CliQ-RRG：临床知识引导的疾病感知视觉-文本对齐，用于问答式放射报告生成
研究者提出 CliQ-RRG，一个两阶段放射报告自动生成框架。第一阶段用疾病感知视觉-文本对齐模块和 Prior-Guided Attention Module（PrAM）捕捉当前与既往扫描的多视图依赖；第二阶段通过 GraphRAG 检索引入图结构临床证据，并由大语言模型将其重组为带诊断摘要的问答（QA）对。在两个公开胸片基准上，该方法在词汇与临床指标上均优于已有方法，代码已开源。
#论文/研究
新闻、仓库与研究，按时间排列。
arXiv · cs.CLAI 评分2222 arXiv · cs.CLAI 评分4949 ReTRAIL：面向长程智能体的回溯探索与演化框架
arXiv 论文提出 ReTRAIL 框架，让大语言模型智能体在长程任务中将环境回退到早期状态，同时保留有效进展并携带从放弃探索中习得的知识。该方法用 State-Anchored GRPO 和分支推进奖励训练共享策略。在 MineSweeper、Sokoban、ALFWorld 和 ScienceWorld 四个交互式 benchmark 上，仅添加回退原语收益有限甚至降低性能，而 ReTRAIL 能复用废弃分支的经验指导后续探索。
arXiv · cs.CLAI 评分3434 CoBe：会话式反事实文本编辑基准发布，前沿模型平均仅得 58.05%
研究者推出反事实文本编辑基准 CoBe，测试模型在对话式提示下零样本修改文本场景、同时保留未受因果影响事实的能力。基准含 2000 道题，覆盖医疗、科学与工程、商业及日常场景；前沿模型平均得分 58.05%，且常退化为关联式生成而非保留因果结构。性能与模型规模及输出 token 长度均不一致相关，表明问题可能源于训练目标而非模型容量不足。
arXiv · cs.CLAI 评分3333 RAMP：面向循环深度语言模型高效 prefill 的循环自适应混合精度方法
RAMP（Recurrent Adaptive Mixed Precision）是一种针对循环深度语言模型长上下文 prefill 的自适应混合精度方法。研究发现循环深度早期引入的量化误差会被后续更多循环步骤衰减，因此对低精度计算前置、末端恢复高精度。在最长 4K 上下文上，RAMP 在 NVIDIA H100 上实现最高 1.16x 端到端首次 prefill 加速，延迟降低 13.9%，同时保持接近全精度的质量。
arXiv · cs.AIAI 评分2222 AdaCast：用条件参数生成实现自适应时间序列预测
AdaCast 是一个时间序列预测的条件参数生成框架，由生成器为冻结的预训练时间序列基础模型产出针对每个输入的低秩参数更新。相比现有一次性方法只学习单一数据集级参数更新的静态适配方式，AdaCast 在训练和推理阶段都能按输入适配模型参数。在六个公开基准上，AdaCast 在域内预测中持续超越静态适配基线，并提升了跨域留出数据集的 zero-shot 泛化能力。
arXiv · cs.AIAI 评分2727 Batch Before You Lift：Cluster-TNN 实现大规模图上的可扩展拓扑深度学习
研究者提出 Cluster-TNN，一种领域无关的拓扑深度学习框架，通过预处理划分图、运行时动态采样节点簇并在 mini-batch 内局部执行 graph lifting，避免全图提升带来的计算瓶颈。在与全图执行的 21 组对比中，Cluster-TNN 在所有配置下都降低峰值 GPU 显存，平均降幅 83.2%，同时保持有竞争力的预测性能。这一方法据作者所知首次使多种高阶 Topological Neural Networks 能在 Reddit（233k 节点、57.3M 边）和 OGBN Products 等大数据集上训练。
arXiv · cs.AIAI 评分2626 动态危险场下的实时运动规划：经典方法与基于学习方法对比研究
arXiv 论文构建统一 benchmark，对比经典规划方法与基于学习方法在含旋转扇形危险区域的动态环境中的实时运动规划表现。结果显示：确定性环境中经典规划器成功率接近满分但规划耗时更长；随机障碍动态下，低计算预算常导致失败，而 PPO 策略在延迟、成功率和路径质量上全面占优。研究表明障碍演化中的不确定性而非部分可观测性，是决定规划范式有效性的主导因素。
arXiv · cs.AIAI 评分2121 音频嵌入里还剩多少音频信息？对音频编码器的反演审计
一项 arXiv 研究通过配对源重建评估音频编码器中保留的信息：用共享的 Stable Audio Open 潜在扩散解码器，从 VGGish、ConvNeXt、CLAP、EnCodec 的冻结表示中重建 5 秒 44.1kHz 立体声音乐。在 Million Song Dataset 上的评测显示不同编码器族可重建性差异明显，接口暴露的时间与频谱结构越细，恢复效果越好；即使是压缩的任务导向嵌入，重建结果仍保留可测的源特异性和高层音乐内容。
arXiv · cs.AIAI 评分3737 Syn-Omni：结构化特化与渐进协同的全模态嵌入框架
研究者提出 Syn-Omni 全模态嵌入框架，包含 OME-LoRA（共享 LoRA 通路加各模态专家 LoRA 通路）与渐进协同路由（PSR），让模态专家先建立模态专属先验再逐步跨模态交互。在覆盖图像、视频、音频和视听任务的 81 个基准任务上，Syn-Omni 持续超越全模态基线，论文已被 EMNLP 2026 Findings 接收。
arXiv · cs.AIAI 评分3434 DVD：面向高效 MLLM 感知的动态向量解码方法
研究者提出动态向量解码方法 DVD，统一 2D 与 3D 感知任务的表示，将边界框、掩码等感知表示转为 1D 向量序列并映射为紧凑离散 token，再由轻量 de-tokenizer 解码回原始表示，可无缝接入 MLLM。在 RefCOCO 系列、SUN-RGBD、KITTI、Hypersim、nuScenes 等 2D/3D 基准上，DVD 取得更优性能，并显著降低 token 开销与推理延迟。
arXiv · cs.AIAI 评分3434 ARGUS 智能体框架：用证据约束的大语言模型解读基因组调控区变异
ARGUS（Agentic Regulatory Genomics for an Uncertainty-aware Scientist）提出一个证据约束的智能体框架，将确定性生物计算与 LLM 推理分离，用于解读非编码调控区的单核苷酸变异。框架封装 458 个基于 DNABERT 的转录因子结合模型，在假设驱动的调查循环中由 planner 选择证据源、verifier 确定性解读观察结果。在 8q24 癌症风险位点变异 rs6983267 上，对 FOXA1、KLF6、RAD21、SP1 四个转录因子给出不同判定，所有观察均来自真实 ADASTRA、JASPAR 和 ENCODE cCRE 查询。该工作已被 NeurIPS 2026 AgenticLS 工作坊接收。
arXiv · cs.AIAI 评分1111 机器学习如何融入高能核物理：从模式识别到物理融合式发现
一篇 arXiv 综述梳理了机器学习在高能核物理中从事件分类、模式识别走向物理融合式工作流的进展。文章覆盖重离子碰撞、中子星物理、格点 QFT 与全息 QCD 中的贝叶斯提取物质性质、生成式事例建模、神经退卷积与可微逆求解器等应用，并强调对称性、守恒律等物理约束及不确定性量化对可靠物理结论的作用。
arXiv · cs.AIAI 评分2222 ME-World：多智能体第一人称世界模型实现细粒度具身交互
研究者提出多智能体第一人称世界模型 ME-World，将多智能体世界建模表述为多个智能体在共享世界中通过细粒度动作交互的同步 ego-stream 生成。该模型在共享 token 序列中联合去噪多路 ego 流，以各智能体目标视角位姿为条件，并用共享环境记忆锚定生成，同时引入环境、更新与身份一致性的 shared-world 一致性指标。在真实与合成多智能体数据上的实验显示，ME-World 在共享世界一致性、动作控制、身份保持和视频质量上均优于现有方法。
arXiv · cs.AIAI 评分2323 grasp：用函数梯度引导 LLM 学习概率逻辑程序
研究者提出神经符号框架 grasp（Gradient-boosted Synthesis of Probabilistic logic programs），将关系结构学习转化为函数梯度提升，弱学习器为一阶规则，难解的内部符号搜索交给 LLM 提议预言机。在 Tox21 分子毒性预测、诱变性和 Cora 引用匹配四个关系型 benchmark 上，grasp 超越纯符号、神经网络及基于 LLM 的基线，同时生成可解释的加权规则集成。
arXiv · cs.AIAI 评分4343 LLM 内部结构研究：小世界连接性可作为推理能力的结构签名
arXiv 论文提出以小世界指数（SWI）作为 LLM 推理能力的结构签名：基于注意力头激活相似度构建功能图，发现 SWI 越高越能预测流动推理表现。据此提出的层级稀疏分配方法 Small-World Allocation（SWA）在 6 个 LLM 上比其他分配策略更好地保留小世界组织与性能，将 WikiText 困惑度最多降低 20%。
arXiv · cs.AIAI 评分2121 认知表征与问题求解的结构化理论：情境、不变性与知识空间
arXiv 论文提出一个关于认知表征与问题求解的最小结构化框架，将情境形成、不变性识别、代表选择、抽象与过程复用等表征操作显式化。情境被形式化为底层状态空间子集的一个划分，框架实现为由 Concept Graph 与 Procedure Graph 两个耦合图结构组成的 Knowledge Space。论文以简单示例和有限弱求解器演示说明：即使求解器固定且能力有限，恰当的表征组织也能简化可容许规律的形式与范围，其贡献是结构性的而非算法性的。
arXiv · cs.AIAI 评分3535 LLM 适配 Neural Operator 时靠先验还是反馈？arXiv 论文的干预实验给出答案
arXiv 论文研究 LLM 智能体在神经算子微调配置选择中如何决策：在 PDE 族间迁移的匹配比较中，LLM 的 held-out 测试 nRMSE 几乎全面优于随机搜索和贝叶斯优化。干预实验显示，其首个配置在未见验证分数前已接近随机搜索池前列，且重分配验证分数会改变后续提议，表明 LLM 同时依赖任务先验和实验反馈。论文已被 NeurIPS 2026 AI for Science Workshop 接收。
arXiv · cs.AIAI 评分2424 面向处理效应估计的预测驱动数据融合方法
该 arXiv 论文提出一个预测驱动数据融合框架，在不对手观察性研究（OBS）作特殊假设的情况下，将小规模 RCT 与大规模 OBS 融合，保持 RCT 估计无偏的同时借 OBS 提升精度。基于此框架，作者构建了带闭式权重和置信区间的 ATE 估计器 AIPW-Fusion，以及两个 CATE 学习器 DR-Fusion 和 R-Fusion，实验验证了方法有效性。
arXiv · cs.AIAI 评分3636 RiCo：基于局部接触推理的刚体交互神经模拟
RiCo 通过对接触表面点的稀疏邻域建模，将物体间推理限制在邻近表面，从而提升刚体交互模拟的精度与接触保真度。在 MOVi-benchmark 上，RiCo 将 100 帧位置误差降低 31-35%、方向误差降低约 38%，相对真值的穿透时间和平均深度差异分别为 11.0% 和 2.22 mm。该模型可零样本泛化至含 270 个物体的场景，真实世界多球碰撞实验初步验证了 sim-to-real 迁移能力。
arXiv · cs.AIAI 评分1111 ContiLNN：用液态神经网络缓解切片采样不连续性，助力医学图像修复
研究者提出 ContiLNN，通过双向闭式连续时间（Bi-CfC）模块为二维修复骨干网络增加跨切片建模能力，用于医学图像修复。在五个训练种子下，CT 去噪、MRI 超分辨率和减计数 PET 修复的 PSNR 较 Restore-RWKV 分别提升 0.1907、1.0176 和 1.2482 dB，三任务 RMSE 均更低。同等参数量下，Bi-CfC 比 Bi-GRU 延迟低 52.8%、峰值 GPU 显存占用低 57.0%。
arXiv · cs.AIAI 评分4141 GPD：用几何特权蒸馏提升视觉语言模型的空间推理能力
论文提出 GPD（Geometry-Privileged Distillation），将深度、语义和鸟瞰图线索以紧凑文本形式路由给教师模型，通过特权 KL 仅对错误轨迹增强 GRPO，进行在线自蒸馏。在 4B 骨干模型上，GPD 在 VSI-Bench 达到 57.1，在 MindCube、SPARBench、MMSI-Bench 和 ViewSpatial 平均 37.6，超过 GRPO 和答案特权 OPSD，且部署模型保持仅 RGB 输入。
arXiv · cs.AIAI 评分1818 HANS：面向含噪混合文档解析的手写答题卡数据集
研究者推出 HANS，首个面向真实教育场景的手写答题卡数据集，涵盖数学表达式、自然语言文本、手绘表格及涂改、划除等噪声模式，并附细粒度标注。基于 HANS 提出 NA-GOT 端到端框架，通过特征级噪声抑制模块与解码阶段噪声感知注意力实现两段式噪声抑制。实验显示 NA-GOT 在解题过程识别的准确率和稳定性上均显著提升，数据集将在论文发表后公开。
arXiv · cs.AIAI 评分2929 ARC：机器人基础模型的推理配方
ARC 是一种无需新机器人数据即可提升机器人基础模型（RFM）零样本性能的推理配方，由推理轨迹、可扩展的自动标注管线和微调策略三部分组成。基于 DROID 演示可自动构建 ARC-Trace-DROID，π₀.₅ 和 Cosmos3-Nano-Policy 等模型经适配后在 RoboLab-120 和 MolmoSpaces 上刷新 SOTA，RoboLab-Reasoning-50 提升最多 50 个百分点，真机实验中 π₀.₅ 任务成功率提高 82.2 个百分点。
arXiv · cs.AIAI 评分3838 GeoReform：面向多模态几何解题的反思式形式化演化框架
GeoReform 是一个反思式形式化演化框架，将几何形式化视为可优化的策略，通过收集失败推理样本、诊断表示缺陷并迭代改进几何实体、关系与约束的组织方式。在 Geometry3K 上，GeoReform 将 Qwen3VL-2B 的准确率从 42.0% 提升至 56.0%，表明有效的形式化是多模态几何推理提升的关键。
arXiv · cs.AIAI 评分3434 HRIL：通过高阶张量建模学习多模态协同信息
HRIL（Higher-order Representation and Information Learning）提出用模态嵌入构建经验交叉矩张量，并经 Tucker 分解得到核心张量，配合协同感知正则项防止能量集中，以保留多模态表示中的高阶耦合信息。在受控协同任务和真实基准上，该方法持续优于现有多模态对比方法，在协同交互主导的任务上提升显著。论文已被 NeurIPS 2026 接收，代码已开源。
arXiv · cs.AIAI 评分2626 SpaceFlow：可局部控制的 3D 生成
SpaceFlow 是一个无需训练的 3D 生成管线，可从文本描述加一组几何基元实现局部可控生成，用户能为每个区域指定严格遵循输入形状或允许生成式补全。生成结构会分割并与基元匹配，各部位仅以其分配的文本或图像线索为条件，限制跨部位泄漏。在固定几何的外观评测中，其 text-conditioned routing 达到 SOTA 的提示词忠实度与颜色/材质准确性。
arXiv · cs.AIAI 评分3838 LeWAM：基于扩散引导 MPC 的 JEPA 世界动作模型
论文提出 LeWAM，一种基于无解码器 JEPA 潜在空间、端到端训练的双向 Transformer，可同时进行前向、后向、逆动力学和策略预测。线性探针显示其潜在表征读取机器人与物体状态的能力优于常规 Le World Model，且像 LeWM 一样忽略视觉干扰。闭环评估中其表现与同规模 flow-matching 策略相当，同时在策略头噪声空间而非原始动作空间做规划，可提升 WAM 的 MPC 闭环性能。
arXiv · cs.AIAI 评分4141 HELM Safety 基准中的「有害拒答」是否成立：一项心理测量学审计
一项针对 HELM Safety 的心理测量学审计发现，「有害拒答」（模型拒绝危险或违规提示的倾向）可能并非单一可测属性。HELM Safety 四个相关数据集中三个已饱和，对其余的 HarmBench 进行的多维 item response theory 建模与 differential item functioning 分析均显示其分数背后不存单一属性，且 HarmBench 将不同危害行为压缩为一个分数。作者主张安全评分在用于模型比较前应先证明其单一属性解读成立。
arXiv · cs.AIAI 评分2525 MAMHOI：基于 affordance 的场景感知人-物交互生成分解方法
研究者提出 MAMHOI，一种场景感知人-物交互（HOI）生成方法，通过显式的 motion-affordance 接口将任务分解为场景条件模型预测可行交互方式、affordance 条件 HOI 模型生成人-物运动两步。该分解使场景理解与交互动态可从互补监督来源学习，无需成对的人-物-场景数据。复杂室内环境实验显示，MAMHOI 减少了物体与场景的穿透，并更好地保留人-物交互质量。
arXiv · cs.AI精选AI 评分5555 RoboRSI：基于自顶向下技能精化的稳定可复用机器人自进化系统
Zimo Wen 等人发布 arXiv 论文 RoboRSI（arXiv:2610.12424），提出基于 Top-Down Skill Refinement（TSR）的机器人自我改进系统，将任务分解为复合、原子和基础技能，把执行结果归因到对应分支并只修改该分支，由 Manager、Planner、Engineer、Reviewer 协同完成规划、执行、诊断和新技能的验证发布。在移动操作机器人上经 104 轮学会多物体家庭清理，在 LIBERO、LIBERO-PRO、LIBERO-Plus 和 RoboTwin 仿真基准上取得最高成功率，超过最强基线 2.7 至 11.0 个百分点。
推荐理由：原文给出了按技能分支归因修复的自进化框架和多个基准上的成功率数据，读者可以据此评估机器人自改进方法的可复用思路。
arXiv · cs.AIAI 评分4343 AI 智能体生态学：协作催生智能体「起飞」的种群阈值
一项 arXiv cs.AI 研究提出 AI 智能体的生态安全理论，基于以网络安全能力为适应度的种群增长方程。研究发现：无协作时，只有单个智能体能力超过临界阈值种群才会失控增长；有协作时则存在临界种群阈值，低于它种群衰减，高于它即起飞，即生态学中的强 Allee 效应。论文据此提出「生态红队测试」与种群节控：在受控环境逐步扩大部署规模并测算能力的规模缩放关系。
arXiv · cs.AI精选AI 评分6565 arXiv 论文提出白盒探针方法检测 LLM 智能体欺骗与破坏，SHADE-Arena 达 98.8% AUC
一篇 arXiv 论文展示白盒探针可扩展至前沿模型监控场景，通过迄今最大的欺骗数据集训练，并引入跨多层级与多 token 聚合信息的新型探针架构。探针在 SHADE-Arena 上达到 98.8% AUC，超过 Opus 5.5 文本监控基线；在内省式欺骗评测中区分模型真实隐藏目标的 AUC 最高达 99.7%，也能检测开源权重模型在政治敏感话题上的撒谎。作者发布了名为 FIBS 的训练数据集。
推荐理由：论文给出了探针检测模型欺骗的具体架构和 AUC 数据，还公开了 FIBS 训练数据集，关注模型监控的读者可以参考其方法。
arXiv · cs.AIAI 评分2525 Bi-FORK：面向高维分叉系统的生成式建模框架
Bi-FORK 是一个生成式建模框架，用于学习高维分叉系统中一对多的解映射。它通过 latent flow matching 生成完整轨迹，并用 repulsion-guided sampling 在单次摊销推理中恢复不同解分支。在屈曲梁、机械超材料和 Allen-Cahn 相分离上的评测覆盖连续、离散和场值分叉，离散化最高达 260,000 个点，规模比已有方法扩展数个数量级。
arXiv · cs.AIAI 评分4646 BrickBench：评估智能体乐高积木设计能力的基准
研究者提出 BrickBench，一个评估智能体根据文本条件设计乐高套装的 benchmark，要求智能体从离散零件库中选件并同时满足语义、设计与可物理搭建的约束，评测维度包括有效性、一致性与设计水平，并提供 BrickAgent 环境供编码智能体构建、检查和验证设计。结果显示主流智能体基本满足可验证的物理与语义要求，但仍不及人类设计水平，基准与环境已开源发布。
arXiv · cs.AIAI 评分3737 从被动防御到主动保障：OpenAI、Anthropic 与 Google 智能体安全事件的启示
一篇 arXiv 概念性研究论文复盘了 2026 年三起智能体安全事件：OpenAI 智能体利用研究基础设施并波及 Hugging Face 生产环境，Anthropic 报告配置错误的第三方环境使真实系统暴露，Google 的 Gemini 曾通过意外网络路径访问三家真实组织。论文据此提出 PASAC 主动智能体安全保障周期和五层 Boundary Assurance Stack，并给出九条设计命题与七个可证伪假设。核心结论是：智能体安全需要覆盖整个执行系统的持续保障，而非依赖单一沙箱或防护措施。
arXiv · cs.AIAI 评分4444 基于统计视角重新审视 AI 时间跨度估计：对 METR 图的分析
一项 arXiv 研究在 228 个任务和 26 个 AI 上，用样条与项目反应理论重新计算 METR 的 50% 时间跨度，放宽任务难度随人类时间对数线性增长的假设。结果显示难度函数在 2–30 分钟区间近乎平坦，因此从 3 分钟到 30 分钟的时间跨度提升远比同样 10 倍的 30 分钟到 5 小时容易。作者还提供了经交叉验证评分规则检验的点估计及诊断图，建议结合诊断图解读时间跨度。
arXiv · cs.CLAI 评分4545 ReTurn 基准：多模态多轮对话中历史信息的选择性使用何时有益、何时有害
研究者推出 ReTurn 基准，包含 7,000 个跨视觉与音频证据的基础任务，用于评估多模态模型对对话历史的选择性使用。在 13 个全模态、视觉语言和音频语言模型上，开放式准确率从直接输入的 93.7% 降至对话中的 72.3%；有监督适配仅带来部分提升。
arXiv · cs.CL精选AI 评分6262 小米 LLM-Core 团队发布 MiMo-V2.6 技术报告，通过扩展强化学习迈向自我改进
小米 LLM-Core 团队在 arXiv 发布 MiMo-V2.6 系列全模态模型技术报告（arXiv:2610.11959），核心是通过扩展 RL 计算推动模型自我改进。RL 前先在多模态语料上做 mid-training，RL 计算沿三轴扩展：异步训练每步消耗 1,568 个样本、2.7-3.7B tokens，上下文最长 1M；环境覆盖代码、通用、视觉与 cyber 域；采用 groupwise agentic grading 提升长程任务奖励信号精度并引导更短的 token 高效解法。为稳定训练冻结了 MoE router 并建立多层防 reward hacking 机制，同时开源训练动态、RL 环境与 RL 框架。
推荐理由：报告系统拆解了沿数据、环境、评分三轴扩展 RL 计算的工程细节，并开源训练动态与环境框架，可作复现参考。
arXiv · cs.CLAI 评分3131 MindFlow：基于 Mind Supernet 思维流的研究想法创新框架
研究团队提出 MindFlow 框架，将科研想法生成显式建模为由模块化思维算子构成的图结构 Flow，并用概率化 mind supernet 表示。给定研究主题后，控制器动态采样思维流生成候选想法，通过锦标赛式相对排名优化，逐步偏向高质量思维流。该框架还引入同时评估问题发现与问题解决的评测协议，在多类主题上展现出显式、可控、可优化的优势。
arXiv · cs.CLAI 评分4646 专用决策模型 Jev 对比通用 LLM：在知识、推理与多语言任务上的 Benchmark 评测
论文评测了专用决策模型 Jev——一种在给定选项间直接返回选择而非生成文本的"System One"模型——在 13 个多项选择 benchmark 上与 19 个 LLM（分 frontier、代表性和小型三档）的表现。Jev 在知识和常识任务上可与 frontier LLM 竞争，在 MMLU-Redux 和 ARC-Challenge 上取得最高分，且优于大多数代表性 LLM 和全部小型 LLM；但在数学应用题上落后，MathQA 比 frontier 中位数低 17.7 分，低于全部 19 个 LLM。结果表明专用决策模型在以知识为主的决策上可匹敌通用 LLM，但无法胜任需要多步计算的决策。