今山海
JINSHANHAI
品牌主页
杂志
机心卷
世界补丁日志
共 306 篇 · 按发布时间倒序 · AI 辅助生成,人工审校
2026 年 11 月(67 篇)
11-17
Parity-specific biological and economic drivers of culling age in holstein dairy cows.
1. 一句话总结 这项牛群回顾性研究提示,荷斯坦牛的留群与淘汰年龄受胎次特异的生殖、生产及经济管理因素影响,但尚不能证明任何单一因素具有因果性的“抗衰老”作用。 2. 核心发现…
11-17
Thinking Harder Doesn't Lead to Better Choices: Reasoning Effort Increases the Confidence but Not the Correctness of LLM Shopping Agents
1. 一句话总结 该研究在 WebShop、Amazon SQID 和 Wayfair WANDS 三个购物选择基准、十个前沿 LLM 上发现:提高推理投入通常只会增强模型的主观…
11-17
Pluggable Subband-Decoupled Fusion and Unlabeled Capture Prototype Calibration: Bridging High-SNR Null-Subcarrier Regrowth and Low-SNR Coherent Preambles for Cross-Domain IoT RF Fingerprinting
1. 一句话总结 本文提出 GSDF-CAPC,通过物理SNR门控在低SNR的活跃前导波形与高SNR的空子载波再生特征之间动态融合,并利用无标签原型校准,实现跨接收机、跨数据集且…
11-17
What RL on Expert-Built Tasks Teaches Nemotron 3.5 Super
1. 一句话总结 这篇论文通过“一种专家任务对应一个 LoRA 适配器”的受控实验表明,面向可验证任务的后训练不仅能提升 Nemotron 3.5 Super 的专业能力,还会促…
11-16
A COMPASS to the Galaxy: Joint nucleosynthetic yield set comparison and parameter inference in Galactic chemical evolution
1. 一句话总结 论文提出基于条件扩散模型与Transformer的摊销式仿真推断框架 COMPASS,在似然难以解析的银河化学演化模型中统一完成参数反演和核合成产额方案比较,并…
11-16
AsymEEF: Bimanual Manipulation with Asymmetric End Effectors
1. 一句话总结 AsymEEF把少量同构双臂遥操作数据转换为适配不同二、三、五指末端执行器的可执行轨迹,并利用统一的形态无关表示训练双臂策略,从而减少针对每种硬件组合重复采集示…
11-16
Living Context Graphs: Continual Semantic Learning for Enterprise Data Reasoning
1. 一句话总结 Living Context Graph(LCG)提出一个覆盖在既有企业数据仓库之上的“活上下文图”层:不搬迁、不重构底层数据,而是从数据本身自举业务语义,再通…
11-16
Bookkeeping Is Not Judgement: EJBench, an Engineering Judgement Benchmark Built from a Conjugate Heat Transfer Design Campaign
1. 一句话总结 EJBench 将电池冷板共轭传热设计活动构建为软件无关、仿真结果可验证的工程判断基准,考察模型能否依据少量历史结果推断新工况并作出设计决策;据文中报告,最佳模…
11-16
VISTA: A Framework for Vision-Informed Semantic Traffic Awareness
1. 一句话总结 VISTA 将路侧交通视频转换为可预测未来场景的紧凑嵌入,经 V2X 发送至车载端,再由带视觉适配器的 TinyLlama 完成自然语言交通问答与碰撞风险推理,…
11-16
ALOHA Lightning: Learning Fast and Precise Manipulation
1. 一句话总结 ALOHA Lightning通过可反向驱动的双臂机器人进行近人速动觉示范,并结合测试时动作平滑与视觉掩码,在每任务约50条示范下实现了接近人类速度、双臂操作成…
11-16
Hyperlyve: Parallelized Enumeration and Exact Lyapunov Stability Certification for Deep ReLU Networks
1. 一句话总结 Hyperlyve 通过并行枚举深度 ReLU 网络的超平面划分,在指定紧致区域内对精确闭环动力学进行完备的 Lyapunov 渐近稳定性认证,并证明该验证问题…
11-15
Cache or Denoise Less? Residual Reuse in a Flow-Matching World Action Model
1. 一句话总结 本文通过 Fast-WAM 上的系统对照实验指出:与其跨周期复用去噪残差,不如直接把 flow-matching 采样从十步压缩到两步;后者在主实验中几乎不损失…
11-15
Cyber-Secure Wearable, Ultra-Low-Power Networked Sensors for Soldier Health Monitoring: Insights from the CAPSARII project
1. 一句话总结 CAPSARII 将智能纺织传感、身体/班组区域网、RISC-V 端侧 AI 与云端/联邦分析整合为一套面向士兵疲劳和恶劣环境监测的低功耗、安全 IoBT 方案…
11-15
Does synthetic pre-training pay off on a microcontroller? Accuracy, latency and energy across two MCUs
1. 一句话总结 这是一项面向真实微控制器的预注册式 TinyML 评估:合成数据预训练在真实数据充足时没有可靠收益、数据稀缺时可能有效,而端侧 INT8 算术与参考内核的一致性…
11-15
High-Throughput Serving of Nemotron 3.5 Transcribe with Regime-Aware Megakernels and Kernel Fusion
1. 一句话总结 该论文提出一套面向 Nemotron 3.5 Transcribe 的自适应推理服务系统,根据连续批处理下的实时负载,在持久化 megakernel 与多级 k…
11-13
Graph diffusion transformer for interpretable generation and inverse design of disordered atomic structures
1. 一句话总结 GaDiT以动态周期图统一建模无序原子结构,通过扩散 Transformer 实现可解释生成、条件控制与逆设计,并在非晶碳、硅和二氧化硅上将采样速度较纠错器类方…
11-13
LuthorSQL: A One-Pass Text-to-SQL Model as System 1 for a Slower LLM Agent
1. 一句话总结 LuthorSQL采用“快慢双系统”架构:先由本地、非自回归的Text-to-SQL模型一次生成候选SQL,再让较慢但能力更强的LLM Agent处理疑难或校验…
11-13
Envisioning Agentic Robotics: A New Era of Robotic Systems
1. 一句话总结 这是一篇面向“智能体式机器人”的立场与研究路线图论文:用具身基础模型+执行框架(embodied harness)定义机器人决策核心,并提出兼顾模型能力与物理闭…
11-12
Linear Regression with Self-Selection Bias in Polynomial Time
1. 一句话总结 论文利用高响应样本的协变量 Hermite 矩可近似分解为回归向量张量幂这一结构,为未知组索引的自选择偏置线性回归设计了运行时间 \(\mathrm{poly}…
11-12
LazyWeights: Decode-on-Demand Edge LLMs
1. 一句话总结 LazyWeights通过“熵感知量化+并行Huffman压缩+DRAM与L2间的按需解码硬件”,在保持标准GGUF格式和GPU算子基本不变的前提下,显著降低边…
11-12
Metal Sandbox: Isolated Execution and Command Scheduling for GPU Coding Agents on Apple Silicon
1. 一句话总结 Metal Sandbox 是一套面向 Apple Silicon 上 GPU 编程智能体的沙箱与跨节点命令调度系统,通过隔离开发环境、并发执行与任务迁移,提高…
11-12
LazyWeights: Decode-on-Demand Edge LLMs
1. 一句话总结 LazyWeights通过“面向压缩的GPTQ量化+并行Huffman编码+DRAM与L2之间的专用解码单元”,在无需修改GPU推理内核的情况下,降低边缘设备上…
11-12
Combinatorial Bernoulli Factories with Polynomially Many Coins
1. 一句话总结 论文提出了一种统一的组合 Bernoulli 工厂算法,可将未知偏置硬币精确转换为仿射切片多面体的随机顶点,在保持 \(\mathbb E[V]=x\) 的同时…
11-12
A Joint LLM and Optimization Agent Solution for Drone Scheduling in Victim Search Missions
1. 一句话总结 论文提出一种面向荒野搜救的混合智能体调度框架:由LLM结合地图、求救线索和领域知识推理“到哪里搜索”,再由优化器在能量约束下完成多架无人机的具体分配,仿真中比直…
11-12
Sketching Language Models for Context Attribution
1. 一句话总结 本文利用“后向—前向”随机线性代数草图,在稳定性假设下,以远少于逐词删除的模型调用次数同时估计提示中各 token 的留一法(LOO)贡献,并给出 oracle…
11-12
Auditing AI peer reviewers: a benchmark on real scientific papers
1. 一句话总结 该论文提出面向真实科学论文的AI审稿人审计基准,通过注入四类、三种严重程度的可定位错误衡量检出率与误报率,并配套推出结合文献检索、符号计算和代码执行的工具增强型…
11-12
ISLA: A Coordinate-Free, Measure-Weighted Transformer for Boundary-Driven PDEs
1. 一句话总结 ISLA将边界驱动PDE代理模型改造成不依赖绝对坐标和网格表示的内禀几何Transformer,在保持刚体运动等变、单位尺度不变和网格细化一致性的同时,显著降低…
11-12
A Push Down the Mountain: Framing Effects and Internal State Interventions on Collusive Behavior in a Long-Horizon LLM Agent
1. 一句话总结 论文将 Gemma 3 12B 放入伦敦白银定价反垄断案件的多智能体模拟中,发现收益/损失、责任归因和从众措辞会改变代理人的实际合谋参与,而提取并注入内部激活状…
11-12
Stochastic Kernel Mode Decomposition: Information, Uncertainty, and Conditional Regime Inference
1. 一句话总结 论文将核模态分解(KMD)扩展为带概率建模与不确定性量化的 sKMD,在保留符号和相位的模态坐标上学习状态分布,并系统回答“测量质量下降时,模态能量还能保留多少…
11-12
RMIT-ADM+S at TREC RAG 2026: Research Agents, Retriever Ablations, and Open-Weight Replication
1. 一句话总结 这是一篇偏系统与实证的 TREC 2026 RAG 竞赛报告:在长篇、带引用的研究回答任务中,写作模型选择和相邻分块扩展比更复杂的检索代理流程更关键,同时开放权…
11-12
ScrewSense: Mapping the Invisible - Anomaly Detection and Error Classification in Screwdriving Processes
1. 一句话总结 ScrewSense利用拧紧过程中的扭矩、旋转角等多变量时序数据,以向量量化变分自编码器(VQ-VAE)的嵌入空间进行异常检测,并通过四种深度学习模型实现超出传…
11-11
Matrix-Based Ant Colony Search with Batched Decoding for Hierarchical Replenishment Routing: A Stylized Case Study Based on Korean City Data
1. 一句话总结 论文针对“城市既是需求点又可提供补给”的层级补货路径问题,将矩阵化蚁群算法、同步批量解码和批量局部搜索结合,在韩国100城基准上取得与同频局部搜索遗传算法相当的…
11-11
Robo-SWE: An Executable Issue-Resolution Dataset Mined from Robot Software Repositories
1. 一句话总结 Robo-SWE 将真实机器人软件仓库中的合并 PR 转化为可执行、可复现的问题修复基准,填补了现有代码智能体在 ROS 2、仿真引擎和机器人学习框架等专用软件…
11-11
SO-Arena: Benchmarking the Capability Spectrum and Reliability of System One Models
1. 一句话总结 SO-Arena将低延迟、单次前向输出的“System One”模型纳入统一评测,同时刻画其跨领域能力、交互执行能力和决策可靠性,并揭示了模型准确率高并不等于决…
11-10
Comparative Analysis of Agent Evaluation Frameworks: Stability, Detection, and Discovery in Enterprise Analytics Agents
1. 一句话总结 论文在冻结执行轨迹上分三阶段比较三类智能体评估框架,验证了“基于轨迹的功能评估+对抗式安全红队”比单一评估方式更适合发现企业多工具分析智能体中的隐蔽故障。 ##…
11-10
Distribution Shift Detection in Remote Sensing Imagery using Machine Learning Models
1. 一句话总结 该论文不提出新的分布偏移检测算法,而是将 Alibi-Detect、NannyML 和 PyTorch OOD 应用于无人机遥感跨数据集偏移场景,同时比较检测效…
11-10
Don't Match the Noise: Distribution Matching under Unknown Measurement Error with an Audit Sample
1. 一句话总结 针对“大量含噪观测+少量可信真值”的现实场景,论文提出无需显式建模噪声分布的 MEC-MMD,在加性测量误差与简单随机审计假设下校正 MMD,并给出无偏性、方差…
11-10
Data Quality Challenges in Multimodal Tourism Recommender Systems
1. 一句话总结 本文以 Yelp 和 Instagram 旅游数据为例,归纳多模态推荐系统中的数据质量风险,并提出质量感知融合、受控式 LLM 内容生成和用户群体差异化等改进方…
11-10
EngineAgent: Agentizing On-Device LLM Inference Engines with Inference Stack Hierarchy Awareness and Hardware Abilities
1. 一句话总结 EngineAgent通过“推理引擎层级索引+预验证的软硬件调试技能+构建/审计双智能体”,自动完成新模型的端侧适配,在12个任务上取得75%的严格端到端成功率…
11-10
Personalized Affective Perception via Continual Learning in Human-Agent Negotiation
1. 一句话总结 论文将基于生成式回放的持续学习表情识别模型 CLIFER 与差分情感反馈结合,使谈判机器人在交互中实时适应不同用户的效价—唤醒变化,并在66人实验中提高智能体侧…
11-10
TransGHOST: Real-Time, Synthesis-Free Reconstruction of Instrument-Occluded Regions in Ophthalmic Microsurgery
1. 一句话总结 TransGHOST通过“历史帧配准+区域引导合成”的非生成式方法,在线重建眼科显微手术中被器械遮挡的组织,并同时输出像素级来源、置信度与拒绝恢复标记。 ###…
11-10
Bayesian inverse problems and epidemic-threshold uncertainty for a heterogeneous SIS reaction-diffusion model
1. 一句话总结 论文证明:即使早期带噪观测无法分别确定传播率、恢复率和扩散率,异质 SIS 反应—扩散模型的早期流行率仍能通过净传播率与感染扩散率推断疾病是否持续的主特征值阈值…
11-06
SPDMX: Large-Scale Open Stem Audio From Symbolic Music
1. 一句话总结 SPDMX 通过“听觉评测+开放渲染管线”,将公共领域 PDMX 乐谱转化为大规模、可再分发的音乐分轨数据集,为音乐源分离、乐器分轨生成和符号—音频联合建模提供…
11-06
On Agentic Manipulation Policies
1. 一句话总结 AMP1将通用多模态大模型作为在线闭环的机器人操作策略,通过统一感知—推理—运动接口直接调度机械臂,在无需示范训练或任务专用微调的情况下实现零样本操作,并可借助…
11-06
A Controlled Study of Models, Skills, Feedback, and Curriculum in Agentic Robotics
1. 一句话总结 这是一篇面向操作机器人“自我改进闭环”的系统性实证研究:通过九个任务、631组实验配置和2.8万次编码智能体轨迹,结论是机器人策略改进的关键不只是获得更多物理信…
11-06
ABHBench: Evaluating Moral Decision-Making of Foundation Models from an Agentic Perspective
1. 一句话总结 ABHBench将基础模型的道德评测从“第三人称判断文字情景”推进到“在多模态分支叙事中以第一人称行动者身份做决策”,并通过12个模型实验说明:模型在情境化代理…
11-06
A Taxonomy-Driven Synthetic Dataset for Retrieval Effectiveness and Fairness Evaluation in Hiring
1. 一句话总结 论文构建了一个职业分类体系驱动的多语种合成招聘检索基准,以160万条标注交互同时衡量文本嵌入模型的候选人—项目匹配效果及人口属性扰动下的公平性。 ### 2.…
11-05
Masked diffusion as random sequential adsorption: an exactly solvable model for parallel decoding
1. 一句话总结 论文将掩码扩散语言模型的并行解码误差解释为相对于逆向掩码过程的熵产生,并在马尔可夫/bigram数据上建立随机顺序吸附(RSA)的精确等价模型,进而利用热力学测…
11-05
Equivariant Deep Learning in Direct-Product Space for Electronic-Structure Hamiltonian Prediction
1. 一句话总结 DP-Learner 将等变图网络的消息传递直接建立在“轨道×自旋”的直积 Hamiltonian 算符块上,以更贴合电子结构数据的表示预测 Hamiltoni…
11-05
Structure from Collision via Hypothesis-Space Reasoning
1. 一句话总结 论文将“从多视角碰撞形变反推物体内部空腔”重写为显式结构假设空间中的全局搜索与可微物质点法(MPM)局部细化,从而恢复隐藏内部结构,并改善后续碰撞预测。 ###…
11-05
XStack: A Benchmark for ML Repo Migration
1. 一句话总结 XStack构建了一个面向LLM编程智能体的仓库级基准,考察智能体能否将可运行的PyTorch/NVIDIA GPU项目完整迁移到JAX/TPU环境并保持原有实…
11-05
Learning and Steering in Incomplete-Information Games
1. 一句话总结 论文研究了一个“边学习、边干预”的多智能体问题:中介者在不知道参与者效用、只能观察已实现轨迹或终局结果的情况下,学习未知博弈,并通过推荐、上下文提示和非负支付,…
11-05
From Geometry to Function: A Multi-Task LiDAR Benchmark Dataset for Semantic and Functional Parsing of Urban Facades
1. 一句话总结 HFX3D 将城市建筑立面 LiDAR 解析从“识别是什么”推进到“判断有何功能”,为功能感知的三维城市理解提供了大规模、多环境、多任务基准。 ### 2. 核…
11-05
Data-driven discovery of intrinsic Lie point symmetries of differential equation systems
1. 一句话总结 该论文将微分方程的连续 Lie 点对称性发现转化为采样射流空间上的受约束算子学习问题,无需预先写出方程闭式表达或符号确定方程,即可识别内禀对称生成元并恢复其李括…
11-05
VisionSIM: Beyond Idealized Sensors - A Multi-Modal Simulator for Robot Perception
1. 一句话总结 VisionSIM 是一个面向机器人感知的物理级多模态仿真平台,通过正向模拟光、热与时间飞行等原始测量过程,在同一场景和轨迹下复现事件相机、SPAD、dToF/…
11-05
How Deep is the Signal? Time-Context up to 30 Years for Colorectal Cancer Prediction in a Primary-Care EHR Model
1. 一句话总结 论文提出并系统评估了区别于 token 数量的“时间上下文(time-context)”:在同一人群中考察预测前2—30年病史对结直肠癌风险预测的作用,发现约1…
11-05
Blind Noise Equalization for Large Data Matrices under General Variance Profiles
1. 一句话总结 BRINE通过数据自身估计行、列方向的噪声尺度,迭代均衡异方差噪声,使噪声谱更符合Marchenko–Pastur分布,从而改善大矩阵的低秩信号提取、降噪、聚类…
11-05
The Last Mile to the Real World: Agent-Native Primitives as Reusable Building Blocks for Solving Real-World Tasks
1. 一句话总结 论文将工具、代码、知识等资源封装为自带常驻 LLM 执行器的 Agent-Native Primitives,并提出 HEELO 框架按任务需求动态组合、取证和…
11-05
Measured Coupling for Parallel Decoding in Diffusion Language Models
1. 一句话总结 该论文将扩散语言模型并行解码中基于预测分布相似度的启发式惩罚,替换为“提交一个 token 后另一位置置信度的实际变化”,并利用块内探针和 KV 复用低成本测量…
11-05
Benchmarking Large Language Models on Heterogeneous Cognitive and Biomedical Knowledge Graphs: The Role of Graph Grounding in Multi-Hop Reasoning and Hallucination Mitigation
1. 一句话总结 该论文构建了一个覆盖生物医学与认知科学异构知识图谱的系统基准,用受控对比检验LLM在图谱 grounding 与非 grounding 条件下进行多跳推理、保持…
11-05
The Popular Get More Popular: Auditing Brand Bias in Generative Search
1. 一句话总结 论文通过跨生成式搜索引擎的大样本审计与控制实验发现,LLM会利用参数记忆系统性偏向熟悉的头部品牌,形成“品牌越热门、越容易获得推荐”的累积优势,而单纯改写网页内…
11-04
Dexterous Robotic Hands in the Foundation-Model Era: A Full-Stack Survey of Hardware, Data, Cross-Embodiment Transfer, Learning, and Evaluation
1. 一句话总结 这篇综述没有提出单一新模型,而是将灵巧机器人手的技术体系整合为“硬件—数据—跨本体迁移—学习与基础模型—评测”五层技术栈,为研究者连接数据规模、触觉感知、通用模…
11-04
Discovering like a scientist: Literature-informed dimensionless learning for physical closure of data-driven equations
注:所给摘要在“1,288 establishe…”处被截断,以下判断基于标题和可见摘要片段;具体模型结构、数据集来源与实验结果仍需结合全文确认。 ## 1. 一句话总结 π-f…
11-03
A simple adaptive accelerated optimistic dual averaging method for unconstrained convex optimization in $p$-norm geometry
1. 一句话总结 论文提出面向无约束凸优化的自适应加速乐观对偶平均方法 A²ODA,通过低成本的 \(p\)-范数预条件与无需线搜索的自动步长机制,在 \(p\in[2,\inf…
11-03
Haptic Shared Control for Multi-Robot Systems
1. 一句话总结 该学位论文型工作面向有限视场感知下的多无人机协同,改进全局连通性维护算法,并结合操作者触觉反馈与单代理、锚定、质心三种控制权分配方式,实现更易感知的人机共享控制…
11-03
MESA: An Evaluation Framework for Compositional, Semantic, and Spatial Generalization in Robotics
1. 一句话总结 MESA 将机器人策略评测从笼统的任务成功率转化为可控、可复现的诊断实验,系统区分空间配置、物体实例、物体类别和子任务组合四类泛化能力,并发布单臂与双臂基准。…
11-03
OdorSpaces: Visual-Olfactory Embodied Navigation in 3D Environments
1. 一句话总结 OdorSpaces 将 Fire Dynamics Simulator(FDS)的三维气味扩散模型嵌入 Habitat-Sim,建立包含视觉、嗅觉与姿态输入的…
2026 年 10 月(138 篇)
10-30
Lethal and sublethal influence of triflumezopyrim on life history traits and enzyme activities in the bean bug, Riptortus pedestris (Hemiptera: Alydidae).
1. 一句话总结 该研究通过生物测定、年龄—阶段两性生命表和酶活性分析,评估 triflumezopyrim 对豆缘蝽 *Riptortus pedestris* 的致死及亚致死…
10-30
ProSearch: Benchmarking Multi-Constraint Protocol Retrieval in Experimental Science
1. 一句话总结 ProSearch 构建了一个面向实验科学的“多重约束协议检索”基准,系统测试模型能否从真实方法记录中找出同时满足数值、否定条件及字段依赖关系的实验协议。 ##…
10-30
When the Past Shapes Action: Understanding Embodied Memory
1. 一句话总结 这是一篇关于具身智能记忆的系统综述,提出“六类记忆需求—八类记忆架构—记忆特异性评测”的分析框架,用于解决机器人面对部分可观测环境时无法持续保留、检索和更新历史…
10-29
PCM: A Proof-Carrying Message Protocol for Verifiable Multi-Agent Communication
1. 一句话总结 PCM 将多智能体通信从“相信发送者的陈述”改造成“携带并验证外部证据”,利用代理不可写的 Merkle 透明日志、包含证明、独立签名和人类授权链,降低提示注入…
10-29
VeriCUA: Verification as Agentic Exploration for Computer-Using Agents
1. 一句话总结 VeriCUA将计算机使用代理(CUA)的任务完成验证从“看截图或已有轨迹”的被动判定,改造为跨桌面、移动和Web环境的主动取证过程,通过任务规则、GUI操作、…
10-29
NEOPIC: A Neural Operator Framework for Particle-based Kinetic Plasma Simulations
1. 一句话总结 NEOPIC将粒子集合表示为经验测度,直接学习Vlasov–Poisson体系中的静电场算子,在无需网格沉积的情况下作为PIC、Particle-in-Four…
10-29
BURGER: Benchmarking and Understanding Robotic Generalization via Embodied Drawing
1. 一句话总结 BURGER 将“语言条件下的连续机器人行为”转化为可重复的二维绘画任务,提供从自然语言提示到图像、笔画和机器人轨迹的生成管线,并通过 28,200 条仿真演示…
10-29
Apriel Voice 27B Preview: An Open Model for Speech, Reasoning, and Tool Use
1. 一句话总结 Apriel Voice 27B Preview 以 Gemma 4 26B-A4B 为统一推理底座,将语音输入、文本/图像上下文、语言推理和工具调用整合到同一…
10-29
FDSML: Formula-Driven Supervised Metric Learning with Parameter-Aware Triplet Loss
1. 一句话总结 FDSML 将公式生成图像的连续参数由离散类别标签扩展为关系监督信号,通过参数感知三元组损失学习生成空间中的相对相似性,使无真实图像预训练在图像检索和抗腐蚀鲁棒…
10-29
Distilling Large-Scale Machine Learning Interatomic Potentials to Predict Long-Timescale Electrolyte Transport Properties
1. 一句话总结 论文将接近 DFT 精度但运行缓慢的大型预训练机器学习原子间势(MLIP)蒸馏为约快 40 倍的电解质专用“学生势”,无需额外从头计算数据,即可在数日内完成 2…
10-29
Do Language Models Know What Compelling Scientific Evidence Looks Like?
1. 一句话总结 论文提出 EDB-Bio 基准,系统检验大语言模型能否像科学家一样综合多项可靠性与相关性不同的生物实验证据,并用严格评分规则训练模型以改善概率校准和后续实验选择…
10-29
SocialArena: Evaluating Social Intelligence in Large Language Models
1. 一句话总结 SocialArena 将大模型的社会智能拆分为角色扮演、心理状态推理和行为推理三个维度,通过多样化社会情境、显式角色思考以及人工标注的竞技场式比较,建立更系统…
10-29
Sandman: Building and Operating Sandboxes for Agentic Reinforcement Learning on Shared Kubernetes
1. 一句话总结 Sandman 将智能体强化学习中反复调用工具所需的隔离执行环境,封装成共享 Kubernetes 上支持突发扩容、预热复用、可靠回收与独立评测的沙箱服务,并已…
10-29
Well-Specified and Well-Tested? Assessing SWE-bench-Style Datasets with a Self-Evolving Agent
1. 一句话总结 论文提出自进化数据集质检代理 ExLabel,通过持续积累和复用跨样本判断经验,更准确地评估 SWE-bench 类任务的任务清晰度与测试覆盖度,并证明高质量过…
10-29
Ramanujan Challenge Results: AI-Assisted Evaluation Pipeline for Multi-Format Proofs
1. 一句话总结 论文发布研究级数论基准 Ramanujan Challenge,并提出面向自然语言证明、CAS代码和Lean形式化证明的AI辅助评审流程,将自然语言证明“误判为…
10-29
Tactus: Tactile & Pose Sensing Glove for Natural Dexterity Data Collection
1. 一句话总结 Tactus 是一种将指尖触觉力 sensing、IMU 姿态追踪和跨设备校准集成到轻薄织物手套中的数据采集平台,用于获取更自然、遮挡条件下仍较可靠的灵巧操作人…
10-29
Gym-Anything for Robotics: Scaling physical simulations with digital agents
1. 一句话总结 Gym-Anything for Robotics 把机器人仿真环境构建转化为编码代理任务,通过经济价值选题、质量标准和对抗审计自动生成并验证 RoboWorl…
10-28
Explore Where It Matters: Targeted Exploration for Efficient Rover Adaptation
1. 一句话总结 TERRA将面向任务奖励的在线动力学适应与主动探索结合,使机器人在少量真实试验中优先探索最能暴露关键模型误差的区域,并在仿真及ERNEST火星车实体平台上验证了…
10-28
Modular Bayesian Foundation Models: Bayesian time series encoders for OOD detection, routing and forecasting
1. 一句话总结 论文将多个紧凑的低秩贝叶斯时序编码器组织成可扩展的“专家库”,利用认知不确定性进行无标签路由并融合表征,从而在不重新训练大模型的情况下完成分布外检测、专家选择与…
10-28
Capacity of the Hopfield-Hebbian dynamics with correlated patterns
1. 一句话总结 论文利用随机对偶理论(RDT)分析存在相关性与噪声样本时经典 Hopfield-Hebbian 联想记忆的存储容量,给出显式依赖相关参数 \(M,r\) 的容量…
10-28
The Power Watershed as a Differentiable Segmentation Layer
1. 一句话总结 该论文将经典 Power Watershed 构造成可嵌入深度网络、能够端到端反向传播的分割层,使网络可以通过梯度学习更契合下游任务的边界与区域结构。 ###…
10-27
Generative Refinement Learning for Temporal Interpolation in Scientific Machine Learning
1. 一句话总结 iFLEX 将两个时刻观测的加权平均作为基础插值,再用条件扩散模型学习其到真实中间物理场的残差,在湍流、雷达降水和海表温度数据上实现了更准确的细时间分辨率重建。…
10-27
Boundary Geometry Determines Optimal Shallow ReLU Approximation under Weighted Coefficient Constraints
1. 一句话总结 论文证明:在带几何加权系数约束的浅层 ReLU 逼近中,凸域边界的小“边界帽”几何增长决定最优多项式逼近率,并给出匹配的上下界、若干区域的精确指数以及神经元不增…
10-27
Electric-Field Induction Motor with Discrete Circuit Elements and Improved Rotor Dynamics
1. 一句话总结 本文将磁感应电机的“深条转子”思路迁移到电场感应电机,用有限导电叶片与离散电路元件构成可调转子回路,并通过建模、样机设计和实验改善宽速区内的转矩与转子动态。 #…
10-27
Learning Quality-Controllable Robot Policies with Iterative Hindsight Relabeling
1. 一句话总结 本文提出质量可控策略(QCP),将速度、平滑度、稳定性等执行质量编码为条件输入,并通过迭代式事后重标注持续扩展可控质量范围,使机器人能在部署时动态调节单属性或多…
10-27
LLM knowledge for improved Out-of-Distribution Tabular Prediction - A Cross-Validated Regularisation Approach
1. 一句话总结 该论文不让LLM直接预测,而是把LLM生成的“特征—结果关系”转化为系数先验,作为正则化回归的收缩目标,并用源域交叉验证选择先验;方法在5个表格数据集的4个上改…
10-27
Quantized Edge Inference of a Self-Supervised SAR-Optical Encoder on Commodity x86 Hardware
1. 一句话总结 该论文将预训练的 SAR–光学双模态掩码自编码器部署到不同指令集级别的商用 x86 设备,系统比较 FP32、FP16、INT8 的延迟、能耗与精度,得出 IN…
10-27
RoboAuto: Autonomous Robot Program Search through Multi-Level Physical Understanding
1. 一句话总结 RoboAuto通过“物体—场景—交互”三级物理理解,让LLM机器人智能体不只依据执行结果试错,还能主动验证操作是否产生预期物理效果,从而更可靠地搜索可执行机器…
10-27
Online gas classification at the edge
1. 一句话总结 论文提出一种仿昆虫嗅觉系统的稀疏高维二值网络,可直接从原始气体传感器阵列的瞬态响应中进行在线、少样本分类,并在TEXEL神经形态芯片上实现 74.6%准确率、4…
10-26
High-resolution tactile observation makes hidden racket-control mechanisms learnable
1. 一句话总结 论文利用864节点触觉—惯性手套和力学约束的“两层控制模型”,将羽毛球挥拍中难以言说的驱动、握持与局部用力机制转化为可解释反馈,并证明10分钟机制引导训练比单纯…
10-26
IOSage: Detecting HPC I/O Bottleneck Patterns to Guide LLM Recommendations
1. 一句话总结 IOSage将HPC的Darshan日志瓶颈识别交给监督分类器,再让LLM基于检测结果、模式卡和作业配置生成优化建议,并通过实际运行时间验证建议效果。 ###…
10-26
Balanced Active Subspaces for Optimal Control via Trajectory Optimization
1. 一句话总结 论文提出 BASOC:利用最优轨迹上的状态与协态数据,提取对 HJB 值函数敏感且沿轨迹变化显著的低维斜投影,并将其用于降阶建模、代理反馈控制及基于少量传感器的…
10-26
ORBITAL: Optimization of Robust Brain--Computer Inference Through Architecture-Aware Low-Precision Compression
1. 一句话总结 ORBITAL将EEG脑机接口模型的物理可实现结构化压缩、TRADES对抗训练与边缘硬件实测联合起来,在有限降低参数量和计算量的同时改善部分对抗鲁棒性,并揭示I…
10-26
Pretraining Knows What, Simulation Teaches How: Compositional Generalization in a Sim-Trained Robot Agent
1. 一句话总结 ZAP将机器人能力拆成“预训练模型负责理解任务与推理、仿真训练负责动作执行”,使一个27B视觉语言模型在不使用真实机器人训练数据的情况下,零样本迁移到真实机器人…
10-26
From Speech Tokens to Stolen Voices: Attacker-Chosen-Text Speaker Impersonation via Representation Inversion
1. 一句话总结 论文提出语音令牌反演攻击 STIA:攻击者即使未获得原始录音或转写文本,也可利用泄漏的短语音前端表示与自行指定文本,生成具有受害者音色的新语音,证明“原始音频不…
10-26
Multi-Objective Reinforcement Learning Using Routed Ensembles and Trajectory Attribution
1. 一句话总结 论文面向目标权重变化剧烈的多目标强化学习问题,提出“目标冲突系数+路由策略集成+轨迹归因”框架,用少量策略适配不同偏好,并通过筛选高价值反馈轨迹提升训练效率。…
10-23
Data Quality Audit and Bivariate Temperature-Humidity Analysis of a Long-Term LoRaWAN Network: Anomaly Detection, PCA, Clustering and Machine Learning
1. 一句话总结 这是一项“数据质量优先”的IoT分析工作:论文先审计LoRaWAN各传感变量的实际覆盖率,再结合多层异常检测、PCA、聚类和MLP残差,识别温湿度数据中的离群点…
10-23
CoPiT: A conditional Position-induced Transformer for aerodynamic field prediction on unstructured meshes
1. 一句话总结 CoPiT 将位置诱导 Transformer 的非结构网格几何建模能力与多阶段 FiLM 条件调制结合,在保持注意力权重由几何主导的同时显式注入来流状态和设计…
10-23
Tampered ML: Evaluating LLM Judgment of Machine Learning Research
1. 一句话总结 Tampered ML 将“LLM能否可靠审查机器学习研究”转化为1,858组基于真实论文重建的实验提案—研究主张配对任务,评测模型能否发现细微篡改并判断实验是…
10-23
4DMemory: Benchmarking Long-Horizon Spatiotemporal Memory with Harness-Augmented Agents
1. 一句话总结 论文提出长视频数据集 LongVideo、评测基准 4DMemoryBench 及工具增强框架 4DMemory Harness,系统衡量模型在长时间
10-22
OpenTac: An Open Ecosystem for Customizable, Scalable, and Transferable 3D Tactile Sensing
1. 一句话总结 OpenTac 将可定制的三维触觉皮肤硬件,以及自动设计、仿真、跨传感器迁移和高速自适应采样工具整合为开放生态,降低了机器人获取法向力与局部剪切信息并用于接触操…
10-22
Bridging the Closed-World Gap: Interpretable Anomaly Detection via a Hybrid TSK-FCM Ensemble on the BETH Dataset
1. 一句话总结 论文针对BETH数据集中“训练阶段只见内部可疑行为、测试阶段出现新型僵尸网络攻击”的分布偏移,将可解释的TSK监督分类器与FCM无监督异常检测融合,并用Min…
10-22
Governed Self-Evolution for Autonomous Investing: A Multi-Agent LLM System with an Invariant Core
1. 一句话总结 Steward 将角色化多代理决策、代码维护的分层记忆和受控自进化机制引入实盘投资,并通过类型系统隔离不可修改的风险与算术核心,使系统能够利用结果持续改进,同时…
10-22
Vision Transformers for Estimating Irradiance Using Data Scarce Sky Images
1. 一句话总结 该论文将视觉Transformer用于数据稀缺条件下的天空图像辐照度估计,试图以普通摄像头替代或补充昂贵的地面辐照测量设备,服务光伏优化与能源预测。 ### 2…
10-22
SympFormer: Inertial Attention Blocks from Damped Hamiltonian Dynamics on Spaces of Probability Measures
1. 一句话总结 论文将 Transformer 注意力块统一解释为概率测度空间上的惯性粒子系统,从阻尼 Hamiltonian 与 Nesterov 型动力学推导出带几何修正的…
10-22
Track finding and particle identification performance with particle physics foundation models
1. 一句话总结 该论文将粒子物理基础模型应用于TPC低层稀疏空间点,在统一表征下完成带电粒子径迹寻找与粒子鉴别,并可通过迁移学习扩展到其他下游任务;论文报告其性能显著优于传统重…
10-22
Prediction Uncertainty Controlled Computer Model Calibration
1. 一句话总结 该论文将计算机模型校准的目标从“获得参数后验”转向“直接控制校准后模拟器的预测区间覆盖率”,以改善弱参数可识别性和数据—模型失配下的区间失准问题。 ### 2.…
10-22
Towards Field-Deployable Wearable IMU Systems for Occupational Activity Recognition
1. 一句话总结 本文没有提出新模型,而是通过统一的跨人留一验证,系统揭示建筑工人可穿戴IMU活动识别中“总体准确率超过95%”所掩盖的显著个体差异,并给出传感器配置、窗口选择、…
10-22
Machine-Readable Operator Manuals over the ISO 11783 Network for Offline, Multilingual LLM Assistance
1. 一句话总结 论文提出并验证了一套面向农业机械的“语义同步”机制:通过 ISO 11783/ISOBUS 总线将机具的机器可读操作手册同步到拖拉机端,在离线环境中利用本地小模…
10-22
What Lies Beyond Perception: A Partition Theory of the Limits of AI Evaluation and Oversight
以下分析基于所给 arXiv v1 正文节选。 ### 1. 一句话总结 论文提出“判断受感知所限”的AI评测理论:行为评测通常只能证明模型具备某项能力的下界,无法在模型不配合时…
10-21
TerraTransfer++: Demonstration-Free End-to-End Planner
1. 一句话总结 TerraTransfer++通过“向量化仿真器自博弈→流匹配轨迹教师→冻结视觉骨干上的轻量对齐”训练闭环驾驶策略与规划器,在不使用人类驾驶示范的情况下,于HU…
10-21
Real PMIDs, Wrong Papers: Harness Design for Biomedical Claim-Verification Agents
1. 一句话总结 该论文通过固定模型与输出格式的受控消融发现,生物医学事实核查代理的首要瓶颈是能否检索到正确证据,而非最终推理能力;同时证明“PMID真实存在”不能作为引文可信的…
10-21
Differentially Private Synthetic Data via Generalized Moment Matching
1. 一句话总结 论文提出一套统一的“广义矩匹配”框架,通过私有估计矩、最小化拟合分布并采样,在差分隐私保证下使合成数据逼近原数据分布,并针对多类积分概率度量给出近似极小最优的误…
10-21
Multimodal Embodied Agents: A Unified Capability-centric Perspective from Computer-Use to Robot-Use
1. 一句话总结 本文提出 PAPAV(Perceive–Anticipate–Plan–Act–Verify)统一能力框架,用五个环节系统比较计算机使用智能体、多模态智能体与机…
10-21
Asymmetric Likelihood-Free Hypothesis Testing
1. 一句话总结 该论文刻画了无似然假设检验中两组参考样本预算不相等时的可行样本复杂度,并证明合理的不对称分配可将目标样本需求从传统的 \(\Omega(\sqrt n)\) 降…
10-21
VX-One: Typed, Calibrated Decision Heads for Real-Time Perimeter Triage - An empirical study of unknown-attack honesty, cascade gray zones, and calibration under drift
1. 一句话总结 VX-One 用轻量多头网络统一输出入侵检测门控、含“未知”的闭集归因和有序风险评分,并以 Suricata 级联实现约 0.7–1.7 ms 的 CPU 单事…
10-20
OptScientist: Automated Discovery of Optimization Laws
1. 一句话总结 OptScientist将自动化科学发现从“拟合输入—输出方程”推进到“从数据反推产生现象的目标函数与约束”,并利用LLM智能体整合文献先验、候选定律生成、机制…
10-20
Soliton Profiles in 1D: Enhanced Neural-Network Solvers and Constrained Deep Ritz Methods
1. 一句话总结 论文针对一维孤子基态方程,系统比较改进型 PINN 与受约束 Deep Ritz 方法;其中 Weinstein Deep Ritz 在神经网络方案中表现出最佳…
10-20
GBClaw: An agentic AI framework for atomistic grain boundary research and mechanistic discovery
1. 一句话总结 GBClaw 将智能体式 AI 引入晶界原子尺度研究,尝试把一般晶界的结构分析、变形模拟与机制发现组织成自动化科研流程。 2. 核心创新点 - 论文面向实际多晶…
10-20
Staged Continual Adaptation of Multimodal Foundation Models for Japanese Financial Documents
1. 一句话总结 该论文对同一个 8.4B 多模态模型依次进行视觉—语言对齐、数学推理蒸馏和金融领域微调,实证发现三阶段并非简单叠加,而会相互覆盖或修复能力,因此最优检查点取决于…
10-20
Reinforcement learning for hardware acceleration and system-level optimization on FPGA and integrated-circuit platforms: A survey
1. 一句话总结 这是一篇围绕“RL作为计算负载”与“RL作为硬件优化器”两条主线,系统梳理超过100项FPGA、ASIC等硬件加速与系统优化研究的综述。 ### 2. 核心创
10-20
AgentPolicyForge: From Executable Environments to Policy Benchmarks and Adaptive Guards
1. 一句话总结 AgentPolicyForge 将可执行工具环境转化为策略违规数据与测试基准,并据此迭代训练独立策略守卫模型,在降低攻击成功率的同时减少正常请求误拦截。 ##…
10-20
Anytime-Valid Runtime Monitoring of Learned Barrier Certificates
1. 一句话总结 论文将学习得到的屏障证书一致性审计转化为 anytime-valid 序贯检验,可在部署分布发生变化时控制误报率,并据此触发预设干预。 2. 核心创新点 - 把…
10-20
Beyond Scalar Leaderboards: Adaptive Sampling for Pareto Frontier Identification in Multi-Objective LLM Arenas
1. 一句话总结 论文提出 VB-EGE:在多目标 Bradley–Terry 偏好模型下,自适应分配 Arena 成对比较,以近最少的比较次数和指定置信度识别大语言模型的严格帕…
10-20
CovNav: Conformal Prediction-Guided Adaptive Inference for Object Goal Navigation
1. 一句话总结 CovNav 将共形预测(Conformal Prediction)作为“快慢推理”的调度器:仅在端侧小模型对物体空间关系不确定时启用慢思考,从而在降低延迟与隐…
10-20
When Does Experience Memory Help Closed-Loop LLM Driving Agents? A Controlled Evaluation with Resampled Warmup Pools, Token-Matched Fillers, and Audited Baselines
1. 一句话总结 这篇论文没有提出更强的驾驶记忆方法,而是通过重采样经验池、token 匹配填充和基线审计证明:不少“LLM 驾驶记忆有效”的结果其实来自经验池选择、提示词长度或…
10-19
Agent World Model in the Wild: Computer-Use Agent Environment Synthesis
WildAWM 论文分析 ## 1. 一句话总结 WildAWM 提出了一套基于纯开源模型的大规模合成管线,能同时生成支持 GUI、CLI 和 MCP 的可执行计算机环境与带验证…
10-19
Keep the Lineages Alive: Diversity-Preserving SMC for Diffusion LLM Decoding
1. 一句话总结 论文提出 LP-SMC,用保留粒子谱系与真实权重的重采样替代标准多项式重采样,使扩散语言模型在无需后训练的情况下,通过推理时多候选搜索获得更高的数学与代码任务准…
10-19
Solving the Ho--Nguyen Conjecture for Gaussian Mixtures: Applications to Mixtures of Experts
1. 一句话总结 论文通过统一加入正方差,将高斯混合的高阶系数相消问题转化为高斯矩匹配,并结合 Gauss–Hermite 构造与符号变化上界证明 Ho–Nguyen 系统的相消…
10-19
RefCraft: Benchmarking Visual-Reference-Conditioned Agentic Generation through Web Development
RefCraft 论文分析 ## 1. 一句话总结 RefCraft 提出一个包含 300 个任务的基准测试,专门评估 AI 代理在网页开发中结合视觉参考图进行迭代生成的能力,揭…
10-19
VEILED-SH: Vulnerability Expression through Indirect Language Evaluation Dataset (Self-Harm)
1. 一句话总结 VEILED-SH 提出了一个面向新加坡文化语境、覆盖四类应用场景的自伤与自杀间接表达评测基准,并用从业者分化的“参考策略”检验大模型回答是否真正符合具体支持场…
10-19
The Control Layer Behind Rule-Following Agents Trading Across Market Conditions
1. 一句话总结 该论文聚焦“交易智能体是否按规则行动”,通过四种AI代理、2,627笔模拟交易及统一成本条件,尝试将交易能力与策略纪律、风险控制分开评估,为逐步授予交易自主权提…
10-19
Teacher Supervision, Fixed Representations and Calibration: Exact Risk Calculations for Candidate-Scoring Decision Models
1. 一句话总结 论文通过高斯代理模型和 probit 模型,精确刻画“教师软标签、冻结预训练表征、温度校准”如何影响候选项评分模型的概率可靠性,并证明模仿教师可能只是稳定地继承…
10-19
RouterWorld: Scaling Conversational AI with Latency-Aware LLM Routing
论文分析:RouterWorld ## 1. 一句话总结 RouterWorld 是一个面向对话式 GenAI 的 LLM 路由基准测试,通过 371k 单轮回复与 76k 多轮…
10-19
OpenVLHarness: Real World Visual Agentic Tool-Use with Multimodal Memory
1. 一句话总结 OpenVLHarness 通过统一调度搜索、OCR、视觉定位、深度估计、网页访问和代码执行等工具,并持久保存图像、结构化数据及网页证据,使多模态大模型能在真实…
10-19
Federated Community Detection in Bipartite Networks
1. 一句话总结 论文提出 FLICKER,在原始矩阵不可集中、仅可进行本地块矩阵运算的条件下估计指定奇异方向,并进一步用 BiFLICKER 实现二部网络的联邦社区发现,在理论…
10-18
PanoDent-KD: From Generalist Knowledge Distillation to Cross-Dataset Specialist Detection and Embedded Deployment in Panoramic Radiographs
PanoDent-KD 论文分析 ## 1. 一句话总结 提出了一套面向口腔全景X光片检测的可审计端到端流水线,以YOLO26m为基座,结合知识蒸馏与精确分类器行映射实现跨数据集…
10-18
Where and Why Search-Augmented LLMs Fail When Reasoning over Rapidly Evolving Knowledge
1. 一句话总结 该论文提出 TREK 评测框架,系统定位搜索增强型 LLM 在处理快速变化知识时的失败环节,并发现主要瓶颈往往不是“搜不到”,而是“搜到后无法正确判断和整合冲突…
10-17
Severity-Channel Conditioning: An Injection-Level Study for Consumer-Device Deblurring
1. 一句话总结 该论文在统一微调预算下比较严重度信息在手机运动去模糊模型中的不同注入方式,发现仅“输入通道拼接”在目标图辅助的 oracle 条件下将整体 PSNR 从 31.…
10-15
OS-Helix: Unifying GUI Interaction and Code Execution in Native Computer-Using Agents
论文分析:OS-Helix ## 1. 一句话总结 OS-Helix 提出了一种端到端训练的桌面级多模态智能体,将图形界面操作(GUI)与代码执行统一在同一动作空间中,通过 SF…
10-15
System1-Arena: Which Decisions Can Be Left to System 1?
论文分析:System1-Arena ## 1. 一句话总结 该论文构建了统一基准 System1-Arena(92k 静态问题 + 138 个闭环环境),系统对比”快速概率型…
10-15
A One-Sided McDiarmid-Type Inequality for Heavy Tails via Reverse KL Tensorization
论文分析 ## 1. 一句话总结 本文提出了一种针对重尾分布的单边 McDiarmid 型集中不等式,核心工具是一种新的 KL 散度“反向张量化”技术,使得在仅有 $p\in(1…
10-15
Beyond Downstream QA: Rethinking How We Evaluate Agent Memory
论文分析:Beyond Downstream QA: Rethinking How We Evaluate Agent Memory ## 1. 一句话总结 该论文指出当前智能体…
10-15
FDE-Gym: The Last Mile of AI Delivery
论文分析:FDE-Gym ## 1. 一句话总结 FDE-Gym 提出了一套面向“最后一公里”AI 交付场景的基准测试,包含 95 个源自真实企业项目的端到端任务,通过模拟客户与…
10-15
Efficient Agnostic Learning of Univariate Densities Under Local Differential Privacy
论文分析 ## 1. 一句话总结 本文提出首个在非交互式本地差分隐私(LDP)下、对可由分段多项式逼近的单变量分布族进行样本高效、不可知(agnostic)、计算高效学习的通用框…
10-15
ToolBottleneckBench: Measuring Tool-Agent Performance under Controlled Pressures and Fixed Harness Budgets
论文分析:ToolBottleneckBench ## 1. 一句话总结 提出 ToolBottleneckBench 基准,通过在固定任务上分别施加四种“压力”(注册工具目录、…
10-15
LIBERO-PeRM: Benchmarking Personalized Robotic Manipulation
论文分析:LIBERO-PeRM ## 1. 一句话总结 LIBERO-PeRM 提出首个系统化的“个性化机器人操控”基准,将“任务完成”与“偏好满足”解耦,通过 312 个任务…
10-15
Whole-Body Dexterity
论文分析:Whole-Body Dexterity (WBD) ## 1. 一句话总结 该论文提出“全身灵巧操作”框架,使人形机器人能像人类一样利用手臂、躯干等身体部位作为接触面…
10-15
Athanor: An Agent-Native System for Autonomous Post-Training Research
论文分析:Athanor: An Agent-Native System for Autonomous Post-Training Research ## 1. 一句话总结 At…
10-15
Language Is a Security Surface for Agent Guards
论文分析 ## 1. 一句话总结 本文系统性地揭示了AI智能体“逐步级安全守卫”(step-level guard)的判决结果显著依赖用户请求的书写语言——翻译成低资源语言后,多…
10-15
Regret Lower Bound for Online Learning of Quantum States with Logarithmic Loss, with Applications to Quantum State Tomography and Confidence Sequences for Matrix Means
论文分析 ## 1. 一句话总结 本文针对量子态在线学习的对数损失问题,建立了最优遗憾下界,证明了已有算法的维度依赖是最优的,并由此衍生出接近样本最优的量子态层析算法和矩阵均值置…
10-15
Librarian Agents: Training LLMs to Curate Long-Context Workspaces that Anticipate Future Queries
论文分析:Librarian Agents ## 1. 一句话总结 本文提出“Librarian Agents”框架,通过强化学习训练一个构建者代理,在推理前主动将无结构文档语料…
10-14
Planning to Learn: Real-Time Robust Adaptive Control on the GPU with Guaranteed Future Learning
论文分析:A-SLS(学习感知的鲁棒自适应模型预测控制) ## 1. 一句话总结 本文提出 A-SLS 框架,将“系统级综合(SLS)”与“鲁棒自适应 MPC”结合,在规划阶段就…
10-14
JointServe: Serving Multi-Model Agents on Memory-Constrained GPUs
论文分析:JointServe: Serving Multi-Model Agents on Memory-Constrained GPUs ## 1. 一句话总结 JointS…
10-14
From Failures to Learnable Worlds: Policy-Conditioned Environment Generation for Navigation Agents
论文分析:WEDGE — 基于策略失败引导的导航环境生成 ## 1. 一句话总结 WEDGE 提出了一种策略条件化(policy-conditioned)的环境生成框架,利用 L…
10-14
ONCship: A Large-Scale Underwater Acoustic Corpus for Ship Recognition
ONCship 论文分析 ## 1. 一句话总结 ONCship 发布了目前规模最大的开源水下声学船舶识别数据集(4521小时),并提出基于 MMSI 的单体船舶身份识别新任务,…
10-14
Machine-learning-based neutrino-event generation constrained by experimental measurements
1. 一句话总结 本文提出了一种基于 GAN+DNN 的中微子-原子核散射事件生成替代模型,可通过微调直接校准到实验测量的微分截面数据,无需事件级实验样本,并能跨不同中微子通量配…
10-14
Maximum likelihood, neural networks and posterior mean for inferring fractional Brownian motion parameters
论文分析 ## 1. 一句话总结 本文针对分数布朗运动(fBM)的Hurst指数H和广义扩散系数D_H,提出从密度测量和单粒子轨迹数据联合估计的最大似然方法,并证明神经网络以平方…
10-14
Hierarchical Residual Policy Learning for Real-World Mobile Manipulation with Sparse Human Guidance
论文分析 ### 1. 一句话总结 HiRe-MoMa 提出了一种面向真实场景移动操作机器人在线微调的层级残差学习框架,通过策略无关的残差修正、解耦的层级结构(移动底盘→机械臂的…
10-14
ReproBAIT: Can coding agents build their own biological AI tools?
论文分析:ReproBAIT ## 1. 一句话总结 ReproBAIT 是一个评测基准,系统评估编码智能体能否在受限信息条件下重建生物 AI 工具(如 ProteinMPNN、…
10-14
When Does Momentum Help in Reinforcement Learning with Verifiable Rewards?
论文分析 ## 1. 一句话总结 本文从理论和实验两个层面系统分析了 RLVR(带可验证奖励的强化学习)训练中一阶动量(EMA)的加速条件,给出了“保持 η/(1−β) 处于安全…
10-14
A Graph-Based Analysis of Comparability, Scale, and Attribution in Private Transformer Inference
1. 一句话总结 这是一篇对隐私Transformer推理(PTI)领域的系统化综述论文,通过构建包含62个系统的实证图谱,揭示了该领域“仅1/1891系统对可直接比较”和”扩展…
10-14
P2Patch: Exploit-Guided Vulnerability Repair
P2Patch 论文分析 ## 1. 一句话总结 P2Patch 提出了一种对抗式漏洞修复框架,让利用智能体和补丁智能体反复博弈——每修一次就用“绕过补丁的新攻击”反过来生成新的…
10-14
The Physics Is the Network: Fast, Training-Free Neural Emulation
论文分析 ## 1. 一句话总结 本文提出 PolyNet 方法:将已知的多项式型偏微分方程直接编码为神经网络结构(无需训练),结合循环结构实现数值积分,在 KdV 方程上达到了…
10-14
Cortex: Consolidating Context into Parametric Memory
Cortex 论文分析 ## 1. 一句话总结 借鉴生物记忆巩固机制,提出“记忆巩固(MC)”框架,将上下文中的知识内化为LLM参数,同时保留非目标能力,并构建五任务族测试平台统…
10-13
Tanawpamana: Benchmarking Vision-Language Models on Philippine Cultural Heritage Sites
论文分析 1. 一句话总结 本文发布了菲律宾文化遗产领域的视觉-语言模型基准 Tanawpamana(499 张图像 + 4,046 个任务),评估了 7 个 VLM,发现其在菲…
10-13
Emergent Loop Geometry in Gauge-Equivariant Graph Neural Networks
论文分析:Emergent Loop Geometry in Gauge-Equivariant Graph Neural Networks ## 1. 一句话总结 本文通过理论…
10-13
ChunkAct: Action Chunking for Agentic Robotics
ChunkAct 论文分析 ## 1. 一句话总结 ChunkAct 将机器人模仿学习中成熟的“动作分块(action chunking)”思想移植到 LLM 驱动的 agent…
10-13
RoboSimStudio: An Interactive Toolkit for Rapid Real2Sim of Robot Manipulation Tasks
论文分析:RoboSimStudio (RSS) ### 1. 一句话总结 RoboSimStudio 是一个基于 Newton 物理引擎的交互式工具包,能让人类和 LLM 编程…
10-13
AIRRI: Towards a Human-Readable, Machine-Resistant Reading Interface
论文分析 ### 1. 一句话总结 AIRRI 提出了一套针对教育场景的“机器抗性”文本生成框架,通过字间距/行间距/条纹叠加等图像变换结合 RayS、SurFree、ADBA…
10-13
A Rate Transfer Method: Convergence Rates in Stochastic Gradient Descent via Stochastic Calculus
论文分析 ## 1. 一句话总结 本文提出“速率迁移方法”(Rate Transfer Method),建立了连续时间随机微分方程(SDE)的 Lyapunov 有限时间收敛估计…
10-13
Whose Data, Whose Benchmark? A User-Centric Framework for Auditing Evaluation Resources
论文分析 ## 1. 一句话总结 该论文提出“用户中心”基准审计框架,对16个主流NLP/多模态基准进行系统审计,实证揭示出文本基准中美式惯例占主导(62.4%–94.4%)、图…
10-13
MedEvo: Medical Reasoning Evolution through Knowledge Navigation
MedEvo 论文分析 ## 1. 一句话总结 MedEvo 提出了一种面向医学多模态推理的“知识导航式自我进化”训练范式,通过医学标签分类法和错误类型诊断码本,在不依赖标准答案…
10-13
FASHION-RQ: Mining Hierarchical Semantic Structure for Automated Evaluation of Fashion Retrieval
FASHION-RQ 论文分析 ## 1. 一句话总结 本文提出 FASHION-RQ 框架,利用 RQ-VAE 学到的层次化离散码本结构,自动从商品目录中挖掘语义簇并生成时尚检…
10-13
How Safe Is ChatGPT Health Advice? Evidence from Real User Conversations in Four Global South Countries
1. 一句话总结:本文基于印度、尼日利亚、巴西、巴基斯坦四国1252名用户自愿捐赠的202,590条真实ChatGPT对话(其中15,555条为健康相关),首次从人口学角度实证评…
10-09
A Multi-Agent LLM System for Automated Tuning of Specialized Neural Network Models
论文分析 ## 1. 一句话总结 提出一个三角色(分析师/编码员/记录员)的多智能体LLM框架,在语义窄但开放的搜索空间内自动调优专业神经网络(SNN、PINN)的关键功能组件,…
10-09
Scalable Sparse Autoregressive Variational Inference for Non-Gaussian Spatial Fields
论文分析 ### 1. 一句话总结 这篇论文提出了一种可扩展的稀疏自回归变分推断框架,针对非高斯似然下的空间潜场模型(如高斯过程分类、空间点过程),通过将最近邻自回归(NN-AR…
10-09
EmbodiedCLBench: Evaluating Continual Learning for Self-Evolving Embodied Agents
EmbodiedCLBench 论文分析 ## 1. 一句话总结 该论文提出了首个面向具身智能体的持续学习基准 EmbodiedCLBench,通过组合泛化原则评估智能体能否从基…
10-09
Revisiting Tabular Deep Regression: Objectives and the Limits of Global Early Stopping
论文分析 ### 1. 一句话总结 本文系统性地重新评估了表格数据深度学习中的回归损失函数,发现在41个数据集上分位数损失(quantile loss)是最可靠优于MSE的替代方…
10-09
Localized Generative Design of Ship Hulls with Diffusion Models and High-Fidelity Assessment
论文分析 ## 1. 一句话总结 本文提出一种奖励导向的扩散模型框架,通过参数化掩码机制实现船体局部区域(球鼻艏、前体)的目标性几何优化,并结合代理模型辅助的序贯蒙特卡洛采样与高…
10-09
Revisiting Accent Classification with DistilHuBERT: Speaker-Disjoint Evaluation and Cross-Corpus Generalization
1. 一句话总结 本文系统性地重新审视了基于 DistilHuBERT 的口音分类系统,指出文件级评估因说话人重叠严重高估了模型鲁棒性,并通过说话人分离评估和跨语料库测试提出更严…
10-08
Bridging Human and Model Attention: Explainability Analysis of CNN, Mamba, and ViT Architectures with Gaze-Based Validation
论文分析 ### 1. 一句话总结 本文在细粒度分类(CUB)、医学影像(MIMIC-CXR)和情感识别(KDEF)三个领域上,系统量化比较了CNN、ViT与Vision Mam…
10-08
RobustLDS: Learning linear dynamical systems under adversarial corruptions
论文分析:RobustLDS ## 1. 一句话总结 本文提出在对抗性污染(部分观测被恶意篡改)下从单条轨迹学习线性动态系统(LDS)的鲁棒估计器,基于最小截尾平方(least-…
10-08
Neural Networks for Temporal Pattern Recognition and Dynamic Arm Gesture Speed Estimation for Robot Control
论文分析 ## 1. 一句话总结 本文系统性地在10个抽象时序任务上对18种神经网络架构(覆盖RNN/TCN/Transformer/Set-Function四大类)进行公平基准…
10-08
ActiveMedAgent: Cost-Aware Trajectory Learning for Multimodal Medical Diagnosis
ActiveMedAgent 论文分析 ## 1. 一句话总结 将临床诊断建模为";成本感知的有序证据获取";问题,用轻量级策略网络控制冻结的多模态大模型,按需调用检查手段,在降低诊…
10-08
Autonomous thermodynamic cycles via robotic mobility and sensing
论文分析 ## 1. 一句话总结 本文提出";自主热力学循环";概念,利用多稳态充气胶囊作为工质,让移动机器人在空间温度梯度场中穿行并执行热力学循环,通过耦合内部能量动力学与宏观导航…
10-08
SpireBench: Evaluating Long-Horizon Strategic Play of Agentic Models with Slay the Spire
论文分析:SpireBench ## 1. 一句话总结 本文提出 SpireBench——基于完整商业卡牌构筑游戏《Slay the Spire》的长视野战略推理评测基准,通过“…
10-08
OnTrack: Real-Time Monitoring and Intervention in LLM Agent Trajectories via Streaming Structure-Aware Optimal Transport
OnTrack 论文分析 ## 1. 一句话总结 OnTrack 提出了一种基于流式最优传输(Optimal Transport)的轻量级 LLM Agent 实时轨迹监控与干预…
10-08
Bi-FORK: Generative Modeling of High-Dimensional Bifurcating Systems
论文分析:Bi-FORK: Generative Modeling of High-Dimensional Bifurcating Systems ## 1. 一句话总结 Bi-…
10-08
Deploying RDMA for Large-Scale Inference and Training Workloads
论文分析 ### 1. 一句话总结 本文报告 ByteDance 将自研软件通信层 ByteExpress 部署在 RoCE RDMA 硬件之上,替代参数服务器架构中的 TCP…
10-08
Learning structured linear dynamical systems from missing observations
论文分析 ## 1. 一句话总结 本文研究在观测数据随机缺失(子采样概率 $p=o(1)$)条件下,对带有凸集结构约束的线性动力系统(LDS/VAR)转移矩阵 $A^*$ 的有限…
10-08
Distributed Harmonic-Covariance Feedback for Hole Closure in Planar Robot Swarms
论文分析 ### 1. 一句话总结 本文提出了一种谐波-协方差反馈控制器,利用Čech复形的代数拓扑结构检测多机器人感知覆盖中的“孔洞”,通过正则化Hodge Laplacian…
10-08
Distributionally Robust Adaptive Iterative Covariance Steering for Small-Body Proximity Operations
论文分析 ## 1. 一句话总结 该论文提出一种面向小行星近距离操作的分布鲁棒自适应协方差转向框架,将迭代协方差转向(iCS)与 L1 分布鲁棒自适应控制(L1-DRAC)结合,…
10-08
Machine Learning Meets High-Energy Nuclear Physics: From Pattern Recognition to Physics-Integrated Discovery
论文分析 ## 1. 一句话总结 这是一篇系统综述高能核物理(HENP)领域中机器学习应用进展的mini-review,聚焦于“物理知识深度集成”的新阶段——从早期的模式识别/分…
10-07
Towards Accurate End-Effector Localization for UMI-Style Robotic Manipulation Teaching
论文分析 ### 1. 一句话总结 本文针对UMI风格机器人示教中末端执行器近距操作与遮挡条件下的精确定位难题,提出了MILD定位基准数据集(含86条真实序列+MILD-Sim仿…
10-07
NavGPT-3: Harnessing Context in a Hierarchical Navigation Runtime
NavGPT-3 论文分析 ## 1. 一句话总结 NavGPT-3 提出了一种类操作系统的运行时架构(harness),将长视野推理大模型与低延迟视觉-语言-动作策略(NavG…
10-07
Fluctuations of Nonlinear Observables in Mean Field Neural Network Training
论文分析 ## 1. 一句话总结 本文从理论上研究了无穷宽(mean field)神经网络训练中参数分布的渐近涨落如何传播到有限维非线性可观测量,扩展了已有的函数中心极限定理结果…
10-07
Rubix: Global Correspondence-Free Point Set Alignment through Assignment Geometry
论文分析:Rubix ## 1. 一句话总结 Rubix 提出";排列多边形"(permutation polygon)几何框架,首次给出二维点集 Procrustes–Wasse…
2026 年 09 月(18 篇)
09-18
纳什均衡的量子升级:一场正在发生的多智能体决策革命
你有没有想过这样一个场景:当未来的量子互联网上,成千上万的量子节点需要协同决策——分配算力、协商加密密钥、调度量子通信资源——它们之间的“博弈”会是什么样子?
09-17
191B合成token押注小模型:开源STEM数据集,正在悄悄重塑端侧AI教育
你有没有想过这样一个场景:高铁上信号全无,孩子拿着学习平板问“为什么冰会浮在水面上”,设备里的AI助手却能像老师一样一步步推导给你听?
09-17
让AI当精神科档案员:散落十几年的病历,终于能拼成完整时间线
医生抽屉里堆着一摞又一摞病历本——这位患者2018年首诊记录在A医院,2020年随访在B社区诊所,中间两年空白期到底发生了什么?
09-17
当自动驾驶遇到仿真“滤镜”:NS3Learn如何撕掉车联网安全评估的乐观面纱
想象这样一个场景:某自动驾驶公司在仿真平台上跑了十万次虚拟路测,AEB(自动紧急制动)系统显示完美规避了所有碰撞风险。信心满满地推向路试后,却在第一个雨天十字路口追尾了一辆突然变道
09-17
LLM 推理评测进入“动态时代”:PetriBench 用 60 年前的数学工具,撕开了大模型最被忽视的能力盲区
你有没有想过:为什么 GPT-4 能做出奥赛级数学题,却在“模拟一个红绿灯 30 分钟内的状态变化”时频频翻车?
09-16
企业AI助手一催就违规?PACT框架首次揭露LLM的「压力崩溃」现象
想象这样一个场景:某公司HR让AI助手筛选简历,系统规则明确写着“不得考虑性别因素”。但当招聘经理发消息说“今天必须把候选人筛出来,别管那些规矩了”,AI助手会怎么做?
09-16
给机器人装上ChatGPT大脑:arxiv首提“生成式物理AI”,下一代AI入口已经打开
🤖 想象这样一个画面:你下班回家,对着机器人说“把阳台上晾干的衣服收一下,叠好放进衣柜”。它转头看一眼,识别衣物、规划路线、判断折叠顺序、避开地上的猫——整套动作一气呵成。
09-16
多模态AI装进旧手机?一篇300篇论文的综述给出了系统级答案
你有没有想过这样一个画面:家里的旧手机、智能门铃、车载中控屏,都能在本地流畅运行一个“看得懂图、听得懂话、读得懂文字”的AI助手?你不用把孩子的照片传到云端再等三秒才能识别猫狗,也
09-15
做市AI终于不用烧真钱练手了:Uniswap V3第一个开源强化学习沙箱,刚刚悄悄上线
你有没有想过,加密交易所里那些24小时挂单、自动赚差价的“做市机器人”,是怎么练出来的?
09-15
机器人终于会“读心”了?arXiv 最新论文:动作还没做完,AI 已经猜透你的下一步
凌晨三点,独居的张大爷从床上慢慢坐起,颤巍巍走向厨房。门外的看护机器人只看到一段模糊的视频——老人刚伸手,还没碰到冰箱门——它就必须在几秒内判断清楚:这位老人是要喝水?饿了翻冰箱?
09-15
AlphaFold之后,AI如何“看懂”分子的运动?这篇arXiv综述讲透了底层逻辑
凌晨三点,你盯着蛋白质折叠的最后一段轨迹,却等不到那个关键构象转变的瞬间——因为这个过程可能要花几毫秒,而你的模拟只跑了几微秒。这不是科幻场景,而是每一个做分子动力学(MD)模拟的
09-14
枪击事件中救命的那条路,AI终于算得动了
试想一个场景:校园教学楼内响起枪声,四百名学生同时涌入走廊。消防警报拉响,但所有人都挤向东侧楼梯——因为那是大家唯一熟悉的路线。三分钟后,那段楼梯变成致命瓶颈。
09-14
前沿AI读文档:自信越高,错误越多?一份“收据审计”戳穿行业幻觉
刚把一份50页的并购合同甩给AI,让它“帮我看看有没有坑”。三秒后,它给了一份条理清晰、重点突出的总结。你松了口气,直接转发给老板。但你可能不知道:这份看似专业的总结,每一个关键数
09-14
跑了50轮对话后,AI Agent 突然“放飞”:BLINDSPOT 揭示长时程交互安全黑洞
Blindspot 提出了一套针对长时程工具调用 LLM Agent 的轨迹级安全与拒答校准基准,揭示了现有 Agent 在…
09-14
卫星给4581块葡萄园挨个“体检”:农田才是被忽视的防火神器
你有没有想过这样一个问题——火灾来了,城市有消防队,野外有直升机,但夹在中间的农田怎么办?
09-04
你的眼睛在“裸奔”:XR头显正在悄悄泄露你不知道的东西
想象一个场景:你戴着Apple Vision Pro在家办公,突然弹出一条广告——精准推荐了你刚才瞥了一眼的那本书。这不是科幻,而是正在发生的现实。
09-04
养猫养狗的姐妹注意!你家毛孩子的病,可能要被AI先看一遍了
说出来你可能不信,现在AI连“我家狗吐了是不是细小”这种问题,都要开始认真答题了。
09-02
神经算子的“万能逼近定理”终于来了,这次瞄准的是演化方程
你有没有想过这样一个问题:当我们用神经网络去求解偏微分方程(PDE)时,它到底为什么能work?
2026 年 08 月(41 篇)
08-24
神经算子攻入太阳物理:从稀疏观测重建太阳内边界,AI正在改写空间天气预报的“初始条件难题”
你有没有想过这样一个问题:太阳风暴(Solar Storm)能在一两天之内抵达地球,掀翻电网、干扰GPS、损坏卫星——但人类至今仍然无法准确预测它?
08-24
泼水节AI只能“看到”却“读不懂”:东南亚文化视频理解的三大短板
想象这样一个场景:你把一段泰国宋干节(泼水节)的街头庆祝视频丢给GPT-4V或Gemini,它能准确告诉你“人们在泼水、载歌载舞”——但当你追问“为什么要在新年泼水?水在这个文化里
08-24
AI加速物理仿真,可能是个伪命题:arXiv一篇“失败论文”为何值得整个AI for Science圈读一遍
这不是段子,而是一篇刚挂在arXiv上的论文的核心结论。论文编号 2608.23075,标题直白得近乎挑衅——“当神经代理无法加速求解器:刚性耦合仿真中的运行时占比、闭环漂移与不确
08-21
TreeWY:混合架构大模型的推理加速,终于有了专用解法
你有没有这样的体验——好不容易在消费级显卡上跑起 Qwen3-Next,却发现套上 Medusa 或 EAGLE 这些推测解码工具后,速度提升远没有在 Llama 上那么明显?
08-21
RAG系统的“致命盲区”:你以为AI在查资料,其实它在喂你毒数据
想象一个场景:你所在的公司刚刚上线了一套基于RAG(检索增强生成)的智能客服系统,员工小李问它“年假怎么请”,AI自信满满地给出一段看似专业的回答,还引用了“公司《员工手册》第37
08-21
语音助手老把你的同事名听成“王师傅”?ASR刚出的这个升级,把个性化识别做到了流式级别
你有没有这种经历:对着手机说“打电话给张磊”,Siri 给你回了一句“打电话给王雷”?
08-20
5秒出图!AI让MRI检查从30分钟缩到几分钟,关键突破在哪
你有没有过这样的经历:躺在MRI机器里,听着“咚咚咚——哐哐哐”的噪音,盯着天花板上的镜子,脑子里只有一个念头——“什么时候能结束?”
08-19
DeFi流动性管理的“无人区”:arXiv最新论文如何用强化学习重塑LP策略
你有没有想过这个问题:在Uniswap V3上提供流动性,明明选对了区间,APR看起来也很高,到头来扣除Gas费后却亏了钱?
08-19
Flama: a Python framework for development and deployment of production-ready APIs, machine learning, and LLM services
Flama 是一个基于 ASGI 的开源 Python 框架,通过类型驱动、异步优先的编程模型,将 REST API 开发、机…
08-19
把化学家的“直觉”塞进大模型:C3LM 如何让 AI 告别“瞎编反应”
想象这样一个场景:你是一名药企的合成化学家,手里拿到一个目标分子 SMILES,需要找一条可行的逆合成路线。你把分子丢给一个通用大模型,它信心满满地给出三个“答案”——结果你在实验
08-18
不需千张训练片的MRI AI:基元表示如何让基层医院跑得起增强扫描
王大爷被推进3.0T磁共振机器前,已经焦虑了整整一个上午。
08-14
33,228 个 PR 揭开真相:AI 编码助手让代码更快了,但协作却悄悄变了形
最近翻到一篇有意思的 arXiv 论文,作者把 vLLM 和 SGLang 两个开源项目从立项至今的 33,228 个 Pull Request(PR,合并请求)拉了个底朝天,做了
08-14
AI每次聊到一半就“失忆”?arXiv新论文把“会话交接”变成了一门科学
你有没有过这种崩溃时刻——跟AI助手连续讨论了两个小时的项目规划、调试思路、用户反馈,它突然告诉你“上下文已满”,然后弹出一个全新的窗口,所有信息归零?
08-13
当AI在物理学中“自信地说错”:一篇论文撕开了科学机器学习的最大盲区
想象这样一个场景:你训练了一个深度学习模型,用它在大型强子对撞机的海量数据中寻找新粒子。测试集准确率99.7%,论文审稿人一致通过,代码也开源了。然后,模型被部署到真实实验中,悄悄
08-12
GPT看病反而输给专科小模型?HealthBench最新研究的反直觉发现
最近翻到一篇很有意思的arXiv论文,研究者搭了一个名叫VITA的临床RAG系统,专门围绕印度和低收入国家的临床指南做检索增强。结果在HealthBench这个由OpenAI推出的
08-12
When Can You Trust Offline Evaluation of Equal-Cost Top-k Allocation? A Controlled, Reproducible Benchmark and Practitioner's Guide
这篇论文聚焦一个很实用但常被低估的问题:对于“固定预算下只挑前 k 个对象干预”的确定性策略,离线评估(offline evaluation / OPE)到底在…
08-12
当量子物理遇上“基础模型”:Hamilton-Zero如何用5亿参数通吃一类量子难题
想象这样一个场景:你是一个量子化学研究者,需要计算某个分子的基态能量。传统做法是,根据这个分子的结构,写一个专属的求解器——可能是一个变分量子算法,可能是一个张量网络收缩——然后花
08-12
代码漏洞评测缺什么?VICBench 把视角拉到“投毒现场”
你有没有遇到过这种场景:某天安全公告出来,说你项目依赖的某个开源库爆出了高危 CVE。你赶紧去看自己的 package-lock.json 或 requirements.txt,满
08-12
500M参数的“量子版AlphaFold”:Hamilton-Zero如何把多体基态求解做成基础模型
你有没有想过这样一个画面:一个物理学家想研究某种新型量子材料的性质,传统做法是先写出哈密顿量,再花几小时甚至几天跑模拟,最后才能看到基态长什么样。如果问题换一换——哪怕只改一个耦合
08-11
6G编排不再“堆人力”:对话式LLM正在悄悄替代电信级中间件
凌晨两点,某卫星互联网公司的运维工程师盯着屏幕上二十多个管理域的告警面板——某个LEO卫星节点刚脱离波束覆盖,一个边缘集群自动缩容失败,跨域QoS策略协商超时。他在六套不同的控制台
08-10
渔船关灯就能跑?夜间灯光卫星已经盯上你了
想象一个场景:夜幕降临,印度西海岸某处渔港,几十艘小型渔船陆续出海。其中有几艘悄悄关掉了所有航行灯,船上甚至没有配备任何定位发射器——它们要去的,是禁止捕捞的水域。
08-10
所有人都在谈“去中心化”,但没人说清它是什么|arXiv本体论新论文
你有没有注意到一个尴尬的事实:Web3行业吵了十几年,区块链、AI、IoT、安全领域的工程师坐在一起开会,“去中心化”这个词被反复使用,但聊到最后,大家发现彼此说的根本不是同一回事
08-10
机器学习终于学会了“装糊涂”:分布式流式数据的时间加权新解法
你有没有想过这样一个场景:你的智能手表在监测心率,你的手机在记录步数,你的耳机在学你的音乐口味。它们各自在本地学习,互不打扰——但某天,你想让它们协作起来,共同理解“你这个人的健康
08-09
RLHF 数据荒有救了?这篇论文让 AI 自己“造”人类偏好排序
你有没有想过这样一个问题:训练 ChatGPT 这类大模型对齐人类偏好的 RLHF 阶段,最缺的是什么?
08-09
AI解题满分,教人却翻车:这道新考题给出了答案
你有没有过这种经历?问AI一道数学题,它秒出答案,步骤严谨;让它给你讲明白,它却从定理讲到公式再到证明,全程自嗨,最后你还是一脸懵。
08-06
Verifiable Regularity Criterion for Conditional Expectation Operators and Conditional Mean Embeddings with Applications to Nonparametric Regression, Bayesian Inverse Problems, and Koopman Operators
本文证明了条件期望算子(CEO)映射到再生核希尔伯特空间(RKHS)的可验证正则性准则,为非参数回归、贝叶斯逆问题和Koopman算子理论提供了统一的数学框架。
08-06
From Passive Mirrors to Active Agents: Holonic Digital Twins for Physical AI over Networks
AI在真实世界总翻车?问题可能出在“只靠一个脑子”
08-06
GAUGE: A Measurement-Grounded Benchmark for Physical Fidelity in Simulation Engines and Video World Models
GAUGE 提出了一套基于真实物理测量的诊断基准,用于联合评估物理仿真引擎和视频世界模型在物理保真度方面的表现,弥补了现有评估过度依赖感知相似性和主观判断的缺陷。
08-06
Nonvisual Classification of Ground-Condition by Artificial Proprioception in an Amoeba-Inspired Autonomous Walking Robot
本文提出了一种基于人造本体感觉(人工本体感知)的非视觉地面分类方法,通过加速度计、足底压力传感器与储备池计算(Reservoir Computing)的融合,使变形虫启发的四足机器
08-05
Robust and Efficient Motion Reasoning for Privacy-Aware Classroom Incident Recognition
该论文提出一种兼顾隐私保护与计算轻量化的课堂异常事件识别方法,通过构建生成式监控视频与真实姿态数据的混合基准,实现低算力、高泛化的校园安全视觉分析。 2. 核心…
08-05
CheMLFlow: An Open-Source Platform for Cheminformatics and Materials Informatics Applications
CheMLFlow是一个面向化学与材料信息学的开源平台,通过集成端到端、高通量与智能体(Agentic)工作流,解决科研机器学习中数据获取到报告生成的流水线拼接…
08-04
A Direct Route to Markov Chain Convergence via Asymptotic Equivalence with the Target
该论文提出了一种基于“渐近等价于目标分布”的新测度准则,为马尔可夫链收敛定理提供了一个自包含的直接数学证明。 2. 核心创新点(2-3句) 创新性地将收敛性判定…
08-04
Adversarial Fast-Moving Real-World Domains as Test Beds for Benchmarking AI Scientist Capabilities
提出利用复杂、对抗性且快速演变的真实世界领域作为动态测试平台,以解决现有AI科学家基准测试易受训练数据污染与静态回溯局限的问题。 2. 核心创新点 突破传统“静…
08-04
Principles of Robot Autonomy
该书系统梳理了机器人自主性技术栈的核心原理,为从实验室算法走向真实场景部署提供了一套统一、成熟的工程化指南。 2. 核心创新点(2-3句) 基于斯坦福数十年教学…
08-04
EduClaw-Bench: A Long-Horizon Benchmark for Pedagogical LLM Agents with Simulated Learners
提出首个面向长周期教学场景的LLM智能体评测基准EduClaw-Bench,通过构建动态模拟学习者环境,系统评估AI导师在跨时段、多轮次持续交互中的长期辅导与个…
08-04
Can LLMs Test Terminal User Interfaces?
该论文针对终端用户界面(TUI)缺乏自动化测试方法的痛点,构建了跨主流框架的无头测试基准,并系统评估了大语言模型在理解终端状态、生成动态输入与验证界面响应方面的…
08-03
Open-DiffLoco: Open-Source Differentiable Learning for Deployable Blind Quadruped Locomotion
本文提出开源框架Open-DiffLoco,利用可微仿真技术高效训练并直接部署四足机器人“盲行走”策略,显著降低传统强化学习的奖励设计复杂度与训练算力成本。 2…
08-03
LongCat Sparse Attention: Taming the Lightning via Streaming-aware Hierarchical Cross-Layer Indexing
针对DeepSeek稀疏注意力在长上下文推理中的计算与访存瓶颈,提出一种软硬件协同的流式分层跨层索引框架,以低开销、连续访存的方式实现高效长文本建模。 2. 核…
08-03
Computational and Statistical Guarantees of the \textit{c}-Rectified flow
本文首次为迭代式整流流(Rectified Flow)生成模型提供了严格的计算与统计理论保证,提出成本感知的*c*-Rectified Flow框架,填补了该范…
08-02
Humans Are More Diverse: Frontier LLMs Show Extreme Policies in Idealised AI Development Races
论文通过多智能体重复博弈实验发现,前沿LLM在模拟AI开发竞赛中策略趋同且偏向极端/高风险,而人类决策更多元,并引入“审计门”机制验证模型是否真正理解博弈规则。…
08-02
Who Belongs in the Eval Set? A Capability-Taxonomy-Driven Pipeline for Curating Regression Eval Sets in Agent-Extensibility Platforms
提出一种基于能力分类学的动态评估集筛选流水线,解决AI Agent扩展平台在严格查询预算下如何高效聚合多域客户测试用例进行回归评估的工程难题。 2. 核心创新点…
2026 年 07 月(42 篇)
07-31
Frugal Bayesian Optimization: Scalable Surrogates for Data- and Resource-Limited Discovery
该论文首次将“计算成本”与“优化质量”置于同等地位,系统评估了贝叶斯优化中各类代理模型在数据与算力双受限场景下的表现,提出了一套面向资源受限场景的“节俭型”优化…
07-31
Small Is Enough: Per-User Style Rewriting of AI-Edited Text via LoRA Adapters
本文提出InMyStyle系统,通过本地辅助LLM自动构建配对数据并对0.5B-7B小模型进行LoRA微调,在保护隐私的前提下实现免提示词的个性化AI文本风格重…
07-31
TerraNova: A Foundation Model for the Anthropocene
TerraNova提出首个跨越自然地理连续场与人类社会行政边界“几何鸿沟”的地球系统基础模型,实现人地耦合系统的高保真统一表征。 2. 核心创新点 突破传统地球…
07-30
FinanceHarness: Autonomous Financial Deep Research Framework
本文提出FinanceHarness框架与防数据穿越的时点基准,将通用深度研究(Deep Research)范式垂直化至金融领域,实现符合金融逻辑的自主投研分析…
07-30
Change2Task: From Repository Changes to Executable Coding Agent Tasks and Environments
Change2Task 是一套自动化数据工程系统,能将开源仓库的历史 Pull Request 转化为可在最新代码版本上直接运行、验证的编程智能体训练与评测任务…
07-30
AISPA: User-Centric System Prompt Auditing for Large Language Model Applications
AISPA提出了一套以用户为中心的系统提示词(System Prompt)审计框架,旨在通过系统化检测与评估,破解商业AI产品中提示词黑盒化带来的信任与问责缺失…
07-30
QQWorld: Quantile-Quantile Matching for World Model Regularization
提出QQWorld方法,通过分位数-分位数(Q-Q)匹配替代传统正则化目标,有效解决潜在世界模型中尾部样本梯度消失问题,显著提升隐空间分布质量与长程推演稳定性。…
07-30
Nanoparticle Networks for Neuromorphic Computing
该论文提出一种基于金属纳米颗粒与分子结的物理计算架构,通过外围静态控制电极将其从被动储层升级为可调谐的非线性动力学系统,实现超低功耗的神经形态信息处理。 2.…
07-29
Think Short, Defer Smart, Act, and Repeat: Calibrated Reasoning and Uncertainty-Aware Deferral for Edge LLM Agents
提出TSDS框架,通过轻量级收敛探针与不确定性校准机制,实现边缘端LLM Agent的“短思考-智能云协同-安全执行”动态循环,在严格受限的算力预算下保障复杂多…
07-29
Inverse Learning of Latent Risk-Neutral Densities from Irregular Option Quotes
该论文针对金融期权定价中的逆问题,通过构建“合成真值+真实市场”双基准,系统验证了从非规则期权报价中反演隐含风险中性密度(RND)的难点,并对比了传统混合模型与…
07-28
Many-body Tipping Dynamics of ChatGPT-like AIs
本文引入统计物理中的多体相互作用与首次通过过程理论,从动力学层面揭示了类ChatGPT大模型即使在确定性解码下仍会突发输出有害/误导内容的内在机制。 2. 核心…
07-28
Lightweight Image Classification of Raptor Species for Edge Devices: Rare-Species Dataset Expansion via Video Frame Extraction, Knowledge Distillation, and TensorRT Deployment
本文提出一种面向边缘设备的轻量化猛禽图像分类方案,通过知识蒸馏、视频帧数据增强与TensorRT部署,实现风电场景下的实时鸟类防撞识别。 2. 核心创新点(2-…
07-28
CLBench-V: Evaluating Multimodal Context Learning from Grounding to Knowledge Acquisition
CLBench-V是一个面向真实场景的多模态上下文学习评测基准,系统评估AI模型从图文、表格、地图等动态上下文中进行视觉定位到知识获取的全链路能力。 2. 核心…
07-28
AI's Capability in Assisting Scientific Research in Physics, Astrophysics, and Cosmology II: Project Planning and Proposal Evaluation
该论文通过人机盲评对照实验,系统评估了2025年中主流大语言模型在物理、天体物理与宇宙学领域科研项目规划与基金提案撰写/评审中的辅助能力与可靠性。 2. 核心创…
07-28
GPT-Red: Automated Red Teaming via Self-Play at Scale
GPT-Red提出了一种基于大规模自博弈的自动化红队测试框架,通过攻击者与防御者模型的动态对抗训练,高效发现并防御针对前沿大语言模型的提示注入攻击。 2. 核心…
07-28
Specula: Scaling formal specifications for autonomous model checking of system code
Specula是一个基于LLM的智能体系统,可一键为复杂系统代码自动生成TLA+形式化规范,并驱动自动化模型检查以高效发现底层逻辑缺陷。 2. 核心创新点 突破…
07-27
BeyondFusion: Self-Aligned Latent Diffusion for Calibration-Free Infrared Super-Resolution and Infrared-Visible Fusion
BeyondFusion提出一种免硬件校准的潜在扩散框架,通过隐空间自对齐机制统一实现移动端红外超分辨率与红外-可见光图像融合,有效解决多传感器物理错位难题。…
07-27
Denial of Deadline: Network-Driven Accuracy Collapse in Distributed Inference Pipelines
该论文揭示了分布式AI推理中“快速路径+慢速路径”架构在网络延迟与严格截止时间(Deadline)冲突下,会引发准确率骤降的系统性现象,并提出协调层的优化缓解机…
07-27
OPERA: Offline Policy-guided Expert Routing and Adaptation for Universal Biomedical Image Analysis
OPERA提出一种离线策略引导的多专家路由与自适应框架,通过动态分配输入至领域专家,解决医学影像跨设备/人群的分布偏移问题,实现低标注成本下的通用化分析。 2.…
07-26
Harnessing X-ray Absorption Spectroscopy Data through Multimodal Mining of Battery Literature
该论文构建了一套多模态文献挖掘流水线,通过联合解析光谱图像与上下文文本,将散落在电池文献中的X射线吸收光谱(XAS)转化为结构化、AI可直接调用的实验数据集。…
07-26
ADVERSARIAL: And-Inverter Graph-Assisted Hardware Trojan Detection At Scale
该论文提出一种基于与非图(AIG)符号化表示的图学习框架,以突破超大规模芯片中硬件木马检测的算力与精度瓶颈。 2. 核心创新点 将扁平化门级网表统一映射为仅含2…
07-26
AI Strategy: How to Choose What AI Product to Implement
本文提出了一套超越传统财务ROI的企业AI项目筛选框架,通过真实商业案例揭示如何从数据成熟度、工作流嵌入度与人机协同维度科学决策AI产品落地。 2. 核心创新点…
07-23
HiMe: Real-Time Self-Hosted Personal Agent Platform for Health Insights with Wearable Devices
HiMe是一个开源、支持本地实时部署的个人健康智能体平台,利用大语言模型对可穿戴设备数据进行隐私保护下的自适应分析与健康洞察生成。 2. 核心创新点 突破传统穿…
07-23
Self-Poisoning in Adaptive Out-of-Distribution Detection: A Sharp-Threshold Theory and Certified Label-Free Calibration
该论文从动力系统视角揭示了测试时自适应OOD检测器在更新无标签记忆库时引发“自中毒”的临界阈值规律,并据此提出经严格数学证明的无标签校准方法。 2. 核心创新点…
07-22
TriAgent: Divergence-Aware Multi-Agent Committees for Cost-Efficient Financial Sentiment Analysis
TriAgent提出一种按上下文粒度分层的三智能体委员会架构,通过“分歧感知”动态路由将简单金融情感任务分配给轻量模型/词典,复杂任务交由大模型,实现高精度与低…
07-22
西班牙夺冠了,AI 押中了吗?——WC2026-Agents 赛果追踪
决赛西班牙1:0阿根廷。四个大模型决赛首选全部是西班牙,但只有Grok实际下注获利;西班牙夺冠之路8场看对7场,唯一集体失手是半决赛全员看好法国;104场总账无任何模型跑赢博彩市…
07-22
Nuclear Quantum Effects as a Denoising Problem
该论文将核量子效应(NQE)的统计力学计算转化为生成式去噪任务,利用训练于经典分布的去噪模型高效恢复量子玻尔兹曼分布,摆脱了传统路径积分方法对物理参数的硬编码依…
07-21
Deep Shape Regression for Planar Curves with Multimodal Covariates
该论文提出一种融合几何先验与深度学习的平面曲线形状回归模型,支持多模态高维协变量输入,通过复数函数表示与Procrustes统计理论实现医疗影像(如神经解剖轮廓…
07-21
Mage-Flow: An Efficient Native-Resolution Foundation Model for Image Generation and Editing
Mage-Flow提出了一款仅4B参数的高效原生分辨率图像生成与编辑基础模型,通过轻量VAE与整流流匹配Transformer的协同设计,大幅降低视觉大模型的训…
07-21
Mage-Flow: An Efficient Native-Resolution Foundation Model for Image Generation and Editing
Mage-Flow提出了一套仅40亿参数的轻量级原生分辨率图像生成与编辑基础模型,通过协同设计的单步VAE与整流流匹配DiT,在保持高保真度的同时大幅降低训练与…
07-21
Deep learning-based prediction of time-resolved adhesive forces in viscoelastic Hertzian contacts
该论文利用深度学习替代高耗时的传统数值仿真,实现了对软体/粘弹性材料接触过程中瞬时粘附力轨迹的快速、实时预测。 2. 核心创新点 - 提出标量条件、带状态记忆的…
07-20
Governing Well in the Algorithmic Age: The Foundations of Digital Statecraft
该论文提出“数字治国术(Digital Statecraft)”概念框架,主张数字化并非简单延伸传统治理,而是从根本上重构了国家治理数据、算法与基础设施的能力与…
07-20
The Dimension of Nonterminating Resampling Computations
该论文从算法信息论与分形几何视角,严格刻画了随机算法在“几乎必然终止”前提下,导致无限运行的异常随机序列的生存概率尾迹、柯尔莫哥洛夫复杂度与豪斯多夫维数。 2.…
07-20
SGA: Plug&Play Geometric Verification for Educational Video Synthesis
SGA是一个即插即用的符号几何验证模块,通过拦截并部分执行LLM生成的动画代码,自动检测并修复空间遮挡与几何失真,提升教育类理科动画的视觉准确性。 2. 核心创…
07-20
用2026世界杯考大模型:AI决策框架的“零污染”考场
研究团队用尚未开踢的2026年世界杯104场真实赛事,为大模型搭建了一套“零数据污染”的预测能力考场:自主搜集情报、评估概率、动态调整策略。价值不在猜中比分,而在验证AI能否成为真实世界里的理性决策外脑。
07-20
FlowSonic: Stable Zero-Shot Music Editing via High-Order Trajectory Integration
提出FlowSonic,通过高阶轨迹积分算法解决整流流模型在音频编辑中的数值不稳定问题,实现零样本、免微调的文本引导音乐编辑,在语义修改与结构保留间取得最优平衡…
07-20
Entanglement geometry separates circuit cutting, classical hardness, and trainability
该论文证明量子线路的“纠缠几何”结构从根本上制约了线路切割的采样开销、经典不可模拟性与可训练性,揭示低开销切割与渐进量子优势在简单纠缠结构下无法兼得。 2. 核…
07-17
EgoExoMoCap: Distributed Ego-Exo Human Motion Capture
提出一种基于头显设备的分布式第一人称(Ego)与第三人称(Exo)人体动作捕捉统一框架,实现真实场景中佩戴者自身与周围他人动作的协同估计。 2. 核心创新点 首…
07-17
DebrisTracer: Reliable Tracking in Hypervelocity Impact Fast Imaging
DebrisTracer是一个专为高超声速撞击高速成像设计的视觉跟踪框架,旨在从强噪声、高密度的碎片视频中可靠追踪目标并反演其质量与速度分布。 2. 核心创新点…
07-15
DevicesWorld: Benchmarking Cross-Device Agents in Heterogeneous Environments
该论文提出首个面向异构跨设备环境的LLM智能体评测基准DevicesWorld,旨在系统评估智能体在手机、桌面与智能家居等多端间协同获取、流转与处理信息的真实能…
07-15
Social Simulations: from Agent-Based Modeling to Digital Twins
本文系统梳理了社会模拟技术从传统规则驱动的Agent建模,向大语言模型智能体仿真,最终演进至高保真社会数字孪生的技术脉络与方法论。 2. 核心创新点 首次将“社…
07-14
Reproducible Reservoir Computing with Thermally Driven Superparamagnets: Controlling Temperature Sensitivity
本文提出了一种针对热驱动超顺磁纳米点储层计算系统的温度敏感性调控机制,在保持超低能耗特性的同时显著提升其在真实环境温度波动下的计算鲁棒性,推动非常规物理AI硬件…