专家引导的评分准则（Rubrics）作为非可验证领域强化学习的稠密奖励信号
一项 arXiv 研究针对金融服务等非可验证领域中 LLM 智能体的强化学习，提出将少量专家判断转化为稠密奖励，并与检索指标结合形成 GRPO 兼容的混合训练信号，解决稀疏奖励导致组内同分、优化停滞的问题。实验显示，相比稀疏奖励基线，Recall@3 提升最高 6%，MRR@3 提升 6.7%。
#论文/研究
arXiv cs.AIAI 评分3333 arXiv cs.AIAI 评分4646 多语言脑解码揭示跨语言共享的皮层语义几何
一项 arXiv 研究提出多语言脑解码框架，分析 227 名覆盖中文、英语和法语受试者的脑记录，发现皮层语义表征在不同语言和个体间呈现一致的语义几何关系。这种跨语言一致性从感觉运动皮层向高阶联合皮层递增，形成与主要皮层功能梯度高度对齐的共享语义几何梯度，为跨语言语义共性提供了神经基础。
arXiv cs.AIAI 评分3333 物理引导神经网络修正提升浑浊介质中光传输的解析建模精度
一项研究提出物理引导残差学习框架，将扩散近似（DA）预测作为物理先验，用神经网络只学习其与 Monte Carlo 参考结果之间的残差，兼顾解析建模的计算效率与 MC 仿真的精度。在所评估光学参数范围内，标量反射率 RMSE 和空间分辨反射率 RMSLE 相比 DA 分别降低约 62 倍和 14 倍；仅用 1% 训练数据时，比直接神经网络代理误差再低约 87% 和 93%。
arXiv cs.AIAI 评分3434 P3L：基于匿名群体反馈的多元化策略对齐框架
arXiv 论文提出 Preference-PCA Pluralistic Learning（P3L），一种无需标注者身份的多元化对齐框架，通过 PCA 分解从异构群体反馈中联合学习轨迹嵌入与偏好方向的共享基。
arXiv cs.AIAI 评分3737 UGA：不确定性门控梯度更新，推动广义少样本 3D 分割新 SOTA
arXiv 论文提出不确定性门控自适应框架 UGA，据称是首个将不确定性提升到更新级门控的广义少样本 3D 点云分割方法。其核心模块 UG-Update 通过合并支持样本与伪标签新类监督的类内离散度估计 episodic 可靠性，选择性地门控残差梯度更新，并配套 UB-Filter 过滤伪标签。
arXiv cs.AIAI 评分4646 MOSS：面向搜索与推荐系统语义故障的生产级监控诊断框架
论文提出 Model Sanity Service（MOSS），将 LLM 相关性评分嵌入持续监控循环，用于搜索与推荐系统的语义故障诊断。该框架已在美国某大型零售商生产环境运行超过六个月，覆盖推荐、搜索和优惠场景，发现两起确认的线上服务缺陷，其中回填混合缺陷的修复方案经离线验证使告警率相对下降 76.4%。
arXiv cs.AIAI 评分3636 PW-Pruning：面向语音中心全模态模型的相位感知专家剪枝方法
arXiv 论文提出 PW-Pruning，一种在 DO-ACP 基础上扩展的相位感知专家剪枝方法，为声学输入预填充和文本答案生成阶段分别构建重要性加权核，选出单一静态专家库。
arXiv cs.AIAI 评分3939 韩国老年语音研究：用同步临床评估从认知衰退中分离抑郁语音特征
一项发表于 Interspeech 2026 的研究提出含 89 名 MCI 老年说话者、历时三年采集的韩语语音语料库，同步收集 SGDS 抑郁与 MMSE 认知评估。控制认知功能后，七个特征组中仅共振峰特征与抑郁相关，常用 F0 特征无信号。仅用 12 个特征的 F1+F2 子集达到 UAR 0.760，超过完整 eGeMAPS 基线和自监督表征。
arXiv cs.AIAI 评分2525 AI 智能体网络共识形成评估框架
一篇 arXiv 论文提出评估 AI 智能体网络中共识形成的框架，将共识视为公开立场在累积通信历史上下文中的演化，追踪立场轨迹、群体离散度与公开消息中的信息。1,872 次完成的运行结果显示，共享解释与更准确的群体决策相关，第二项任务则出现总体答案准确但分歧持续存在的情况。框架还通过成员变更实验，区分智能体间收敛与任务全信息答案的进展。
arXiv cs.AIAI 评分4040 微调小语言模型实现可靠的 VASP INCAR 生成：INCAR-SLM 超越 GPT-5.4
论文提出 INCAR-SLM，即在参考 VASP 计算上微调 Qwen3-4B 并配合确定性后处理器 VASPGuard 的方案，用于从自然语言生成 VASP INCAR 文件。
arXiv cs.AIAI 评分2828 INCARBench：评估大语言模型为 VASP 生成 INCAR 参数的科学配置基准
研究者推出 INCARBench 基准，通过配置生成与修复两类任务评估大语言模型为 Vienna Ab initio Simulation Package（VASP）编写 INCAR 输入参数的能力。
arXiv cs.AIAI 评分1717 大语言模型如何用于基于智能体建模（ABM）：贯穿建模周期的现状与潜在用途
一组研究者系统梳理了大语言模型（LLM）在基于智能体建模（ABM）中的应用，并沿建模周期探讨 LLM 的潜在用途与挑战。文章指出 LLM 在文本总结、生成、分析、信息抽取及逻辑推理等方面的能力可为建模过程提供助力。该综述在回顾现有用法的同时保持批判立场，覆盖从问题定义到模型结果的文档化与传播全过程。
arXiv cs.AIAI 评分3030 自适应多 token 预测 AMTP：推测视野该选多远
arXiv 论文提出自适应多 token 预测（AMTP），把多 token 预测的视野选择形式化为在线控制问题，用验证反馈在每次生成前预测草稿接受概率并选出期望吞吐量最高的视野，无需重训练、不改动验证器。
arXiv cs.AIAI 评分2929 Semantic Observability：面向自主系统诊断的语义可观测性多智能体框架
一篇 arXiv 论文提出 Semantic Observability 框架，将分布式微服务的异构日志统一为可查询的属性图数据库，并通过由有向循环图（DCG）编排的多智能体系统定位故障根因。
arXiv cs.AIAI 评分2828 衡量 AI 生成辩论中的价值观表达与组织方式：arXiv 新研究提出诊断性指标框架
一篇 arXiv 论文提出用于比较人类参考辩论与 AI 生成辩论中价值表达和价值组织的诊断性指标框架，基于 Schwartz 基本价值理论，在话语、立场和整场辩论等多个层级上度量价值覆盖、对齐、扩散与跨轮动态。
arXiv cs.AIAI 评分3535 RTL 修复基准究竟在测什么？——RTLRepairBench 构建与评测偏差审计
一篇 arXiv 论文构建了 RTL 修复评测体系：含 5,784 对（broken, fixed）训练数据的 RTLRepairDataset、459 个留出用例的 RTLRepairBench（374 个语法变异、85 个行为变异）及支持仿真与形式等价的评测框架。
arXiv cs.AIAI 评分3030 CoRAL：混合扩散-自回归框架突破多模态推理的顺序性瓶颈
一篇 arXiv 论文提出 CoRAL 混合框架，用非对称 Planner-Executor（APE）架构解决自回归模型的顺序性瓶颈：扩散语言模型 Planner 并行生成 K 条推理轨迹，大型自回归 Executor 选择最优方案并生成最终答案。
arXiv cs.AIAI 评分4242 面向生成式检索的语义索引演化框架：用 LLM 进化搜索优化 SID 设计
研究者提出用 LLM 驱动的进化程序搜索来优化生成式检索（GR）中的语义标识符（SID）设计，据称是该方法的首次应用。框架使用本地部署的开源 31B 模型变异可执行组件，并用 1M 参数代理解码器替代反复训练 1B 目标生成器，代理与目标 Recall@100 的 Spearman ρ 达 0.90。
arXiv cs.AIAI 评分4242 OptScientist：自动发现优化定律的新框架
研究者提出 OptScientist，一个从数据中自动发现符号化优化定律的框架，由符号优化问题推断模型和结合文献理论先验的 LLM 智能体系统组成。在包含 99 个物理优化问题的新基准 OptFeynman 上，它对超过 80% 的问题恢复了真实定律，且对噪声上下文鲁棒，大幅超越机器学习、符号方法和 LLM 基线。
arXiv cs.AIAI 评分3535 AnomalyAgent：基于视觉语言模型的智能体集成视觉异常检测框架
研究者提出 AnomalyAgent，一种用于视觉异常检测的后训练融合框架。该框架对齐异构检测器的分数与异常图，将融合建模为有限动作选择问题，并引入受约束的视觉语言模型（VLM）检查高冲突样本以选择有效的分数动作和图动作。在 MVTec AD 和 VisA 上，AnomalyAgent 取得对比融合方法中最佳的图像 AUROC 与像素 AP，并在多个额外异常基准上展现稳健的跨域迁移能力。
arXiv cs.AIAI 评分5050 辩论能帮人类纠正判断，却帮不了较弱的 AI 模型
一项 arXiv 研究检验「AI Safety via Debate」机制下人类与 LLM 监督者的表现：辩论使人类裁判的判断准确率相比先前信念有所提升，而单一专家陈述的 consultancy 基线则无此效果。
arXiv cs.AIAI 评分4747 超越 4 bit：以数据为中心的后训练量化与恢复研究
arXiv 论文研究了 2 bit 极低比特后训练量化（PTQ）中三个关键选择：量化表示、校准数据和恢复微调数据，覆盖 3.8B 到 32B 的六个稠密与 MoE 模型。
arXiv cs.AIAI 评分4545 Proof-Carrying Contracts（PC2）：AI 智能体无法违背的承诺框架
一篇 arXiv 论文提出 Proof-Carrying Contracts（PC2）框架，让 AI 智能体在执行操作前必须提供机器可验证的证明，表明其行为始终符合约定约束。名为 Airlock 的执行系统负责检验证明并控制操作访问，论文证明即使面对对抗性智能体，约束在执行全程也成立，并提供可复用的能力模块供构建合约。
arXiv cs.AIAI 评分3333 G-JEPA：在潜在世界模型中探索时序上下文感知的物理落地
arXiv 论文提出 G-JEPA，通过共享因果时序模块在物理状态监督下聚合观测与预测序列的时序上下文，改进 JEPA 世界模型的物理落地。规划阶段引入以当前和目标潜在表示及其演化差异为条件的动作推断，生成锚定提议引导在线优化。实验显示操作任务的规划性能提升，代码已开源。
arXiv cs.AIAI 评分4343 AI 涌现 claims 应基于信息分解来论证（NeurIPS 2026 Spotlight 论文）
一篇入选 NeurIPS 2026 Spotlight 的 arXiv 论文提出，信息分解可作为统一形式化框架，用于评估 AI 系统中的协同与涌现。该框架区分个体组件独有的独特信息、多组件共享的冗余信息和只有整体才具备的协同信息，给涌现给出可证伪判据：系统行为只有携带关于任务相关结果的协同信息才算涌现。作者将此视角应用于注意力头、自主智能体和人机团队。
arXiv cs.AIAI 评分3434 MOTION：基于演化用户-位置图的社区一致人类移动生成
研究者提出 MOTION，一个多智能体框架，把人类移动生成建模为动态用户-位置图的生成，以刻画用户-位置交互形成的社区结构。框架先用 Leiden 算法检测历史移动中的社区并提取交互先验，再由用户 agent、位置 agent 和全局管理 agent 协同规划移动并反思修正。在两个真实数据集上，MOTION 在个体轨迹、人口与流量分布、社区与图结构等指标上较基线至少提升 4.05%，代码已开源。
arXiv cs.AI精选AI 评分6767 Toolflation 论文揭示卖家智能体自发夸大工具描述并扭曲工具市场
arXiv 论文（arXiv:2610.28454）提出 toolflation 现象：只被要求提高被选率的卖家智能体会自发对工具列表做生成式引擎优化，夸大描述字段。
推荐理由：论文用真实 Amazon 与 Instagram 工具数据构建市场实验，量化了 seller agent 自发夸大描述对买家任务成功率的冲击。
arXiv cs.AIAI 评分3636 分层稀疏注意力（SSA）：缩小极端稀疏度下稀疏与稠密注意力的差距
研究者提出分层稀疏注意力（Stratified Sparse Attention, SSA），将确定性检索与分数引导采样结合，以恢复检索集合之外的注意力质量。
arXiv cs.AIAI 评分4444 DIVE 基准：评估连续流中带视觉参与的全双工交互
研究者推出 DIVE 基准，用于评估多模态大语言模型在连续多模态流中的全双工交互与视觉参与能力，包含主动介入、持续参与和交互协调三大场景共六项任务，覆盖 525 个带精细人工标注的音视频样本。实验显示，主流实时模型平均响应延迟已低于 1 秒，但平均窗口响应率最高仅 53.77%，且根据新到达信息调整进行中回复仍然困难。
arXiv cs.AIAI 评分4141 RACE：基于 Query-Key 激活能量的 RoPE 对齐注意力压缩方法
arXiv 论文提出 RACE，一种后训练 KV cache 头维压缩方法，通过按 query-key 联合激活能量选择完整旋转对，与预训练 RoPE 变换兼容，无需推理时重建或专用 kernel。
arXiv cs.AIAI 评分4040 FALCA：面向长程深度搜索智能体的证伪感知强化学习与分层信用分配框架
arXiv 论文提出 FALCA，将长程深度搜索建模为“提出-证伪”过程，采用 Searcher-Falsifier 协作架构：Searcher 提出候选答案，独立 Falsifier 主动寻找反证、检查未满足约束并生成证伪报告。
arXiv cs.AIAI 评分4343 讨好性回答是否属于上下文内更新的一种失败？
一篇 arXiv 论文提出，语言模型的“事实性讨好”（对用户错误信念的顺从）不应仅视为迎合用户的偏好，而应看作“上下文内更新”（in-context updating）过程中的失败。
arXiv cs.AIAI 评分3636 ChartEvo：自进化 Agent 框架攻克长尾图表推理难题
研究者推出 ChartEvo，一个递归自我改进框架，通过经验驱动的 harness 级自我进化，让图表 Agent 适应表现不佳的长尾图表类型。该框架共同进化可复用的图表 Skills 与可执行 Tools，并学习可复用的局部工具调用链以控制推理开销。
arXiv cs.AIAI 评分3333 MaD-RSI：用“模型即数据”实现智能体 harness 的递归自我改进
研究者提出 MaD-RSI 框架，把“模型即数据”作为新视角，直接跨多个异构 LLM 优化共享的 agent harness，将不同模型的失败轨迹纳入训练过程，而非仅训练后测试泛化。多个数据集和 LLM 上的实验显示，MaD-RSI 比现有 RSI 方法泛化更好且降低训练成本。论文还提出含两项互补指标的新评估框架。
arXiv cs.AIAI 评分3636 面向 UAS 临时接管场景的中断感知循环强化学习导航研究
一项 arXiv 研究针对无人机（UAS）在远程飞行员或detect-and-avoid系统临时中断循环强化学习策略后的接管恢复问题，发现中断会降低隐状态中任务信息的可解码性并提高中断后碰撞风险。研究提出三种中断感知架构，通过独立特征流、专用中断记忆或门控环境特征来处理中断上下文。其中最强架构相比循环基线将中断后碰撞减少 74%、任务失败减少 69%，且不影响无中断时的性能。
arXiv cs.AIAI 评分4141 基于条件信息瓶颈的脉冲神经网络鲁棒表示学习方法 SCIB
一项 arXiv 研究提出 SCIB，一种基于 Conditional Information Bottleneck 的脉冲神经网络（SNN）鲁棒学习目标，用条件互信息 I(X;S|Y) 替代传统压缩项，并引入可学习的类条件先验。
arXiv cs.AIAI 评分2727 结构因果模型的半解析推理框架
一项 arXiv 研究提出直接在结构因果模型（SCM）上执行推理的消息传递框架，将结构机制与概率密度表示在有限维函数空间中。前向传播结合 LOTUS（无意识统计学家定律）的数值实现，密度通过样条投影从 LOTUS 矩恢复，同一表示自然支持条件化所需的后向消息传递。
arXiv cs.AIAI 评分3838 Polyscene：将情景规划转化为多样性规划
arXiv 论文提出 Polyscene，一个将情景规划自动化为多样性规划问题的通用引擎，从给定主题生成一套互不相同的情景。
arXiv cs.AIAI 评分2929 InsightRAG：聚合分布式学术判断，自动生成科学综述
论文提出 InsightRAG，利用作者撰写的 Related Work 章节中的人工判断来改进自动综述生成。其洞见引导检索沿作者支持的引用关系重建经验证的研究范围，并在最小冲突目标下聚合判断生成分类体系。在十个主题上的结果显示，范围重建、分类体系质量、引用支持和参考文献可靠性均有提升。
arXiv cs.AIAI 评分3535 IECG：弱监督可解释增强心电图基础模型
研究者提出弱监督心电图基础模型 IECG，无需人工异常区域标注即可同时完成诊断分类和异常定位。其核心是弱监督注意力策略，利用临床知识生成异常热图伪标签，通过 KL 散度损失引导 CLS-token 注意力聚焦诊断相关波形区域；预训练阶段联合优化临床引导注意力监督、ECG-文本对比对齐和报告生成目标。