从代码生成器到工程伴侣：面向 PLC 编程的工厂感知智能体
arXiv 论文提出一个工厂感知的对话式 copilot，将 PLC（可编程逻辑控制器）编程从一次性代码生成扩展为持续工程陪伴。系统在检索增强大语言模型生成符合厂商规范的 Structured Text 基础上，新增三项能力：工厂特定上下文摄取、面向解释与调试的聊天优先交互，以及从聊天到部署的分级工具访问阶梯。系统面向真实工厂基础设施设计，让工程师对每个产生实际影响的步骤保持控制。
#论文/研究
arXiv cs.AIAI 评分3030 arXiv cs.AIAI 评分3030 LinADMG：基于多域可识别表示学习的含隐混杂线性模型因果发现
研究者提出 LinADMG 框架，通过可识别表示学习为线性因果模型学习 ADMG（无环有向混合图），处理含隐混杂的因果发现问题。该方法不依赖非高斯性或 bow-freeness 等图约束，而是利用多域设定识别噪声变量；论文证明噪声变量的可识别性足以恢复所有直接因果关系，并在附加的 latent-confounding no-cancellation 条件下可识别整个 ADMG。
arXiv cs.AIAI 评分3737 DirectWAM：面向机器人控制的动作充分直接预测，实现世界-动作模型去扩散化
arXiv 论文提出 DirectWAM，通过动作充分蒸馏将级联世界-动作模型（WAM）中预训练的视频与动作专家转为单步预测器，去除扩散的随机采样迭代推理。该方法在 LIBERO 四个套件上取得 97.1% 平均成功率，在 RoboTwin 2.0 上达到 85.4%，超过同等单次评估预算下的 Flash-WAM，并扩展到三个真实世界任务。相比完整迭代教师模型，推理延迟降低 28.0 倍。
arXiv cs.AIAI 评分4444 ClawMMU：面向有状态 LLM 智能体的保护一致性虚拟内存
研究者提出 ClawMMU，一个为 LLM 智能体长期记忆设计的安全保护层，为每条记忆标注所有者、范围、来源与权限。该层在内容进入模型上下文、写入或读出存储、驱动工具调用时检查标签，核心规则是信息可提升权限但权限不能自授权。
arXiv cs.AIAI 评分3434 BAIT：LLM 能识别影响读者的认知偏见触发因素吗？新闻认知偏见触发基准
研究者推出 BAIT（Bias Annotation In Text），用于检测新闻中的认知偏见触发因素，包含九类触发的标注规范和 50 篇由训练有素的标注者在文章与片段两级标注并裁定为金标准的英文新闻。
arXiv cs.AIAI 评分3636 从复杂历史到简单预测器：动态图学习中的预测维度
一篇 arXiv 论文提出，连续时间图学习应识别足以预测未来的低维状态，而非重构完整交互历史，并定义了可独立估计的内在预测维度。实验显示模型性能饱和主要由该维度决定。据此提出的轻量模型 PreDyG 仅用代表性复杂基线 0.07% 的参数即取得更优预测性能。
arXiv cs.AIAI 评分4040 MoDDiT：Diffusion Transformer 中的简单 token 路由方法
论文提出 MoDDiT，对 Diffusion Transformer（DiT）做简单架构改动，让 token 学习通过 MLP 和自注意力块路由，实现跨 token、图像和去噪时间步的动态算力分配。
arXiv cs.AIAI 评分3838 PULSE：面向可穿戴设备的个性化机会式学习框架
PULSE 是一种事件驱动的个性化机会式学习框架，把设备间的每次相遇视为在线协作决策，仅在邻居梯度与本地学习方向兼容时才引入。在人类活动识别、跌倒检测和压力识别任务上，其相比机会式模型平均减少 80-94% 的同伴协作交换，同时保持或提升个性化分类性能。真机实验显示完整实现仅占 149.8 KiB RAM 和 561.8 KiB flash，peer-assisted 操作能耗有限。
arXiv cs.AIAI 评分3737 Same Judgment, Different Yes：测量语言模型的多语言判断画像
一项 arXiv 研究测试八种模型在六种语言、最多 105 个道德情境上的 110 万条回答，考察不同引答与读答方式何时测得相同判断、何时测得答题习惯。结果显示 token 读法与句子读法的画像中位相关性仅 r = 0.67，而句子读法与自由句读法一致性达 0.94；去除语言共识后，48 个模型-语言组合中有 39 个在命题标签下最接近自身跨语言的画像。
arXiv cs.AIAI 评分4646 审计 CBM 在 CUB 上的概念瓶颈准确率来源
一项 arXiv 研究审计了 Concept Bottleneck Models（CBM）与 Concept Embedding Models（CEM）在 CUB-200-2011 基准上的准确率来源。
arXiv cs.AIAI 评分4646 Slots Are Not Speakers：免训练说话人链接方法突破流式说话人分离槽位上限
一项研究提出因果、免训练的链接器，让冻结的流式 diarizer（如 Streaming Sortformer）在说话人数超过 N 个输出槽位时仍能区分说话人。
arXiv cs.AIAI 评分3838 语言预训练下细粒度分类的表征语义评估（arXiv 论文提出可解释性对比框架）
一项 arXiv 研究提出基于可解释性的框架，在 CUB-200 数据集上直接对比仅分类与描述生成两种监督训练得到的编码器表征。使用 attention rollout 与 gradient-weighted rollout 生成显著性图，并用涵盖忠实性与定位的五项指标评估。
arXiv cs.AIAI 评分3838 On-Policy Transition Distillation（OPTD）：层间预测迁移监督提升模型蒸馏效果
arXiv 论文提出 On-Policy Transition Distillation（OPTD），在学生生成的 rollout 上对齐师生模型逐层 log-probability 增量，增强传统 on-policy distillation 的最终层分布匹配。
arXiv cs.AIAI 评分3737 HuTact：从人手-物体交互数据学习触觉感知的手部表征
研究者提出 HuTact 框架，从大规模人手-物体交互（HOI）数据预训练触觉感知的手部表征，预训练阶段无需真实触觉信号。该框架可将人手动作中学到的交互结构迁移到机器人触觉观测，并能用少量无标签机器人交互数据继续适配。
arXiv cs.AIAI 评分4040 ReCam 提出全上下文记忆实现稳定长视频生成
ReCam 将历史潜变量的局部时空块分组并投影到 Diffusion Transformer 的高维隐空间中形成记忆 token，通过原生自注意力在压缩 token 数的同时保留对全部历史的块级访问；另引入双指针去噪，对近期上下文与目标帧采用分离噪声调度以抑制自回归漂移。
arXiv cs.AIAI 评分3232 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。
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。