面部表情的四个基准测试中，UniAR在MRI基准上平均准确率达75.9%，面部基准达91.6%，相比基线分别提升1.5与1.2个百分点。该论文已被ACM MM 2026接收。
- AI 摘要arXiv cs.AI
Softmax重参数化降低小模型输出头量化损耗与推理延迟
针对小语言模型因词表大导致输出头推理成本高的问题，提出softmax重参数化后训练量化法。该方法从输出行减去词表行均值的标量倍数，通过验证KL散度一维搜索系数，保留全精度分布且不改解码器。在Phi-4-mini上，W4量化下AW-MSE的KL从0.936降至0.256；冻结系数可跨数据集迁移。对移位兼容头，该方法无额外推理开销，使Phi输出头量化后相比BF16基线降低10.8%的单批次生成延迟。
- AI 摘要arXiv cs.AI
G2MAF提出多智能体强化学习测试时策略优化框架
离线多智能体强化学习部署时策略固定，易执行次优动作。G2MAF框架在测试阶段利用全局归一化投影评论家梯度，引导各智能体修正动作，确保行为可行且贴近原策略。在24个MPE与SMAC设定中，其标准变体改善了20个设定，MPE平均相对增益9.2%，SMAC为8.9%，模型推理延迟仅增约6%。
- AI 摘要arXiv cs.AI
新框架结合区块链与智能体保障软件供应链安全
一篇新论文提出基于区块链的智能体安全框架，旨在保护完整软件开发生命周期及监控它的智能体组件。该架构协调多个由大语言模型驱动的专业安全智能体，涵盖源码完整性、依赖与SBOM分析、CI审计、制品验证及运行时策略评估。每个智能体生成加密签名证明，通过智能合约记录到许可链上，包含注册表、不可变证明日志与可执行发布策略模块。联盟证书机构保障通信防篡改，最终触发可验证的部署放行或阻断决策。
- AI 摘要arXiv cs.AI
MA-WAM：首个多智能体流策略测试时世界模型规划框架
针对多智能体协同需同时执行联合动作且动作间存在依赖的问题，提出MA-WAM框架。它为冻结的多智能体流策略提供候选联合动作未来评估能力，是首个此类测试时规划器。在MAMuJoCo等3个基准的30个离线MARL设定下，相比直接执行与均匀动作选择，分别获得22.0%与25.6%的平均相对增益。A100上评估仅增加12.1毫秒，占生成评分总耗时2.5%。
- AI 摘要arXiv cs.AI
研究揭示自主智能体限价订单簿的相变与市场冲击规律
Jan Rosenzweig 发表论文探究完全由强化学习自主交易智能体构成的限价订单簿（LOB）的宏观动态。研究发现，此类订单簿存在明显的相边界，将有序价格发现与超波动级联状态分隔，该边界由智能体数量与市场深度的临界阈值决定。同时，智能体提供流动性时的市场冲击偏离经典平方根动态，在非线性反馈回路下呈现出耗散、平衡与非耗散三种不同状态。
- AI 摘要arXiv cs.AI
新研究提出DEFECt3R模型，实现多视图图像几何不一致像素级定位
针对新视图合成（NVS）模型生成图像间存在几何不一致的问题，现有评估方法难以直接用于多媒体取证中的不一致定位。为此，研究团队构建了包含像素级标注的宽基线多视图数据集DeformView。实验表明，现有评分方法向取证任务迁移效果差。团队提出轻量级分类器DEFECt3R，利用跨视图特征关系与显式监督（含难负样本）实现像素级定位，显著降低误报率。消融实验证实特征表示与对应质量均影响定位效果。代码与数据集已公开，被ACM Multimedia 2026的DFF研讨会接收。