跳到正文
抹香鲸的奇妙信号
#论文/研究
10月21日周三
  2. arXiv cs.AI36

    HFS：面向端侧智能体增强实时通信的协同网络调度框架

    研究者提出 HFS 框架，解决端侧智能体增强实时通信（RTC）中人类直播视频流量与智能体上下文传输流量的并发争用问题。该框架通过应用层统一编排器联合控制多流发送速率，基于 WebRTC 的原型实现视频质量提升 1.5 倍、智能体响应时间降低 31%。论文已被 USENIX NSDI 2027 接收。

  3. arXiv cs.AI46

    IDEAgent：用智能体化质量-多样性搜索生成科研选题

    研究者提出 IDEAgent，一个将科研选题建模为质量-多样性（QD）联合搜索的多智能体框架，通过 lineage 追踪选题演化，用多目标反馈驱动质量修复与精炼，并借助轻量级序列记忆和与已完成、历史及被否决选题的显式对比保证多样性。在横跨 8 个 CS 领域的 32 个主题上，IDEAgent 的 Yield 指标较最佳基线提升 3.89x，Yield≥2 的主题数量达基线的 8 倍，并已开源。

  5. arXiv cs.AI37

    ReCore：面向长程智能体的规划图修复方法

    arXiv 论文提出 ReCore，针对长程语言智能体的规划图修复问题，通过建模节点与边错误的耦合传播，定位导致持续错误传播的紧凑核心并仅将其交给 LLM 诊断修复，还给出长程规划后悔的理论上界。在合成 Agent Calling-Tree 图和 Who&When 归因基准上，ReCore 以每次成功修复最多 7.4× 更少的 token 达到与全图上下文修复相当的恢复效果。

  6. arXiv cs.AI37

    ENVPROBE：让智能体行动前先探测环境以校准世界模型

    一篇 arXiv 论文提出 ENVPROBE 框架，使长程语言智能体在执行过程中主动探测环境、修正过时或错误信念，再据此更新世界模型并修订计划。该框架按任务相关性和潜在错误对信念字段排定验证优先级。在三个受控环境中的实验显示，与不进行环境探测的智能体相比，ENVPROBE 显著提升了终端世界状态准确度。

  7. arXiv cs.AI38

    HYBRID-WM：混合智能体与参数化世界模型，实现可靠语言智能体规划

    研究者提出混合世界模型规划方法 HYBRID-WM，在保留 ReAct、Reflexion 等语言智能体语义规划能力的同时，用轻量参数化世界模型提供更准确的状态转移预测，减少模型幻觉导致的错误状态传播。参数化模型构建紧凑的规划骨架来引导动作生成，并保持智能体想象转移与模型预测的一致性。在四个图结构规划基准上的实验显示，HYBRID-WM 持续提升任务成功率，且计算开销适中。

  9. arXiv cs.AI55

    The Shape of Wisdom：语言模型如何在内部状态中收敛到同一答案

    arXiv 论文让 Llama-3.1-8B、Qwen2.5-7B、Gemma-2-9B 和 Llama-3.2-1B 回答 2,256 个有重复答案的事实性问题，发现同答案的问题在各层收敛到状态空间的共享区域即答案质心。答案可读性在网络深度 47%-71% 的某一层跳变；跳变后将错误答案状态移向正确质心可使模型在 83%-97% 的情形给出正确答案，随机移动仅 2%-4%。

  11. arXiv cs.AI35

    PReMISE：将策略评分标准作为 LLM 评测裁判的测量规范

    论文提出 PReMISE 框架，基于成对人类偏好数据自动发现策略级评分标准集，并从结构充分性、可靠性、偏好契合度和对抗鲁棒性四个维度审计 LLM 裁判所用评分标准。研究引入偏好排序选择将裁判准确率从 65.0% 提升至 68.6%，可靠性约束优化将 exploit 回复获高分比例从 46.4% 降至 36.0%，且裁判间一致性基本不变（α=.531→.519）。

  12. arXiv cs.AI29

    思维链如何破坏对拒绝行为的简单激活引导：大推理模型拒绝机制研究

    一项 arXiv 研究发现，DeepSeek-R1-Distill-LLaMA-8B 等大推理模型的拒绝行为除残差流激活外还依赖思维链（CoT）。在固定 CoT 时激活引导仅能逆转 39% 的拒绝，移除 CoT 后升至 70%；两阶段干预下模型重新生成 CoT 时逆转率达 94%，且撤除引导后 CoT 单独保留 48% 的效果。

  15. arXiv cs.AI42

    非平稳性破坏多智能体强化学习中的置换替代检验：诊断与补救

    一项 arXiv 研究在两个多智能体强化学习游戏中检验信息论度量的报告规范，发现忽略非平稳训练暂态这一前提时，假阳性率高达 100.00% 和 99.95%。仅排除暂态后假阳性率降至 3.05% 和 11.8%，而推荐的分块内置换零模型在两个游戏中分别达到 5.25% 和 5.50%。代码与数据已公开。

  17. arXiv cs.AI35

    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。

  18. arXiv cs.AI49

    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。

  20. arXiv cs.AI40

    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。

  21. arXiv cs.AI43

    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。

  23. arXiv cs.AI37

    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。

  25. arXiv cs.AI42

    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。

  27. arXiv cs.AI30

    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。

  28. arXiv cs.AI45

    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。

  29. arXiv cs.AI44

    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。

  32. arXiv cs.AI37

    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。

  33. arXiv cs.AI35

    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。

  34. arXiv cs.AI48

    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。

  37. arXiv cs.AI26

    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。

  39. arXiv cs.AI35

    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%。