论文：AI 论文、技术方法与基准测试第 83 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
新研究用范畴论构建环境群胚以提升POMDP求解泛化性
该论文提出将范畴论作为高维部分可观测环境强化学习的实用框架。通过对称轨道将状态空间划分为等价类，并组织为带有规范代表的群胚，使智能体能在相似状态间共享所学，而非将每种位置或方向视为新问题。学习在对称约简空间进行，每轨道仅代表一次，消除冗余并提升采样效率。在部分可观测基准上的评估表明，基于轨道的划分在具潜对称性的环境中带来一致性能提升，为构建更具结构化与可扩展性的学习系统提供路径。
- AI 摘要arXiv cs.AI
InfiNoVA框架通过3D高斯渲染提升机器人策略视角鲁棒性
VLA策略在未训练视角下性能常大幅下降，物理采集多视角演示成本高且覆盖稀疏。InfiNoVA框架将多相机同步演示重建为时变3D高斯表征，从采样位姿渲染新视角观测并保持原状态-动作对应。该显式表征提升了帧级保真度与时序一致性，减少生成式新视角合成中的关键幻觉。四项真实操作任务测试显示，经其训练的策略在未见随机视角下平均成功率比基于VISTA扩增及无扩增策略高5.4倍，比直接用五个物理相机视角训练高1.7倍，且无需修改底层策略架构。
- AI 摘要arXiv cs.AI
研究提出AI神经替代框架设计神经调控目标
一项研究提出结合fMRI解码、深度生成建模与潜空间约束的AI神经替代框架，无需物理刺激即可预测认知情感变化。基于超3.6万条图像fMRI观测数据构建的受试者特异性模型，在双向识别上达0.79-0.88（随机水平0.5）。主模型VDVAE将效价从-0.61调至+1.03 SD、记忆度从-1.34调至+1.45 SD。18名受试者的7200次人类评估证实，效价评分随扰动水平朝预测方向移动（平均斜率0.038 SD/alpha单位，95% CI 0.003-0.074，18人中16人为正），但记忆度无可靠变化。极端扰动会导致图像偏离原始刺激，需权衡改变意图与保真度损失。
- AI 摘要arXiv cs.AI
新研究提出KGQA中SLM推理路径评估法
针对小语言模型结合知识图谱问答时各阶段耦合导致难以定位推理失败的问题，研究引入THESEUS框架，将冻结的SLM作为局部动作策略，在每跳仅从合法动作中选择并决定是否停止，剥离了参数更新与自由生成。采用Path Edit Distance衡量路径保真度，结合Hits@1评估答案准确率。在Kinship与MQuAKE-ST数据集上，同等规模模型在两项指标上表现差异显著，甚至指向不同最优模型；单条提示轨迹对导航的影响也因模型而异，表明需超越终点准确率评估SLM图推理。
- AI 摘要arXiv cs.AI
研究证明演化稳定不等于多智能体学习可达
该论文指出，在多智能体系统中，演化博弈论的策略稳定性无法保证有限样本的学习智能体通过局部奖励反馈达到相同结果。研究构建了含政府、平台与用户的三方博弈，对比了演化吸引域与三种独立Q学习（ε-IQL、缩放Boltzmann及SA-EA BQL）的学习吸引域。在相同收益环境下，演化吸引域体积为1.00，而ε-IQL的实证学习吸引域为0.88，缩放Boltzmann与SA-EA BQL均为0.00。这表明演化稳定与学习可达是耦合系统的独立属性，共享单车是该框架的典型应用。
- AI 摘要arXiv cs.AI
FLEET方法为LLM引入记忆机制，同等算力下实现3倍加速
针对大模型温度采样因无记忆导致重复生成、收益递减的问题，FLEET方法将生成过程表示为越过熵阈值的稀疏轨迹，据此推断逐token效用分并调整logits。评测显示，达到基线同等精度时提速3倍；同等预算下，LiveCodeBench Pass@32从59.9%升至66.2%。该法在贪心解码下具确定性，单次校准推导超参，对现有管线改动极小。
- AI 摘要arXiv cs.AI
上海AI实验室发布物理世界模型InternW0
上海AI实验室推出InternW0物理世界模型，采用非对称视频-动作架构与流匹配，联合学习视觉动态与连续控制。高容量视频专家提供长视野预测，轻量动作专家在更快时间尺度运行。通过复用逐层K/V及观测条件路由，避免每次动作更新重新生成未来。模型在约7200小时异构机器人及自我中心数据（含275小时EgoLab数据集）上训练，引入触觉信号后训练。评估涵盖仿真基准及真实科学任务，如15阶段金属有机框架合成与5阶段通用定量移液操作。
- AI 摘要arXiv cs.AI
LoReST模型解决大规模交通预测中局部异质性与跨区域上下文挑战
针对大规模交通流预测中局部空间依赖异质性与获取全局远距离上下文计算成本高的问题，LoReST模型提出双粒度空间依赖建模范式。在节点邻域层面，通过关系感知局部聚合捕捉道路与方向特异的异质依赖；在路网区域层面，经均值池化构建区域表征，借区域间注意力交换远距离上下文并回传至节点。在LargeST基准的四个数据集上，MAE、RMSE和MAPE平均相对降幅分别达4.78%、3.60%与5.75%。
- AI 摘要arXiv cs.AI
Guo与Bu提出SHRAV框架用于物理建模与逆向设计
Ziheng Guo和Yang Bu提出名为SHRAV的计算框架，围绕状态、假设、推理、动作与验证五个环节构建，核心为支持声明复用边界的状态延续机制。正向配置演化预测状态并读出物理响应，逆向配置额外生成目标导向修改并吸收评估反馈。在计算光刻逆向设计实验中，四次固定权重更新使阈值 aerial image IoU 从0.5313升至0.8153，预测与独立回放间最大绝对差约0.000824。
- AI 摘要arXiv cs.AI
BiCFlow-MER提出基于条件流的多模态情感识别新框架
针对音频-文本情感识别中情感线索与说话者风格及词汇内容纠缠、跨模态冲突难以整合的问题，BiCFlow-MER框架将识别构建为结构化情感空间内的生成式证据传输。该框架把情感证据从风格与内容中解耦，构建冲突感知条件，通过双向整流流将话语传输至显式情感端点，并利用自适应原型云评分与反向一致性进行联合验证。实验表明，该方法在IEMOCAP、MELD及零样本CASE基准上均超越所有对比方法，确立了融合判别与生成的新范式。
- AI 摘要arXiv cs.AI
Jev模型可低成本评估AI放射报告临床事实性
Jev作为System One决策模型，用于评估AI生成放射报告与医生参考报告间的事实差异。其双向检查可捕捉无依据声明与遗漏。单问题配置在RadEvalX与RadEvalExpert上Kendall相关系数分别达0.573和0.398，优于匹配条件下的开放NLI评判器。每句仅用1个支持问题，与7个问题保持相近专家一致性，且节省43-45%输入token。百对报告评判成本低于3美分。在受控错误测试中，其检测假阴性的AUROC为0.977。
- AI 摘要arXiv cs.AI
新设计原则SGC解决LLM智能体方向漂移，准确率升至96.7%
针对依赖实时状态（如游戏状态）的LLM智能体易出现方向漂移的问题，提出State-Grounded Conditioning（SGC）设计原则。SGC通过Perception、Grounding和Interaction三个封装器将状态控制外部化。在200场游戏教练对话测试中，Perception封装器将首token延迟从6.1秒降至1.5秒；启用全部三个封装器使轮次级准确率从基线最高69.8%升至96.7%，会话级准确率从26.5%升至83.5%，会话级状态失效事件相对最强基线降低约78%。
- AI 摘要arXiv cs.AI
研究提出J-ICL框架，解决大模型上下文学习易受误导问题
现有上下文学习后训练方法常忽略上下文权威性，导致模型易被伪科学等误导信息带偏。新提出的FakeContextBench评测显示，主流ICL微调会使模型事实准确率相对基线最多降低14.95个百分点。为此，研究者提出J-ICL后训练框架，将上下文验证纳入目标。在四种骨干模型上，J-ICL相较基线平均提升ICLEval 5.84个百分点、事实准确率9.20个百分点，相对MetaICL等方法将真实率平均提升18.09个百分点，证明抗欺骗与ICL能力可同步强化。
- AI 摘要arXiv cs.AI
研究揭示神经网络特征擦除实为抑制，单标量即可恢复
针对概念擦除的线性投影法，该研究指出在特征密集叠加时，先进线性擦除会破坏共享子空间的双特征而非仅目标特征。经梯度下降训练的网络以非线性方式应对，依初始化条件收敛至镜像或阴影两种电路方案，此分岔对应稳定吸引子。因果干预表明，两种方案均使被擦除特征留有可测痕迹，仅需单一标量修补即可恢复，无需再训练。这为大模型反学习中知识易重现的失效模式提供了机制解释。
- AI 摘要arXiv cs.AI
新研究提出能力流形框架统一ML扩展律
现有ML扩展律仅将预测损失与算力、参数和数据关联，无法衡量智能体在推理、检索等下游能力的差异。新研究引入能力流形这一多维框架，通过有界扩展函数将下游能力映射至预训练、后训练及测试时资源。其解析雅可比矩阵可量化能力对资源变动与交互的敏感度。该框架将Kaplan与Chinchilla类扩展律及测试时算力统一为流形上的轨迹。
- AI 摘要arXiv cs.AI
DCRL框架通过流形对齐优化大模型强化学习，4,参数量模型超越32B基线
针对大语言模型强化学习中基于规则或奖励模型存在的优化不稳与奖励黑客问题，DCRL框架从几何视角将推理视为逻辑、评估与表示三个子流形的耦合。生成与奖励估计视为解耦过程，现有系统缺陷源于策略与奖励流形失配。DCRL引入三段论逻辑提示演化动态优化奖励准则，并用重耦合机制联合更新策略与奖励模型以消除失配。实验显示，经DCRL训练的Qwen3-4B模型胜过Qwen3-32B基线，逼近Qwen3-235B表现。
- AI 摘要arXiv cs.AI
FDE-Bench发布：专评大模型智能体部署配置能力
FDE-Bench专用于评估大模型智能体将代码转化为运行系统的能力，涵盖Docker、Compose与K8s等136项配置任务，分全新构建与诊断修复两种模式。评测采用四层二进制检查机制测构建、就绪、行为与规范符合度，并设四臂发布门禁以拒收无效提交。测试显示，四家提供商的七个模型在相同四工具支架下解决率介于52.9%至75.0%之间。就绪阶段为最主要失败点，占313次未解决事件的110次。修复类任务平均解决率比全新构建类高30.7个百分点。25任务案例中，人类工程师指挥Claude-Sonnet-5解决率达92%，高于其自主基线的72%。
- AI 摘要arXiv cs.AI
PhyMo提出物理场模态，提升AI4Physics多模态表征
针对现有AI4Physics方法将物理量与方程视作普通数值或文本标记、忽略物理约束的问题，PhyMo框架引入物理场模态，通过偏微分方程关联算子整合异构测量。其三阶段学习流程为：先在偏微分方程残差监督下预训练编码器做场重建，再将所得表征与视觉嵌入在共享潜空间对齐，最后由预测头处理融合表征。跨五种数据集的实验表明，相较各集最强基线，该框架取得最优表现，验证了其在物理多模态表征学习上的优势。
- AI 摘要量子位
DeepSeek公开Agent训练系统DSec，每秒创5千沙盒
梁文锋署名的DeepSeek论文公开了Agent训练基础设施DSec。该系统每秒生成超5000个沙盒，日产能达300万，峰值同跑38万个。单集群含160节点、3万核CPU与250TB内存。DSec提供四种后端应对不同隔离需求，通过EROFS分层镜像与按需加载解决环境构建瓶颈，并用virtio-pmem与DAMON削减内存开销，8192容器突发部署仅需35分钟。
- AI 摘要量子位
Figure与Dyna验证人类视频预训练对机器人泛化的规模效应
Figure在30个陌生家庭测试Helix 2.5，经1200亿tokens人类动作Index预训练的模型完整任务成功率达56%，未预训练仅9%。其离线评测显示预训练数据扩大8倍，动作预测损失按幂律下降，但未公开各档真实成功率。此前Dyna用1000至100万小时嵌套人类视频预训练，14项真机任务平均归一化得分从20%升至53%，率先证明人类数据规模差异能延伸至闭环表现。Figure则将此效应明确扩展至全身人形机器人系统。