Aura · 时间线

基于混沌冲突度量与历史经验加权的鲁棒Dempster-Shafer证据融合

提出混沌冲突度量与历史经验加权融合框架，联合评估冲突与不确定性，16个数据集上F1达85.78、AUC达93.30，优于现有基线。

SkillShapley：面向LLM智能体技能步骤归因的边界自适应Shapley估值

提出SkillShapley框架，基于Shapley值量化智能体技能中步骤贡献，通过识别信息性联盟区域并自适应采样，高效评估步骤价值，为技能创建提供关键见解。

重新思考大语言模型的归一化位置：课程深度增长下的后归一化

课程深度增长下，后归一化比前归一化提升显著，且非计算量所致；归一化位置应与训练课程耦合设计。

组合式智能体工具链修复的能力层：受控商与真实仓库压力测试

用能力层建模工具链故障，商掉隐藏中间态可减少候选，但真实仓库测试未见上同调优势。

大语言模型的数值能力：根本局限与改进路径

大型语言模型在基础数值任务上不可靠。提出数值扎根框架（NGF）分析其局限，并给出微调、推理脚手架与外部工具等改进路径。

TsuGO：通过围棋死活题探究大语言模型推理中的搜索效率

用围棋死活题评估大语言模型推理搜索效率：现模型远未稳定，更长思维链不代表更优搜索。

教其量级而非方向：面向多轮多步LLM智能体的验证器受限信用分配

提出分层信用分配框架，融合验证器奖励与稠密词元信号，解决轨迹级信用混杂，提升多轮工具智能体性能。

面向居家日常生活中的情境感知临床运动理解：基于第一视角视觉的冻结步态检测

研究用同步第一视角视频与IMU检测帕金森冻结步态，IMU模型最优（F1=42.3），视频可补充情境信息，支持多模态融合。

vToken：面向可回收KV缓存的令牌级虚拟化

vToken令牌级虚拟化解耦KV缓存逻辑与物理块，消除碎片；vLLM实现，保留块降27%-72%，吞吐升1.37倍，并发翻倍。

必要之下的主权？前沿AI出口管制、网络安全与国家AI能力的局限

前沿AI攸关网络防御，但获取可被撤销；主权能力仅少数国家可行，需分层战略与开源对冲。

NAS驱动的边缘AI硬件加速器探索及量化对Pareto空间的影响

提出三阶段流水线，研究INT4量化对NAS Pareto空间的扰动，发现FP32零样本代理优于INT4代理。

TopoIntent：将安全意图编译为可执行、合规检查的网络拓扑

将安全意图编译为网络拓扑，经CIS v8.1.2合规检查，自动修复结构缺口并导出可执行Mininet脚本，显著提升合规率与策略通过率。

StateBridge：大语言模型多智能体系统中潜在通信的无训练隐藏状态对齐

提出状态桥方法，无需训练，用闭式正交变换对齐发送方与接收方隐藏状态，作为连续前缀，在推理等任务优于基线。

RAIL：人工智能就绪度的自动分类器

整合三种框架为统一AI就绪水平（AIRL），提出RAIL多LLM专家分类器，评估可靠且避免传统模型高估。

大语言模型引导的图生成：面向基于结构的局部改进方法

大模型将问题实例转为加权图，引导局部改进选择变量；算法选择胜率39.5%，消融后44.0%。

LongEarth-R1：面向长时序地球观测推理的视觉语言模型基准评测与对齐

提出长时序遥感评测基准及LongEarth-R1模型，结合思维链与强化学习，12项长序列任务最优。

谁发言很重要：意大利议会记录上的权威感知多视角RAG

提出ParliamentRAG，用话题相关权威模型提升议会检索，覆盖更全、引用更准，专家评分优于基准。

规则还是品格？AI安全设计的规模法则

AI安全最优设计随规模略向品格塑造偏移，主导因素是品格脆弱性而非规模。

基于Transformer的课程与成绩联合预测模型

联合预测课程与成绩的TRACE模型，误差降近50%，优于LSTM和GNN。

超越最终分数：长期AI研究与开发智能体的系统评估

系统评估七个前沿模型在36项长时任务中的表现，发现智能体仅似工程优化器，真正方法创新罕见。

通过SLM与边缘计算增强虚拟智能体：思考与记忆过程的探索性评估

探索用小语言模型与边缘计算实现虚拟智能体的思考与记忆，在Jetson上验证可行，支持沉浸式交互。

MARC v1：用于临床AI推理与协作的开源多智能体框架

MARC用多智能体编排替代单体提示，分角色完成推理，支持分解器自动生成提示，兼容API与本地，易于临床专家使用。

当AI成为你的牧师：大语言模型在神学分类与牧养指导中的基准评测

提出FMG-Bench基准，评测14个AI模型的基督教神学与牧养回应；引导设置使模型平均提升3.96分，安全转介能力提升10.8分，但仅作测量工具，非认可AI为牧养权威。

人工智能学术联盟——教学、科研与拓展的整合视角

提出以学生为中心的联盟框架，融合教学科研与社会拓展，通过项目制培养能力，兼具灵活性与可复制性。

QuoteBench：匹配分数如何掩盖命令路径故障

QuoteBench用56个任务验证：匹配分数掩盖命令生成与执行失败，披露边界可恢复30-60点，但部署配置会重排模型顺序。

语言模型时代的人工智能问责生态系统

针对大语言模型更新AI问责框架，强调基础设施供应链、结果监控与用户问责，转向分布式、持续、制度化。

大语言模型知晓约束却不用：实用约束推理中的激活瓶颈

隐性约束失败是路由问题而非知识问题：模型能编码约束，却常未用于决策，且提示干预难修复。

什么驱动LLM自我反思？武装冲突预测中不确定性路由的受控消融实验

自反思收益由类型化动作路由驱动，而非诊断脚手架或分类词汇；GPT-4o复现。

AlayaWorld：交互式长时程世界建模 - 完整技术报告（v1.1）

AlayaWorld改进版：条件与内容对齐，引入流式三维点缓存渲染，统一编解码协议，共六项修改。

全能科学家：全模态全学科AI科学家

提出全能科学家，直接从原始证据进行多学科研究，36例均完成数据到论文，优于预计算特征对照。

AI代理为何违反规则？框架、情境与社会信号如何影响合规

罚则悖论使AI代理将合规视为成本收益计算，优化型模型在低惩罚和社交信号下违规，仅靠规则嵌入无法保证合规。

Assessment Design in the GenAI Era: The X1-X2-X3 Assessment Pattern for Testing Students' AI Literacy, Learning Outcomes, and Reflection

AI编程代理研究中缺失的人类视角

AI编程代理瓶颈转向人机协作，需以人类为中心，关注任务对齐、可验证性、可引导性和适应性。

驾驭语言轴：从线性可解码性到因果控制

研究证明语言身份可线性解码且受激活方向因果控制，干预显示语言选择具方向依赖和层级特异性，消融后回退英语。

基于自适应注意力匹配的推理思维感知KV缓存压缩

提出思维感知注意力匹配(TAM)，分段分配预算并保护关键令牌，同内存下精度更优，峰值内存降65%。

从穴居人到专家分析师：不同LLM任务的能耗

非推理模型能耗仅推理模型1/20，节省14.1万家庭年电；提示词修改再降65%。

StorySpark：面向故事前提生成的模块化演化搜索

提出模块化演化搜索框架，生成故事前提，显著提升原创性，并改善下游故事质量。

模仿而不理解：大型语言模型中决策偏差的起源

即使人类行为无偏或明确有偏，大型语言模型仍会错误模仿并产生决策偏差，科学报告甚至成为自我实现的预言。

为何AI治理框架难以落地：基于角色的NIST AI RMF压力测试

AI治理框架常流于形式。通过角色模拟压力测试发现，核心障碍不在局部转化，而在于跨层级治理价值与权限衔接；部署场景影响结构适配，风险降低需两者兼备。

StreamReason-Bench：大语言模型能否理解事件时间流处理语义？

新基准测试显示，LLM对事件时间流处理理解差；思维链提升有限，仅最强模型接近解决，难点在迟到数据处理。

AnchorSIPS：用于基于证据的精神病风险症状测量的合成数据集与评估资源

合成数据集AnchorSIPS含1万结构化精神病风险访谈，模型难提取证据细节，最终标签高估能力。

中文标题：在专业组合规模上衡量课程与劳动力市场的匹配度

中文摘要：对五个专业课程与市场技能做统一比对，发现缺口集中在系统、软件工程等领域，课程认知层次整体低于市场约一级。

交互就绪：构建与评估承担人类角色的AI智能体框架

提出交互就绪框架，区分内容与交互规范，发现权限误校准是角色型AI代理的主要失败点。

从观察到干预：大脑与大语言模型中的记忆

大脑与大语言模型记忆系统不同，但可通过共同功能问题比较；LLM提供直接干预手段，助力形成生物学假设。

SchemaLink：LinkML模式管理的智能Web编辑器

SchemaLink是一款基于Web的LinkML模式图形化编辑器，利用RAG技术辅助模式构建与修改，提升模式质量。

FluctlightDB：AI智能体的数据记忆模型

提出AI智能体长期记忆作为独立数据模型，嵌入式引擎实现经历写入与线索激活，基准召回率超97%。

你在跟我讲逻辑吗？评估语言模型的三段论推理能力

研究发现知识表示符号能助小模型高效完成三段论推理，提出SEF分类增强提示，开源CLGC库。

查询时机导致LLM与人类产生相反的位置偏差

LLM与人类的位置偏差受查询时机影响且相反，新模型偏差更明显。

多模态认知的分层能量模型

提出IM-LEPP分层能量模型，整合视觉与语言，解释注意及心理语言现象。