APRIL：面向呼吸音领域增量学习的歧义感知专家路由框架
APRIL 是一个无需样本回放（exemplar-free）的呼吸音分类领域增量学习框架，基于冻结的 BEATs 主干，依次继承并隔离低秩专家以适配新域。其多级原型路由器检索 top-2 候选专家，并结合域路由后验与分类置信度、按匹配歧义度加权动态选择最终模型。
#论文/研究
arXiv cs.AIAI 评分3232 arXiv cs.AIAI 评分4949 LLM 安全中的极性盲：否定、反义词替换与对抗性框架的系统性研究
一项 arXiv 研究提出"极性盲"概念，指大语言模型在经历语法否定、反义词替换等极性改变的语言变换后无法识别有害意图的结构性漏洞。研究使用覆盖 10 个主流 LLM、3 种语言（英语、西班牙语、捷克语）的 260 条提示词基准和 0-5 有害性量表评估，发现大多数受测模型受此影响，最脆弱模型的平均有害性得分达 4.12，且该效应在不同否定系统间持续存在。
arXiv cs.AIAI 评分3737 CollabSciReM：通过科学感知奖励分解对齐语言模型进行科学对话
arXiv 论文提出 CollabSciReM，一种面向多轮科研对话的目标条件奖励框架，将会话级奖励分解为对话质量、科学严谨性和结构效率三部分，并配套基于 300 篇保留科学论文、按六个维度打分的 SciQuality 成对评测。
arXiv cs.AIAI 评分4444 DPO 超参数 landscape 的形态：测量什么、如何随规模变化、何时不可迁移
一项 arXiv 研究通过密集超参数网格实验，分析 DPO 最优超参数（学习率与参考策略正则化参数 β）如何随模型规模和更新步数变化。结果显示最优学习率随模型大小变化，超参数不可跨训练数据集迁移，且验证损失与下游 benchmark 最优超参数仅弱相关，需针对目标模型、数据集和评测目标单独调优。研究还表明短期候选训练可大幅降低选择成本，并已开源全部训练配置与评测结果。
arXiv cs.AIAI 评分3434 PhyNet：面向工业流体输送系统的物理变量信息深度学习故障诊断框架
研究者提出物理变量信息深度学习框架 PhyNet，用于工业流体输送系统在异构采样条件下的鲁棒故障诊断。该框架将物理变量视为全局运行约束、响应信号作为局部诊断证据，通过物理-响应交叉注意力机制实现无需严格时间对齐的交互。在三个真实空化数据集和一个公开两相流数据集共四项基准上，PhyNet 在所有评估指标中均取得最佳表现。
arXiv cs.AIAI 评分3939 LLM 跨语言代码翻译幻觉研究：现象与缓解
一项系统性实证研究分析了 LLM 在跨语言代码翻译中的幻觉现象。研究覆盖 3 个基准数据集、6 组语言对和 7 个 LLM，人工标注 13,919 个幻觉案例，构建了包含语义一致性冲突、事实知识冲突和项目上下文偏差三大类的分类体系。基于该分类提出缓解框架 HaluCodeTran，结合基于 BM25 的相关翻译示例检索与分类感知的反思式优化，为构建更可靠的 LLM 代码迁移工具提供了实测基线。
arXiv cs.AIAI 评分3838 VISH-ASR：基于 Viterbi 引导的热词选择，用于 Speech-LLM 上下文 ASR
VISH 是一个无需训练、即插即用的热词预选框架，通过帧级 CTC 后验搜索直接验证候选热词的声学支持。其变体 M-VISH 在五个基准上将 Best-F1 较强学习检索基线最高提升 11.7%，并在 2,000 个候选时将候选搜索延迟降低 75.2%。Bi-MVISH 则利用反向证据增强验证的稳健性。
arXiv cs.AIAI 评分3030 SMART：基于上下文评分标准的语音识别语义分段评估框架
arXiv 论文提出 SMART，一个用于 ASR 语义可追溯评估与定向纠错的框架：它将参考与假设的差异映射为语义分段，并用上下文评分标准赋予后果标签，支持在语句、分块和词级量化 Semantic Impact Error Rate（SIER）。
arXiv cs.AIAI 评分2929 RAG-NIMBF：面向 RAG 配置自动化分析的非侵入式模块化基准测试框架
RAG-NIMBF 是一个非侵入式模块化基准测试框架，可作为评估层附加到现有 RAG 流水线，通过受控消融和端到端实验追踪分析分块、嵌入、检索、重排等配置空间。
arXiv cs.AIAI 评分3636 SLM-SS：基于语音语言模型的 token 化语音分离方法
研究者提出 SLM-SS，一种用语音语言模型做基于 token 的生成式语音分离框架：先用神经编解码器将语音离散化为多码本 token 序列，并通过 Serialized Output Training（SOT）序列化多说话人目标，再由编码器-解码器自回归模型预测零阶序列、非自回归模块细化高阶码本。
arXiv cs.AIAI 评分4141 Relay：通过规则复用与智能体修复扩展历史构建还原
研究者在 14,159 个 OSS-Fuzz 案例上分析历史软件构建的环境退化问题，发现 69.7% 的案例无法完成重构与验证，且多数失败源自少数重复出现的症状。
arXiv cs.AIAI 评分3232 I2R-Pose：基于毫米波雷达的 3D 人体姿态估计框架，提出运动感知初始化与观测引导精修
研究者提出 I2R-Pose 框架，用于毫米波雷达 3D 人体姿态估计，包含运动感知姿态初始化与观测引导精修两阶段，支持 TD/TR 图与雷达点云的单独或融合输入，并构建了含同步数据的 RaMoS-Pose 数据集。在 MVDoppler-Pose 和 RaMoS-Pose 上，融合输入使 MPJPE 分别较最优现有方法降低 39.50% 和 15.13%。
arXiv cs.AIAI 评分3939 ℓ1 攻击需要多大的集中扰动？——坐标上限约束下的对抗攻击分析
一项研究在 ℓ1 攻击中加入逐坐标上限并用循环内精确投影强制联合约束，评测 APGD-ℓ1、SLIDE 和 FMN-ℓ1 三种攻击。在 18 个标准模型设置中，上限不超过 32/255 时仍保留中位数 97% 的攻击成功率，峰值幅度中位数下降 80%，有效支撑接近增至三倍；循环内约束优化比事后截断最多多保留 88 个百分点的攻击成功率。
arXiv cs.AIAI 评分4141 S²-MAS：拥有 5 亿家庭角色智能体的社会级多智能体模拟框架
研究者推出社会级多智能体模拟框架 S²-MAS，基于真实调查数据构建 5 亿合成家庭角色，用于模拟社会规模的经济响应。其决策模型 FinL-mlx 经 SFT + RLCD 训练于 293 万样本，在消费金融选择场景中达到 74.55% 准确率和 38.37% question-macro F1，超过 Jev 1.13 和 GLM-5.3-Flash。
arXiv cs.AIAI 评分3636 LLM 概率更新研究：传闻式表述与提问方式如何影响证据敏感度
一项 arXiv 研究测量了 LLM 在收到单条新信息后的概率更新幅度，使用 δ-SNLI 的前提-假设配对，测试 Qwen3-8B、OLMo-2-7B 两个本地模型及五种 agent 命令行配置（240 对与 120 对）。
arXiv cs.AIAI 评分3333 学习型障碍证书的任意时刻有效运行时监控方法
研究者提出一种 anytime-valid 运行时监控器，用观测到的闭环轨迹审计学习型障碍证书，检测其在部署时因动力学偏离训练分布而失去统计支持。该方法将条件障碍漂移表述为逐回合序贯假设检验，把障碍增量转化为非负检验上鞅，在任意停止时间下实现有限样本误报控制，并通过监控边界的确定性时间整形在前段部署期内更保守。实验评估了有效与无效证书下的经验报警行为，代码和数据已公开。
arXiv cs.AIAI 评分3636 World2HOSI：面向长时程人-物-场景交互生成的多专家编排框架
研究者提出 World2HOSI，一个多专家编排框架，可从 3D Gaussian Splatting（3DGS）场景和自然语言指令生成长时程人-物-场景交互（HOSI）数据。
arXiv cs.AIAI 评分3838 RLSplat：面向前馈 3D Gaussian Splatting 的资源线性预算控制方法
RLSplat 是一种资源线性的预算可控前馈 3D Gaussian Splatting（FF3DGS）框架，使表示大小、推理延迟和峰值内存随 Gaussian 预算减少而线性下降。
arXiv cs.AIAI 评分3333 超越校准：跨语言与本地化场景下 LLM 置信度的时间维度评估
一项 arXiv 研究将 LLM 置信度分为解题前的 FOK 与解题后的 JOL 两类信号，在两个前沿大语言模型、多推理领域、翻译版马拉地语基准及新构建的本地马拉地语事实问答基准上评估其可靠性。结果显示，成本更低的解题前信号校准较弱，解题后置信度认知对齐更强但推理成本更高；英语与马拉地语间校准趋势经翻译可较好迁移，但在本地化知识上明显退化，且模型幻觉答案在生成后仍保持持续偏高的置信度。
arXiv cs.AIAI 评分4040 VLA-Retain 基准：评测 VLA 模型视觉微调的跨维度影响
arXiv 论文提出 VLA-Retain 基准，在 LIBERO-Plus 数据集七个扰动维度上比较五个开源 VLA 模型经 Camera-view 或 Sensor-noise 数据微调后与自身基础检查点的表现。
arXiv cs.AIAI 评分4141 CovNav：基于 Conformal Prediction 的自适应推理目标导航框架
CovNav 是一个免训练框架，用 Conformal Prediction（CP）将混合推理 LLM 的快慢双模式转化为不确定性感知的决策，仅在模糊查询时升级到慢速思维链推理。在 Gibson 和 HM3D 上，成功率比最强零样本基线分别高出 0.8 和 1.7 个百分点，且只对 12.4% 的查询调用慢推理。TurtleBot 4 真机实验进一步验证了该方法。
arXiv cs.AIAI 评分4343 成对学习提升深度神经网络的数据效率
一项 arXiv 研究提出成对比较框架，将回归问题重构为聚合的相对排序任务，提升小样本场景下的数据效率。在 UTKFace 数据集（23k 图像）上，成对学习生成超过十亿个训练比较，使从零训练的轻量 ResNet10 达到 3.64 年 MAE，超越含大规模预训练的模型。分类任务中，该方法在 STL10 的 500-2000 标注样本上比同配置 10-way 交叉熵模型准确率最高提升 5.2%。
arXiv cs.AI精选AI 评分7171 统一攻击框架破解 KGW、SynthID 等大语言模型统计水印
研究者提出针对大语言模型统计水印的统一攻击框架，发现 KGW、GumbelSoft、DipMark、ITS、SynthID 等方法的检测分数与生成时引入的 token 概率偏移存在 score-ratio alignment 关联。攻击者仅需黑盒查询即可生成逃逸检测且保持流畅的文本，在 7 种水印方案、3 个 LLM 的评测中将检测率降至最高 0.05，并证明该弱点是设计上的固有缺陷。
推荐理由：论文指出统计类大语言模型水印的检测分数与 token 概率偏移存在固有关联，并给出黑盒攻击可将检测率降至 0.05 以内。
arXiv cs.AIAI 评分5656 arXiv 论文：语料质量提升不等于检索收益，语音转 QA 管线预处理与精炼阶段消融
Wonsup Shin 与 Jingu Kim 在 arXiv 发表论文，消融一条将会议语音转为问答对的语料生产管线。四个语料来自同样 40 场韩语医疗与金融会议，语料质量随处理阶段开启上升，四名 LLM 评审与六名人类专家排名一致，全精炼语料在 1-5 分制上分别领先 +0.18 和 +0.22。
arXiv cs.AIAI 评分3535 BCT：面向流语言模型的贝叶斯一致性温度调节方法
论文提出 Bayes-Consistent Tempering（BCT），解决后验诱导流语言模型中温度缩放作为后处理带来的分布与动力学不匹配问题。BCT 将温度显式纳入生成流的分布和动力学，并在超球流语言模型与 von Mises–Fisher 流语言模型上广泛温度范围内提升 GSM8K 生成表现，增益也延伸至 Sudoku。
arXiv cs.AIAI 评分5454 单头戴相机方案实现无电子元件 UMI 手套数据采集
论文提出用单个头戴相机（122 美元）配合无电子元件手套（22 美元）和工作区纸码，替代腕部相机、位姿追踪器及多数据流同步，得到 6.5 毫米与 1.6 度中位精度的 6-DoF 标签。
arXiv cs.AIAI 评分5252 研究证明 LLM 智能体的逐动作授权无法组合出全局授权
一篇 arXiv 论文提出组合式授权失败（CAF）概念，并证明关系性目的违规构成 2-safety 超属性，逐动作监控器在不误报的前提下无法检测任何此类违规，且与底层模型无关。作者用 SAT/SMT 合成器 AL-SYNTH 生成最小反例，在九个 LLM 评审中逐动作视角几乎全部放行，但看到两次执行后会标记；所调查的六个 guardrails 均未实现跨执行监控。
arXiv cs.AIAI 评分3232 学习化学体系异质子结构间图间交互的图神经网络方法
研究者提出一种复杂数据描述子与图神经网络，用于学习有机-无机化合物间的异质图间交互。该方法应用于混合太阳能电池材料物理性质预测，在 1,682 种材料的带隙预测上取得 SOTA 准确率。
arXiv cs.AIAI 评分3535 ABench：对大语言模型在分类化价值观上进行对抗性评测的基准
ABench 是一个面向中文价值观分类的对抗性基准，基于 158 个细分价值子类构建，包含 2,895 个开放式问题，并采用角色扮演、逻辑陷阱等手段探测模型立场稳定性，同时提出基于题目特定评分标准的加权自动评估框架。对 16 个主流 LLM 的实验显示，多数模型在复杂价值观对抗攻击下得分低于 60，暴露明显脆弱性。该数据将公开发布，已被 EMNLP 2026 主会接收。
arXiv cs.AIAI 评分5050 审计递归自我改进（RSI）研究：114 篇论文的评估证据分析
一项 arXiv 研究对 114 篇递归自我改进（RSI）相关研究做全文编码，其中 90 篇自称 RSI 系统。结果显示，60% 的 RSI 研究在未用于选择的任务上做评估，仅 22% 审计两次及以上完整循环的重跑；在 26 篇声称改进流程更好的研究中，只有 4 篇在相同起始产物和匹配预算下比较前后流程。研究支持将每项声明与所需评估设计关联的报告标准。
arXiv cs.AIAI 评分3232 WORTH Benchmark：非完全合作信息下的证据发现——两集试点研究
arXiv 论文提出 WORTH Benchmark，让模型阅读无线索标注的原创推理小说，自主选择关键线索句、识别案件参与者并解释推理过程。试点实验在两个 episode 上共进行 70 次正式运行，其中 67 次可内容评分；Episode 02 的 37 次可评分运行中有 31 次选了相同的错误参与者，相邻的怀疑向与洗脱向句子分别被选 25 次和 0 次。
arXiv cs.AIAI 评分4040 重复数据下随机 token 替换的收益与成本：基于已知熵的分解及十个真实语料证据
arXiv 论文提出一种将验证损失分解为近似、估计与记忆三项的方法，并在熵率闭式已知的受控数据源上分析随机 token 替换这一数据增强手段。结果显示，替换把预测向语料均值收缩，在有助之处可减少损失过最小点后约 60% 的上升；在韩文和日文网页文本上约消除三分之一。在十个真实语料中，替换降低其中九个的最终损失，仅在最冗余的程序生成 JSON 人口普查语料上有害。
arXiv cs.AIAI 评分4949 扩散语言模型中的事实访问状态：从机制到知识编辑与检索
一项 arXiv 研究提出"事实访问状态"概念，发现掩码扩散语言模型（DLM）在第一层注意力就把关系措辞路由到可见实体位置，事实查找比自回归（AR）模型更早完成，且状态随关系表述和查询方向变化而占据一片区域而非单点。
arXiv cs.AIAI 评分3434 TRCM：拓扑感知的路径一致性建模提升神经车辆路径求解鲁棒性
研究者提出 TRCM（Topology-Aware Route-Consistency Modeling），通过复用自回归构造流程的节点表示来预测两两客户同路径概率，并以拓扑熵加权和结构保持增强作为路径一致性信号指导节点选择。
arXiv cs.AIAI 评分3131 AudiPsy：基于口语咨询对话的证据驱动多模态推理抑郁评估模型
研究者提出 AudiPsy，一个面向口语咨询对话抑郁评估的证据驱动 omni-LLM。其采用 Observation-Assessment-Summary（OAS）范式，整合对话转录、文本与声学情绪及情绪不一致性进行结构化推理，并构建了带多模态上下文增强的合成语料库 AudiPsy-Counsel 与三阶段课程训练。
arXiv cs.AIAI 评分3333 ScratchProbe：学习新读出 token 以提取 LLM 置信度
一篇 arXiv 论文提出 ScratchProbe，通过学习一个新的读出 token 并利用其 hidden states 训练探针来估计大语言模型输出的置信度。该方法在多个数据集和 LLM 上优于从既有词汇 token 读取的探针，扩展到多 token 方式还能进一步提升性能。应用到现有 SOTA 探针时，它在所有 backbone 上的 AUROC（含域内和域外）均有提升。
arXiv cs.AIAI 评分3737 AnomalyJev：基于声明级验证评估图像异常解释
研究者提出 AnomalyJev，一个轻量级框架，通过从多模态 LLM 生成的图像异常解释中提取可验证声明并与真值标注比对，来评估其忠实性与完整性，无需生成 token。
arXiv cs.AIAI 评分3434 CityPaint：从 2D 扩散模型免费借鉴能力，生成城市级 3D 纹理
CityPaint 是一种利用 2D 扩散模型生成全局一致城市级 3D 纹理的框架，无需依赖城市级 3D 训练数据。该方法结合几何先验与 2D 扩散模型的生成能力，采用 top-K 相机烘焙策略进行迭代纹理投影，并提出解耦优化机制分别处理地形与建筑纹理的投影瑕疵。实验显示其在视觉质量和跨视角一致性上均优于强基线，论文已被 ACM Multimedia 2026 接收。
arXiv cs.AIAI 评分3636 AnchorRM：基于锚点的残差记忆机制，加速时序图神经网络训练
研究者提出 AnchorRM，一种面向记忆型时序图神经网络（TGN）的锚点残差记忆机制，无需顺序循环更新即可重建批内事件级节点状态，解决时间小批处理带来的内存陈旧问题。在 4 个时序图数据集和 3 个记忆型骨干上，AnchorRM 实现平均 6.16 倍训练加速（最高 10.05 倍）和 28.67 倍批扩展（最高 40 倍），同时保持有竞争力的预测性能。
arXiv cs.AIAI 评分4949 通过在线策略蒸馏让安全预训练的"原生安全"跨模型迁移
一项 arXiv 研究首次提出原生安全复用问题，证明安全预训练获得的鲁棒性可通过 on-policy distillation 从小型安全预训练"教师"迁移到标准预训练"学生"，结合跨 tokenizer 对齐可跨模型家族迁移。