面向数据插补的量子启发优化方法研究
一项研究提出量子启发插补框架，将 PCA 与量子旋转重建结合，用模拟退火、COBYLA、差分进化等无梯度优化器选择旋转角度，并在 UCI Pima Indians Diabetes 数据集上评估。
全部科技·金融动态
arXiv cs.AIAI 评分3232 arXiv cs.AIAI 评分3737 面向非正交多址联合信源信道编码的学习式干扰方法
研究者提出一种机器学习辅助的无线图像传输方法，用多视角自编码器将压缩与信道编码合并，使多发射机在多址信道上同时使用全部信道资源，构成非正交多址（NOMA）方案。
arXiv cs.AIAI 评分2525 用 CausaLM 量化临床决策中症状的因果影响
一项研究借助 CausaLM 框架量化"胸痛"等关键症状对医学诊断模型预测结果的因果影响，而非仅依赖相关性。通过生成"遗忘"目标概念的反事实文本表示，并用 TReATE 度量症状有无对预测疾病分布的作用，再与 CONEXP 等相关性基线对比。结果有助于构建更可信、可解释的临床决策支持工具。
arXiv cs.AIAI 评分3333 AnnoCaseLaw：民事过失法律标注基准发布
研究者发布法律标注基准 AnnoCaseLaw，包含 471 份美国民事过失法院判决意见及超过 12,000 条跨五个类别的专家标注，用以检验语言模型复现专家判断的能力。
arXiv cs.AIAI 评分3737 OptCS：数据依赖分数构造后依然有效的共形选择推断方法
论文提出优化共形选择框架 OptCS，允许在数据驱动地选择或训练 conformity score 之后仍进行有效的多重检验，并在大量数据复用下保持有限样本 FDR 控制。该框架给出三种具体流程：从多个候选分数中选优、不切分样本用全部标注数据训练分数、以及全样本训练与模型选择相结合。方法通过模拟实验及药物发现与大语言模型的真实应用验证了效果。
arXiv cs.AIAI 评分2929 不可分割物品分配给策略性智能体：纯 Nash 均衡与公平性
arXiv 论文（v3，2026-10-21 更新）研究将不可分割物品公平分配给具有可加估值函数的策略性智能体的问题，在无货币转移设定下探索哪些机制存在纯 Nash 均衡且均衡分配满足公平性。
arXiv cs.AIAI 评分3333 基于深度强化学习的政策制定者智能体如何为外部性与可持续性定价生产市场
研究提出用深度强化学习"政策制定者"智能体在多学习智能体环境中计算市场价格与分配，以针对可持续性、公平、买卖双方福利等目标调节价格，解决传统竞争市场不核算负外部性的问题。
arXiv cs.AIAI 评分3737 TokenWorth：面向终身智能体的资源高效自我改进框架
研究者提出 TokenWorth，一个轻量级反馈驱动的记忆适配框架，通过稀疏执行反馈学习查询相关的记忆价值，在不更新骨干模型的情况下引导经验检索和有界记忆管理。在 LifelongAgentBench 三个环境及本地和 API 部署下，TokenWorth 在指定资源预算内取得最高任务成功率，同时输出 token 最少。结果表明资源约束下的自我改进关键在于学会哪些经验值得记住，而非积累更多经验。
arXiv cs.AIAI 评分3333 REFLEX：基于柔性校准随机桥的 RNA 构象系综生成方法
万利 Ma 团队在 arXiv 发布 REFLEX，一种仅依据 RNA 序列生成骨架系综的生成模型，基于 SE(3) 上的异方差随机桥构建，训练时用实验 B-factors 校准逐残基桥宽。模型推理时无需 MSA 子采样启发式方法，在多构象 RNA 基准上取得最佳精确率-召回率权衡，消融实验显示更强扰动下目标帧恢复能力也有提升。
arXiv cs.AIAI 评分4040 LoGIST 框架：通过逻辑结构构建逻辑不变的 LLM
一篇 NeurIPS 2026 论文提出 LoGIST（LoGIcal STructure-guided reasoning）框架，用显式逻辑结构引导大语言模型推理。该框架将输入映射为捕捉逻辑结构的决策图（有向无环图），并编码为逻辑嵌入来约束 LLM 推理过程。实验显示，LoGIST 在逻辑等价输入下减少了预测不一致，并提升了对未见逻辑形式的泛化能力。
arXiv cs.AIAI 评分4545 HybridResearcher：为深度研究智能体打通结构化与非结构化数据边界
研究 team 提出 HybridResearcher，一个基于 Qwen3.5-4B 的 4B 深度研究智能体，通过合成跨源桥接轨迹数据并用 SFT 加强化学习训练，教会模型跨结构化与非结构化数据源推理。
arXiv cs.AIAI 评分5353 World of SWECraft 论文提出模拟软件世界研究多智能体协作
研究者发布 Software World 框架，用真实相互依赖的 Python 包构建软件世界，模拟多智能体协作维护软件并以隐藏依赖包的加速衡量集体成效。三个世界、八个模型、超 10,000 小时智能体工作的模拟显示，性能随推理时算力扩展，最佳模型将下游效率最多提升 31%；多数智能体能通过协作发现有意义任务，但部分前沿模型会过早停止寻找改进。框架与轨迹已开源。
arXiv cs.AIAI 评分2525 OwlSight 思维链推理全景监控论文因基础性错误被作者撤回
Lewen Yan 已撤回 arXiv 预印本《OwlSight: A Panoramic Monitor for Chain-of-Thought Reasoning》，原因是稿件中发现若干基础性错误。
arXiv cs.AIAI 评分4848 LOADBench：面向模拟 IC 设计机器学习的大型开源数据集与基准
研究者发布 LOADBench，一个用于模拟 IC 设计机器学习的大型开源数据集与标准化基准。数据集基于 SkyWater130 PDK，涵盖 100 多种运算放大器拓扑（1、2、3 级），每类附结构与功能标注、Ngspice 测试台及 NSGA-II 多目标优化结果，每拓扑产生约 10³ 个 Pareto 最优和 10⁶ 个中间尺寸-性能数据对。
arXiv cs.AIAI 评分3737 TIR-EC：用工具调用强化学习提升急诊入院预测
TIR-EC 是一个工具集成强化学习框架，通过将 EHR 特征组暴露为可调用工具，并以梯度提升树教师提供参考工具集与分级风险目标来训练 LLM，同时用逆向课程在 RL 中逐步移除提示词以将临床技能蒸馏进模型权重。其 4B 模型在三项临床预测任务上取得所有对比模型中最高的 macro F1，超过传统 ML 基线，并与更大的前沿 LLM 相当，且以更少工具调用选出更有用的证据。
arXiv cs.AIAI 评分4747 SkillNEO：面向 Agent 技能的非精英主义进化优化方法
SkillNEO 是一种针对 LLM Agent 技能的非精英主义进化优化框架，将"选用版本"与"继续改进版本"分开选择，避免过早丢弃低分但有价值的中间版本。
arXiv cs.AIAI 评分3737 AssetForge：面向商业自动化 Agent 的资产增强任务合成方法
AssetForge 是一套资产增强的任务构建流水线，通过可复用的构建资产库搭配任务专用 Rubrics，为商业自动化 Agent 生成可执行训练任务，并以可执行检查和模型评审进行验证与修复。
arXiv cs.AIAI 评分4040 arXiv 论文：SFT 在激活几何中留下可复现签名，并在 Qwen3-1.7B 与 Llama-3.1-8B 上校准训练后可解释性噪声
一篇 arXiv 论文在 Qwen3-1.7B 的稀疏共激活图上量化 LoRA-SFT 的训练后效应：两次重跑之间的距离超过任一次与基座距离的一半，因此需按配方自身的 run-to-run 噪声带校准对比。
arXiv cs.AIAI 评分4040 HiPPT：基于多范围文本对齐的可穿戴 PPG 生理表征学习方法
arXiv 论文提出 HiPPT 框架，为可穿戴 PPG 表征学习匹配不同监督源的证据范围。该工作构建了超过 400 万条来自 202K 用户的腕部记录、与形态和上下文文本描述配对的 PPG-Text 语料库，结合记录级形态对齐与跨记录上下文对齐进行预训练。
arXiv cs.AIAI 评分3030 自回归语言模型下基于 potentials 的期望估计方法
arXiv 论文提出用 potentials（前缀上的实值函数）改进自回归语言模型下测试泛函期望的估计精度，利用采样时顺带获得的 next-token 条件概率构造一族方差缩减估计器。在熵估计、水印检测和小概率事件估计等任务中，该方法在计算成本相当的情况下，相比 Monte Carlo 和重要性采样基线显著降低方差。
arXiv cs.AI精选AI 评分6161 SciExam for ENSO 基准发布：检验 AI 智能体能否构建气候模型
arXiv 论文（arXiv:2610.10513）提出 SciExam for ENSO 基准，让语言模型智能体在六小时内基于真实观测数据构建 ENSO 低阶随机模型，再由隐藏评分器检验其能否复现 ENSO 统计特征、恢复未观测变量并预测保留年份。十二个智能体系统中六个得分超过已发表模型，较强模型的结构分别与 ENSO 暖冷不对称性的两种竞争解释之一相容，表明智能体已能构建有竞争力的科研模型。
推荐理由：该基准用隐藏评分检验智能体能否在无标准答案时构建气候模型，结果直接关系到智能体科研能力的评估方式。
arXiv cs.AIAI 评分3232 RocketAgent：面向液体火箭推力室多学科设计的长周期工程智能体
研究者提出 RocketAgent，一个用于液体火箭推力室多学科初步设计的长周期工程智能体。它由单一 Coding Agent 统筹性能 sizing、子系统优化、几何生成与多物理评估，并借助溯源感知知识图谱和类型化设计中间表示管理参数与决策。在代表性算例中，它从不可行冷却搜索经工程师授权的运行点修订推进到可行子系统设计，验证机制能失效受影响结果并拦截过期输入。
arXiv cs.AIAI 评分4343 LSCO：基于预测器引导的潜在空间密码子优化方法，提升蛋白质表达水平
Pfizer 等机构的研究者提出潜在空间密码子优化方法 LSCO，将离散的密码子优化问题转化为连续优化，利用预训练 mRNA 语言模型的潜在空间进行梯度搜索。方法结合不确定性感知表达预测目标、最小自由能正则化、自然性先验和约束解码。在真实湿实验抗体表达数据集上，LSCO 在预测表达量上优于频率法和深度生成基线，同时保持合适的生物物理性质。
arXiv cs.AIAI 评分4545 AdaGuard：支持用户自定义策略的自适应 Guard 模型
研究者提出 AdaGuard，一族 0.6B、4B 和 8B 的 guard 模型，可在推理时按用户提供的策略评估智能体轨迹是否违规。其配套发布 AdaptiveSafety 数据集，含 10,939 条训练样本和 1,000 条测试样本，覆盖 1–100 条规则的策略；训练结合监督初始化与强化学习算法 SafePO。
arXiv cs.AIAI 评分3838 EHRAdapt：用语义先验将预训练语言模型适配电子健康记录以识别罕见临床事件
EHRAdapt 是一种适配器，将电子健康记录的（时间、模态、代码）元组直接映射进冻结 LLM 的嵌入空间，事件向量由冻结的本体 biomedical 语义先验加可学习的低秩残差组成。
arXiv cs.AIAI 评分4242 MedGPT Clinical Explorer：面向复杂肺癌开放性决策的可审计条件化策略框架
MedGPT Clinical Explorer（MCE）将肺癌的可选路径、决策关键未知项、安全约束与回退方案组织成可审核的条件化策略。在 98 家机构 250 名医生对 100 例病例库中 40 例建立参考、共产生 2,250 份策略的评估中，MCE 辅助策略的 APAS 得分较无辅助高 12.87（95% CI 11.18-14.55），较检索参考高 5.22。
arXiv cs.AIAI 评分3232 让 AI 辅助声明可被独立质疑：PAC-2026 的 Publication Authority 与可证伪发布记录协议
arXiv 论文提出 Publication Authority 概念，作为 PAC-2026（Publication-Accountability Calculus，AIJIM Protocol 候选）中一次性的精确状态发布能力，其 SF-4 规范定义证据、运行与工件、测量披露、授权、表面一致性、生命周期连续性六项不可互相补偿的义务，只有全新的全通过记录才能派生原子发布许可。
arXiv cs.AIAI 评分2121 自适应纠缠神经元与自然智能模拟在 AGI 中的应用研究
论文提出广义概率波框架，为神经同步纠缠的 Liu-Chen-Ao（LCA）假说提供间接检验方法。分析中国 A 股日内交易数据后，自适应纠缠博弈模式可解释 82%-94% 的决策模式，2%-12% 的行为随新闻事件调整，真正独立行为不足 5%，与新古典金融的独立理性个体假设相悖。作者据此主张将人工神经网络与概率波脑模拟结合，构建类人处理单元（HPU），以实现更高效鲁棒的 AGI 与具身智能。
arXiv cs.AIAI 评分2525 异步传感器观测下的世界模型研究
一项 arXiv 论文研究世界模型在异步物理传感器观测下的预测问题，提出对最近读数做零阶保持，并用 staleness 与 time-to-refresh 两个特征向模型提供采样时刻表。
arXiv cs.AIAI 评分5858 arXiv 论文提出接口诱导的轨迹遮蔽：工具调用评测结果取决于模型与接口配置
arXiv 论文 2609.03966 研究接口诱导的轨迹遮蔽，指出模型输出可能包含调用形状的载荷但服务接口未计入调用。仅更换服务适配器使 BFCL v4 simple_python 官方打分从 0.00 升至 0.96、multi_turn_base 从 0.00 升至 0.19；模板与解析器需联合替换才能恢复 196/200 首请求解析。
arXiv cs.AIAI 评分3434 从原子能力到智能体：可解释评估 LLM 智能体数学能力的过程级基准
研究者提出一个过程级基准，通过将解题智能体行为映射到可复用的数学原子能力分类体系，评估 LLM 的智能体数学推理能力。该框架涵盖文本与多模态情境下的规划、行动、反馈任务，并由自动化流水线合成高质量轨迹与细粒度标注。实验显示端到端准确率相近的模型可能呈现差异显著的智能体能力画像。
arXiv cs.AIAI 评分4646 arXiv 论文：大语言模型对群体关联字段赋予了错误的权重
arXiv 论文提出一种“证据参照审计”方法，在已知字段权重的模拟患者排序任务中测试四个大语言模型。结果显示：预测值为零时模型仍依赖无信息字段，而同等数据的贝叶斯线性回归不会；字段有预测力时模型依赖度增长远低于参照；有序标签比任意标签引来更多依赖，且排序准确率变化与依赖度变化并不一致。作者据此认为，审计应对照明确的预测参照来报告依赖度。
arXiv cs.AIAI 评分5050 Toward Safe LLM Agents：LLM 智能体规格、验证与执行安全综述
Pierre Dantas 等人以 PRISMA 2020 流程综述 2022-2026 年 38 项 LLM 智能体安全研究，提出三级分类法和十条开放问题。
arXiv cs.AIAI 评分3939 CTBench：评估 AI 智能体在真实电信网络运维中的故障排查能力
研究者推出 CTBench 公开基准，评估 AI 智能体在电信网络运维中的根因分析（RCA）与路径恢复能力，基准由领域专家构建，包含丰富元数据和黄金证据轨迹，指标同时衡量最终准确率与诊断推理。对最先进智能体的评估显示，它们擅长路径端点识别，但在 RCA 上严重不足，即使答对也常未能收集运维实践所需的诊断证据；研究还表明增加计算开销并不能保证诊断能力提升。
arXiv cs.AIAI 评分3737 DeepLook：基于前瞻置信度的不确定性引导分支实现高效推理
论文提出 DeepLook，一种无需训练的解码框架，通过监测分段级置信度，仅在不确定性瓶颈处分支，并以平均前瞻置信度（ALC）对候选延续排序，从而节省推理算力。
arXiv cs.AIAI 评分4444 DFAH-Bench：一致性无法衡量金融智能体的可靠性
DFAH-Bench 通过重放实验、省略工具调用的对照测试和带授权检查的银行任务，考察金融智能体决策一致性背后的执行差异。在 570 个合格重放片段中，决策一致率为 94-95%，而含输入与结果的工具路径一致率仅 45-52%；1,080 个 τ-Knowledge 银行研究片段中有 1,033 个已知结果，缺失结果使计划的确证性检验无法进行，银行任务对比仅具描述性。
arXiv cs.AIAI 评分3535 超越准确率：衡量预测模型逻辑合规性的 Rule Violation Score
研究者提出 Rule Violation Score（RVS）这一新评估指标，量化预测模型对给定逻辑规则的遵守程度，且独立于预测准确率。RVS 区分硬规则与软规则，可用自动生成的 SQL 查询对任何关系型词汇上的模型计算，还能评估训练数据集的逻辑一致性、识别定义不良的规则。
arXiv cs.AIAI 评分2929 TNODEV：首个神经 ODE 形式化验证工具箱
研究者提出 TNODEV，首个面向神经 ODE 的形式化验证器，将 falsification 检查、基于连续时间混合单调性的区间可达性后端、含三种输入集切分启发式的验证-细化循环及并行调度器集成到端到端流程中。
arXiv cs.AIAI 评分5353 研究：合成理由微调反而损害五年 ADRD 预测性能
该论文在五年阿尔茨海默病及相关失智症（ADRD）预测任务上检验合成理由监督的假设，发现 Rationale First SFT 在 504 组大规模对照实验中持续显著劣于 Label Only 微调，且跨模型家族和数据规模均存在。
arXiv cs.AIAI 评分4949 Lean4Agent：用 Lean4 对 Agent 工作流与轨迹进行形式化建模与验证
研究者提出 Lean4Agent，这是首个用依赖类型形式语言 Lean4 对智能体工作流和执行轨迹进行形式化建模与验证的框架，包含可扩展的 FormalAgentLib 库和工作流自动修正模块 LeanEvolve。