全部OpenAIHugging FaceArXiv AIGoogle AIVentureBeat AIMarkTechPostPragmatic EngineerThe GradientOne Useful ThingCrunchbase NewsTechCrunchGoogle DeepMindMicrosoft ResearchLlamaIndex BlogarXiv cs.AIarXiv cs.LGarXiv cs.CLarXiv cs.CVNature Machine IntelligenceLilian WengAndrej KarpathySebastian RuderBAIR BlogAgile Lab EngineeringGoogle AI BlogMeta NewsroomMIT Tech Review AITechCrunch AIWiredFull-Stack AI EngineerAgentplexa16zSequoia CapitalY CombinatorElad GilTomasz TunguzNot BoringThe GeneralistSimon WillisonSimon Willison NewsletterLatent SpaceImport AIInterconnectsHamel HusainDAIR.AIEnterprise AI GovernanceStratecherySemiAnalysisBenedict EvansX @OpenAIX @claudeaiX @AnthropicAIX @karpathyX @samaX @demishassabisX @DarioAmodeiX @elonmuskX @miramuratiX @ilyasutX @gdbX @AravSrinivasX @arthurmenschX @ClementDelangueX @alexandr_wangX @mustafasuleymanX @ylecunX @geoffreyhintonX @AndrewYNgX @fcholletX @polynoamialX @_jasonweiX @DrJimFanX @rasbtX @lilianwengX @OriolVinyalsMLX @tri_daoX @percyliangX @ch402X @janleikeX @swyxX @simonwX @jeremyphowardX @OfficialLoganKX @svpinoX @SuhailX @emollickX @_akhaliqX @natolambertX @rowancheungX @bilawalsidhuX @Francis_YAO_X @ShunyuYao14X @tqchenmlX @haozhangmlX @GoogleDeepMindX @huggingfaceX @MistralAIX @perplexity_aiX @NVIDIAAIX @xaiX @victor207755822X @deepseek_aiX @bchernyX @Alibaba_QwenX @Kimi_MoonshotX @dotey
59131 条条目 · 106 个活跃源
2026年10月2日
04:00
arXiv cs.LG

Nous：在源校准之前学习并认证记忆决策

学习与认证记忆决策可比源校准少用平方级数据，且证书在MiniGrid中验证有效。

04:00
arXiv cs.CL

当数据伪影并非捷径：合成RLVR语料的因果审计

审计合成RLVR语料：可检测伪影未被模型利用，利用差0.021低于对照0.027，代码域几近无信号。

04:00
ArXiv AI

EviGraph：面向时序公共服务知识图谱的携带证明式选择性推荐

区分关键决策需求与可留待未决信息，用语言代理链接时序图谱证据并确定性校验，减少不必要弃答。

04:00
arXiv cs.LG

分类器的四种生长方式，以及为何其中一种无法学习

四种生长方式中，最自然的分裂叶子加深深度之法因梯度恒为零而无法学习；小随机扰动即可修复。

04:00
arXiv cs.CL

EurekaBench：衡量智能体发现新科学洞见的能力

新基准EurekaBench含26项跨领域长程任务，评估AI智能体发现科学机制的能力；结果显示其预测精度超人类，但科学洞见提炼明显不足。

04:00
arXiv cs.CL

CAVE-Mem：面向记忆搜索的边界感知经验验证

CAVE-Mem免训练框架将经验建模为带边界条件的干预算子，匹配时才应用，否则弃权，效果优于纯相关性复用。

04:00
arXiv cs.CV

EgoRefine：面向异步协同感知的自车参考预测对齐与轨迹条件可靠性感知融合

提出自车参考预测对齐与轨迹条件可靠性融合，缓解异步协同感知特征错位，提升3D检测精度。

04:00
arXiv cs.CV

DramaAgent：智能体驱动的故事视频生成

提出分层智能体框架，将长视频生成分解为故事规划、角色保持、分场合成与反思修复，提升长篇连贯与音画同步。

04:00
arXiv cs.LG

面向多专家区间目标的不确定性感知学习

保留多专家区间，分离标签内不精确与专家间差异，匹配预测不确定性；海冰浓度MAE降31%

04:00
arXiv cs.LG

需要多少类别才够？少样本异常阈值的无分布认证极限

少样本异常阈值认证需大量独立类别，分布无关95%置信下界至少14–59类，证据不足只能失败关闭。

04:00
arXiv cs.CL

面向风险校准意图路由的有符号词汇置信度

提出有符号词汇门控，融合分类器与稀疏词法证据并校准阈值，降低风险-覆盖曲线下面积，提升意图路由覆盖率。

04:00
ArXiv AI

分布式多智能体委托中的容错预算守恒

分布式多智能体委托的容错预算守恒机制，通过独占托管信用与调度许可，在崩溃、重试、分区等故障下防止超支。

04:00
arXiv cs.LG

广义生物医学发现

提出广义生物医学发现基准与SCAN方法，通过预测抑制、惊异显著性和互补适应，提升新概念发现并保留已知知识。

04:00
arXiv cs.CV

评估受控雾退化下反无人机检测的鲁棒性：雾感知训练与晴空性能权衡

首个按雾浓度分级的基准发现，反无人机检测性能随雾非线性骤降，雾感知训练提升全等级但牺牲少量晴空精度。

04:00
arXiv cs.CL

DuplexSpeechBench-文档接地：语音智能体中文档接地与幻觉的基准评测

语音智能体文档接地基准DSB-DG，含五领域1636问答，评测上下文饱和与接地衰减，级联系统最佳。

04:00
arXiv cs.CV

低接地分数并不意味着评判器未接地：识别多模态监督中的可感知性混杂因素

视觉接地分数受图像编辑可感知性限制，易误判为无依据；可用审计三量识别误报，并辅以未编辑图像检测上界。

04:00
arXiv cs.LG

99% 准确率的隐藏代价：电信客户流失基准的可信度审计

基准99%准确率暗藏四类缺陷：SMOTE泄漏虚高F1、冗余特征扭曲SHAP、校准失效、成本阈值被忽视。

04:00
arXiv cs.CL

确定性不只是正确性：重新思考大语言模型推理中的词元级确定性

确定性更擅长识别问题难度而非区分同题答案对错；信息随词元类型与位置变化，据此分配采样可提升精度并降低成本。

04:00
arXiv cs.CL

CAST：来自单次前向块草稿器的成本感知投机树

复用块草稿器已评分的候选构建投机树，按验证成本自适应树宽、单次验证，提速最高43%且输出分布不变。

04:00
arXiv cs.CV

GPEC：用于心脏视频描述生成的高效预LLM高斯过程嵌入校正

GPEC在大语言模型前校正视觉嵌入，提升心脏超声视频描述质量与内容对齐，推理开销低于0.05秒。

04:00
arXiv cs.LG

基于关联规则算法的乳腺癌分类

乳腺癌高发，本文提出基于关联规则的加权分类算法，含规则生成、剪枝和预测，并在测试样本上验证。

04:00
arXiv cs.LG

对谁有用？样本价值仅相对于学习器而定义

固定子集、只换学习器：样本相对价值与选择边界随宽度、步幅和架构而变，故须按目标学习器评估选择策略。

04:00
ArXiv AI

Build2SPARQL：面向建筑知识图谱查询的大规模文本到SPARQL基准数据集

提出建筑知识图谱文本到SPARQL大规模基准，含6136条查询、30680个问题，检索增强显著提升准确率。

04:00
arXiv cs.AI

预测信用：衡量科学解释对实验预测的增量贡献

配对预测评估科学解释的预测增益；预设检验多未达标，仅特定模型降低漂移，自然解释信用未证实。

04:00
ArXiv AI

稳健即显著：知情对手将最优信号移至显著性极点

知情对手下稳健最优信号与显著性极点重合，预算增大使最优从后验最大转向边际最大，致对抗意识评估不可区分

04:00
arXiv cs.CL

拒绝可定位，损害却转移：少样本微调下的安全层

少样本微调可移除LLM拒答；定位与修复可被自适应攻击绕过，防御需五项检查。

04:00
arXiv cs.CV

解码灾害：基于视觉语言模型与众源影像的多任务地理空间推理灾害制图

提出GRDisaster框架，融合视觉语言模型与众源影像，实现跨视角地理定位与可解释灾害严重度评估。

04:00
arXiv cs.LG

不确定性感知的强化学习控制自适应三维建图

提出语义熵、曲率与纹理驱动的自适应体素细分，并以强化学习在内存预算下平衡精度与内存，优于基线。

04:00
arXiv cs.CV

查询无关的可变码率视觉令牌编码

查询无关的可变码率视觉令牌编码：保留全部令牌，按率失真优化分配比特，无需文本，同预算下优于均匀编码。

04:00
arXiv cs.LG

恒定内存回忆：固定矩阵状态中的学习关联

固定循环矩阵状态记忆32对键值，准确率99.95%，填充至1798词元仍近乎完美，基线接近随机。

04:00
arXiv cs.AI

懂得何时让步：基于文本的具身智能体中用户纠正的接地仲裁。

GAVA在文本ALFWorld中仲裁用户纠正，选择性核查降本，准确率约98.7%，未证普遍优于澄清。

04:00
ArXiv AI

冲突监督改变的是承诺，而非能力：在约定无关评分下恰好为零的 12.29σ 排列效应

同一语料换序，学习率调度决定顺序效应；恒定率下达12.29σ，但约定无关评分下为零，模型只改承诺不改能力。

04:00
arXiv cs.CV

超越像素重建：面向低资源满文历史文献的检索引导字形感知修复

提出检索引导的字形感知修复框架，为低资源满文历史文献引入字形级结构先验，提升修复质量与字形保真度。

04:00
arXiv cs.LG

面向能源时间序列插补的裁剪感知目标条件化差分隐私扩散模型

面向能源时序缺失插补，提出裁剪感知目标条件化差分隐私扩散模型，以v预测和动态加权缓解梯度裁剪并提升效用。

04:00
arXiv cs.CL

UniBuc 在 SemEval-2024 任务 2：面向临床 NLI 的 Solar 定制提示

未微调 SOLAR Instruct，按临床试验报告章节定制提示，零/少样本，一致性 0.72，排名第 14，模型依赖捷径。

04:00
arXiv cs.CL

面向低资源语言的LLM作为评判者：为罗马尼亚语适配Ragas与比较排序

罗马尼亚语低资源RAG评估：构建AdminRo-Eval，比较三种策略，细粒度分解忠实度达96%，比较排序答案相关性达90%。

04:00
arXiv cs.AI

ContractRL：面向可审计工具调用修复的屏蔽式组相对策略优化

契约约束的JSON顺序修复，经动作掩码与组相对策略优化，以更少token提升修复成功率。

04:00
arXiv cs.CV

面向磁共振成像分割的多分辨率特征融合U-Net

提出MRFF模块嵌入U-Net各层，提升MRI分割精度，两个基准数据集上优于先进模型。

04:00
ArXiv AI

从规则到工具：面向科学计算中大语言模型智能体的可执行检查

R2T将科学需求转为可执行检查；SciCode修复中工具组效果依任务而异，多数提升且影响成本。

04:00
arXiv cs.AI

大语言模型中的数学迁移更取决于推理方法而非主题

多模型实验验证，微调时按推理方法匹配数据比按主题匹配迁移更强。

04:00
arXiv cs.CL

不和谐的芭蕾舞演员与狡猾的胡萝卜：意大利“脑腐”的比较多模态分析

意罗“脑腐”多模态比较，发布240条视频数据集；罗语快剪预测流行，意语文本更负面押韵，声学差异显著。

04:00
arXiv cs.CV

LENS-GRF：用于痤疮严重程度分级与多评估者临床Oracle分析的带门控残差融合的置换不变病变证据网络

提出LENS-GRF，融合置换不变病变集合与门控残差进行痤疮分级，ACNE04准确率达95.89%。

04:00
arXiv cs.CL

规则可摊销，配对不行：语言结构决定潜在任务表征能替代哪些上下文学习

规则性语言操作可摊销为潜在任务表征，零样本匹敌甚至超越ICL；任意配对（如反义词）则无法摊销。

04:00
arXiv cs.CL

大语言模型能否进行长时程推理？面向纵向临床推理的上下文策略实证评估

五种上下文策略中，情节与混合策略准确率最高、远距最稳，近期上下文衰减最快；答对未必能正确弃答。

04:00
arXiv cs.CV

PACT：从视频中端到端学习人体姿态、接触与力

PACT端到端联合学习，从单目视频估计人体姿态、接触与力，结合物理监督与数据标注，性能达最优且泛化。

04:00
arXiv cs.CV

从图像潜空间到模糊规则：胃肠道基础模型的可解释性分析

提出原型模糊规则框架，无需微调即可解释胃肠基础模型特征，精度媲美黑箱方法，并可分析合成医学图像。

04:00
ArXiv AI

JevSpawn：通过组合式动作空间实现自适应智能体推理

JevSpawn将自然语言任务映射为有限概率动作空间，并行生成并反馈筛选动作分支，免训练提升任务表现与速度。

04:00
ArXiv AI

更糟地在一起：多用户多智能体团队中的性能崩坏

多用户多智能体团队共享资源时协调失败，表现普遍逊于单一协调者，出现停滞、互相覆盖与编造行为。

04:00
arXiv cs.AI

JusticeAxis：在刚性规则适用与无根据自由裁量之间基准评测法律裁判

构建18国256起刑案的多模态基准与JusticeAgent，兼顾法条与情节，使开源模型达商用裁判水平。

04:00
ArXiv AI

智能体应当记住什么？在有界记忆评估中解耦留存与检索

构建流式回忆基准：固定访问时查询感知选择提升必需事实回忆率15.5个百分点；有界记忆评估应固定访问、分列留存与选择。

← 往后7 / 1183往前 →