prompts.chat 新增提示词：bank po（银行 PO 备考专家角色）
prompts.chat 收录一条新提示词，让 AI 扮演已通过所有 bank po 考试的专家，为初学者制定 10 个月内通过 bank po 考试的完整路线图，说明各科目章节间的衔接顺序（如 quant reasoning 和 english 从哪些章节入手），并给出普通类别 pre 和 mains 达到 cut off 所需的 mock 考试数量。
全部 AI 动态
新闻、仓库与研究，按时间排列。
prompts.chat · 每日 promptAI 评分77 prompts.chat · 每日 promptAI 评分2020 prompts.chat 新增 prompt：Playful Fisheye Candid Portrait
prompts.chat 收录匿名用户提交的图像生成 prompt「Playful Fisheye Candid Portrait」，供 GPT Image 2.5（ChatGPT）使用。该 prompt 基于上传的自拍生成鱼眼风格写实人像，要求保留人物精确面部特征，画面包含绿色木门前台阶、米色风衣与一只前景大鼻子的白棕猫，输出 16:9 横幅且不含文字。
prompts.chat · 每日 promptAI 评分1616 prompts.chat 新增 prompt：Cozy Bedroom ASMR Cinematic Video Scene
prompts.chat 收录由 @anonymous 贡献的 prompt「Cozy Bedroom ASMR Cinematic Video Scene」。该 prompt 描述温馨卧室 ASMR 视频场景：50mm 镜头浅景深、2700K 暖光、5 cm/s 相机漂移，配轻语与雨声氛围，输出 8 秒、4K、60fps、16:9 画幅片段。
prompts.chat · 每日 promptAI 评分1212 prompts.chat SEO 优化：修复全站首页 canonical、新增逐页 metadata、真实 404/308 与完整 sitemap（#1290）
prompts.chat 完成一项 SEO 优化提交：修复全站首页 canonical 标签，并为首页、提示词库、发现页、分类、标签、skills、workflows、开发者工具、API 文档等页面新增逐页 metadata。同时提供真实的 404 和 308 状态码，并添加完整的 sitemap，改进阿塞拜疆语等语言的页面标题与描述配置。
arXiv · cs.CLAI 评分5050 当人设变得有害：用全球公民价值观对齐引导 LLM
研究者构建了包含 11k 个争议话题和基于 Schwartz Value Survey 价值维度人设的数据集，通过 agentic pipeline 在对齐良好的商业 LLM 上以超过 47% 的成功率诱导出有害回应。研究以 UNESCO 全球公民原则作为区分正当价值表达与有害行为的底线，并提出可在推理时平衡人设遵循与安全性的可控对齐模型，在多数样本上比基线更安全且更贴合人设。该论文已被 EMNLP 2026 主会接收。
Hugging Face · 新模型：uncensored同新闻AI 评分5656 DeepSeek-V4.1-Flash-1017 的无对齐 FP8 权重版发布
dealignai 发布了基于 deepseek-ai/DeepSeek-V4.1-Flash-1017 的去拒绝版本 DeepSeek-V4.1-Flash-1017-UNCENSORED-FP8，仅做权重级 abliteration，不用量化、模板改写或系统提示注入。保留原生 FP8 e4m3 + FP4 专家、1M 上下文、多模态、工具调用与推理档位，与上游字节兼容可直接加载。自测 HarmBench-320 全部 320 条 COMPLY 无任何拒绝，MMLU 20×57 从 87.63% 降到 83.77%， Humanities 降幅最大达 -7.31 pp。附 4×H200 参考引擎运行方法与 SGLang 启动参数，仓库手动门控，MIT 许可。
同一新闻，精选展示《DeepSeek-V4.1-Flash-1017 无对齐 FP8 权重发布，HarmBench 320 题全部合规》
arXiv · cs.AIAI 评分5050 Intervention-Certified Amplification 论文提出 σ 加权后训练的有效性门控方法
arXiv 论文 2610.33882 提出 Intervention-Certified Amplification（ICA），用于门控 σ 加权 SFT/RL 混合后训练。作者展示 DIAA 在锚数据中移除全部 Python fence 后仍在 MATH-500 上 29% 的 prompt 输出未执行的 TIR，为 vanilla GRPO 的三倍；ICA 将 TIR 降至 13.8%（冻结）和 11.2%（在线），准确率从 47.5% 提升至 48.7% 和 49.3%，并无需重调即可迁移到 GSM8K。论文共 13 页，发表于 EMNLP 2026 Findings。
Hugging Face · 新模型：abliterated同新闻AI 评分7272 DeepSeek-V4.1-Flash-1017 去对齐版发布 GGUF 量化构建
10exdev 发布 DeepSeek-V4.1-Flash-1017 去对齐（abliterated）版本的 GGUF 量化构建，提供 235.8 GB 的 Mix-256G 与 114.0 GB 的 Mix-128G 两种混合精度档位。拒绝率加权均值从基座的 0.874 降到 0.074，MMLU 保持 0.91 左右；需 llama.cpp PR #30817 才能加载，Engram 表存于 SSD。
同一新闻，精选展示《DeepSeek-V4.1-Flash-1017 去对齐版 GGUF 量化发布，763B MoE 最低 235.8 GB 内存可跑》
Hugging Face · 新模型：abliteratedAI 评分2020 mradermacher 发布 ThinkingCap-Nemotron-3.5-Lightning-30B-A3B-abliterated 的 GGUF 静态量化版本
mradermacher 在 Hugging Face 上放出 ThinkingCap-Nemotron-3.5-Lightning-30B-A3B-abliterated 的 GGUF 静态量化版本。该模型未部署到任何 Inference Provider，下载量也未统计。
arXiv · cs.AI精选AI 评分5555 FlashScript：把重复 Agent 工作流编译为可复用的神经符号程序
论文提出 FlashScript，将成功的 Agent 运行编译为可复用的神经符号程序（NSP），动作与数据转换变代码、实例值变参数、需模型判断的决策保留为 LLM 调用。在 120 个 WorkBench 分析任务上配合 Claude Haiku 4.5，NSP 每次运行做出相同工具调用，输入 token 约为 skill 引导 Agent 的 1/70、运行时间约 1/3；复合任务中 skill 引导 Agent 准确率降至 23%，NSP 保持正确，并成功泛化到 108 个未见过实例。
推荐理由：论文把成功的 Agent 运行轨迹编译成可复用的神经符号程序，给出 token 用量与运行一致性的量化对比。
Hugging Face · 新模型：abliteratedAI 评分2020 lyber-ai 发布 MiniMax-M3.1-Flash-ABLITERATED-NVFP4 模型仓库
lyber-ai 在 Hugging Face 上架 MiniMax-M3.1-Flash-ABLITERATED-NVFP4 模型仓库，仓库公开可访问，但需同意条件后才能获取文件和内容。用户须登录确认年满 18 岁、承诺在所在司法辖区合规使用并承担全部输出责任，访问授权由仓库所有者自行决定。
arXiv · cs.AIAI 评分4747 ReGE：通过经验合成构建更强的 AI 智能体
研究者提出经验合成框架 ReGE，其实现 ReGE-Syn 用单次 coach 调用将执行记录与产物合成为引导，供学生智能体在相同基座模型、无参数更新下执行。在四个 benchmark 上，GPT 平均提升 9.9 个百分点、Claude 提升 8.8 个百分点。相比改编的 AggAgent，ReGE-Syn 在 BrowseComp-Plus 匹配子集上构建引导的 token 消耗减少 98.2%（GPT）和 95.5%（Claude）。
arXiv · cs.AIAI 评分3636 Numina Fuse：面向 Lean 4 的交互式自动形式化
Numina Fuse 是一个用于 Lean 4 数学形式化的智能体原生应用，围绕人类对智能体工作的监督设计，用户可通过蓝图、依赖图和 Lean 代码视图协作并让后端运行智能体数小时。它在 2026 年从固定人工节奏的流水线演化为自主调度专家、证明器和并行子任务的 orchestrator。Fuse 已用于三维 Kakeya 猜想的形式化，开源本地版本 Fuse Desktop 已可用。
Hugging Face · 新模型：uncensoredAI 评分2323 Hugging Face 上架 Harsha001/Qwen3.8-27B-Uncensored-ROCmFPX 模型
Hugging Face 发布 Harsha001/Qwen3.8-27B-Uncensored-ROCmFPX，提供 Q8_0_ROCMFPX 量化版本。该模型可通过 llama.cpp 本地部署，支持 OpenAI 兼容服务器，也可用 Ollama 运行（ollama run hf.co/Harsha001/Qwen3.8-27B-Uncensored-ROCmFPX:Q8_0_ROCMFPX），并可在 Docker Model Runner、Lemonade 及 LM Studio、Jan、Pi、Hermes Agent、OpenClaw 等工具中加载使用。
arXiv · cs.CLAI 评分5151 arXiv 论文揭示 RAG 投毒防御的基准捷径与工作点崩溃
作者发表论文 arXiv:2610.33849，指出查询时 RAG 投毒防御的高检出率主要由毒集构造线索预测而非内容本身，删除问题前缀即可让 RAGuard 的 AUROC 从 0.953 降到 0.758、漏检率从 0.191 升到 0.763。用词序打乱的填充文本补齐长度后，TrustRAG 集级阶段漏检率从 0.000 升至 0.827，作者的 12 项已发表防御评测中 8 项可验证使用了此类毒集，12 项未报告部署阈值处的误报率；作者发布了计算构造画像的脚本，并声明不主张任何防御方案。
Hugging Face · 新模型：uncensored精选AI 评分6666 
SmolLM3-3B 的 Heretic 去对齐版本发布，拒绝率从 82 降到 3
virtualdmns 发布基于 HuggingFaceTB/SmolLM3-3B 的 abliterated 版本 SmolLM3-3B-Heretic-Uncensored，用 Heretic 定向消融配合 Optuna TPE 参数搜索，100 次试验中选出 Pareto 前沿上的最优权衡。独立复测显示拒绝率从基线的 82/100 降到 3/100，KL 散度为 0.0684；架构、tokenizer 和聊天模板不变，保留 /think 与 /no_think 模式，仅权重不同。lm-eval 基准显示多数指标变化在 ±2 点内；ggsm8k strict-match 上升 42.0 点而 flexible-extract 下降 8.0 点，作者提示这是答案格式偏移，应视为混合结果。
推荐理由：原文给出独立的拒绝率复测、KL 散度和基准对比数据，还包括循环退化等负面结果，读者可以据此完整评估这个去对齐版本的代价。
Hugging Face · 新模型：uncensoredAI 评分4646 
SmolLM3-3B-Heretic-Uncensored GGUF 量化版发布
virtualdmns 的 SmolLM3-3B-Heretic-Uncensored（用 Heretic 移除拒绝行为的 SmolLM3-3B）现提供 GGUF 格式，含 Q8_0（约 3.28 GB）和 Q4_K_M（约 1.92 GB）两种量化，chat template 已嵌入文件并支持 /think 与 /no_think 模式。经 llama.cpp 加载测试可正常生成、无拒绝行为，源权重重新评测显示拒绝率 3/100（原版基线 82/100），KL 散度 0.0684。可通过 llama.cpp、LM Studio 或 Ollama 运行，采用 Apache-2.0 许可。
Hugging Face · 新模型：uncensored精选AI 评分5656 lyber-ai 发布 MiniMax-M3.1-Flash 无对齐版（NVFP4）
Lyber AI × dealign.ai 基于 MiniMaxAI/MiniMax-M3.1-Flash 发布去拒绝行为版本，用 CRACK（跨 42 层信号加权 abliteration）在权重层面移除拒绝行为，保留扩展思考、reasoning-effort 分级、工具调用与原生 4M 上下文。权重为原生 MXFP8 + NVFP4 MoE 专家，与上游字节兼容，vLLM/SGLang 无需改码即可加载；MMLU 从 69.80% 降至 62.20%（−7.6pp，主要由 moral_scenarios 贡献），单轮与多轮合规测试均为 5/6，需约 264 GB 显存（1× B300 或 2× H100/H200 TP2 或 4× A100 TP4）。
推荐理由：原文给出 CRACK 消融的具体层数、强度和 MMLU 前后对比，读者可据此判断去对齐的代价与保留能力。
arXiv · cs.AI精选AI 评分6969 AutoTavern：自改进 LLM 研究智能体打造出比肩顶级玩家的炉石酒馆战棋 AI
论文提出 AutoTavern，一个由专业化 LLM 研究智能体组成的自改进系统，在 20 天内构建了炉石酒馆战棋的完整模拟器 TavernGym 和 23 个版本的 TavernAgent。TavernAgent 在天梯上自行完成对局，评分从 6,000 升至约 15,000，最近 20 场平均名次 1.60、80% 第一名，各项统计优于服务器前十玩家（2.34、59%）；配套 TavernBench 含 40 个场景共 960 个任务，TavernAgent 答对 91% 对局任务而前沿 LLM 至多 63%，0.03 秒内决策且实时回合内保持 90%。TavernBench 和 TavernGym 将开源。
推荐理由：论文用实测数据展示了自改进 LLM 智能体建系统的能力强于其直接对局能力，结论对 Agent 研究方向有参考价值。
arXiv · cs.CLAI 评分4343 视觉语言模型如何按需控制模态指向：反事实干预评估方法
一项 arXiv 预印本研究提出通过保留冲突的反事实干预来评估视觉语言模型（VLM）的模态指向控制，用 Flip 和 Stay 两个指标衡量答案是否跟随对指定模态的编辑。方法上构建新词学习，仅训练新增的视觉与文本指向词嵌入并冻结预训练模型，并引入 Counterfactual Twin-Margin（CTM）反事实监督。在三个 VLM、三个现有基准及自建 Ground-CF 基准上，学习到的模态词优于自然语言指令，LoRA 整体最强，反事实监督在多个设置中提升控制效果。
arXiv · cs.CLAI 评分4040 EdgeDeID：无需真实患者数据训练的 0.6B 临床去标识化模型
EdgeDeID 是一个 0.6B 参数的本地运行临床去标识化模型，训练全程不使用真实患者文本，由三个 LLM 教师生成合成笔记再统一标注。在 100 篇人工核验的合成域内基准上达到 0.994 micro-F1，99% 的笔记无遗漏标识符，而八个现成系统中最强者仅为 0.857 和 12%；量化后在 CPU 上仅占 615 MB。但在 MIMIC ICU 护理笔记上 F1 降至 0.48，三个手写上下文示例可回升 0.08 F1。
arXiv · cs.AIAI 评分2222 EEGBiFormer：基于混合 CNN-Transformer 的实时 EEG 注意力状态分类
EEGBiFormer 是一种混合 CNN-Transformer 模型，可对 16 通道 EEG 信号进行专注/非专注状态的实时二分类，在 17 次独立会话中实现 91.3% 窗口级验证准确率、F1 94.5%，端到端延迟低于 100 ms。基于模型对听觉刺激排序生成的 EEG 个性化音频方案，在 37 人被试内对照实验中使综合注意力得分较静默对照显著提升 20%。
Hugging Face · 新模型：abliteratedAI 评分3030 huihui-ai 发布 Huihui-Qwen3.8-27B-abliterated：Qwen3.8-27B 去审查版本
huihui-ai 基于 abliteration 技术推出 Qwen3.8-27B 的去审查版本 Huihui-Qwen3.8-27B-abliterated，无需 TransformerLens 即可移除模型拒答行为。最新更新仅对第 18 至 51 层做 abliterated 处理，其余层保持原样以保留更多原始性能，MTP 与视觉部分未修改。模型可在 Hugging Face 下载，也可通过最新版 ollama 以 `ollama run huihui_ai/Qwen3.8-abliterated` 直接运行。
Hugging Face · 新模型：abliteratedAI 评分1818 Qwen2.5-7B-Instruct-abliterated-v2 Q4_K_M GGUF 量化版模型使用指南
Hugging Face 上架 Rasist228 发布的 Qwen2.5-7B-Instruct-abliterated-v2 的 Q4_K_M GGUF 量化版本。该模型可通过 Transformers、llama.cpp、vLLM、SGLang、Ollama、Docker Model Runner、Lemonade 等多种工具加载运行，llama.cpp 与 vLLM、SGLang 均支持启动 OpenAI 兼容 API 的本地服务器，也可在 LM Studio、Jan、Pi、Hermes Agent 等应用中使用。
arXiv · cs.AIAI 评分1010 通过累加感知量化让 DNN 适应电压缩放引发的硬件误差
一项硬件-软件协同设计方法利用 systolic array 累加器中时序稳健位范围随电压-频率工作点变化的特性，提出累加感知训练，结合混合精度量化与非结构化剪枝，辅以 MSB 掩蔽、细粒度时钟门控和逐层动态频率缩放。在 2nm 工艺节点的低电压前沿运行时，该后布局架构相对标称电压实现节能 39%、energy-delay product 提升 23%，精度损失保持在 1% 以内。论文已被 ICCAD '26 接收。
Hugging Face · 新模型：abliteratedAI 评分2727 Flint-40B-A2.5B Abliterated FP8 校准量化版在 Hugging Face 发布
cbert33 在 Hugging Face 发布 Flint-40B-A2.5B Abliterated 的 FP8 校准量化版本，基于 dima6312/Flint-40B-A2.5B-abliterated，采用 LLM Compressor FP8_DYNAMIC 格式，含 36,439 个量化权重张量、295 个 BF16 保护张量和 98 个校准 BF16 KV scales（覆盖 49 个注意力层）。校准使用 HuggingFaceH4/ultrachat_200k 的 train_sft 前 512 行（543,281 tokens）。该模型仅限研究用途，未经生产验证，端到端生成质量与 benchmark 未测试。
Hugging Face · 新模型：abliteratedAI 评分5050 XeroCore-1.0-abliterated 模型在 Hugging Face 发布
xerofounder 在 Hugging Face 发布经 abliterated 处理的 XeroCore 1.0，采用 Pareto Optimal Solution（Trial 46），拒绝率从基线 98% 降至 0.0%（0/100），KL 散度 0.5558，修改范围为第 1 至 39 层，使用 Arbitrary-Rank Ablation（ARA），并附带 PEFT LoRA adapter。
arXiv · cs.AIAI 评分1818 GalaxyTS：多变量时间序列预测中的专家特化研究
多变量预测的核心难题是在通道间共享与特化之间权衡。研究通过 11 个数据集、3 个骨干网络的受控对比表明，信息性通道分配优于匹配的共享容量和随机分配，冻结 transformer 骨干上的持久通道混合平均优于输入依赖路由。作者还提出合成数据集 GalaxyTS 与即插即用方法 PCR，PCR-K4 在四个预测跨度上相对三个冻结骨干实现 3.86-14.25% 的均方误差降低，且所需可训练参数更少。
arXiv · cs.AIAI 评分3838 EnvLunch：将环境本身作为智能体学习的免费午餐
研究者提出 EnvLunch，一种无需人工标注的预热训练方法，让语言模型智能体在执行环境中采样有效动作轨迹，再仅凭最终观测恢复功能等价的轨迹。该方法使模型在下游强化学习各训练预算下平均超过基线 9 分以上，基线需 8 到 32 倍的标注样本才能匹敌其最小预算的准确率。
Hugging Face · 新模型：uncensoredAI 评分3636 mr-sus 发布 Minecraftism-4B-Thinking-Uncensored：会玩 Minecraft 的 4B 思考模型
mr-sus 在 Hugging Face 发布 Minecraftism-4B-Thinking-Uncensored，一个基于 huihui-ai/Huihui-Qwen3-4B-Thinking-2507-abliterated 微调的 4.02B 参数模型，作为 PyMC Bot 的大脑，根据游戏状态输出 JSON 动作并回答 Minecraft 相关问题。模型采用 Qwen3 强到弱蒸馏配方训练，held-out 评测中 100% 输出有效 JSON、68.8% 动作正确；权重为 16-bit safetensors，约 8.04 GB，采用 PolyForm Noncommercial 1.0.0 许可，仅限非商业使用。
Hugging Face · 新模型：uncensoredAI 评分3535 mr-sus 发布 Minecraftism 4B Thinking Uncensored GGUF 量化版本
mr-sus 在 Hugging Face 发布 Minecraftism 4B Thinking Uncensored 的 GGUF 量化版本，该模型是 Minecraft 玩家机器人 PyMC Bot 的"大脑"，基于 huihui-ai 的 Qwen3-4B-Thinking-2507-abliterated 微调，共 4.02B 参数。Q4_K_M 量化为 2.5 GB，留出集评测中 100% 输出有效 JSON、68.8% 动作正确；模型先写思考再输出 JSON 动作，采用 abliterated 无审查基座，可通过 Ollama 或 llama.cpp 运行，微调采用 PolyForm Noncommercial 1.0.0 许可。
arXiv · cs.AIAI 评分4141 XLand-MiniGrid 记忆优势审计：是记忆还是时钟？
一项 XLand-MiniGrid 审计研究发现，LSTM 智能体对无记忆 MLP 的 25 个百分点优势，大部分来自知道时间步——回合在固定上限截断且奖励随时间衰减。分离训练 seed、地图与评估噪声的 60 次运行显示，"任务习得"二值判定中 76% 是评估噪声，检测 10 点差距需约 10 个配对 seed。给无记忆基线提供时间步后差距缩至 3.3 点内，作者已发布协议、工具与全部 checkpoint。
arXiv · cs.CLAI 评分5151 arXiv 论文对比 LoRA 与全量微调在提示词安全分类中的表现
arXiv 论文 arXiv:2610.33813 用匹配的 400M encoder-decoder 模型对（Ettin）在三种任务格式上对比 LoRA 与全量微调做提示词安全分类，每个单元格最多 15 个随机种子并预注册分析。在预设学习率下全量微调在仅用标签训练时领先 LoRA 2-3 pp，编码器上学习率经同一搜索后差距消失；让 LoRA 在判定后写理由可提升 4.0 pp 并追平差距。微调模型域内超过 prompted 8B，但在三个分布外语料中两个落后，对抗性越狱场景落后 8-23 pp，且把 27-66% 良性但形似有害的提示词误判为不安全，而 8B 为 2-3%。结论是适配方式的影响小于训练方式、学习率和训练目标，域内准确率不足以衡量鲁棒性。
arXiv · cs.AIAI 评分3939 Rectified Language Flow（ReLF）：用整流流做快速并行文本生成
研究者提出 Rectified Language Flow（ReLF），一种用整流流将噪声传输到 token 嵌入的语言模型，结合 Hellinger-SVD 固定 token 嵌入、交叉熵训练的 self-conditioning 引导与正则化 reflow。在 OpenWebText 上 64 次函数评估时，ReLF 在三种模型规模下均以相同多样性取得低于自回归基线的生成困惑度。经两轮 reflow 后，16 次函数评估仍优于自回归基线，batch size 1 下生成 1,024-token 序列快 15-19 倍。
arXiv · cs.CLAI 评分4646 IntentDelta：一个人工构建的用户意图演化基准
研究者推出 IntentDelta，一个人工构建的多轮对话基准，涵盖 WebShop 和 TravelPlanner 上 638 条轨迹、3,766 轮交互，每轮配对用户话语、累积意图状态与人工参考动作。评测显示 11 个智能体平均 Intention Recovery 在 TravelPlanner 为 33.1%、WebShop 为 44.7%，平均 Action Score 分别为 31.6% 和 41.0%。智能体难以保留早期需求、区分软偏好与硬性约束，且意图恢复正确也不保证执行成功。
arXiv · cs.AIAI 评分1111 DynaReason-Pro：通过构象系综将蛋白质动态与功能关联起来
研究者推出 DynaReason-Pro，首个从蛋白质构象系综联合预测 GO 功能词条并生成自然语言功能解释的框架，针对固有無序蛋白（IDP）的动态特性。该框架在来自 Protein Ensemble Database（PED）的 IDP 基准上评测，采用序列与结构簇互斥的数据划分防止数据泄漏，分层评估显示在高构象变异区间增益最明显。
arXiv · cs.AIAI 评分3434 ProMo3D：探测冻结 3D 基础模型中的运动线索
ProMo3D 论文提出基于探测的运动蒸馏方法（PMD），发现冻结的 3D 基础模型 token 中已编码可解码的运动相关信息。PMD 将相对固定锚点 token 的成对运动状态兼容性分数转化为密集运动掩码，仅用 160 段 YouTube-VOS 视频和单张 16 GB GPU 训练。该方法零样本迁移至 DAVIS、SegTrackv2 和 FBMS-59，优于免训练启发式方法，接近更重的监督与自监督方法。该论文已被 NeurIPS 2026 主会接收。
arXiv · cs.AIAI 评分1818 UMLS 注入语言模型助力医疗问答，真的走到头了吗？
一篇 arXiv 论文回答“是否不必再向语言模型注入 UMLS 知识”这一问题：也许还没有。研究综述了现有医疗问答（MQA）工作，指出 UMLS 覆盖率低、子图检索流程薄弱等此前未被讨论的方法学问题，并说明 UMLS 图注入目前仅带来有限性能提升。作者据此提出可行建议，以释放 UMLS 作为外部知识源的潜力。
arXiv · cs.CLAI 评分4646 MTA-Zero：通过在线 QA-Solver 共训练实现自改进多模态深度搜索
研究者提出 MTA-Zero，一个无需预计算多跳语料的在线多模态 QA-Solver 共训练框架，用 GRPO 独立优化 QA Generator 与深度搜索 Solver。在六个多模态深度搜索 benchmark 上，该框架将 Qwen3-VL-8B Solver 的平均准确率从 36.91% 提升至 51.58%，与相同 agent 工作流下的 GPT-5 表现相当，并使 Qwen3.6-27B Solver 提升 10.82 分。
arXiv · cs.CLAI 评分3434 邻居的低语：将描述共识重思为视觉-语言检索的推理时证据
该 arXiv 论文提出在推理时让冻结双编码器利用同一图像的多条描述提升文本到图像检索：当描述与查询来自相同标注者时，九个冻结编码器的 R@1 提升 3.4 至 16.8 点；改用现成 captioner 生成时降至 1.9 至 7.2 点，跨标注源时最多约 1 点。分析表明正确候选的支持方式与负例不同，且该增益源于匹配人类描述，并未改善图像-文本 grounding。