论文：AI 论文、技术方法与基准测试第 89 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
VPRune提出免训练视觉Token剪枝框架，优化大模型推理
针对大视觉语言模型推理成本高的问题，VPRune提出免训练的Pre-LLM剪枝框架。该工作指出激进Token缩减导致性能下降的三个因素：文本引导选择偏差、丢弃Token的信息丢失及序列紧缩引发的位置失真。VPRune通过纯视觉多样性选择、相似度引导Token回收及保位置恢复来应对。在FastVLM-1.5B的测试中，其精度与压缩权衡表现佳，激进压缩下优势显著。边缘设备评估表明，该方法在保持任务性能的同时降低了端到端推理延迟，适用于资源受限部署。
- AI 摘要arXiv cs.AI
Fathom-Vaidya医疗推理框架发布，30B模型超越GPT-5
Fathom-Vaidya提出针对医疗大模型的双阶段训练框架，结合合成数据与基于评分准则的强化学习。第一阶段用MedBullets数据与规则引导RL提升诊断推理；第二阶段构建5.3k合成多轮场景及多维评分准则增强临床交互推理。该方法在MedXpertQA基准上带来超10%提升，其30B参数模型在HealthBench-Hard取得50.1%准确率，超越GPT-5(thinking)等闭源基线，证明该训练机制可系统性提升医疗LLM的推理能力。
- AI 摘要arXiv cs.AI
多模态框架用餐饮图像与微生态预测餐后血糖
针对餐后血糖预测依赖人工记录饮食导致难以规模化的问题，研究提出多模态框架。该方案用图像推算宏量营养素替代人工记录，并结合临床变量与肠道微生态信息进行个性化预测。框架联合执行图像营养素估算与血糖预测，利用注意力机制建模饮食与宿主特征交互。在包含餐饮图像、连续血糖监测等真实数据集上，该模型性能超越使用图像营养输入的现有基线，且接近依赖人工记录营养素的方法，为可扩展的个性化餐后血糖预测提供了实用基础。
- AI 摘要arXiv cs.AI
研究揭示4D LiDAR语言模型时空推理缺陷并发布新基准
针对4D LiDAR语言模型的时空推理能力，研究提出LiDAR-Hallu基准及诊断协议，含1万问题与150个nuScenes场景。测试发现，两B4DL配置模型在正侧向运动案例上全部失败，且对需相反答案的成对场景常给出相同回复，恒选同选项即可接近其多项选择准确率。时序打乱对比解码未能带来净提升。代码与数据已公开。
- AI 摘要arXiv cs.AI
FoldQuantVLA实现视觉语言动作模型W4A4量化，端侧推理提速超1.3倍
FoldQuantVLA是一种针对视觉语言动作模型的后训练量化框架，无需策略重训即可实现原生低比特推理。该方案结合通道缩放、块Hadamard变换与动态逐token量化，在语言主干与动作专家中执行W4A4整数运算。在Jetson AGX Orin上，对GR00T及π0.5模型实现1.20至1.33倍加速，桌面端达1.25至1.52倍。将语言层注意力输出与前馈降维投影保留为W8A8，可使真实机器人任务中GR00T N1.7成功率从纯W4A4的80.0%升至92.5%，仅增加1毫秒延迟。
- AI 摘要arXiv cs.AI
新框架解决单目手部姿态估计难题，HO3D指标提升超37%
单目RGB手部姿态估计在相机坐标系下存在深度模糊及局部姿态与全局腕部位置的透视投影耦合难题。新框架基于主流编码器-解码器架构，引入变换同构监督提取手部深度信息，并采用透视信息嵌入解除上述耦合效应。同时提出帧率感知的多数据集训练策略，实现序列姿态逐步精炼。在HO3D数据集上，该方法的CS-MJE指标较现有最优结果最高提升37.1%。
- AI 摘要arXiv cs.AI
ICML 2026论文提出ARM：可学习稀疏控制的KV缓存新结构
针对大模型KV缓存因硬驱逐丢弃核心信息的问题，ARM引入固定大小且全可微的分层路由器记忆系统。它借助Gumbel-Softmax学习选取记忆槽，并用Sigmoid门控软组合新旧信息，避免硬驱逐以减少信息损失。推理时通过动态策略按需调整记忆量，适配简单上下文与深度推理输入。在常识及长上下文推理基准测试中，相比固定KV缓存方案，ARM在性能与效率上均表现更优，且在显存占用和生成延迟上保持可扩展性。该论文已被ICML 2026接收。
- AI 摘要arXiv cs.AI
受脑结构启发的新剪枝框架ASF-S：减参70%无需重训即可恢复精度
研究团队提出新型结构化剪枝框架ASF-S及候选挑选准则PGI。传统剪枝依赖不透明启发式或权重指标，忽视网络结构依赖。该工作借鉴大脑结构功能关系，为人工神经网络定义人工功能连接AFC，确保剪枝后模型保留输出层拓扑组织。测试表明，此方法能获得参数量削减70%的模型，且无需对已剪枝层重训练即可恢复基线准确率。
- AI 摘要arXiv cs.AI
Tactile-JEPA：面向分布式触觉传感器的自监督预训练方法
针对分布式电子皮肤触觉元件稀疏且排列不规则、直接套用视觉自监督方法效果差的问题，Tactile-JEPA提出利用传感器连通图引导空间掩码，从未掩码部分预测掩码部分嵌入。该方法采用双尺度掩码同时捕获局部接触细节与全局表面状态。在涵盖磁性与压阻传感器、单双传感器配置等三个数据集上，相比原SOTA，力估计误差降6.3%，手中朝向误差降20.8%，在策略学习等下游任务也有一致提升。代码已开源。
- AI 摘要arXiv cs.AI
InfoPPO提出用信息密度替代token计数优化LLM推理
针对RLVR中按token生成参数化时间进程导致信息流不均匀的问题，InfoPPO改用信息密度重参数化。该方法在长程推理中恢复非平凡折扣有效性，避免终端监督过度衰减，并引入依状态调整的自适应裁剪机制，实现更精准的策略更新。在Qwen3模型及五个数学推理基准测试中，其表现持续优于竞争基线，且在token-time PPO退化的折扣设置下保持准确率与响应长度稳定。
- AI 摘要arXiv cs.AI
URA-NER框架提升低资源NER小模型性能
针对低资源命名实体识别中检索错位与生成不确定问题，URA-NER框架提出三项改进：渐进粒度检索分两阶段对齐跨度检测与类型分类；模型感知表示增强通过实体预识别对齐查询与示例的语义空间；推理感知知识验证构建生成-检索-验证闭环，用外部知识重组验证证据。实验表明该框架显著提升低资源下大模型表现，小模型增益尤为明显，在多项基准上达到SOTA。
- AI 摘要arXiv cs.AI
VLM-in-Sandbox框架实现无训练视觉推理与状态管理
Hexiong Yang等人提出VLM-in-Sandbox，一种无需训练的智能体多模态推理框架。该框架通过视觉工作区将视觉证据生成与管理分离，利用图像账本记录中间产物，维持有界的活跃视觉上下文，并允许模型显式提升选定证据供后续检查。在7个基准与4个基础VLM上，其样本加权平均准确率最高。1260例编译匹配研究显示，该方法达66.27%准确率，且比全保留对照组少用18.6%的token。在6350个GPT-4.1-mini提交例中，相对追加模式产生302次挽救与142次退化。本地vLLM研究证实其减少了未缓存token、首token时间及端到端延迟。
- AI 摘要arXiv cs.AI
研究剖析智能体图像取证：推理能力为抗分布偏移主导因素
针对开放世界伪造图像检测，研究剖析了基于多模态大语言模型的无训练智能体框架，探究分诊、提示与证据仲裁的作用。实验表明，简单融合检测器在真实图上误报率极高；分诊与提示通过过滤不可靠证据能稳定提升表现；但推理质量才是决定性因素，强评判模型在分布偏移下优势显著。此外，各类配置的篡改召回率均近饱和，当前核心挑战已非发现篡改，而是校准对专业工具的信任及仲裁冲突证据。该文被ECCV 2026的AI4MFDD研讨会接收。
- AI 摘要arXiv cs.AI
新方法缓解跨域命名实体识别类型混淆，刷新CrossNER指标
跨域命名实体识别（CD-NER）在实体跨度检测上精度高，但常把实体错分为相似类型。为此，研究者提出多维混淆量化模型（MCQM），从源-目标层级、语义相似度及显式数据评估三维度衡量混淆程度。同时提出渐进双向推理链（PBRC），利用MCQM的混淆分析引导大语言模型生成两阶段推理信息以增强模型知识。该方法有效缓解了类型混淆并提升泛化能力，在CrossNER数据集全部域上取得新的最优结果，已被IJCAI-ECAI 2026接收。
- AI 摘要量子位
百曜科技发起的AI虚拟细胞（AIVC）研究报告正式发布
9月21日，百曜科技发起、《麻省理工科技评论》中国团队调研撰写的AIVC研究报告发布。报告将AIVC定义为AI时代生命科学新型基础设施，旨在推动其从概念走向规模应用。报告指出AIVC将研究从分子层面推进至细胞层面，构建细胞数字镜像以预测干预响应。产业竞争呈现三大趋势：模型从规模扩张转向泛化与任务适配；私有数据与新生产数据成关键壁垒；打通“数据-模型-实验”干湿闭环成产业化核心门槛。百曜科技被列入AIVC核心创新企业图谱，将从模型架构、数据工厂、干湿闭环三维度突破。
- AI 摘要量子位
AI模拟1900年物理环境尝试复现光量子理论
独立研究者训练了参数量为33亿的GPT-1900模型，仅使用1900年以前的约220亿token文本数据。在针对光电效应的测试中，模型输出了与爱因斯坦光量子假说高度相似的描述，即光由分离且频率不同的部分组成。然而，该模型在大多数物理任务中表现不佳，且实验过程依赖现代AI生成指令与评分，未能完全隔绝现代知识的影响。
- AI 摘要量子位
JEPA-Anything框架实现跨七类系统预测
PhAI Labs联合牛津等高校发布JEPA-Anything框架，通过OPF机制将目标状态切割为互补子空间独立处理。该框架在视觉、生物、临床、控制、分子、物理场和天气七类系统中验证了同一预测核心的有效性。实验显示，模型在行星轨道计算中提取的拟合斜率达-1.4991，接近理论值-1.5。
- AI 摘要arXiv cs.AI
Designer-RSI框架通过演化程序记忆提升智能体图形设计成功率
Designer-RSI提出一种持续适应框架，让冻结参数的前沿模型通过超230种工具操作设计软件，并利用外部程序记忆积累与精炼自然语言技能。该记忆通过获取未覆盖子任务技能实现“拓宽”，通过对照成功与失败执行修正现有技能实现“深化”，并由重放门控制以防成功案例退化。经1406份真实用户需求与5轮演化，技能库从76增至139，Claude-Sonnet-4的GenEval2执行成功率由72.7%升至99.3%，生成质量提升11.99分。在四个专业基准上，相对无技能智能体胜率达61.8%与67.6%。在200份留存需求上，拓宽与深化结合的胜率达58.5%，显著优于单独使用。
- AI 摘要arXiv cs.AI
CodeMidas仅凭源码构建RL环境，MiMo-V2.5多基准提升超11%
为扩充智能体编码RL训练任务，CodeMidas仅将源码作输入，经探索、构建测试及验证过滤，把已有代码库功能转为可执行环境。由此产出涵盖23种语言与15个领域的5545个任务。基于此用GRPO训练MiMo-V2.5，在五项基准上全面进步：DeepSWE升11.7%，ProgramBench升17%，Terminal-Bench v2.1升8.5%。消融实验证实增高质量任务可提性能，轨迹分析指RL训练使智能体更重代码库探索与自检。
- AI 摘要arXiv cs.AI
研究揭示AI代理使用中价值满足取决于用户设定的运行条件
针对自主AI代理的评估常忽略用户重视的价值。研究借助大模型与价值敏感设计，分析关于OpenClaw的73093条Reddit帖子，提取人类价值、代理方面、价值满足及用户结果。归纳出21种价值并分为6组（如自主、可靠、可审查等）。发现价值聚集于用户设定的运行条件而非代理输出；描述代理交付结果时5组价值常被满足，描述监督代理时6组价值多未满足。此模式被概念化为价值敏感委派，表明支持人类价值需关注委派条件（如成本、监督）而非仅看任务完成。