论文：AI 论文、技术方法与基准测试第 94 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
QUALS 框架提升时序预测数据效率
研究团队提出 QUALS 框架，旨在解决大规模时序基础模型训练中的数据多样性问题。该框架通过模式量化和可学习性同步机制，解码混合语料库中的异构模式并校准采样权重。实验显示，在大幅减少训练预算的情况下，基于 QUALS 预训练的模型仍能实现更优的零样本预测性能。
- AI 摘要arXiv cs.AI
MTVA-Bench 评估级联语音代理中的语言模型
MTVA-Bench 是一个多轮语音代理基准，专门用于评估级联系统中语言模型的决策能力。该基准包含 49 个代理和 490 个场景，支持 7 种语言。测试模拟真实通话环境，由 LLM 扮演呼叫者，模拟后端响应工具调用。评分结合确定性检查与两个 LLM 评审，分别评估特定规则和对话质量。七模型研究显示，尽管工具选择能力接近，但整体分数因参数值、动作顺序及合规性差异而跨度达 24.4 分。
- AI 摘要arXiv cs.AI
新框架DB-SUiT实现MRI到PET图像转换
研究人员提出基于皮层表面的扩散桥框架DB-SUiT，可将MRI图像转换为PET图像。该模型利用球面卷积编码器和Transformer捕捉空间依赖，并融入人口统计学信息。在两项数据集评估中，合成图像质量优于现有基线。在自动痴呆分类任务中，合成PET图像使性能相比MRI提升14.2%，盲读研究中诊断准确率达85.5%，且在外部队列中表现出跨病理泛化能力。
- AI 摘要arXiv cs.AI
研究显示元认知反馈可减少对AI助手的认知卸载
一项针对704名参与者的预注册实验发现，向用户展示使用AI后果的元认知反馈，能显著降低其向大模型助手寻求答案的倾向，并提升后续无辅助测试的成绩。相比之下，基于努力的奖励机制未产生明显效果。该研究为防止因过度依赖AI而导致技能退化提供了设计思路。
- AI 摘要arXiv cs.AI
研究揭示冗长提示词提升视觉语言模型鲁棒性原理
研究发现，视觉语言模型在图像受损时，冗长的提问方式能显著增强其鲁棒性，而语义复杂或细粒度的提问则会让模型更脆弱。这种差异源于跨模态注意力机制充当了频谱滤波器：冗长提示拓宽了频率支持范围，细粒度提示则将其集中在较少的视觉尺度上。在 Qwen3-VL 和 LLaVA-OneVision 的测试中，冗长改写使 8B 模型的漂移方差降低了 70% 至 81%。通过填充提示词，即使在图像受损情况下也能获得可测量的精度提升。
- AI 摘要arXiv cs.AI
AdaRepair-Mem 提出自适应经验检索框架
AdaRepair-Mem 是一个面向仓库级程序修复的自适应经验检索框架。针对现有方法在记忆检索上存在的资源不平衡、数量非单调增长及阶段错位问题，该框架引入了覆盖感知检索、质量感知选择和阶段感知路由。在 SWE-Bench-Lite 和 SWE-Bench-Verified 上的评估显示，该方案提升了低覆盖仓库的修复性能，减少了噪声检索，并优化了补丁精炼过程。
- AI 摘要arXiv cs.AI
论文提出基于局部稀疏性的无监督大模型安全检测
针对现有部署时安全检测方法依赖有害数据的问题，研究人员提出一种基于局部稀疏性的无监督异常检测框架。该方法利用线性表示假设和稀疏自编码器，通过建模安全数据来识别分布外的有害输入。实验显示，在多种架构和数据集上验证有效，仅使用 1% 的分布外数据进行校准即可接近最优性能，且计算过程仅激活 1-2% 的神经元。
- AI 摘要arXiv cs.AI
论文提出直播语音合成多维韵律评估模型
针对直播语音合成中情感、语调等细粒度韵律评估需求，研究团队提出了基于 Qwen3-Omni 蒸馏的 Live-ProsodyJudge（LPJ）模型。该模型在点准确率上超越单次 Gemini 调用，且成本更低。为解决多维度评估中的判决耦合问题，团队进一步推出了 Decoupled-Live-ProsodyJudge（D-LPJ），通过屏蔽不确定维度和引入 span-local GRPO 策略，实现了独立的多维度判断。在 Best-of-8 候选筛选中，LPJ 选中的语音有 85.29% 落入人类前三。
- AI 摘要arXiv cs.AI
新方法提升金融文档直通处理可靠性
针对金融文档自动处理中视觉语言模型置信度不可靠的问题，研究提出一种包含感知、布局和验证三个通道的分解置信度层。该方法结合保形风险控制，在两个模型家族上的测试显示，能将区分正确与错误提取的 AUROC 从 0.54-0.74 提升至 0.90-0.99。在目标误差低于 10% 的风险控制下，该方法可自动批准 49-72% 的字段，而原生模型信号仅能批准 0.1%-7.0%。
- AI 摘要arXiv cs.AI
论文提出智能体网络可扩展信任发现架构
针对智能体网络中注册、身份验证与能力发现的问题，论文提出了一种分层分布式架构。该架构包含根治理、注册与解析三层，引入复合身份方案及双重证书机制。原型测试显示，系统平均注册延迟 58 毫秒，发现延迟 25 毫秒，每秒可处理超 1.9 万次注册请求与 2.9 万次发现请求。
- AI 摘要arXiv cs.AI
MATCH框架提升大模型工具调用能力
MATCH框架通过模型感知课程学习和分层门控奖励优化大模型工具调用。课程学习根据策略动态调整样本难度，分层奖励机制确保只有在工具名称正确时才评估参数。在API-Bank和BFCL V3测试中，该方法分别达到72.19%和62.87%的准确率，优于监督学习与强化学习基线，并在四种模型骨干上验证了效果。
- AI 摘要arXiv cs.AI
研究提出SpeechLLMs判别式适应方法
针对语音大模型在情感识别任务中依赖生成式解码器导致标签外泄和类别偏差的问题，研究人员提出了一种判别式适应方法。该方法通过分类头读取最终提示词的隐藏状态，在不修改主干网络的情况下单次前向传播输出标签。在IEMOCAP数据集上的实验显示，该方法提升了Macro F1分数并消除了幻觉现象，尤其在真实ASR转录文本上收益最大。
- AI 摘要arXiv cs.AI
研究探讨个性化语言模型的长期交互影响
一项研究招募了 992 名参与者，在五天内与语言模型进行日常建议寻求交互。研究对比了非个性化基线与两种个性化方式：基于记忆（利用对话历史）和基于调查（利用预研究收集的信息）。结果显示，交互随时间的变化主要由重复接触驱动，而非个性化本身。基于记忆的条件下，参与者自我披露更多且认为模型更不令人毛骨悚然；基于调查的条件下，参与者对分享个人信息表现出更高的后悔情绪。
- AI 摘要arXiv cs.AI
论文提出统一边际效用与KV缓存的理论框架
一项研究建立了经济学边际效用与矩阵分解、Transformer KV缓存之间的理论联系。该框架将缓存驱逐和低秩压缩视为内存预算下的约束效用最大化问题，提出保留特征值超过约束影子价格的维度。在地质采矿文档信息提取任务中，该框架指导了多轮推理协议和分层TIES模型合并。实验显示，一个参数量约1120万的分类器在单GPU上训练约五分钟后，测试集准确率达90%，延迟为每卡2.62毫秒，优于某专有模型。
- AI 摘要arXiv cs.AI
FCA-CF框架实现乳腺癌诊断完美反事实解释
FCA-CF框架利用形式概念分析作为结构约束，在多模态乳腺癌诊断数据集上生成了反事实解释。该方法在60个良性预测样本上实现了100%的有效性，平均仅修改2.37个特征，稀疏性优于对比方法。消融实验证实，FCA格约束是提升稀疏性的关键，去除后特征修改量增加40%。
- AI 摘要arXiv cs.AI
PointEvent 提出事件相机微小目标检测新方法
针对事件相机在检测微小无人机时面临的事件稀疏和碎片化问题，PointEvent 提出序列化运动证据累积方法。该框架将运动连续性视为有序证据传播过程，通过潜在互补序列化组织事件流，交替扫描互补顺序以整合碎片化运动证据。实验显示，该方法在对比中取得最佳性能，且参数量最少、推理速度最快。
- AI 摘要arXiv cs.AI
研究解构分词器设计要素
该研究针对现代语言模型常用的 BPE 和 UnigramLM 分词算法，通过引入 BottomUpLL 和 TopDownComp 两种新算法，解构了优化目标与搜索过程对性能的影响。实验在不同模型规模、词汇量大小及语言领域下进行，结果显示在 bits-per-byte 指标上，搜索过程而非优化目标是主导因素，自底向上的分词器表现更佳；但在 BLiMP 任务中未发现设计选择与性能的稳定关系。
- AI 摘要arXiv cs.AI
论文提出零阶对齐方法 ComPO
新研究提出了基于比较预言机的零阶对齐方法 ComPO，旨在解决直接偏好优化中的似然度置换问题。该方法不直接优化可微偏好损失，而是从偏好对中提取方向信息。实验在 Mistral、Llama、Gemma-2、Qwen3 和 Gemma-3 等模型上进行，结果显示该方法在长度控制胜率上优于现有直接对齐方法。
- AI 摘要arXiv cs.AI
研究利用生成音视频实现零样本力感知操控
arXiv 论文提出一种结合生成视频与音频的机器人操控新方法。该方案利用生成接触声音的响度来塑造有界的时变期望力分布，从自然语言指令中推导出运动轨迹及对应力分布。研究在 Franka Panda 机器人上通过闭环力调节器执行轨迹，在需要接触的任务中，仅运动学基线失败而该方法成功。此外，该管道还能作为数据生成引擎，训练闭环策略。
- AI 摘要arXiv cs.AI
研究为双过程语言智能体引入记忆与反思模块
研究针对语言智能体在交互环境中的脆弱性，扩展了 SwiftSage 智能体。新增的自适应记忆模块（AMM）基于显著性进行存储，自我反思模块（SRM）用于执行时验证与纠错。在 ScienceWorld 的测试中，完整系统平均得分 64.62，成功率 43.17%，成功步骤效率为 19.33 步，优于其他配置。结果显示执行时控制是主要瓶颈，而记忆在运行循环稳定后作用显著。