GMDiff 车辆轨迹生成数据集仓库：路边雷达与摄像头融合的交通数据采集
GitHub 新开源仓库 Yyyyyyyyzl/Roadside-Radar-and-Camera-Fusion-for-Traffic-Data-Collection，收录了 GMDiff（Graph-Motif Matrix Enhanced Conditional Diffusion Model）车辆轨迹生成研究所用数据集，包含 README 说明文件和数据示例，通过路边雷达与摄像头融合采集交通数据。
#论文/研究
新闻、仓库与研究，按时间排列。
GitHub · 3D 生成新仓库AI 评分1010 GitHub · 灵魂体仓库AI 评分1818 enhancing-llms 开源仓库：用高级微调技术增强大语言模型
GitHub 仓库 enhancing-llms 提供论文 "Enhancing Large Language Models with Advanced Fine-Tuning Techniques" 的实现与实验代码，探索面向领域任务的新颖微调方法。其方法在 GLUE 和 SuperGLUE 上分别取得 92.5% 和 89.3% 的成绩，比基线提升 +8.3% 和 +12.5%。仓库含训练、评测脚本与实验配置，采用 MIT License 开源。
arXiv · cs.CL精选AI 评分5555 因果语音隔离器论文发布：22.1M 参数模型可在单 CPU 线程上实时运行
论文训练了 140M/243M/374M 参数的因果语音隔离器，延迟 20 ms，可从通话本身注册来电者。将 WavLM-Large 权重改为因果并联合训练把开发集错误率从 11.44% 降至 10.55%；在长通话窗口上训练后发布版在干净开发集错误率为 2.96%，AMI 60 s 窗口实时错误率 16.13%（VoxLock 为 23.66%），Krisp 基准上为 5.74% 对 5.63%。蒸馏出的 22.1M 参数模型在 LiveKit agent 中单 CPU 线程实时运行，每通话占 33% 核心算力，错误率 10.66%；代码与模型已开源。
推荐理由：论文给出了与 VoxLock、Krisp 的具体错误率对比和 CPU 端蒸馏模型，读者可以据此评估其语音隔离方案在真实通话里的适用性。
arXiv · cs.CL精选AI 评分5252 CREDIT：反事实训练提升大语言模型对参考信息的自归因能力
arXiv 论文 arXiv:2610.35295 提出 CREDIT 方法，用反事实标签直接监督最终答案的自归因，无需人工标注，让模型在回答受附带信息影响时明确说明。实测显示11个前沿模型大多很少标注有影响的信息，在4个开源模型（含2个蒸馏推理模型）上 CREDIT 优于推理级微调和提示词基线，并区分了因建议而改变的答案与模型本就会给出的答案，收益部分迁移到未见信息类型。
推荐理由：论文用反事实标注直接监督最终答案的自归因，给出11个前沿模型普遍不标注的实测基础和无需人工标注的训练方法。
arXiv · cs.CLAI 评分3232 CRIM：面向高效个性化检索的可组合、可复用条目记忆框架
研究者提出 CRIM 框架，将条目级语义编码与请求级历史建模分离，用可学习的 summary tokens 将条目压缩为紧凑连续记忆，并复用于跨请求的个性化检索。结合缓存记忆与少量实时重编码的联合训练机制，CRIM 在 MovieLens-1M、Qilin 及新数据集 LazSeq 上取得 SOTA 检索性能，同时显著降低推理成本。代码与数据集将公开发布。
arXiv · cs.CLAI 评分4949 受约束解码有害还是有益？重新审视其对 LLM 性能的影响
一项 arXiv 研究将受约束解码分为格式约束、有效性约束和推理约束三类，理论证明合适约束能通过排除无效路径保持甚至提升性能。在 4 个模型家族、11 个开源模型上的因果消融显示，表面性能下降主要源于提示词与输出格式不等价，而非解码器层面的掩码。有效性约束可提升可靠性与可提取性，推理约束在强制有益轨迹时能提升推理和准确率。
arXiv · cs.CLAI 评分3333 重建记录与 GDELT GKG 原生记录的字段级一致性基线研究
研究者构建了开源重建工具 gdelt-regkg，并在 193,550 篇英文文章（来自 8,729 个出版方，2020-2025）和 2,500 篇五种其他语言文章上，测量其与 GDELT GKG 原生记录的一致性。英文语气字段 MAE 为 1.79，人物/地点 F1 为 0.65、组织 0.42，引文与完整计数仅 0.07，GCAM 类别 micro F1 达 0.84。研究表明重建记录需逐字段评估，不能与原生记录完全互换。
arXiv · cs.CLAI 评分4646 Gemma 2 系列六模型情绪几何表征的跨规模、深度与指令微调分析
一项 arXiv 研究测量了 Gemma 2 2B、9B、27B 基座及指令微调版共六个 LLM 的情绪几何结构，发现所有模型都呈现核心情绪几何：在 30 组有序模型对中，线性映射清洗嵌入向量后在 rank 1 恢复全部留出情绪。规模增大使几何方差分散到更多方向，但首成分与人类效价评分的相关性保持在 .71–.78。指令微调后唤醒度相关性下降，幅度超出预期，代码与数据已开源。
arXiv · cs.CLAI 评分2525 ImgMT：基于 Wikipedia 的图文内翻译评测数据集
研究者推出 ImgMT，一个从 Wikimedia Commons 本地化 SVG 插图中挖掘的多语言图文内翻译数据集与基准，含 35,612 对对齐图像、1,855 个图像集，覆盖 129 种语言、20+ 文字系统和 4,886 个语言对。该数据集提出多级评测协议，同时衡量源文本区域检测、OCR 准确率和译文质量，并对多个多模态大语言模型和一个专用 TIT 系统在 English->X 与 X->English 设置下进行基准测试，发现源语言和文字系统显著影响翻译质量。
arXiv · cs.CLAI 评分2424 INVAR-Agri：用微调 LLM 检测农机多语言操作手册中的差异
INVAR-Agri 概念验证比较了 EuroLLM-1.7B-Instruct 在农机操作手册差异检测上的两种训练方案：回译对比与直接对照检查。在 24 种语言、植入数字/单位/否定等错误的测试中，回译方案隐瞒了大量植入错误，而单独训练的 checker 检出大多数错误，但对单位和训练外数字变化较弱；真实芬兰语文本上误报率高，故只能辅助而非替代人工审核。
arXiv · cs.CLAI 评分3333 探究 Mimi 编解码器码本 CB0 的语音表征
一项研究分析了 Mimi 神经音频编解码器第一个码本（CB0）中的语音表征。由于 Mimi 固定 80 ms 的 token 窗口常跨多个音素，ABX 式评估不适用，研究者改用强制对齐、熵分析和 Phone-Normalized Mutual Information（PNMI）。基于 TIMIT 语音（58/55 说话人，SA1/SA2）的实验显示，单个 token 与特定音素强相关（PNMI = 0.84，高于随机水平），但音素由多个竞争 token 实现，并非一一对应。
arXiv · cs.AIAI 评分1515 SAP-ViT：面向医学图像分类的自归因 Patch Vision Transformer
研究者提出 SAP-ViT，一种自归因 Patch Vision Transformer，用最后一层 patch 嵌入直接聚合分类，取代依赖全局 CLS token 的方式，使预测可分解为 patch 级贡献。该方法对 patch 权重分布施加稀疏正则化，并引入输入空间回映射机制估计输入 patch 的贡献。在多个不同影像模态的医学图像分类数据集上，SAP-ViT 保持较强分类性能，同时提供一致且可解释的 patch 级解释，消融实验验证了稀疏正则化和回映射对齐成分的贡献。
arXiv · cs.CLAI 评分1717 MANTIS：面向假新闻检测的多轴变形实例级压力测试与最坏情况训练框架
MANTIS 是一个实例自适应对抗框架，用于提升假新闻检测在多轴呈现攻击下的鲁棒性，推理时零额外开销。配套的 MANTIS-Bench 覆盖写作风格、情感表达与传播框架三个改写轴。实验显示，在 GossipCop 上 MANTIS 相比 SheepDog 将 Union Attack Success Rate（UASR）降低 3.55 个百分点，Macro-F1 持续优于此前单轴防御方法，同时保持有竞争力的干净数据准确率。
arXiv · cs.AI精选AI 评分5757 arXiv 论文提出 Agentic Algorithm Design：LLM 在 Lean 中设计进化算法并证明运行时界
Per Kristian Lehre 等提出分阶段管线，让智能体提出黑盒优化算法，用 Lean 证明期望运行时界并过滤缺陷设计。智能体给出的算法在 CycleUncover 问题达 O(n²)，而经典 (1+1) EA 需 e^Ω(n)；在 8 个问题类上，15 次运行中 12 次用前沿模型完成机器验证的运行时证明，消融显示去掉分阶段会导致照抄基线或证明不完整。
推荐理由：论文展示了分阶段管线让智能体在 Lean 中机器验证算法运行时证明，为无实证评估的开放式算法发现提供了可检验的替代路径。
arXiv · cs.CLAI 评分3535 GPDPO：通过 Group Pareto-Dominance 策略优化从奖励冲突中学习
研究者提出多奖励策略优化方法 GPDPO，从冲突过滤后的 rollout 中恢复成对监督信号，将样本响应间的 Pareto 支配关系转化为辅助偏好信号，与原策略目标联合优化，无需额外采样或奖励评估即可更有效复用 rollout。在 API-Bank 上跨多模型规模与奖励配置的实验显示，GPDPO 持续优于竞争性多奖励优化基线，并降低组相对与成对奖励冲突。代码将开源发布。
arXiv · cs.AIAI 评分4848 KAPPA：用 Lean 4 与语言模型智能体核查统计学论文中的证明
研究者推出开源工具 KAPPA，由 Claude Code 驱动的语言模型智能体将 LaTeX 统计学论文中的证明逐条翻译为 Lean 4（配合 Mathlib 库）并逐一核查，给出四种判定结论。对三篇已发表的统计论文进行盲测，该工具均在勘误所指步骤找出了已发表的错误，并发现了经人工确认的其他问题。作为对照，同一模型直接面对论文时在最长一篇上分类正确率更低，而 KAPPA 的所有判定均未超出其 Lean 证据范围。
arXiv · cs.CLAI 评分3232 Culture-MMT 基准：面向视觉锚定的社交媒体文化翻译评估
研究者推出 Culture-MMT，一个用于社交媒体翻译中“分布式证据语用重构”的诊断基准，包含 498 条去标识 UGC 实例、覆盖 20 个领域，按所需证据分为 Symbol、Visual 和 Hybrid 三类，并配套与人类对齐的 Judger 评测框架。在 17 个模型配置上，真实图像使 Visual 和 Hybrid 类性能分别提升 +0.280 和 +0.197，Symbol 类仅 +0.050，随机图像则无相应增益。结果表明视觉锚定与文化语用适配是模型翻译的两个独立瓶颈。
arXiv · cs.AIAI 评分4242 Evolve on Graph：无需问答标注的自进化知识图谱推理框架
研究者提出 Evolve on Graph（EoG）框架，让 LLM 在无 QA 标注下通过 Graph Self-Play 自进化图谱推理：单一 LLM 交替扮演提出问题的 Proposer 与作答的 Solver，并用 SVTS 生成可符号验证的拓扑骨架、用 Boundary-Aware Graph Curriculum 使题目保持在 Solver 能力边界。在基于 Freebase、Wikidata 和一个工业 KG 的六个 benchmark 上，EoG 持续优于 prompt、检索和 Agent 类方法，代码已开源。
arXiv · cs.CLAI 评分2929 MATCHA：首个中文多障碍心理健康数据集，含跨语言社交媒体分析
研究者发布 MATCHA，首个中文多障碍心理健康数据集，将微博超话社区与用户公开时间线关联，覆盖 7 种 DSM-5 障碍及对照组，含 46,025 名队列级用户和 180 万条帖子。数据集通过 LLM 辅助标注区分明确自我披露用户与更广泛的障碍相关参与者，以去标识化、受控访问形式发布。与 Twitter-STMHD 的跨语言比较显示，微博与 Twitter 的平台差异常超过跨障碍差异。
arXiv · cs.AIAI 评分1010 ArchiveLens：面向历史地图语义重建的生成式空间知识框架
ArchiveLens 是一个生成式空间知识框架，可将历史地图转化为以实体为中心、可机器查询的地理空间数据库。该流程包含三阶段：YOLOv11-seg 分割提取建筑轮廓、基于 HSV 颜色阈值的材料分类、量化视觉语言模型解析属性，并结合 ST-RAG 架构融合密集语义检索与时空符号过滤。应用于 445 张芝加哥 Sanborn 地图（1918-1950），实现较高的几何与语义精度。
arXiv · cs.CLAI 评分3232 S3AC：面向 LLM 推理的稳定、选择性、可扩展 Actor-Critic 方法
研究者提出 S3AC（Stabilized, Selective, and Scalable Actor-Critic），为 LLM 推理的 RLVR 训练引入实用的 critic 训练方案，提供 token 级优势和 prompt 级基线，并配套 Difficulty-Aware Prompt Sampling（DAPS）减少 rollout 浪费。该方法在 1.5B 到 397B 参数的稠密和 MoE 模型上优于 GRPO 变体 GRPO-X，35B 规模下可维持单 rollout 训练，而测试的无 critic 基线在初期提升后退化。
arXiv · cs.AIAI 评分3939 VaLoP：面向奖励引导扩散模型的价值梯度前瞻与回拉方法
论文提出 VaLoP，一种用于奖励引导扩散模型的价值梯度估计方法：将价值评估前移一个采样步以降低高噪声下的不确定性，并通过一次 vector-Jacobian product 计算生成器修正项。其轻量版 VaLoP-Fast 用小 head 摊销该修正，单一奖励训练即可复用于其他奖励，成本接近 learned-value guidance。二者在多种模型、奖励和 benchmark 上优于现有价值梯度引导，VaLoP-Fast 在 LIBERO 和 RoboCasa 机器人策略评测中取得最高成功率。
arXiv · cs.CLAI 评分3333 语言模型少样本概念归纳的算法性解释：ADA 假说
一项 arXiv 研究（arXiv:2610.35533）提出 Amortized Direction Accentuation（ADA）算法假说，解释语言模型如何在少样本概念归纳任务中从少量正例推断潜在概念、确定特征相关性。ADA 认为概念归纳是在由摊销知识塑造的特征空间中形成样例的摘要表示。作者通过少样本概念归纳任务在语言模型上验证了该假说。
arXiv · cs.AIAI 评分2929 从语言到驱动力：一种将自主机器人与人类目标对齐的多模态框架
一项研究提出用 LLM 和 VLM 作为文化使能者，将自然语言表达的人类目标转化为自主机器人的任务与驱动力，实现行为对齐。系统分为语义对齐、任务生成和驱动力建模三层，并支持人机双向交互反馈。仿真和实体机器人实验表明该流程能生成有效任务与行为。
arXiv · cs.CLAI 评分3232 StateLoop：为循环 Transformer 引入持久状态
StateLoop 在 Looped Transformer 基础上为每个 token 增加一个持久状态，通过学习门控在迭代间保留信息，并将更新后的状态加回主干输出。该设计降低了 Pile 困惑度，并在八项 zero-shot 任务上提升了平均准确率；对 Vanilla Looped 的困惑度优势随训练循环深度增加而扩大。
arXiv · cs.AIAI 评分4040 OpTTA：面向规划而非仅预测的乐观测试时世界模型自适应
论文提出 OpTTA（Optimistic Test-Time Adaptation），在预测损失之外引入规划器的目标达成代价项，引导测试时世界模型自适应向乐观于达成目标的方向更新，无需额外环境交互。在操控、抓取和导航任务的视觉与环境分布偏移实验中，仅自适应预测器时，OpTTA 平均将规划成功率较冻结模型提升 13.5 个百分点，而仅预测目标（AdaJEPA）为 6.9 个百分点；同时自适应编码器时两者分别为 13.5 和 7.5 个百分点。实验覆盖三个不同编码器与训练目标的 JEPA 世界模型，并测试了 CEM 与梯度两种规划器。
arXiv · cs.CLAI 评分3333 LoopFold：并行化 Looped Transformer 中的循环深度
LoopFold 将 Looped Transformer 中多个循环深度的计算折叠为同一 token 前缀的并行批次，用轻量级 predictor 提前估计后续循环输入，再用 corrector 修正输出，全部组件仅用最终 next-token prediction loss 联合训练。在 1.4B 模型实验中，LoopFold 在八项任务的平均零样本准确率从 53.41% 提升到 56.38%，而 vanilla looped 模型和 PLT 在同等深度范围增益有限。相比九循环 vanilla 模型，LoopFold 用五个串行阶段加额外并行计算将解码延迟降低 46%。
arXiv · cs.AIAI 评分3030 面向鲁棒强化学习的可证高效 Q-learning 算法
该研究提出一种用于鲁棒强化学习的异步 Q-learning 算法，解决基于鲁棒 MDP（RMDP）的 model-free 方法缺失问题。在 γ 折扣无限时域设定下，仅用单条 Markovian 样本轨迹，算法对最优 Q 函数实现逐元素 ε-逼近的样本复杂度受 $\frac{1}{\mu_{\min}\varepsilon^2(1-\gamma)^3\max\{1-\gamma,\sigma\}} + \frac{t_{\text{mix}}}{\mu_{\min}(1-\gamma)}$ 约束（不含对数因子），达到近极小极大最优，仅多出 $\frac{1}{1-\gamma}$ 因子。相比现有边界显著改进，适用于 TV 距离不确定集（不确定度 σ）下的真实环境 sim-to-real 鲁棒性需求。
arXiv · cs.CLAI 评分3131 EXCISE：定位并剔除医学问答中的干扰句
EXCISE 是一种推理时方法，通过阻断对干扰句的注意力来消除无关信息对医学问答模型的干扰，且仅在模型隐状态判定该句与病例不一致时执行。作者构建了 MedQA-TD 基准，EXCISE 在其上提升 16.7-22.8 个准确率点，代价是无干扰问题下降 1.5-2.1 个点，优于提示、重写和 steering 基线，并在 MedDistractQA、BiasMedQA 及链式推理生成上同样有效。
arXiv · cs.AIAI 评分1717 CounterFlow：基于目标条件 Flow Matching 的视觉反事实解释框架
CounterFlow 是一个基于 Conditional Flow Matching 的新框架，通过目标条件向量场将源图像直接引导至用户指定的目标类别，生成视觉反事实解释。在标准 benchmark 上，它在视觉真实性和目标类别切换上均达到 SOTA，且计算开销显著低于传统 GAN 或扩散模型架构。由于直接在原始像素空间工作，CounterFlow 更适合真实场景部署。
arXiv · cs.CLAI 评分4242 全双工语音模型新方法 Window Likelihood：积分奖励而非采样奖励
论文提出 window likelihood（WL）方法，改进全双工语音对话模型在用户打断与附和时的表现。作者发现时序奖励的 GRPO 整段 rollout 存在零梯度陷阱和 credit leakage 两类失败，WL 则在每个窗口闭式积分 stop 决策并最大化正确行为的对数概率。在 HumDial-FDBench 上，WL 在六个开源模型上取得最优 yield/hold F1，超过 Kyutai 发布的 GRPO checkpoint，且不重新打开话轮。
arXiv · cs.AIAI 评分3232 OmniShowcase：基于多视图图像的全向主体一致视频生成
OmniShowcase 提出从多视图参考图像生成主体一致视频的方法，包含自动化数据合成管线与基于表面法线贴图的几何条件方法，支持完整 360 度环绕拍摄。团队构建了覆盖 12 种相机运动、88 种轨迹配置的 Showcase-4K 数据集和评测集 ShowcaseBench，实验显示主体身份与 3D 一致性达到 SOTA，同时保持有竞争力的视频质量与运动效果。
arXiv · cs.AIAI 评分3434 TrySee：模块化感知增强的 VLM 闭环机器人任务规划方法
研究者提出 TrySee，一个将通用 VLM 推理与领域专用感知及机器人组件结合的模块化闭环机器人任务规划管线。系统采用反应式循环规划、领域模块化视觉预处理和动态预处理选择机制，无需 VLM 微调或端到端演示，可通过可替换感知模块与运动规划进行适配。该方法在 5 个差异显著的领域（含真实机器人拆解任务）上完成评估，并在 brownfield 环境实地验证了在领域训练数据有限情况下集成 VLM 规划的可行性。
arXiv · cs.CLAI 评分3131 让推理过程可见：结构化推理任务中的配置感知诊断建模与自适应支架
一项针对语法推理的研究提出诊断框架，通过分析学生在交互式学习游戏中的动作序列，将逐步推理过程可视化，并用五个可解释策略维度将推理分为四种状态。基于 234 名学生在 42 道题上的 36,234 次交互，研究发现推理策略主要随情境而非稳定特质变化（ICC = 0.14），74.6% 由高协调需求导致的失败在无干预时会再次失败；早期预警模型仅用策略模式即达到 AUC = 0.826，加入序列上下文后达 0.902，可支持更早、更有针对性的自适应支架。
arXiv · cs.AIAI 评分5050 EvoRouter：基于洞察引导在线蒸馏的多智能体低成本路由框架
论文提出 EvoRouter，一个通过洞察引导在线蒸馏自我演进的多智能体路由框架，由专家从配置轨迹中提炼可复用路由洞察，特权教师结合执行反馈为路由器的规划轨迹提供密集 token 级监督，并用成本感知强化学习联合优化性能与开销。在 19 个域内数据集和 2 个域外基准上，EvoRouter 平均域内精度 68.69%，超过最强路由基线 7.23 个百分点，推理计算成本降低 50.95%，代码已开源。
arXiv · cs.AIAI 评分1010 OptIDC：面向深度 CTR 预测的统一输入侧维度配置最优框架
研究者提出 OptIDC，一个用于深度 CTR 预测的统一输入侧维度配置框架，可联合学习样本、特征和嵌入向量三个层级的配置。该框架引入选择加权 Optimal Transport 机制，通过有限测度上的传输对齐粗粒度与细粒度选择，缓解跨层级选择冲突，且与模型无关、可集成到现有 CTR 模型。在四个真实基准数据集上的实验显示，OptIDC 的 AUC 一致高于现有输入侧选择方法。
arXiv · cs.CLAI 评分2626 MATE：面向空战战术决策的离线语言辅助系统
研究者提出 MATE（Mission Assistant for Training and Evaluation），一个基于 RAG 的完全离线语言辅助系统，利用条令和战术手册内容回答自然语言问题，辅助空战飞行员训练与战术决策。系统全部由开源组件构建，本地完成文本预处理、嵌入生成、语义搜索与语言生成。三名巴西空军战斗机飞行员用 Llama 3.1 8B、Qwen 2.5 14B 和 Mistral NeMo 12B 评估了 5 个战术问题的回答，平均评分在 4.00 到 4.40 分（满分 5 分）之间，Mistral NeMo 12B 得分最高。
arXiv · cs.CLAI 评分2222 用 Span Readout 与选择性适配改进 JEV 蕴含重排序
一项 arXiv 研究（arXiv:2610.35654）探讨语言模型在 JEV 蕴含重排序中的 readout 与适配选择，提出将 mean-span 池化与选择性骨干适配相结合：在 attention 与 gated DeltaNet 投影中保留低秩更新、移除前馈 adapter。在覆盖七个来源、十一种重排序配置的 MC11 基准上，选择性适配使 NeoHorse-1-4B 准确率超过全模块基线，同时可训练参数减少一半以上，mean-span 池化在不增加 head 参数的情况下带来进一步提升。
arXiv · cs.AIAI 评分1616 可解释多模态 AI 方法助力减少不必要的乳腺活检
一项研究提出结合 Grad-CAM 可解释技术的多模态视觉-语言方法，预测 BI-RADS 4 和 5 患者的良性肿瘤，以减少不必要的乳腺活检。该框架用 Vision Transformer 提取影像特征、DeBERTa-V3-Large 生成文本嵌入，并经后期融合分类，在含 1,632 名患者的内部数据集上训练评估。多模态方法在测试集上取得最佳 AUC 0.72，优于仅影像（0.66）和仅文本（0.68）基线。
arXiv · cs.CLAI 评分1919 将 LLM-SC 框架适配于活态圣迹遗产：基于 Pashupatinath 神庙评论的领域特定抽取、语义网络与人工评估
研究者将 LLM-SC 框架适配于尼泊尔 Pashupatinath 神庙，在 GPT-4o 抽取提示词中定义 12 类实体、4 类关系和 9 个方面-情感维度，对 2,500 条 Tripadvisor 英文评论进行抽取，共导出 11,286 条实体、6,232 条方面-情感和 5,590 条关系记录，新增的 8 类圣迹遗产实体类型占实体记录的 64.8%。对照 200 条评论的双标注参考，实体抽取 F1 为 28.4%，方面-极性端到端 F1 为 42.6%；人工裁定支持 194 个关系候选中的 153 个（78.9%）。