论文：AI 论文、技术方法与基准测试第 99 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
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。
- AI 摘要arXiv cs.AI
LISSI团队提出神经符号分层意图预测方法
研究提出一种神经符号分层意图预测方法，通过连接分层规划解码器与冻结的识别编码器，在四个本体层级上预测后续动作及高层意图。该方法在包含15002个多模态片段的基准测试中表现优异，随着预测步长增加，优势从第1步的1.7个百分点扩大至第3步的7.3个百分点。在组合泛化场景下，第1步优势提升至4.9个百分点。
- AI 摘要arXiv cs.AI
论文提出将统一拓扑签名融入图神经网络
研究提出将统一拓扑签名（UTS）整合进图神经网络（GNN）训练流程，通过特征增强、拓扑正则化和拓扑引导池化三种架构干预，突破 1-WL 测试的表达力上限。实验显示，该方法在三个图分类基准测试中提升准确率最高达 5.8%，并能作为诊断工具量化训练过程中的过平滑现象。
- AI 摘要arXiv cs.AI
研究揭示多跳问答中的事实落地缺口
针对多跳问答系统的错误归因问题，研究者在三个基准数据集上进行了诊断。结果显示，系统失败不仅源于检索失败，还源于提取失败，即虽然检索到了相关段落但无法提取出所需事实，这一现象被称为事实落地缺口。提取失败占所有单 hop 缺陷的近一半，且无法通过检索干预解决，表明这是与检索失败截然不同的瓶颈。
- AI 摘要arXiv cs.AI
MASA 方法利用多模态大模型解决测试时适应自指循环
针对野外测试时适应中模型自我强化错误的问题，研究人员提出 MASA 方法。该方法利用冻结的多模态大语言模型为少量高可靠性锚点生成结构化语义描述，涵盖物体类别及风格、视角等干扰因素。通过将描述编码并传播至邻近样本，构建在线原型记忆，进而检索辅助目标以轻量调整归一化仿射参数。该方法在 ImageNet-C 基准测试的有限批次、混合域及不平衡标签偏移设置下进行了评估。
- AI 摘要arXiv cs.AI
论文提出分布式 JEPA 能源预测框架
新研究提出分布式联合嵌入预测架构（JEPA），用于异构能源时间序列的自监督学习。该框架预测被遮蔽时间段的潜在表示，并结合协方差与时间方差正则化防止表征坍塌。在数据缺失场景下评估显示，其表征稳定性高，在未见过的光伏数据上表现优于 Transformer 基线，且对缺失数据更具鲁棒性。
- AI 摘要arXiv cs.AI
SKIP框架实现大模型简洁推理
针对思维链推理导致的计算开销与延迟问题，SKIP框架通过轻量微调调整输出风格，引入知识探查机制引导模型在每一步输出答案。该方法基于中间步骤的正确性构建偏好数据，利用DPO引导模型进行高效推理。实验显示，该方法有效提升了推理压缩率，缓解了微调后的性能下降，并在分布外数据集上表现出强泛化能力。
- AI 摘要arXiv cs.AI
ORDER框架提出任务条件路由优化RAG
ORDER框架针对检索增强生成（RAG）中固定配置难以适应异构查询的问题，提出任务条件路由方案。该方法先对问题进行语义聚类，为每个簇学习分块策略及元数据过滤配置；推理时通过最近质心分配将查询路由至对应索引。研究还引入监督查询路由器和均匀多源采样器以优化检索。在异构历史档案上的评估显示，该框架在复杂专业领域优于现有RAG系统。
- AI 摘要arXiv cs.AI
ThinkFlow 提出终身对话代理自进化潜记忆框架
ThinkFlow 是一种端到端潜记忆框架，旨在解决终身对话代理中的显式文本记忆瓶颈问题。该框架将对话流动态压缩为概率潜记忆技能，将复杂用户状态整合为解耦的连续向量。通过引入测试时进化范式，结合教师引导的潜对齐与自监督预测任务，实现了无标签的终身个性化。在长期对话基准测试中，该框架在多轮交互中表现出优于现有记忆系统的响应能力。
- AI 摘要arXiv cs.AI
FlexEE 框架优化卸载式 LLM 推理
FlexEE 是一种面向资源受限和卸载式部署的大模型早期退出框架。该技术通过层级退出监督、自推测解码及动态隐藏状态管理，在保证精度的前提下减少执行层数。测试显示，在 Llama2-7B 和 Llama3-8B 模型上，分别实现了最高 3.16 倍和 2.83 倍的端到端加速。
- AI 摘要arXiv cs.AI
研究揭示大模型在教育评估中受人口统计信号影响
一项发表于 arXiv 的研究测试了六个大语言模型在自动作文评分、形成性反馈和元语言问答任务中的表现。研究发现，当提示词中包含显性人口统计细节或利用对话历史作为隐性信号时，模型会捕捉这些线索并改变评分、反馈和回答。显性提及教育水平时，模型会调整反馈的可读性；而在隐性条件下，模型会产生不可预测的偏见，例如对低教育水平的回答给出较低的情感分数。
- AI 摘要arXiv cs.AI
新框架解决开放词汇多模态情感识别数据缺失问题
针对现实场景中模态数据不完整的问题，研究提出了 Affect-Prototype-Conditioned Fusion (APCF) 框架。该方法构建情感原型库，显式建模不同情绪对应的多模态贡献特征，为融合过程提供动态约束。处理后的特征输入大语言模型解码器，生成开放的自然语言情感标签。在 OV-MERD+ 和 MER-FG 数据集上的实验显示，该框架性能优于现有基线。
- AI 摘要arXiv cs.AI
AntennaFlow模型实现无相位偏移天线测试
AntennaFlow是一个三阶段生成流模型，用于解决大孔径天线测试中的相位获取成本高及安装偏移问题。该方法利用对比学习编码器和确定性流匹配传输，仅凭稀疏幅度测量即可实现近场到远场的重建，无需相位信息或偏移向量。实验显示，该方法在保持物理一致性的同时，性能优于现有基线模型。
- AI 摘要arXiv cs.AI
AeroLat框架提升无人机群语义通信鲁棒性
AeroLat 是一种面向去中心化无人机群的信道感知潜在空间语义通信框架。该框架通过证据注入技术，解决了同质化冻结模型在离散感知输入下广播状态崩溃的问题。模拟实验显示，AeroLat 能够适应带宽受限、噪声干扰及信息过时等通信限制，对编解码器选择、故障及集群规模增加具有鲁棒性，并能将虚假相似度降低 97.5%。
- AI 摘要arXiv cs.AI
新方法γOPD提升大模型同策略蒸馏效果
针对大模型同策略蒸馏中目标保真度与优化稳定性的矛盾，研究提出γOPD方法。该方法利用折扣时间信用分配，在保持优化稳定性的同时实现长视界监督，并具有与视界无关的方差界限。实验显示，在数学和代码推理任务中，该方法在多种蒸馏设置下均优于现有方法。
- AI 摘要arXiv cs.AI
RepoAtlas 提升代码代理仓库级任务解决率
RepoAtlas 是一个无需训练的模块，通过选择、投影和刷新循环维护代码库的多模态视图。它在 SWE-bench Verified 测试中，将解决率提升了 2.4 个百分点，同时平均减少了 5.8% 的输入 Token 和 7.8% 的模型调用次数，并在不同规模和家族的三个模型上均表现一致。
- AI 摘要量子位
分子之心QuantaMind实现单GPU模拟十万原子化学反应
分子之心发布的反应性机器学习力场QuantaMind，在最新测试中实现了单张GPU模拟十万原子级体系数百纳秒反应，单步计算耗时约0.25秒。该模型已通过包含17792个原子的PET水解酶体系6纳秒连续模拟验证，完整呈现了质子转移、断键成键等过程，且与量子力学计算验证吻合度超0.99。模型通过学习反应瞬间数据、整合多源数据及主动补课，解决了分子模拟中精度、时间与规模的“不可能三角”难题。