Conformal Social Choice：为多智能体辩论安全决策提供覆盖率保证的新方法
一篇 arXiv 论文提出 Conformal Social Choice，一种后处理层，将多智能体辩论的 LLM 输出转化为经校准的“自主行动或上报人工”决策。
#论文/研究
arXiv cs.AIAI 评分3535 arXiv cs.AIAI 评分3535 表格基础模型可以学习关联规则
研究者提出模型无关的关联规则学习框架 TabProbe，将表格基础模型（TFM）用作条件概率估计器，无需频繁项集挖掘即可开箱提取关联规则。在多种规模的表格数据集上，该方法按标准 ARM 规则质量指标和下游分类性能评估，均生成简洁、高质量且预测性强的规则，并在低数据场景下无需任务特定训练仍保持稳健。代码已开源，扩展版发表于 TMLR。
arXiv cs.AIAI 评分4949 Agents-as-Peers：以多智能体同行互评实现偏差可控的 LLM 评测
Agents-as-Peers 是一种分布式 LLM 评测协议：每个智能体生成任务、作答并互评同伴答案，不设特权评测者，自我评分不计入排名。在 12 个 LLM、420 道智能体生成问题的实例中，每个 regime 聚合 55,440 条非自我同伴判断，测得自评偏高、可见身份影响分数、首个固定答题位得分比打乱基线高 0.39 分等偏差。
arXiv cs.AIAI 评分4545 个性化对齐中的奖励模型选择危机：奖励模型准确率无法预测部署表现
arXiv 论文指出，个性化对齐领域长期依赖奖励模型（RM）准确率选模型，但该指标与下游策略准确率仅弱相关（Kendall's tau = 0.08--0.31），无法预测奖励引导解码（RGD）的部署效果。
arXiv cs.AIAI 评分4040 PAVE：通过知识感知的任务向量净化缓解模型合并冲突
研究者提出 PAVE（Purifying TAsk Vectors）方法，在知识感知子空间中对任务向量进行净化，以缓解模型合并中因任务无关冗余导致的性能下降。该方法采样各任务的训练样本获取协方差矩阵，执行面向上下文的奇异值分解，将微调权重拆分为任务相关与冗余成分并剪枝冗余部分，同时引入谱秩分配策略平衡各模型的剪枝力度。
arXiv cs.AIAI 评分4343 VRPAgent：用 LLM 自动发现车辆路径问题的启发式算子
研究者提出 VRPAgent 框架，将 LLM 生成的组件嵌入共享元启发式框架，并通过新型遗传搜索优化，为车辆路径问题（VRP）自动发现启发式算子。该方法在容量约束 VRP、带时间窗 VRP 和奖赏收集 VRP 上发现的开创了超越人工方法与近期学习方法的算子，且仅需单个 CPU 核心。作者称这是首批推进 VRP 最先进水平的 LLM 方法之一，论文发表于 TMLR。
arXiv cs.AIAI 评分3939 EMMA：用生成式视觉模型增强机器人控制鲁棒性
研究者提出 EMMA 框架，通过生成式数据增强 VLA 模型的机器人操作策略，其中 DreamTransfer 是基于 diffusion Transformer 的架构，可生成多视角一致、几何合理的具身操作视频，支持对前景、背景和光照的文本驱动编辑。
arXiv cs.AIAI 评分3737 单智能体深度强化学习用于公交车队控制，替代多智能体方案
一项 arXiv 研究提出将多智能体公交车间隔控制问题重构为单智能体强化学习框架，通过在状态空间中加入车辆 ID、站点 ID、时段等类别标识，并采用脊形奖励函数兼顾均匀间隔与时刻表遵守。在双向时刻表网络与动态客流仿真中，改进的 SAC 比基准 MADDPG 表现更优更稳定（随机条件下 -430k vs. -530k），为非环形真实线路提供了可扩展的 MARL 替代方案。
arXiv cs.AIAI 评分4444 LLM 引导的 SAGE 框架自动演化 MILP 加速不等式族
研究者提出 SAGE（Symbolic Acceleration via Generative Evolution）框架，利用 LLM 初始化候选不等式、经可行性筛选和进化交叉变异自动发现加速不等式族，用于改进整数规划求解。
arXiv cs.AIAI 评分4242 LLM 距离符号规划器还有多远？——基于 NLP 视角的评估研究
一篇 arXiv 论文提出用三步 NLP 评估加符号规划修正的流水线，细粒度衡量 LLM 生成规划的质量。实验发现 LLM 生成规划时缺乏逻辑推导或状态跟踪的明确证据：非空规划平均只有 3.55 个动作可执行，而符号生成的最优规划平均长度为 9.47 个动作，表明 LLM 作为长程规划器仍远不如符号规划器可靠。
arXiv cs.AIAI 评分3535 GenoMAS：面向基因组科学发现的多智能体编程框架
GenoMAS 是一个由多个 LLM 智能体组成的基因组数据分析框架，通过类型化消息传递协议和引导式规划，将任务指南分解为 Action Units 并动态推进、修订或回溯。
arXiv cs.AIAI 评分3030 Gibson Env：面向具身智能体的真实世界感知环境
斯坦福团队在 CVPR 2018（spotlight）发表论文，提出 Gibson 虚拟环境，用于训练主动智能体的真实世界感知。Gibson 基于真实空间虚拟化构建，包含来自 572 栋完整建筑的 1400 多个楼层空间，并通过"Goggles"内部合成机制使训练模型无需域适应即可部署到真实世界，同时让智能体受物理与空间约束。代码、数据集与项目网站已公开。
arXiv cs.AIAI 评分4545 Joints, Camera, Action!：面向任意骨骼的 3D 运动与视频协同生成模型
arXiv 一篇论文提出一个模型，可为任意骨骼同时生成视频和 3D 运动，并通过相机将运动对齐到 3D 场景。该模型将支持任意骨架的运动模型与预训练视频模型通过少量 cross-attention 层连接，并用生成式视频编辑器与人形、机器人视频构建了近 200K 训练对。评测显示其文本驱动骨骼动画比视频优先管线更忠实，还能实现视频转骨骼运动、骨骼运动转视频及关键帧控制。
arXiv cs.AIAI 评分4444 GBClaw：面向原子级晶界研究与机理发现的智能体 AI 框架
研究者提出 GBClaw，一个用于研究一般晶界结构与变形的智能体 AI 框架，将 LLM 集成到由编排器、专用智能体、领域工具、模拟接口和分层记忆组成的模块化架构中。该框架通过动态重规划与迭代式工作流优化，对镍中 14 个一般非对称倾斜晶界进行界面缺陷结构表征，并识别出多种变形机制。对比有/无次级晶界错配位错的边界滑移发现剪切强度差异显著，后续计算还将异常高剪切阻力追溯到亚稳边界结构。
arXiv cs.AIAI 评分3838 UniWALM：用于具身机器人控制的统一世界-动作-语言模型
研究者提出 UniWALM，在单一 mixture-of-transformers 骨干中统一学习视频、动作与语言三种模态，各模态扩散头同步协同去噪，无需独立规划阶段即可在解码动作同时生成子任务与文本记忆。
arXiv cs.AIAI 评分3333 Industrial ReMEmbR：将时空记忆扩展到机器人车队
NVIDIA 等研究者提出 IndustrialRemembr，一个将 ReMEmbR 扩展到机器人车队的共享时空记忆系统，通过仅在需要时生成场景描述来减少服务端计算。
arXiv cs.AIAI 评分3737 MindView：生成式多视角空间智能基准发布
研究者推出 MindView 基准，用于评测生成式多视角空间智能，包含来自 513 个场景的 1,500 个样本，涵盖几何主导与语义主导两类共 7 项任务。对 11 个生成模型的评测显示其提升空间较大，微调 BAGEL 后总分提高 24.3 分，且在三个空间理解基准上也有提升。团队还提出免训练的空间证据选择器 MindCue，可逆转扩展上下文下的得分下降并超过标准上下文基线。
arXiv cs.AIAI 评分3535 DAR-MGSM：首个方言阿拉伯语数学推理基准发布，评估 11 个大语言模型
研究者推出 DAR-MGSM，首个面向方言阿拉伯语数学推理的人工整理基准，涵盖五大阿拉伯方言及现代标准阿拉伯语（MSA），包含纯翻译版与文化本地化版两个平行版本。对 11 个阿拉伯语中心及多语言大语言模型的评估显示，本地化版本上性能普遍下降，但各模型受影响程度不同。机制可解释性分析表明，同一题目的翻译版与本地化版常引发不同的内部推理轨迹。
arXiv cs.AIAI 评分4848 把 TS2Vec 改造成时间序列分类基础模型：TS2Vec-FM
研究者通过合成语料预训练、双视角输入（原始振幅与实例归一化形状）和知识蒸馏三项改动，将 TS2Vec 转化为可在数据集间复用的基础模型 TS2Vec-FM。该 1.6M 参数的扩张卷积网络在冻结状态下线性探测达到 UCR-128 83.3%、UEA-27 75.3%，距当前 SOTA 的 MantisV2 仅 0.3 pp，且不依赖注意力、patch tokenizer 或中间层提取。
arXiv cs.AIAI 评分5252 arXiv 论文提出 R2S：修复教师打分器的奖励无关智能体在策略蒸馏方法
Shu Zhao 和 Tan Yu 在 arXiv 论文（arXiv:2610.28586）中提出 R2S（Rollout-to-Scorer Distillation），认为智能体在策略蒸馏（OPD）的失效源于下一 token 打分的短视而非复合误差，并将其命名为 rollout-scorer gap。
arXiv cs.AIAI 评分4040 SceneRig：从单张图像重建可仿真 3D 场景的智能体系统
研究者提出 SceneRig，一个将单张图像转化为可编辑、可用于仿真的 3D 场景的智能体系统。该系统结合几何、视觉与物理工具重建场景，并由智能体在物理仿真器内执行“编辑-验证”循环以确保物体物理稳定。
arXiv cs.AIAI 评分2626 Tessera：面向空间转录组学的空间感知与方向敏感表示学习方法
研究者提出空间表示学习框架 Tessera，将空间感知的基因选择与建模相对细胞关系的几何归纳偏置相结合，在保留方向信息的同时保持平移不变性。在held-out组织与技术平台上，Tessera 在表示质量上超越现有空间基础模型，并可零样本泛化到比训练时大最多 16 倍的上下文。该工作已被 NeurIPS 2026 AI4DD workshop 接收。
arXiv cs.AIAI 评分3838 LLM 何时有助于特征选择？一项系统性实证研究
一项系统性实证研究在 18 个数据集框架（10 个 GRPO 训练、2 个验证、6 个留出评估）上，比较五种经典基线、冻结的 Qwen2.5-7B 与 Llama-3.3-70B 选择器及两个 GRPO 适配的 Qwen2.5-7B 模型。
arXiv cs.AIAI 评分3535 LeWi 学习计算结构以实现样本高效的预测
研究者提出 Learned Wiring（LeWi），让每个神经元学习低维嵌入、只连接邻近神经元，并联合训练嵌入与权重，以利用目标的组合计算结构提升样本效率。在 32 个由独立采样计算图生成的目标上，LeWi 是未获得目标图方法中样本效率最高的，平均学习曲线面积比稠密网络低 27%。
arXiv cs.AIAI 评分3939 Binary Discrete Diffusion：面向逻辑与规划任务的候选集离散扩散
arXiv 论文提出 Binary Discrete Diffusion，一种连续时间离散扩散方法，噪声状态用二值成员向量表示每个位置的一组候选 token，通过增删候选实现不确定性的渐进表示。
arXiv cs.AIAI 评分4646 REACT：VLM 引导的接触重定向与生成式伙伴建模，用于人形机器人与人的交互
研究者提出 REACT 框架，用 VLM 引导的接触建模与重定向管线从人与人演示中学习可部署的人形机器人交互策略，并将特权策略蒸馏为仅靠机载感知的 egocentric depth 策略。
arXiv cs.AIAI 评分3434 基于心电图预测实验室指标：NT-proBNP 预测的生理与技术综合分析
一项论文研究用多模态深度学习从 ECG 记录和患者元数据预测 NT-proBNP，基于 MIMIC-IV 进行回归、二分类和三分类实验。12 导联配置始终优于 1 导联（lead II）：回归 MAE 为 514.27 pg/mL，二分类 AUROC 达 0.876，三分类宏平均 AUROC 为 0.752。
arXiv cs.AIAI 评分4141 BitMTP：当多 Token 预测遇上低比特大语言模型
BitMTP 是一个面向超低比特大语言模型骨干的多 Token 预测（MTP）算法-系统协同设计框架，通过联合 next-token 与 MTP 目标、多种解码模式及 Accepted-prefix 对齐实现高效加速。
arXiv cs.AIAI 评分3434 基于 SSM 的脉冲神经网络实现模型级与层级闭环时序预测
一项 arXiv 研究针对 SNN 在预测阶段标准自回归处理需要不可得数值的问题，提出模型级和层级两种闭环预测策略，将网络自身生成的数值反馈回网络作为观测值。在 ETT-small 基准上，两种方法在 spike 与连续激活函数下的表现与 S4 的 zero-masking 基线相当或更优，多数情况下可匹配 SpaceTime 等 SOTA 方法。
arXiv cs.AIAI 评分3434 每个模型都会留下痕迹：多分辨率 LLM 指纹识别研究
一项 arXiv 研究提出“指纹分辨率”框架，从模型族到蒸馏、LoRA 微调变体，分析大语言模型在生成文本中留下的可识别痕迹。结果显示，即使改写输出、抑制表层词汇线索，模型指纹依然可检测，且语义表征在跨语言时最稳健。模型身份可在多个分辨率上被恢复，但可恢复性取决于模型相似度与文本中可用证据的多少。
arXiv cs.AIAI 评分4343 TaskWAM：用 Mode Tokens 与 State Tokens 引导世界-动作模型走向预期未来
一篇 arXiv 论文提出 TaskWAM，一个闭环、阶段感知的框架，用于解决世界-动作模型（WAM）在长程操作中漂移到错误任务阶段的“Stage Confusion”问题。
arXiv cs.AIAI 评分3333 面向网络-社会影响的数字孪生框架研究
一篇 arXiv 论文提出将数字孪生与网络-社会安全模型结合的框架，用于模拟和量化关键基础设施中的网络威胁。框架基于 Mininet 和 MiniCPS 构建虚拟化 ICS 环境，核心是扩展 CVSS 的 CSVSS 评分系统，引入基于实体与场所支柱的社会影响维度，生成可复现的严重性评分。LLM 仅做初步分析和起草风险报告，由分析师在可解释 AI 反馈支持下验证结论并保留关键案例的决策权。
arXiv cs.AIAI 评分5858 Racer 论文提出用符号等价检查 hunting GPU kernel 缺陷，在 2,408 个生产内核中发现 82 个真实 bug
论文提出 Racer，一个 PTX 级符号等价检查引擎，通过在符号输入上执行 kernel 与参考实现，把输出变成精确代数表达式来区分浮点误差与逻辑 bug。它采用 Shape Reduction、lockstep CTA 调度和带精确数值反驳的 idiom 模板三项技术。
arXiv cs.AIAI 评分5050 CarryoverBench：评测 LLM 智能体上的跨会话延续攻击
研究者提出 CarryoverBench，评测 LLM 智能体上的 carryover attacks：攻击者一次性注入后，载荷可经长期记忆文件或定时任务在后续会话中反复触发。
arXiv cs.AIAI 评分4242 WorldSR：利用世界知识检索实现 grounded 图像超分辨率
WorldSR 是一个图像超分辨率框架，通过显式、实体对齐的视觉世界知识增强生成先验超分辨率方法。它将输入自动分解为语义实体，从大规模外部图像语料中检索对齐参考图，并借助记忆机制复用检索结果和多步筛选流程提升效率与可靠性。实验显示其在真实世界 SR 基准上持续提升结构保真度与视觉质量，超过现有生成式超分辨率方法。
arXiv cs.AIAI 评分3636 DISTRACT 基准：研究视觉退化下文本描述对视觉语言跟踪器的实际影响
arXiv 论文提出 DISTRACT 基准，通过四类文本先验与四级图像退化的交叉干预，评测五个视觉语言跟踪器（VLT）中文本是否真正改变跟踪决策。Molmo2 和 JointNLT 表现出有方向的文本利用，且在决策临近状态可解码正确与冲突文本；UVLTrack、MMTrack 和 DUTrack 对文本语义变化仅弱响应，无行为效应通过 FDR 校正。
arXiv cs.AIAI 评分3535 Code2Video-Compass：覆盖 T2V、I2V 与 V2V 的通用代码式视频生成综合基准
研究者推出通用代码式视频生成基准 Code2Video-Compass，覆盖文本到视频（T2V）、图像到视频（I2V）和视频到视频（V2V）三类设定。基准包含 2,104 个任务，横跨 10 个类别、24 个子类型和三个复杂度维度，并采用 12 项客观指标与 5 项主观指标的双层评测框架。
arXiv cs.AIAI 评分3535 Brain2Vec：面向结构脑部 MRI 的自监督 3D 基础模型
研究者推出 Brain2Vec，一个在 74,425 例 T1 加权 MRI 扫描上预训练的自监督 3D 基础模型，可用于下游任务微调或独立特征提取。以其预训练权重初始化进行脑年龄预测时，相比随机初始化获得更高精度和更快收敛；冻结嵌入在五项分类任务中的四项上优于解剖体积特征，并与用更多数据预训练的 SOTA 基础模型表现相当。代码和模型已开源，也可通过 NiChart 云平台直接使用。
arXiv cs.AIAI 评分4646 面向预算感知多轮智能体的奖励设计：让 Qwen3.5 自主适应任意推理时预算约束
一项 arXiv 研究训练 Qwen3.5 的 4B 和 9B 模型，让多轮大语言模型智能体自己学会在 token、API 调用、环境步数等预算内分配资源，无需外部预算控制器。
arXiv cs.AIAI 评分4141 事实回忆中的“指令税”：基座模型可胜过其指令微调版本
该论文介绍 AKBC LM-KBC 2026 共享任务的解决方案，在官方榜单取得 0.6836 分，超过 0.2964 基线一倍以上。在不使用检索和微调、参数上限 32B 的条件下，基座模型用文本补全提示得 0.6836，而指令微调版本经聊天界面仅得 0.5681，作者称之为“指令税”。方案用训练集示例提示基座模型，生成 64–256 个输出并保留重复项，再针对不同关系做两项专门处理。