论文：AI 论文、技术方法与基准测试第 98 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
新框架提升全遮挡与长期遮挡下的目标追踪性能
针对实时多目标追踪在遮挡场景下的脆弱性，该研究提出一种抗遮挡框架。该方案整合了 YOLOv11n 目标检测、卡尔曼滤波运动预测以及遮挡感知的外观重识别技术，涵盖检测、遮挡期间位置估算及重现后身份恢复三个阶段。在对比测试中，基于遮挡感知掩码网络（OAMN）的配置表现最佳。在公共 OVIS 数据集上，该框架的多目标追踪准确率（MOTA）较 OccluTrack 提升 18.1%，身份 F1 分数（IDF1）提升 25.1%，身份切换次数减少 12.8%。在模拟战场环境的自定义军事数据集上，其 MOTA 达 0.734，IDF1 达 0.729。
- AI 摘要arXiv cs.AI
研究称 SWE-bench 排行榜头部已趋同
针对 254 份 SWE-bench 提交的分析显示，头部模型表现高度重叠。Verified 榜单前两名均解决 396 个实例，前十名共享 285 个成功与 51 个失败，仅 164 个实例能区分结果。前三十名相邻对在 0.05 显著性水平下无法通过 McNemar 检验区分。研究建议放弃单纯排名，转而报告特定对比集的解决率与模型架构来源。
- AI 摘要arXiv cs.AI
FlashVector 智能体优化模型服务栈
FlashVector 是一个用于优化分层模型服务栈的智能体系统。它将单内核优化代理范式推广至异构技术栈，在 Unity 的 Vector 广告平台部署后，实现了模型服务器吞吐量提升 2 倍、延迟加速 1.98 倍，特征存储吞吐量提升 1.6 倍。该系统不仅优化 GPU 内核和计算图，还涵盖模型服务器及按需特征转换服务。
- AI 摘要arXiv cs.AI
论文对比大模型三种信息注入方式
研究对比了上下文、表征和参数三种大模型信息注入方式。在多文档检索场景中，基于 KV 缓存的 Cartridges 方法表现最佳，领先参数方法 29 点。然而，该方法存在灾难性遗忘问题，在控制基准上性能下降 6%，代码任务下降 13%。
- AI 摘要arXiv cs.AI
论文提出自涌现智能体架构 SEAA
针对现有生成式智能体存在人格漂移、反思非进化及缺乏自我边界的问题，论文提出自涌现智能体架构 SEAA。该架构包含编码行为惯性的隐马尔可夫模型、更新模型参数的反思循环以及多智能体社会对比环境。实验显示，初始相同的智能体在闭环中能自发形成稳定人格及社会结构，如共识枢纽与被排斥的异常者。
- AI 摘要arXiv cs.AI
Vroom-Vroom系统获SHROOM-Visions多语种幻觉检测第一
Vroom-Vroom团队提出一种多法官委员会机制，用于检测视觉语言模型输出中的幻觉字符片段。该方法利用多个微调模型作为独立标注员，通过字符级多数投票合并预测，并探索了激活探针。该方案在四种语言的评测中，于三个语种排名第一，且在所有语言和指标中均位列前三。
- AI 摘要arXiv cs.AI
PosterVisor框架提升科学海报生成可控性
研究提出PosterVisor框架，通过递归语义几何合约将科学海报生成从瞬时提示转为持久控制。该框架包含编排器与递归合约执行机制，能动态触发检查并防止修复导致的回归。在Paper2Poster基准测试中，PosterVisor-PPT的问答准确率达64.47%，优于对比模型58.53%，并在72.5%的人工对比中获胜。
- AI 摘要arXiv cs.AI
论文探讨强化学习内在动机与自适应自组织
Anatoly Belikov 提交论文探讨人工神经系统中内在奖励能否在没有共享外部目标的情况下支持适应、功能特化及高层自组织。文章回顾了赋能、好奇心、学习进度等概念，分析了内在目标失效的模式，并提出资源受限环境、循环智能体网络及分层世界模型智能体三个实验方向，以测试内在学习能否导致更高层次的自适应组织。
- AI 摘要arXiv cs.AI
研究揭示多智能体系统模型选择策略
论文评估了多智能体系统中8种模型选择策略，发现扩大候选模型池往往导致性能低于最佳基座模型。在单一模型家族内进行候选选择是优于独立模型的策略。向异构多智能体系统随意添加模型会引入不稳定性。
- AI 摘要arXiv cs.AI
eolas利用大模型将科学文献转为知识图谱
研究团队推出名为 eolas 的模块化流水线，利用大语言模型将描述辐照材料的科学文档自动转换为符合特定本体的知识图谱。该工具能以表格形式呈现结果并支持分面导航，便于人工验证。相比专家人工提取数据需耗时三十至九十分钟，eolas 仅需几分钟即可生成高质量图谱。研究还发布了首个评估该领域大模型知识图谱构建能力的基准数据集，并基于 168 次实验总结了实用指导原则。
- AI 摘要arXiv cs.AI
GPT-6 Astra 用于 2D CFET 热设计
研究利用 GPT-6 Astra 的 AI 智能体工作流，在 12 纳米节点下优化 2D CFET 反相器的热设计。该模型选定了源极互连几何结构，并提出了基底导向的散热路径。在固定金属体积和 20 微瓦功耗下，组合设计使峰值温升降低了 1.67 K。后续的金属电阻敏感性分析实现了约 0.6 K 的降温，伴随 2% 的 nFET 导通电流损耗。
- AI 摘要arXiv cs.AI
研究利用 LLM 识别数学建模中的常见错误
一项研究提出了一套工具支持的工作流，利用大语言模型从大型教育数据集中识别学生数学建模的常见错误。该流程通过生成将错误形式化描述转换为正确描述的修复变换来定位错误候选，并进行聚类和可视化。实验表明，该方法能复现文献中人工识别的命题逻辑建模错误，适用于大规模数据集，并能推广至其他数学形式体系。
- AI 摘要arXiv cs.AI
研究复用 LoRA 骨干 KV 缓存的质量与成本
论文探讨了在已训练的标准 LoRA 适配器间复用骨干模型预填充 KV 缓存的可行性。实验基于 Qwen3-1.7B 模型及两个适配器，对比了全前缀复用与原生方案。结果显示，全前缀复用能显著降低首字延迟，但在 GSM8K 任务上存在轻微质量损失。部分重计算未显优势，且当前实现虽复用数值但未共享存储，未能节省内存。
- AI 摘要arXiv cs.AI
论文提出符号分离架构提升数据分析可靠性
针对生成式 AI 在工业数据分析中因幻觉导致不可靠的问题，论文提出符号分离架构。该架构限制智能体只能通过受本体约束的虚拟知识图操作数据，将复杂问题转化为经验证的图遍历。在 49.9 TB 超级计算机遥测数据评估中，该架构将端到端任务成功率从 43% 提升至 86%，消除了静默数据完整性错误，并将 Token 成本降低 2.4 倍。
- AI 摘要arXiv cs.AI
研究构建多阶段肝癌基因表达数据集
针对公开的肝细胞癌基因组数据匮乏问题，研究利用半监督学习与 XGBoost 算法，整合三个基因生物标志物数据集，构建了包含 770 个样本的多阶段分类数据集。该数据集涵盖正常组织及不同癌症阶段，每个样本包含 11150 个基因表达水平。XGBoost 模型在半监督学习过程中达到了 96.5% 的分类准确率。
- AI 摘要arXiv cs.AI
新方法提出多目标回归保序预测
针对多目标回归中联合预测区域难以保证覆盖率的难题，研究者提出了 Scaling-Score 保序预测方法。该方案模型无关，仅需组件级绝对残差，且使用单一校准集。它能输出四种嵌套结果，包括具有有效联合覆盖率的外矩形及内矩形。实验显示，该方法在 29 个真实数据集上验证了有效覆盖率，且在输出维度较高时，其体积表现优于基线方法。
- AI 摘要arXiv cs.AI
ICML框架通过在线强化学习优化长对话记忆
新提出的ICML多智能体框架旨在解决长对话中静态记忆机制无法自适应的问题。该框架利用会话合成管道生成专家数据，并采用在线强化学习机制。其中，Planner智能体负责选择性编码高价值信息，Trigger智能体负责动态检索，两者通过延迟奖励机制协同进化，以优化响应质量。实验显示，该方法优于现有基线，且能随交互积累持续提升响应效果。
- AI 摘要arXiv cs.AI
SAMPLESELECT提升音频少样本学习泛化性
针对音频少样本分类器依赖前景背景共现导致分布外表现下降的问题，研究者提出SAMPLESELECT方法。该方案在冻结编码器和源分类器的前提下，为每个输入预测固定预算的特征掩码。训练采用可微分的Gumbel Top-k选择机制，结合前景分类与跨背景对比损失；推理阶段使用确定性Top-k掩码及仅支持集线性适应。在ResNet12和Conv64架构的5-way 1-shot及5-shot评估中，该方法在对比方案中取得了最佳分布外准确率，相比匹配的全表征控制组提升了4.90至8.38个百分点。
- AI 摘要arXiv cs.AI
研究评估先心病分割模型的分布外泛化能力
针对先天性心脏病分割任务，研究首次进行了系统性的分布外泛化评估。实验对比了多种架构与训练策略，发现模型在分布内表现优异但在跨数据集测试中性能显著下降。其中，nnU-Net 在验证集上 Dice 达 0.77，但在目标队列中跌至 0.51；SwinUNETR 表现出更强的鲁棒性，达到 0.67。引入少量目标域标注数据后，SwinUNETR 变体分数回升至 0.76 以上。
- AI 摘要arXiv cs.AI
研究提出AI辅助工作中的元认知监测干预设计空间
研究针对AI辅助工作中用户需判断自身与系统能力的元认知需求，从11位专家处收集了30种干预措施，并结合先前工作构建了包含时间、层级和来源维度的设计空间。通过917名受试者参与的组间实验，对比了可靠性卡片、对比回复、暂停点和事后反思等干预措施与基线LLM助手的差异。结果显示，可靠性卡片和对比回复降低了估计误差和过度自信，提高了整体置信度区分度，但未发现任务性能提升或平均项目内区分度增益。