论文：AI 论文、技术方法与基准测试第 96 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。
- AI 摘要arXiv cs.AI
CoRe-MARL利用循环MARL解决未知动态下的物资协同再分配
CoRe-MARL 是一个基于 Dec-POMDP 的协作多智能体强化学习框架，旨在解决应急物资再分配问题。该框架将每个中心视为独立智能体，利用循环网络捕捉未知的供需动态，并结合 MAPPO 实现集中训练与分散执行。在模拟环境测试中，该方法相比独立 PPO 和局部启发式策略，有效缩小了各中心间的服务差距，提升了最差区域的服务水平，同时保持了整体网络服务的竞争力。
- AI 摘要arXiv cs.AI
GenStream框架实现视频流99.9%带宽缩减
GenStream框架提出了一种面向人物媒体的语义流式传输方案。该方案摒弃了传统像素传输，转而发送骨骼关键点、相机视角参数及静态3D背景模型等结构化元数据。客户端利用生成模型据此重建照片级逼真的人物图像并合成场景。在花样滑冰视频测试中，该方案相比HEVC标准实现了超过99.9%的数据流带宽缩减，为后编解码时代的智能流媒体奠定了基础。
- AI 摘要arXiv cs.AI
研究发布 PACT 基准测试企业 AI 助手抗压合规性
新研究提出了 PACT 基准，用于评估企业级 AI 助手在压力下的规则遵循能力。该基准涵盖 12 个受监管领域和 48 个场景，通过多轮对话测试模型在面对用户施压或违规捷径时的表现。测试涉及 22 个常见大模型，结果显示普通用户压力会使违规率平均提升 65%，即使是表现最强的助手也有 6% 至 10% 的错误应用规则情况。
- AI 摘要arXiv cs.AI
新算法通过蒙特卡洛规划实现在线鲁棒强化学习
研究人员提出了一种蒙特卡洛树搜索（MCTS）的鲁棒变体，旨在解决模拟器与现实世界动态不匹配带来的模糊性。该算法引入鲁棒幂平均备份算子和探索奖励，确保搜索树节点的有限样本收敛。根节点值估计收敛率达到 O(n^-1/2)，与标准 MCTS 相当。实验表明，该方法在奖励分布和转移动力学存在显著模糊性时仍能保持稳健性能。
- AI 摘要arXiv cs.AI
SynAgent框架实现自主材料合成与假设验证
研究人员提出SynAgent框架，利用多模态大模型代理操作自动化实验系统。该框架无需预设分析流程，能自适应生成分析技能，通过验证-证伪方案挑战自身假设。在18次自主实验中，系统成功合成高结晶性薄膜，并发现基底温度控制结晶化的阈值及650-690°C的最佳生长窗口。
- AI 摘要arXiv cs.AI
MAGER框架利用进化算法优化LLM假新闻检测
针对现有依赖监督图神经网络模型需要大量标注数据且泛化能力有限的问题，研究提出MAGER框架。该框架采用多智能体遗传进化算法，自动发现适合大语言模型推理的元路径，将复杂传播图压缩为信息丰富的子图。通过缓解信息过载和模态不匹配，该方案使冻结的LLM能够在零样本或少样本设置下进行结构感知的真伪推理。实验显示，该方法在数据高效场景下显著提升了LLM作为独立假新闻检测器的性能。
- AI 摘要arXiv cs.AI
研究质疑LLM多智能体语境学习具备递归推理能力
一项研究通过构建公共物品博弈并操纵历史反馈的统计结构，评估大语言模型在多智能体不完全信息博弈中的表现。实验显示，当历史统计模式被打破时，长上下文带来的收益基本消失，决策质量退化为无上下文基线。结果表明，在此类策略环境中，上下文学习行为更符合统计外推而非策略推理。
- AI 摘要arXiv cs.AI
新方法仅优化10万偏置参数实现测试时强化学习
研究人员提出一种无标签偏置测试时强化学习方法，在保持预训练主干冻结的情况下，仅优化约10万个偏置参数。该方法利用多数投票伪标签作为奖励信号，在MATH-500数据集上达到76.67%的准确率，略超有标签偏置引导复现结果，且优化参数量比全参数方法少7.6万倍。该训练流程同样提升了视觉语言和音频推理任务的表现，且学习到的引导向量能迁移至4500个未见过的数学问题。
- AI 摘要arXiv cs.AI
新系统实现多摄像头实时动态标定
针对大规模部署中难以进行严谨3D现场标定的问题，研究人员提出一种多摄像头单应性标定系统。该方案从粗略手动标定入手，利用基于质心的投影优化技术，持续对齐地面几何结构。由于该过程在已传输的轻量级元数据上异步运行，不增加实时追踪的计算延迟。系统可自动适应摄像头移动或环境变化，且仅处理实时匿名元数据，确保隐私安全。
- AI 摘要arXiv cs.AI
研究对比四种深度学习架构预测野火蔓延
研究对比了基于分片的 U-Net、迁移学习 ResNet-50、物理信息网络和 Swin-Unet 四种架构，旨在以低成本替代物理模拟器。模型在西班牙 Rectoret 地区 10584 次 2 米分辨率模拟上训练。地表燃料负荷是唯一与燃烧概率有较强关联的变量，纳入后使预测误差降低 21%。卷积模型主要依赖距火线距离，而 Swin-Unet 更关注燃料和地形。在未重新训练的情况下迁移至 Pedriza 地区，三个卷积模型仍能预测蔓延，仅损失少量精度。
- AI 摘要arXiv cs.AI
TriProbe 框架提出多级探针诊断任务可分性
TriProbe 框架通过多级探针诊断任务可分性，旨在解释模型任务成功或失败的原因。该框架将多任务问题分解为二元子任务，并应用三种互补探针：针对输入空间的基础探针、针对特征表示的潜在探针以及针对分类器输出的最终探针。它利用最大费舍尔判别比作为可分性度量指标，识别瓶颈及受影响的任务对。在 Roshambo sEMG 基准上的实验表明，该框架能揭示隐藏的故障点，指导数据收集、验证及架构设计。
- AI 摘要arXiv cs.AI
VoiceTrace 框架支持基于说话人检索语音
研究人员发布了 VoiceTrace 框架及 VoiceTrace-Bench 基准，旨在解决结合语义内容与特定说话人的语音检索问题。该框架包含嵌入模型与重排序模型，能处理包含文本和参考语音的混合查询。实验显示，其在既有语义检索基准上表现领先，并在新基准上大幅优于级联方案。
- AI 摘要arXiv cs.AI
AeroWeaver框架连接LLM与无人机集群
AeroWeaver是一个具身智能体框架，旨在将大语言模型与无人机集群结合。该框架通过语义接口连接高层任务决策与底层技能执行，组织基于角色的本地智能体进行分布式协调。它利用角色索引的状态-动作-奖励经验在线优化技能选择，无需中心化智能体生成联合动作。实验显示该系统能在测试条件下保持有效技能执行，并通过奖励引导的在线更新实现自适应学习。
- AI 摘要arXiv cs.AI
MiST 模型通过中段训练提升网络安全能力
研究团队发布了 MiST（Mid-trained Security Transformer）8B 和 32B 模型，专注于网络安全领域。该方案在通用预训练和领域训练之间引入中段训练阶段，利用专家审核的种子语料生成高质量合成数据进行训练。结果显示，MiST 在公开网络安全基准测试中表现优异，8B 和 32B 版本的平均准确率分别比 Qwen 基线提升了 13.1 和 8.6 个百分点，相对提升分别为 27.0% 和 15.8%。
- AI 摘要arXiv cs.AI
ActionPiece 重新思考自回归 VLA 模型动作分词
ActionPiece 提出物理秩一致性指标，衡量分词后重建动作的局部物理距离保真度。该方法通过联合监督表示学习与量化，保留物理动作关系。在 Qwen3-VL-4B 策略训练设置下，ActionPiece 在 LIBERO 上达 94.8%，未见过的 LIBERO-Plus 上达 68.8%，SimplerEnv 上达 71.9%，VLA-Arena L0-L2 上达 51.5%。
- AI 摘要arXiv cs.AI
双曲图表示学习用于生物医学知识图谱鉴别诊断
一项研究探索了双曲图表示学习在生物医学知识图谱鉴别诊断中的应用。该研究构建了包含患者信息的混合图结构，并在分离的本体子图上进行实验。结果显示，双曲模型在远低于欧几里得基线的维度下实现了强劲性能。在针对患者的候选疾病排序链接预测任务中，双曲嵌入能够利用生物医学层级结构，支持异构图上的诊断推理。
- AI 摘要arXiv cs.AI
研究揭示大推理模型首个Token存在安全漏洞
研究团队分析了大型推理模型在处理有害查询时的安全对齐问题，发现模型在生成第一个Token时拒绝信号急剧下降，导致后续输出不安全内容。研究者将此现象命名为起始拒绝崩溃，并提出SafeToken干预方法。该方法仅在推理开始时注入一个连续安全锚点，在不更新整个模型参数的情况下有效提升了安全性，同时保留了模型的推理能力。
- AI 摘要arXiv cs.AI
CSWAM 模型提升世界动作模型分布外泛化能力
CSWAM 模型通过引入基于 V-JEPA 2.1 的因果语义专家，解决了 FastWAM 在视觉分布偏移下泛化性差的问题。该方法利用因果注意力机制共享历史上下文，在保持高效动作推理的同时，显著提升了模型对未见场景的适应性。在 RoboTwin 2.0 的 Clean-to-Randomized 迁移任务中，成功率从 10.16% 提升至 45.18%；在真实机器人任务中，平均成功率从 27.5% 提升至 70.0%。