RevGeoRQ：利用反向地理编码学习行政边界感知的位置编码器
研究者提出首个利用反向地理编码文本作为自监督信号、学习行政边界感知位置编码器的方法，可套用于现有位置编码器架构并一致提升下游性能。其定制架构 RevGeoRQ 带来额外增益，在多项下游任务上超过当代位置编码器，且基于人类可读的反向地理编码字符串和残差量化语义 ID，位置表示更可解释。代码和模型权重即将发布。
全部科技·金融动态
arXiv cs.AIAI 评分3434 arXiv cs.AIAI 评分4040 MoEvolve：通过在线策略双向蒸馏增强 MoE 模型
arXiv 论文提出 MoEvolve，一种针对 MoE 大语言模型的双向蒸馏框架，通过提高每 token 激活预算 exposing 潜在专家容量，先恢复并强化高 k 模型，再将能力反向蒸馏回原始低 k 配置。在多个 MoE 模型与基准上，MoEvolve 比初始模型最高提升 22.2 个领域平均分，比同等预算 RLVR 基线最高领先 6.5 分，最终低 k 模型常超过其激活扩展的教师模型。
arXiv cs.AIAI 评分3838 Batched Contextual Reinforcement II：RLVR 真的需要长 rollout 窗口吗？
作为 BCR 的技术延续，论文提出 Concurrent Constraint Reinforcement（CCR），在单个封顶训练补全中放入三个可独立验证的数学题，让截断前完成的正确答案保留奖励，从而摆脱 RLVR 对长 rollout 窗口的依赖。
arXiv cs.AIAI 评分4949 微调前呈线性可读的知识微调后才能泛化：arXiv 新研究解析语言模型的“活跃事实”
一项 arXiv 研究区分了语言模型中的“活跃事实”与“惰性事实”：前者能支持超出自身召回的泛化，后者只能被召回。通过在既有关系上构造重标注新关系并微调模型，研究涵盖 11 个语言模型和 70 个关系，发现原始关系在预训练表征中的线性可读性强烈预测泛化能力，各模型内 Pearson r = 0.87 至 0.92，且在控制微调样本数、模型准确率、主题出现频率等因素后依然稳健。
arXiv cs.AIAI 评分4848 免训练 On-Policy 蒸馏：前向传播即可融合多个专家模型
一项 arXiv 研究提出"免训练 on-policy 蒸馏"：仅用前向传播，无需梯度训练，即可把多个独立微调的专家模型能力融合进一个学生模型，平均精度超过任一单独专家。
arXiv cs.AIAI 评分4343 在线策略蒸馏必须完成每条 rollout 吗？STOPD 提出随机截断加速方案
STOPD（Stochastic Truncated On-Policy Distillation）通过随机截断学生 rollout 并用分块逆概率加权（IPW）修正采样偏差，加速在线策略蒸馏（OPD）。
arXiv cs.AIAI 评分1919 ELARSpeech：30K 小时、675 种低资源语言的长尾多语言语音数据集（论文已撤回）
作者 Sangmin Lee 撤回了 ELARSpeech 论文，原因为正在处理数据使用与授权要求。该数据集原计划包含来自 Endangered Languages Archive 的 30,202 小时语音，覆盖 675 种代表性不足的语言，支持 ASR 与 TTS 扩展，并公开数据集、模型和数据构建流程。arXiv 上已无 PDF。
arXiv cs.AIAI 评分4242 LLM 如何为人类时间定价：一项全球视角的研究
一项 arXiv 研究通过仅改变用户所在国家、测量 LLM 认为 60 分钟约会延误应得的补偿，考察 5 个 LLM 对 193 个国家时间价值的判断。结果显示 LLM 对欧洲用户推荐最高补偿，对非洲多为最低；以 GDP_PPP 衡量，LLM 低估了亚洲和南美用户的时间价值。研究表明地理模式已内嵌于 LLM，可能在智能体场景中造成差异化对待。
arXiv cs.AIAI 评分5050 LLM Agent 推理收缩研究：安全记忆复用的成功计数器是失效的变化探测器
一项 arXiv 研究提出"推理收缩"概念，指 thought templates、技能库和 agent 记忆把多步推理压缩为一步，但记忆在事实改变后会静默给出错误答案。
arXiv cs.AIAI 评分3939 StartLux-Decision：基于 RLCD² 强化学习的 AutoThink 决策模型，参数规模 0.8B 到 27B
StartLux-Decision 发布 0.8B 至 27B 参数的决策模型，分 Instant 与 AutoThink 两类：Instant 保持单次推理，AutoThink 仅对不确定决策调用显式推理。
arXiv cs.AIAI 评分3232 WeGR：通过行为感知 Tokenization 与偏好对齐实现统一生成式检索
研究者提出统一生成式检索框架 WeGR，包含 CoCo-VAE 分词器和 DHPO 偏好对齐方法，前者在量化前注入协同信号并保持码本均衡利用，后者逐步扩展奖励评估范围以缓解奖励稀疏。在电商搜索平台为期六周的线上 A/B 测试中，订单相对提升 2.539%、CTR 提升 1.508%、CVR 提升 1.381%，CPU 和 GPU 用量分别降低 25.5% 和 26.1%。
arXiv cs.AIAI 评分3939 CRISP：用扩散解码修复潜在 LiDAR 生成中的飞点问题
CRISP 是一种像素空间扩散解码器，包含骨干无关的 latent adapter、基于 DiT 的去噪器和支持掩码预测器，可在保持编码器与 latent 生成器不变的情况下替换 video-VAE 或 LiDAR 原生解码器，修复 LiDAR 潜在生成中的飞点问题。
arXiv cs.AIAI 评分2828 arXiv 论文提出 Δ-MOPD：蒸馏每位教师学到的东西用于多教师 on-policy 学习
arXiv 论文提出 Δ-MOPD，在多教师 on-policy 蒸馏（MOPD）中不再迁移教师的端点策略，而是迁移“教师减基座”的 logit 偏移并重新锚定在学生模型的冻结初始化上，以剔除教师从其基座模型继承的偏好。
arXiv cs.AIAI 评分5454 TAPDreamer：针对世界动作模型的可迁移对抗贴片攻击
论文提出 TAPDreamer，一种仅用公开编码器构造固定局部扰动、无需目标策略查询的攻击方法，可跨任务与动作架构迁移。仅覆盖约 6.5% 输入的冻结贴片使 FastWAM 在 40 个 LIBERO 任务上的成功率从 97.7% 降至 0.0%，在 50 个 RoboTwin 任务上从 90.86% 降至 0.0%，对 DreamWAM 和 Motus 也大幅降低成功率。
arXiv cs.AIAI 评分4747 EDISCO：面向欧氏组合优化的等变离散扩散模型
EDISCO 是首个针对欧氏组合优化问题（如 TSP 与 CVRP）的离散扩散模型，通过 E(2)-等变边评分网络与离散边变量上的连续时间马尔可夫链，实现对节点索引解的精确 E(2) 不变生成分布。
arXiv cs.AIAI 评分3232 BridgeCast：基于 Flow Matching 与外生变量的海洋波浪预报偏差校正方法
研究者提出 BridgeCast，一个基于条件 flow matching（CFM）的概率模型，用于将物理模型的海浪预报校正为再分析场。该模型采用 Transformer 架构进行时空建模，可纳入外生大气变量，并支持常微分方程和随机微分方程两种推理方式。实验表明其在不同区域和预报时效上均优于 SOTA 基线。
arXiv cs.AIAI 评分3737 FERPO：前向熵正则化策略优化算法
FERPO（Forward Entropy-Regularized Policy Optimization）是一种在策略最大熵强化学习算法，无需对 critic 求动作梯度即可实现策略改进，通过熵与 KL 散度正则的目标动作分布并用 forward-KL 结合 SNIS 拟合 actor。
arXiv cs.AIAI 评分4040 StepRS-GRPO：步进式风险敏感 GRPO 改进扩散语言模型推理
研究者提出步进式风险敏感 GRPO（StepRS-GRPO），在扩散大语言模型（dLLM）的去噪状态间调整组优势变换的风险系数，且保留原有训练器。在多个 dLLM backbone 和数学推理基准上，该方法相较 centered GRPO 同时提升 pass@1 准确率与 pass@k 覆盖率，并增加答案多样性；消融实验中质量匹配对照与优势 RMS 对齐后增益依然成立。
arXiv cs.AIAI 评分2929 基于可学习展平的跨骨架动作重定向研究
一项研究提出基于 Transformer Autoencoder 的动作重定向方法，通过骨骼图的可学习展平构建拓扑与平移不变的潜在空间，无需配对数据即可全无监督训练。在零样本评估中，该方法将全局关节位置误差较现有基准降低 43-47%；37 人（含专家动画师）的用户研究显示其在动作对齐与物理合理性上排名最高（p < 0.05）。
arXiv cs.AIAI 评分4949 S³：谱零空间交换让推理大语言模型更高效
论文提出训练-free 的模型组合方法 S³（Spectral Null-Space Swap）：将 Non-thinking 模型保留在其主导子空间内、把 Thinking checkpoint 置于其外，从而提升推理效率。
arXiv cs.AIAI 评分3939 ROSS：通过选择性监督从自生成 rollout 中再学习
论文提出 ROSS（Relearning from Self-Generated Rollouts through Selective Supervision），保留完整历史轨迹作为上下文，仅对选定的模型生成内容施加损失，实现从自生成 rollout 中再学习。
arXiv cs.AIAI 评分5959 BreakingWeb 通过受控环境干预构造更难的浏览器智能体任务
研究者提出 BreakingWeb，通过可控修改网站内容、服务器状态或渲染页面把已有任务变难，包含 7 个自托管网站上的 519 个任务对。六款浏览器智能体在干预下平均下降 22.9 个百分点，人类仅降 10.0 点；智能体 75% 的失败是信念失败，即在未完成所需改动时宣布任务完成。
arXiv cs.AIAI 评分3838 二值化拉平分数空间：LLM 裁判奖励为何应保留至少三个等级
一篇入选 NeurIPS 2026 JUDGe workshop 的论文分析 LLM 裁判奖励被压成 0/1 二值后的盲区：通过/不通过判定允许任意仿射拉伸而不改变任何判定结果。
arXiv cs.AIAI 评分4343 UMM-Reflection：用交错强化学习让统一多模态模型学会原生反思
UMM-Reflection 方法在统一多模态模型内部对完整反思轨迹施加强化学习，让反思文本与图像生成联合优化，无需推理时的外部验证器。在 BAGEL 上，该方法的 GenEval 得分比 SFT 提升 12.05 点，并在未参与训练的 WISE（+10.97）、OneIG-Bench（+3.48）和 T2I-CompBench++（+4.63）上实现迁移增益。
arXiv cs.AIAI 评分4343 OPIS：面向视频世界模型多目标记忆的输入锚定基准
研究者推出 OPIS，一个以初始观测中的固定目标实例为锚点的输入锚定基准，用于评估视频世界模型的多目标记忆能力。数据集包含 500 个案例，覆盖真实世界、具身机器人和游戏世界领域，为 12,672 个刚体、铰接和可形变实例提供密集目标级标注。
arXiv cs.AIAI 评分3030 EMERGE：基于等变图扩散的分辨率无关点云生成方法
论文提出 EMERGE（Equivariant Multi-scale GNN for Resolution-agnostic point cloud GEneration），首个完全 SE(3) 等变的图结构扩散骨干网络，用于点云生成。
arXiv cs.AIAI 评分2323 动态网络上去中心化最优均衡学习研究（arXiv 论文）
一篇 arXiv 论文研究了动态通信网络上有限正则形式博弈中去中心化的社会最优均衡学习：各智能体仅观测自身收益、不预知博弈，只能与时变邻居交换低带宽消息。方法让智能体从局部收益比较生成语义内容/不满信号，并交换带时间戳的表而非原始动作或收益信息，结合表融合与时序多数重构，在功利主义和比例公平社会福利目标下获得有限时间对数遗憾保证。仿真显示该方法能在动态通信网络上有效选出社会理想均衡。
arXiv cs.AIAI 评分3131 医学 QA 数据选择中开发调优表征敏感性的实证研究
一项 arXiv 实证研究提出表征敏感性优先化（RSP）方法，用于医学问答数据选择：在预算 $B=128$、基座模型 google/medgemma-4b-it 的 LoRA 微调中，先筛出 top-$4B$ 预测熵样本，再结合答案翻转频率与 margin 收缩打分。
arXiv cs.AIAI 评分4747 大语言模型预训练中的知识获取：辅助视图让学习更有效
arXiv 论文（被 EMNLP 2026 Findings 接收）通过控制实验发现，预训练中的“辅助视图”，即对知识的概念化改写，是大语言模型学习知识的关键。
arXiv cs.AIAI 评分4949 当模型编辑过度：关于最小代码编辑忠实度的研究
一项基于 400 个 BigCodeBench 问题构建 AST 级受控损坏评测框架的研究，衡量 LLM 修复代码时的“过度编辑”倾向。
arXiv cs.AIAI 评分4242 对称性与因果性：超越 IID 数据的因果效应识别理论
arXiv 论文提出一套基于数据对称性的理论，用于从非 IID 数据中识别复杂因果查询。该框架以保持因果机制不变的对称性作为统计重复的来源，把识别任务分解为提取、计算和查询表达三步，并统一描述机制与干预。它在 IID 数据上复现标准结果，还能处理 do-干预或 soft-干预之外的复杂因果查询。
arXiv cs.AIAI 评分3434 双重差分在受限评分量表上可人为制造效应：一项预注册的 LLM-judge 审计
一项 NeurIPS 2026 NewInML Workshop 接收的预注册审计研究以闭式推导证明：当评分量表有界时，两回答共同经历的严重度偏移会因量表上下界衰减不均而伪造成差异中的差异交互效应。
arXiv cs.AIAI 评分3636 DA-WAM：面向驾驶世界模型的决策对齐未来隐变量
论文提出 DA-WAM，一种决策对齐的世界动作模型，将 JEPA 架构与候选轨迹评分耦合，让驾驶世界模型预测与决策相关的未来而非重建场景细节。其动作条件预测器为每条候选轨迹生成未来隐变量，多头轨迹评分器据此估计规划因素与效用，并通过安全关键后训练提升对几何相似但安全性不同轨迹的区分。
arXiv cs.AIAI 评分3636 C+Mag：利用幅度与复数测量改进动态 MRI 重建的学习先验方法
研究提出 C+Mag，一种幅度信息驱动的物理引导深度学习 MRI 重建方法，用于加速稳态动态 MRI 重建，发现 k 空间幅度在时间帧间具有强一致性。方法采用基于 ADMM 的展开框架，引入二次平滑优化与动量更新以处理幅度约束的不可微与非凸性。
arXiv cs.AIAI 评分4949 用大语言模型在阴谋论发酵初期降低其信念：两项实验研究
一项 arXiv 研究测试与大语言模型对话能否降低公众对正在发酵的阴谋论的信念。在美国 2024 年 7 月特朗普遇刺未遂和 2025 年 9 月 Charlie Kirk 遇刺事件后的实验中，N = 472 和 N = 1042 两批持有阴谋观点的美国成年人接受 LLM 多轮对话干预，与对照组（LLM 聊无关话题或看静态事实清单）相比，阴谋信念显著降低。
arXiv cs.AIAI 评分3737 DECODEM：从公司组织文件中提取治理数据的 LLM 基准评测
一篇 arXiv 论文提出 DECODEM 基准，用于评测大语言模型能否从美国上市公司章程和细则中提取公司治理变量，数据来自 SEC 的 EDGAR 数据库并配有人工标注标签。结果显示，当前模型能以较高准确率提取多数治理变量，但对章程的提取准确率低于细则；各前沿模型表现相当，更复杂的提取流程并不能持续提升性能，但对效率导向模型可显著缩小与前沿模型的差距。
arXiv cs.AIAI 评分3939 DiffEEG：用于学习 EEG 癫痫相关表征的自监督去噪扩散模型
DiffEEG 是一个 9.6M 参数的自监督基础模型，通过去噪扩散预训练与基于强化学习的微调，解决 EEG 癫痫检测中标注稀缺和类别极不平衡问题。模型在 TUHSZ 的 1.3M 无标注片段上预训练，采用策略梯度优化直接最大化 F1 分数。在 279 名患者的严格患者独立评估下，4 类癫痫分型达到 61% 准确率和 59% F1，二分类检测达到 81% 准确率与 85% 加权 F1。
arXiv cs.AIAI 评分4545 当合成语音是唯一资源时，GRPO 比 SFT 更适合银行领域 ASR 适配
一项研究提出在仅有合成语音可用时，用强化学习方法 GRPO 适配基于大语言模型的 ASR，效果优于监督微调（SFT）：仅用合成语音的 GRPO 适配将 WER 相对降低 40%（36.71% 降至 22.09%），先 SFT 再 GRPO 可进一步提升至 45%。
arXiv cs.AIAI 评分4141 用探针代替提示词：Multi-Meta-RAG 中基于隐藏状态的元数据过滤方法
一项研究提出用小型开源语言模型隐藏状态上的多标签逻辑回归探针，替换 Multi-Meta-RAG 中依赖 GPT-3.5 API 的新闻源元数据提取器。
arXiv cs.AIAI 评分4848 对编程智能体而言，代码仓库才是关键
arXiv 一项研究用多层模型比较 GitHub 上 AI 编程智能体与人类的 pull request，发现约五分之二的智能体 PR 处理时长差异来自仓库之间；在 280 个仓库中，智能体 PR 的仓库间方差是人类的 1.76 倍（95% CI 1.41–2.18）。