论文：AI 论文、技术方法与基准测试第 95 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
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。
- AI 摘要arXiv cs.AI
Affora 设计系统支持人机共用界面
Affora 是一套面向 Agent 友好界面的设计系统，旨在解决计算机使用代理在操作人类软件时面临的动作与状态不明确问题。该系统通过共享界面而非独立的代理专用层来连接用户体验与代理体验。三项控制研究验证了组件实现、视觉变化及交互设计原则，并提供了可复用实现与可执行检查。评估显示，在 Affora 覆盖的现有缺陷领域，代理性能有所提升，且在保持交互意义的前提下仍保留了视觉自由度。
- AI 摘要arXiv cs.AI
Flag Game 模型研究群体信念形成机制
研究者提出名为 Flag Game 的玩具模型，用于研究 AI 智能体群体信念形成的机制。在该模型中，隐藏的国旗定义真相，智能体仅能观察局部裁剪图像，但可交换信念并权衡同伴证据。研究发现，随着人口增长，群体信念崩溃会转变为极化，导致大规模群体性能下降。团队引入社会电路归因技术预测关键智能体，并开发了适用于大规模群体的统计力学理论。
- AI 摘要arXiv cs.AI
rMuscle 框架加速 VLA 模型推理
rMuscle 框架通过复用视觉标记输出和神经元激活模式，利用双阶段肌肉记忆缓存优化 VLA 模型推理。在 RTX 4090 和 Jetson Thor 硬件上的测试显示，该框架在 LIBERO、RoboTwin 及物理操作任务中实现了 1.29 至 1.42 倍的推理加速，同时保持了原有的任务成功率。
- AI 摘要arXiv cs.AI
研究揭示参考报告差异影响医学AI模型评估
研究指出，放射科医生的报告撰写习惯存在差异，导致AI生成报告的评估结果不稳定。团队提出ReRef方法重写参考报告，发现改变正常发现的描述方式会使模型排名发生改变。研究认为现有指标未能将临床解读与报告规范解耦，并发布了包含120对报告的MIMIC-CXR-Ext-ReRef数据集。
- AI 摘要arXiv cs.AI
论文提出校准机制防御量子纠错中的恶意AI建议
论文探讨了攻击者如何利用AI顾问影响量子纠错更新。研究发现，被动综合征记录存在歧义，导致恢复选择受阻。通过额外的校准测量，可在不确定性和漂移下支持认证的恢复更新。模拟显示，校准置信度检查能拒绝有害提案并保留有益更新。研究推导了校准时效的充分限制，并量化了保守接受所放弃的恢复改进。
- AI 摘要arXiv cs.AI
MUSE基准测试评估模型艺术教育理解能力
新发布的MUSE基准测试旨在评估大型视觉语言模型在情境化教育中的多模态理解能力。该基准包含12项任务，涵盖视觉感知、语义与情感解读、文化理解及组合推理，并收录了以新加坡和东南亚多元文化为中心以及西方艺术传统的图像。测试发现开源与闭源模型在情感解读和组合推理方面存在显著差距，揭示了开发可信教育多模态模型的关键挑战。
- AI 摘要arXiv cs.AI
论文提出概率线性解释统一框架
研究者提出了一种基于稀疏锚定线性模型的概率可解释性统一框架，适用于二分类和连续回归。该框架通过将实例映射到布尔超立方体，在满足稀疏性约束的同时捕捉特征贡献的大小与方向。研究证明，针对神经网络模型最小化相关性误差是 NPPP-hard 问题，并提出了混合整数规划（MIP）和迭代硬阈值（IHT）两种求解方法。实验显示，该方法在满足约束的前提下，相关性误差低于 LIME 和 MAPLE 等基线模型。
- AI 摘要arXiv cs.AI
论文用统计力学解释双下降现象
一篇论文提出利用统计力学原理来解释模型测试误差随参数量变化的“双下降”现象。研究将随机梯度训练轨迹视为粒子在能量景观中的扩散，指出有限时间的训练引入了有效的权重衰减。根据能量均分定理，增加参数量会降低系统温度，使玻尔兹曼分布趋向于平稳路径，从而增加正则化效果，降低大范数解出现的概率。
- AI 摘要arXiv cs.AI
论文提出随机环境下多智能体社会律鲁棒性验证方法
针对随机奖励环境中的多智能体协调问题，研究将社会律概念从确定性场景扩展至随机场景。论文提出了形式化定义及验证框架，引入α-鲁棒性指标，衡量智能体遵守社会律时保留的效用。该方法将验证问题转化为求解一系列马尔可夫决策过程，并在玩具环境中进行了实证评估。
- AI 摘要arXiv cs.AI
HOPE 方法优化 MoE 模型专家剪枝
针对混合专家模型参数量大导致的内存瓶颈，研究者提出 HOPE（高阶专家剪枝）方法。该方法考虑专家间的协作关系，通过二阶剪枝目标最小化剪枝误差上限。在参数量高达 122B 的三个前沿模型测试中，HOPE 在数学、指令遵循、编码及智能体代理等基准上表现优于现有方法。在 50% 剪枝率下，其平均排名领先于次优方法 REAP，在智能体编码任务上最高提升 6.1%，实现了高压缩率下的性能保持。
- AI 摘要arXiv cs.AI
DualViewEval 提出高效智能体基准压缩方法
针对智能体基准评估成本高昂的问题，DualViewEval 方法通过联合利用结果和过程关系来学习最小任务集并预测完整基准分数。该方法在五个基准测试中均取得最佳结果，仅需 20 个任务即可在 APEX-Agents 和 BFCL 上实现 24 至 40 倍的压缩率。相比最强竞争对手，其平均绝对误差降低了 14.5% 至 28.2%，在 SWE-bench Verified 上的 Kendall's τ 提升了 7.2%。
- AI 摘要arXiv cs.AI
ASLEval 评估框架检测 LLM 智能体隐私泄露
ASLEval 框架提出通过预注册隐藏目标集来衡量大模型智能体会话中的隐私暴露位移。测试显示，仅检查预期出口会遗漏 46.9% 的隐私泄露，攻击者自报存在高误报率。该框架主张在评估中结合任务效用与隐私表现，并利用人工审核辅助裁决。
- AI 摘要arXiv cs.AI
AURA仲裁层解决O-RAN多智能体冲突
针对O-RAN控制平面中多厂商AI智能体独立控制共享资源导致的不稳定性，研究提出AURA轻量级仲裁层。该层通过可行性不变量、停留时间和死区限制智能体行为。在OpenAirInterface测试台上的实测显示，AURA将共享资源偏移幅度从8.4降至0.4 PRB，将跨切片吞吐量饥饿率从40-55%降至0.3%，同时保持受保护切片的延迟合规性不变。
- AI 摘要arXiv cs.AI
GrainSpeech 实现紧凑语音合成
GrainSpeech 模型仅含 26.48 万参数，在微控制器上实现 17.9 倍实时 Mel 生成。研究指出自注意力超过 15 个音素无增益，据此采用固定感受野卷积编码器，降低了基频、能量和时长预测误差。通过 Mel 特定梯度方差监督，该模型以不到 1.5% 的参数量达到了与大型模型相当的 UTMOS 分数。
- AI 摘要arXiv cs.AI
研究提出让工具调用主动上报进度以优化推理系统
现有服务系统通过猜测工具运行时长来管理 KV 缓存，效果不佳。新研究建议让工具在运行时主动上报进度，无需修改 Agent 视角即可获取准确信号。实验显示，该方法在 KV 缓存决策点的预测精度比现有最佳预测器高数倍至一个数量级，且能适应环境变化。接入生产引擎后，相比 LRU 策略，工具调用后的 p90 首字生成时间（TTFT）降低了约 20.8%。
- AI 摘要arXiv cs.AI
研究提出无限参数大模型架构
研究人员提出无限参数大语言模型，利用紧凑超网络将运行时数据转化为共享基础网络的低秩调制。该方法通过贝叶斯信念在线更新生成器潜在代码，使前馈权重源自实时数据而非固定存储。该架构在保持存储足迹固定的同时，能编译出无限的有效权重，将运行时知识存入权重而非提示词，以节省上下文窗口并实现跨轮次持久化。
- AI 摘要arXiv cs.AI
研究利用OCR头部解析视觉语言模型语义
一项研究通过分析视觉语言模型（VLM）中的光学字符识别（OCR）注意力头部，发现这些头部具有通用性，能输出可解释的语义特征。研究将这些头部的注意力权重转化为“语言化透镜”变换，从隐藏状态中提取语义标签，证明图像表征在早期层即与语言对齐。此外，利用该变换的逆操作可编辑非文字概念，如将图像中的拖拉机替换为左轮手枪。
- AI 摘要arXiv cs.AI
论文提出组合策略违规概念
论文指出，当前智能体工作流的治理多局限于单步检查，但这无法捕捉整体执行层面的违规。作者将这种单步合规但整体违规的现象定义为组合策略违规，并归纳出四种类型。论文提出了一种溯源感知的运行时架构，通过评估完整执行轨迹而非单步输出来修复此类问题。