arXiv 论文：Jev、Liquid d1 与 GPT-6 Luna Decisions 在多正确选项下概率分配不对称
一项 arXiv 研究评测 Jev、Liquid d1 和 GPT-6 Luna Decisions 三个决策模型在 MetaTool、HotpotQA 和 ECtHR 数据集上的概率分配。
全部科技·金融动态
arXiv cs.AIAI 评分4545 arXiv cs.AIAI 评分3333 TeachBack：面向在线策略自蒸馏的双向偏好优化教学方法
华中科技大学等机构提出 TeachBack，一种用于在线策略自蒸馏（OPSD）的双向偏好学习框架，让学生模型不仅从 Teacher 学习，也学习 Teacher 应如何教学。
arXiv cs.AIAI 评分4141 PAWM：用陷阱预判世界模型引导黑盒 LLM 智能体
研究者提出 Pitfall Anticipation World Model（PAWM），在潜在陷阱出现时选择性介入并预测即将发生的失败，引导黑盒 LLM 智能体避开错误。
arXiv cs.AIAI 评分3232 LaVGuard：面向情境价值漂移的选择性解码方法
arXiv 论文提出 LaVGuard，把情境价值漂移建模为任务相对解码问题，将授权的十维价值画像与前缀价值的冻结估计分离，通过密度门控与 logit 倾斜介入候选续写，并受变更位置与 cumulative-KL 预算约束。
arXiv cs.AIAI 评分4141 NormTune：面向推理密集型任务的范数引导参数高效微调方法
arXiv 论文提出 NormTune，一种范数引导的参数高效微调（PEFT）策略，通过依据权重更新范数自适应强化更新不足的层，弥合 PEFT 在推理密集型任务上与全量微调的性能差距。
arXiv cs.AIAI 评分3636 StochIKM：从发表的 Kaplan-Meier 曲线自动高保真重建患者个体数据
研究者提出 StochIKM，一种从已发表的 Kaplan-Meier 曲线自动重建患者个体数据（IPD）的随机算法。它用视觉语言模型对图像数字化，并以显式的高保真定义——精确复现风险表、贴合曲线至图像分辨率、符合印刷的中位数与事件数——作为约束，返回一组可采纳的数据集。在仿真及 79 个已发表肿瘤试验臂中，其复现风险表和中位数的程度优于 LLM 改进的 IPDfromKM。
arXiv cs.AIAI 评分3636 低成本递归自我改进：在代码编辑运行前先打分评估
一篇 arXiv 论文提出让改写自身 scaffold 的编程智能体在编辑被评估前先打分选择，Huxley-Gödel Machine 用 Thompson sampling 从已评估节点中选父节点并扩展其子节点。
arXiv cs.AIAI 评分3636 GRAM：基于子空间对齐的分组秩感知模型合并方法
研究者提出分组秩感知模型合并方法 GRAM，利用任务向量的主角度几何决定哪些任务合并为一组，再在各组内做 SVD 合并，仅需微调权重即可完成。仅增加 1 个额外模型（K=2）时，GRAM 显著缓解子空间干扰问题，在 GLUE（Flan-T5）、8 任务 CLIP 视觉以及 Qwen2-7B-Instruct 的中英文医疗 LoRA 指令微调上均超越现有合并方法。
arXiv cs.AIAI 评分3232 答案相同推理各异：多语言大语言模型的思维链轨迹级分歧研究
一项 arXiv 研究提出 trace-level divergence 框架，将多语言大语言模型的可见推理轨迹分解为结构相似性、顺序一致性和整体相似性来评估跨语言一致性。
arXiv cs.AIAI 评分3636 基于光电容积描记的上下文增强、会话校准血压追踪研究
一项研究在 653 名 AuroraBP 参与者数据上分离采集情境与光电容积描记（PPG）信号对会话校准血压预测的贡献，可穿戴状态模型收缩压/舒张压平均绝对误差为 7.697/6.139 mmHg，加入情境后降低 0.436/0.126 mmHg。
arXiv cs.AIAI 评分5050 arXiv 论文：LLM 多实例处理存在显著实例顺序偏差，最好与最差顺序准确率相差约 90 个百分点
一篇 arXiv 论文（arXiv:2610.29057）研究 LLM 的多实例处理（MIP），即模型对多条独立输入（如评论或帖子）聚合出单一答案的任务。作者在 5 个数据集、7 种实例顺序模式下评估 15 个 LLM，发现准确率在最好与最差顺序间相差约 90 个百分点；多数标签实例位于开头时模型更准。推理轨迹更多提及靠前的实例，归因分数在开头和结尾更高，表明实例顺序会系统性偏置聚合预测。
arXiv cs.AIAI 评分2626 AutoFraming：用 LLM 从 C 代码合成动态帧条件
研究者提出 AutoFraming，一种基于 LLM 从 C 代码合成 ACSL 帧规范与功能契约的方法，通过分析代码属性图（CPG）提取帧相关信息引导 LLM 生成准确的帧条件。
arXiv cs.AIAI 评分3636 GRAIL：从显著性到语义的时间序列模型解释框架
arXiv 论文提出 GRAIL，一种基于区域的时间序列解释框架，以领域特定区间（如 ECG 的 P 波和 QRS 复合波）作为博弈玩家，替代固定窗口方法。框架用人类可读特征描述区域，通过流形上的条件生成器构造反事实基线，并支持静态协变量作为单独玩家，用 Owen 值结合公共随机数方差缩减进行归因。合成与真实数据实验表明其解释更忠实、更稳健。
arXiv cs.AIAI 评分3333 继承作为 LLM 提示词合并算子的准入测试（arXiv 论文）
一篇 arXiv cs.AI 论文提出用“继承”作为准入测试，判定 LLM 智能体提示词合并算子是否有效：只有子代朝供体方向移动、且该移动置信下界达到请求剂量的一半时，算子才被接纳。
arXiv cs.AIAI 评分3434 GenXR-Bench：首个评估编程智能体 XR 交互开发的基准
研究者推出 GenXR-Bench，首个端到端评估编程智能体 XR 应用开发能力的基准，含 112 个专家编写任务（24 项功能实现、21 项 Bug 修复、67 项应用生成）。其测试套件针对 124 个在消费级 XR 硬件上运行的应用，与盲评专家判断的一致性达 96.5%。评测 10 个模型显示，最强配置 Pass@1 仅为 50.9%，失败集中在异步传感器生命周期、物理接地与具身交互语义。
arXiv cs.AIAI 评分3030 证据驱动的多智能体复合 AI 系统用于头颈部质子放疗计划
研究者开发了一个证据驱动的多智能体复合 AI 系统，将 PPO 训练的策略网络自动生成质子 PBS 治疗计划与基于 LLM 的对话式计划调整相结合。系统由规划智能体（基于 Qwen3-14B，经 SFT 和 GRPO 后训练）、对话聊天机器人和评估智能体组成。
arXiv cs.AIAI 评分4545 AgentPolicyForge：从可执行环境到策略基准与自适应防护
AgentPolicyForge 是一个利用可执行环境构建策略基准并迭代训练策略防护器的框架，配套构建了覆盖 10 个策略族的 PolicyGym 数据集，含 698 个训练场景和 254 个人工审核的测试场景。通过攻击方生成请求、防护器在环境验证样本上微调的方式，最终防护器方案在 PolicyGym 上将攻击成功率相对降低 40-44%，且良性误拒少于仅靠策略提示词。
arXiv cs.AIAI 评分5050 PerMIT：以 Lean 4 机器校验完整性定理与可扩展社区信任保护 LLM 智能体持久记忆
arXiv 论文提出 PerMIT，一种为 LLM 智能体持久记忆提供可证明完整性保证的架构，仅信任用户输入和闸门确认的值，并在 Lean 4 中机器校验了两个完整性定理。
arXiv cs.AI精选AI 评分6363 arXiv 论文评估 LLM 智能体拒答行为向工具调用的迁移失效
arXiv 论文（arXiv:2610.28982）发现，文本中被拒答的有害请求在启用工具时常被转为不安全工具调用，标准工具场景下该分歧发生在 10-52% 的案例中。
推荐理由：论文用四域 2,304 条匹配提示量化了文本拒答向工具调用迁移的失败幅度，并给出残差流拒答方向的机制证据。
arXiv cs.AIAI 评分3737 基于世界模型预测路径的自改进智能体框架
研究者提出一种受 Model Predictive Path Integral（MPPI）控制启发的测试时框架，让 LLM 智能体在每步提出多个候选动作并用世界模型想象结果，再按任务进度与风险加权决策，无需在环境中实际执行备选方案。
arXiv cs.AIAI 评分5252 RegretBench 论文测量编码智能体备份意识并提出自动备份层 BackUpper
论文提出 RegretBench 基准，基于 Reddit、GitHub、Stack Overflow 等平台用户真实后悔瞬间构建 205 个可执行任务，测量编码智能体的备份意识。
arXiv cs.AIAI 评分5050 D-Skill 论文提出用自然语言技能蒸馏教师模型能力
论文提出 D-Skill 框架，把教师模型视为黑盒，通过分析配对 rollout 中的行为差异，将能力蒸馏为可解释的自然语言技能文档供学生模型推理时使用。
arXiv cs.AIAI 评分1818 Simply Logical：Prolog 教材三十年的演进之路
三位作者回顾 Prolog 教材《Simply Logical -- Intelligent Reasoning by Example》从 1994 年带 3.5 英寸软盘的纸质版，到如今完全交互式在线版的演变历程。Peter 阐述原书哲学与教学经验，Jan 演示如何用现代 Web 编程实现交互式呈现，Kacper 介绍支撑在线版的通用写作工具包。文章从作者与读者双视角探讨技术对教育材料的影响。
arXiv cs.AIAI 评分4040 Fig：自动化多智能体行为诱导系统
研究者推出 Fig（Finding Interactions in Games），一个对博弈环境做针对性诱导干预的智能体系统，可将自然语言行为描述分解为子行为，生成或选择社会博弈并干预引擎、对手、指令与上下文。在合作、欺骗、背叛、破坏等六种测试行为上，模型在有效场景中平均 45.2% 的回合尝试目标行为；相比对照博弈，干预平均提升 10.9% 的尝试率。代码已开源。
arXiv cs.AIAI 评分3535 操纵与否：LLM 交互中的观点动力学
一篇 arXiv 论文提出受控的 LLM-LLM 辩论框架，让 GPT-6 Luna 与 Gemini 2.5 Flash Lite 的四种组合模型角色就气候变化归因反复辩论，一方被指定立场甚至被明确要求说服，另一方无指定立场。结果显示：同模型交互平均缩小观点差距（在两个模型中仅一个明显），跨模型交互则扩大差距；明确报告的立场与对话内逐轮行为反映不同维度，笼统的说服指令并不能稳定增强影响力。
arXiv cs.AIAI 评分4040 Speedrunning：Relational Transformer 关系基础模型预训练竞速排行榜 modded-nanoRT 发布
研究者推出 modded-nanoRT，首个面向 Relational Transformers 的 speedrun 排行榜，以达到质量目标的墙钟时间排名，单块 GPU 即可刷新纪录。
arXiv cs.AIAI 评分3535 Sketch2Sim：手绘电路分析端到端模块化框架
Sketch2Sim 框架将手绘电路照片转换为可执行的 SPICE 兼容网表，并自动计算节点电压与电流。系统采用双 YOLO 检测器识别元件与文本区域，结合 CRNN+CTC 与 OCR 提取符号值，再用阈值化、骨架化和 DBSCAN 自动定位节点。研究团队构建了 1,000 个手绘 RLC 电路数据集，该工具可用于电路教学辅助与工程设计审查。
arXiv cs.AIAI 评分3737 决策语言模型 Jev 可低成本快速替代 LLM 评审临床生成式 AI
Clalit 团队在 arXiv 发表研究，比较决策语言模型 Jev 与多个 LLM 评审在临床 AI 输出评估中的表现。
arXiv cs.AIAI 评分4141 SSR 框架：通过连续规模竞赛进化 Agentic Harness
arXiv 论文提出 Successive Scale Racing（SSR），一种自适应搜索最优证据组合的 Agentic harness 进化框架，解决任务池扩大时性能反而下降的问题。
arXiv cs.AIAI 评分4545 SpecEvo：用大语言模型推测式进化实现低成本科学发现
SpecEvo 是一个多 LLM 框架，通过轻量模型承担并行候选生成与证据整合，仅在稀疏检查点调用前沿模型 Navigator 进行综合、精修或重构，实现低成本科学发现。在覆盖四个科学发现领域的 176 个任务上，SpecEvo 匹敌或超越前沿模型基线，API 成本最多降低 80%，方程发现的评测效率较低成本基线提升至 1.5 倍，并比最强 CO-Bench 基线提升 3.8%。
arXiv cs.AIAI 评分3737 A Small Model Asks Better：面向 RAG 的查询澄清微调研究
一篇 arXiv 论文提出 ClariEdge 数据集，包含约 3,900 条歧义查询示例及无需澄清的负例，用于 RAG 系统的多轮对话查询澄清任务。
36氪 · 快讯AI 评分5050 沪市半年报分红超4200亿元落地，上证50平均股息率3.4%
沪市上市公司2026年半年报现金分红已派发超4200亿元，年初以来累计实施近1.7万亿现金分红，近30家公司年内分红超百亿。以6月30日股价为基准，2025年度上证50成份公司平均股息率3.4%，股息率超4%的达18家；上证180中超4%的有58家，超5%的有33家。
财联社 · 电报AI 评分1919 10月23日午间涨停分析：全市场19股涨停 上海九百3连板
10月23日午盘全市场共19股涨停，连板股总数8只，12股封板未遂，封板率为61%（不含ST股、退市股）。焦点股方面，零售板块上海九百走出3连板，机器人概念股华阳智能实现创业板2连板。
财联社 · 电报AI 评分3232 南向资金今日净卖出达 70 亿港元
财联社10月23日电，截至目前，南向资金净卖出额达 70 亿港元。
财联社 · 电报AI 评分4646 独家丨纳真科技2027年芯片产能已被客户锁定
财联社独家获悉，纳真科技位于青岛经济技术开发区王台街道的InP激光器芯片工厂已完成洁净厂房装修，MOCVD等核心工艺设备正陆续进场安装调试。该工厂计划2027年中开始量产，2027年全年产能预计超1亿颗，叠加现有光芯片产能后，年度整体产能已被客户订单需求全部覆盖。
财联社 · 电报精选AI 评分6363 财联社澄清家电国补退场传言，第四批625亿元以旧换新资金已下达
针对网传家电国补即将停止的说法，央视财经核实其为谣言。国家发展改革委9月30日公布第四批625亿元消费品以旧换新资金已下达，商务部等5部门通知要求各地按月均衡使用补贴资金；安徽、重庆、江西等地商务主管部门均表示国补额度充足。
推荐理由：针对家电国补退场传言给出政策文件与地方商务部门的核实结果，可帮助消费者识别营销话术、避免被焦虑催单。
财联社 · 电报AI 评分2828 印尼央行：如有必要将采取措施确保外汇市场供需平衡
印尼央行官员表示，如有必要，将采取应对措施，以确保外汇市场的供需平衡。
财联社 · 电报精选AI 评分6161 韩国长锦商船集团9月份主导霍尔木兹海峡石油运输，运量达1.056亿桶
市场情报机构数据显示，9月份韩国长锦商船集团（Sinokor Group）旗下船只经霍尔木兹海峡运输1.056亿桶原油，约占该航道当月石油运输总量的40%，超过紧随其后的三家船东总和。
推荐理由：原文给出 Vortexa 等机构的船舶追踪数据和对运量份额的具体计算，读者可据此了解霍尔木兹海峡石油运输格局的集中程度。
财联社 · 电报AI 评分4949 特朗普称过去一周霍尔木兹海峡石油运输量创历史新高，归因于美国封锁
特朗普10月23日在艾奥瓦州集会上表示，过去一周通过霍尔木兹海峡的石油运输量超过以往任何时候，包括伊朗战争之前。他将这一局面归因于美国的封锁。
财联社 · 电报AI 评分2727 港股宁德时代涨幅扩大至5%
财联社10月23日电，港股宁德时代涨幅扩大至5%。