FedDermaSeg：面向皮肤病变图像分割的联邦学习方法
研究者提出 FedDermaSeg，探索联邦学习在隐私保护皮肤病变分割中的可行性。该方法基于 ISIC 2018 皮肤病变分割挑战赛的训练与验证集模拟分布式学习环境，并在 ISIC 2018 测试集和 PH2 数据集上评估性能与泛化能力。结果显示，联邦模型性能与集中式训练相当，且持续优于本地训练模型。
#论文/研究
新闻、仓库与研究，按时间排列。
arXiv · cs.AIAI 评分2222 arXiv · cs.AIAI 评分3131 学习方式如何决定遗忘：跨记忆-泛化谱系的机器遗忘研究
该 arXiv 论文研究模型的学习方式如何影响其后续遗忘（unlearning）效果。作者用 modular addition 的 grokking 现象区分记忆主导与泛化主导的模型，发现泛化主导模型在遗忘时 retain set 性能损失更大，且这一趋势在引入 bucketed modular addition 后近乎单调成立，并在 LLM 的 verbatim 与事实召回遗忘场景中同样得到验证。论文据此给出两条改进遗忘方法的实践建议，强调需将学习动态纳入遗忘设计。
arXiv · cs.AI精选AI 评分5858 MINDSET：基于能量的模式演化方法改进长对话智能体记忆
Sujato Dutta 在 arXiv 发布 MINDSET，一种将对话存为不可变 episode 并通过最小能量状态迁移组织成版本化 schema 的记忆控制器。在 850 题（700 LoCoMo + 150 MemoryAgentBench）上对比 5 个记忆系统，取得最高 LoCoMo F1，检索指标显著优于第二名 LightMem（Holm 校正后 p<0.01）；消融显示受控碎片化与 schema 感知分配贡献最大，700 题跨模型评测（GLM-4.7、Gemma-4-31B）支持模型无关性。
推荐理由：论文将长期对话记忆建模为受约束的状态管理，给出了与5个记忆系统的对比数据和消融结果，可迁移到记忆系统设计。
arXiv · cs.AIAI 评分1616 CMDS：基于随机最优控制的协调式多智能体扩散引导框架
论文提出 Coordinated Multi-Agent Diffusion Steering（CMDS）框架，将冻结的预训练扩散模型作为可复用生成基元，把协调多个模型的反向过程表述为随机最优控制问题，在组装级奖励与偏离预训练动态之间权衡。实验显示 CMDS 可恢复已知目标分布、用同一训练好的控制满足不同空间约束、从退化混合中恢复单一来源，并在多智能体迷宫导航、关节机器人规划和文本条件人体动作生成中让冻结模型成为协调的多智能体生成器。
arXiv · cs.AIAI 评分99 CropSentry：基于多模态叶片感知的蜂群协同多机器人作物早期胁迫检测系统
研究者提出 CropSentry，一套低成本地面多机器人系统，由两台自主机器人逐行采集叶片颜色与环境数据，经空间映射后在主机器人上生成实时网页仪表盘监测作物健康。在 63 次观测实验中，整体分类准确率达 84.12%，其中健康植株 82.60%、缺营养植株 88%、病害植株 80%，10 次 slave 观测的无线通信成功率 100%。该系统面向中小农户，兼顾低成本与可扩展性。
arXiv · cs.AIAI 评分4545 Recursive Game Creator：面向游戏体验的智能体递归开发框架
Recursive Game Creator 是一个面向游戏体验的智能体开发框架，通过 Designer、Builder、Player、Reviewer 四个组件递归迭代，把粗糙的游戏原型打磨成有趣的游戏。该方法在 GameCraft-Bench 上取得 77.89 的 SOTA 综合成绩，在 GameASG-Bench 上严格任务成功率达 53.2%，较同模型基线提升 34.1%，运行时检查通过率 93.4% 为对比方法中最高。用户研究显示玩家游玩时间更长、评分更高，代码即将开源。
arXiv · cs.AIAI 评分2323 E4：用“受限创造力”实现互联网规模服务的智能体根因分析（RCA）
研究者提出面向互联网规模服务故障排查的智能体系统 E4，采用"受限创造力"范式，让 LLM 智能体通过受限 DSL 生成无环数据流程序，而非任意代码，从而保证输出准确、可验证且可解释。在合成与真实工作负载混合测试中，E4 准确率最高提升 62%，成本最多降低 12x，同时提供更可解释的响应。
arXiv · cs.AIAI 评分3333 Early Memory Selection for Balanced Adam：从短程试点训练中选择 Adam 共享记忆参数 β
arXiv 论文提出从 200-update 试点训练中选择 Adam 共享记忆参数 β1=β2=β 的方法，选定的 β 在后续完整训练中保持固定。基于 Adam 归一化方向的局部模型导出三次记忆规则，用四个 checkpoint 各十六个 probe 梯度估计系数。在十一个视觉与语言 workload 的 seed-matched 回溯评估中，相比共享 β=0.95 的网格代表，平均相对验证 gap 降低 40.7%，最差四分之一平均 gap 降低 44.3%。
arXiv · cs.AIAI 评分4141 扩散模型中的特征信息动力学：一种定位特征生成时机的信息论框架
一项 NeurIPS 2026 海报论文提出"特征信息动力学"，用 I-MMSE 恒等式把特征互信息变化率与最优无条件及特征条件去噪损失之差联系起来，定位特征在扩散过程中何时被生成，并通过链式分解分离共享与增量信息。该框架定量证实了像素扩散中的谱自回归现象，并在类→掩码→Canny 条件链下比较 pixel、SDVAE、VAVAE、RAE 的特征信息密度，揭示了不同表示的根本差异，暗示有序生成或有助训练。代码已开源。
arXiv · cs.AIAI 评分4040 PPWM 提出并行预测世界模型，实现高精度高效长时程规划
论文提出 Parallel Predictive World Model（PPWM），以并行方式预测有限时域轨迹，同时保留未来表征间的因果交互，避免自回归 rollout 的逐状态解码反馈。在四个视觉控制任务中，PPWM 取得最低长时程预测误差和最高的 CEM 模拟器成功率，CEM 规划速度较自回归 LeWM 基线平均加速超过 3×。
arXiv · cs.AIAI 评分1818 HygieneRoboBench：面向家庭机器人卫生感知规划的基准测试
研究者推出 HygieneRoboBench 基准，包含 134 个任务族共 624 个实例，用于评估家庭机器人从接触历史中识别卫生风险并安全继续规划的能力。对基于 LLM 的规划器和符号规划器的评测显示，安全完成任务并不等于在用户优先级下执行成本最低。为此提出的 Hygiene-NSP 结合 LLM grounding、接触历史重建和 CP-SAT，安全解决率与最优安全解决率分别达 94.4% 和 90.4%，均高于基线规划器。
arXiv · cs.AI精选AI 评分5656 SquidAgent 论文提出并行多智能体决策判据，吞吐较 Claude Code 提升 2.2 倍
Yexiong Lin 等发布 arXiv 论文 SquidAgent（arXiv:2610.08647，已被 NeurIPS 2026 接收），提出并行多智能体比串行更慢源于重探索成本和对齐成本，并给出按层判断是否并行的 token 成本判据。SquidAgent 从编排者会话直接 fork worker 并用预生成共享约定块替代事后调和，实测对 Claude Code 平均吞吐提升 2.2 倍、墙钟时间加速 2.6 倍，对最强多智能体基线吞吐提升 2.0 倍。
推荐理由：论文指出并行多智能体常比单智能体更慢的原因，并给出以 token 估算成本的并行决策判据，方法可供 Agent 系统设计参考。
arXiv · cs.AIAI 评分4646 AI 编写软件的保障案例研究：无软件背景运营者如何治理医疗平台
一项案例研究考察了由无正式软件工程背景的运营者、通过编码智能体构建并治理的生产级医疗平台。其工作流演化为人类主导的多智能体系统：一个智能体写代码，其他智能体负责监督和审查。研究发现测试、监控器与审查智能体本身也会出错，如监控器测量代理指标、审计静默失败、自动化修复造成运营中断；人类控制依赖于将预期结果、证据、智能体权限与人类最终决策绑定到同一目标。
arXiv · cs.AIAI 评分4747 Selective-RL：通过选择性迁移 RL 更新提升视觉推理能力
Selective-RL 方法通过隔离 RL 训练阶段产生的参数更新，保留其主导矩阵方向并迁移至 VLM 的语言模块，实现免训练的能力迁移。在 3 个模型家族和 5 个视觉推理基准上，该方法在 15 组对比中的 12 组优于全量更新插值，其中 Qwen 接收模型在 MathVision 上提升 8.55 个百分点。对照实验表明，仅更新幅度或任意低秩都无法复现这些收益。
arXiv · cs.AIAI 评分4040 ParanoiaEval：首个评测编码智能体不必要防御性工作的 benchmark
研究者推出 ParanoiaEval，首个统一评估编码智能体风险处理能力的 benchmark，基于 Avoidance-Transfer-Mitigation-Acceptance 框架构建 200 组证据受控的仓库级任务对。对 8 个代表性模型的实验显示，即便有明确证据，11.2%-58.7% 的运行仍出现不必要风险处理；更强的任务能力并不带来更恰当的风险处理，风险处理是独立的能力维度。
arXiv · cs.AIAI 评分3737 MemFLoRA：面向边缘 CNN 适配的记忆下限 LoRA
MemFLoRA 是一种以“激活记忆下限”准则为核心的低秩 CNN 适配器，冻结下投影、训练尺度匹配的上投影，使反向计算不依赖全宽层输入。在 3 个 HAR 数据集和 2 个 CNN 主干上，相比全量微调，其节省激活内存降低 98.5-98.7%，峰值训练状态内存降低 94.9-97.3%，且持平或超过 CNN PEFT 基线。该论文已被 ASP-DAC 2027 接收。
arXiv · cs.AIAI 评分5151 arXiv 论文提出248场景面板，测量 LLM 在压力下是否违背自身道德判断
一项 arXiv 研究（arXiv:2610.08670）构建了覆盖五类压力的248个预注册场景，将模型作为行动者与第三人称判断对照，测量模型是否执行自己认定错误的行为。OLMo-3-7B-Instruct 约五分之一的施压场景会这么做；该差距取决于后训练方案，OLMo-3 与 Llama-3.1-8B-Instruct 存在此差距，Tulu 3 整体无差距，且行动前进行道德权衡推理可将选择拉回自身判断。
arXiv · cs.AI精选AI 评分5454 SecureSD 论文：投机解码存在安全与效用不对称，提出早期位置严格验证方案
论文首次系统研究大语言模型投机解码的安全影响，大规模测量发现有损投机解码的效率提升以不成比例的安全代价换来，越狱和提示注入攻击成功率上升远快于效用下降。作者提出 SecureSD，理论分析认为安全退化主要源于 draft 模型生成的早期 token，并对早期解码位置采用更严格的验证标准；实验显示其在保持效率与效用的同时显著提升安全性。论文共18页，被 IEEE S&P 2027 接收。
推荐理由：论文指出了有损投机解码在效率提升时安全恶化更快这一不对称现象，并给出针对早期token的可行验证改进方法。
arXiv · cs.AIAI 评分4848 耦合但迟缓：全双工语音模型在无脚本对话中的轮次交替研究
两个 PersonaPlex-7B 实例在共享时钟下进行无脚本语音对话，轮次交替时机相互耦合，但换手明显偏晚：中位间隙为 400-560 ms，远高于人类的 137 ms。人类约十分之一的转移发生在对方话轮最后 120 ms 内，而模型仅占 1%，行为更像是感知到话轮结束后的被动等待，而非人类所需的话轮结束预测。
arXiv · cs.AIAI 评分4747 ScienceClaw：评测 AI for Science 智能体在自然科学与社会科学中的持续自我进化
arXiv 论文提出 ScienceClaw 框架，将 AI for Science 智能体的持续自我进化形式化为固定参数的程序自我进化，统一任务求解、科学验证与程序更新。其配套评测 ScienceClaw-Eval 覆盖 23 个学科，通过序列任务流与独立重置评测衡量科学正确性、进化收益、保持率、跨数据集迁移和进化成本。框架仅当源任务重放复现修复且独立科学任务获得提升时才保留更新，代码已开源。
arXiv · cs.AIAI 评分4949 nanoMuse：面向每台个人设备的开源个人智能体
开源项目 nanoMuse 以 GPL-3.0 协议发布，定位为 Meta 闭源个人智能体 Muse 的开源对应物，可在用户的每台设备上运行，操作手机与电脑屏幕。所有设备通过可自建的 relay 共享同一段对话，每个动作经过 Sentinel 审查，记忆以用户可读的文件保存，模型可自选。论文还定义了个人智能体的五个问题与三个视界，并将带来源的记忆、操作评测套件与配套开源模型列为路线图。
arXiv · cs.AIAI 评分4949 WorldSolver：LLM 智能体能通过生成求解器模拟物理动力学吗？
WorldSolver 是一个评测 LLM 智能体物理模拟求解器生成能力的 benchmark，包含源自 61 篇经典图形学论文、覆盖 7 个物理领域的 168 个模拟任务，从 Execution Checks、Visual Fidelity、Physical Plausibility 三个维度评测。结果显示，GPT-5.6-Sol 与 Claude-Opus-5 表现相对更好，但总分仅分别为 48.7% 和 46.7%，生成可执行求解器本身已很困难，视觉与物理正确性更难满足。
arXiv · cs.AIAI 评分4343 Agent 历史能否预测压缩何时有害？TRACE 配对重放语料上的有限效应分析
针对长程 Agent 按全局 token 预算压缩上下文的做法，一项研究在 TRACE 公开语料的 590 个 AppWorld 压缩边界上重放压缩前后表现，检验 Agent 压缩前的行为历史能否预测压缩危害。结果显示预测能力仅微弱：最佳扩展协议触发器 held-out AUROC 为 0.66，同边界重放基线为 0.72；最佳冻结可解释触发器可避开 21% 有害边界，同时保留 84% 压缩机会，但在 burden mass 上未超过随机规则。在同等保留率下能否胜过 token 预算规则，现有数据无法评估。
arXiv · cs.AIAI 评分2525 EgoLAP：通过语言-动作推理从第一人称人类数据中学习机器人控制
EgoLAP 是一个 VLA 预训练框架，通过共享的语言动作链式推理，联合学习人类与机器人轨迹，将第一人称人类数据的运动意图迁移到机器人控制。真实与仿真实验中，EgoLAP 达到 80.1% 平均真实世界任务进度，是替代动作表示的 2.3 倍；其运动级推理也优于结合子任务、物体框和视觉轨迹推理的组合推理格式。
arXiv · cs.AIAI 评分2222 RLCP：基于保形动作集的强化学习在序列推荐中的应用
论文提出强化学习方法 RLCP（Reinforcement Learning with Calibrated Pruning），利用 critic 分数和在线阈值自适应调整序列推荐中的保留动作集大小，并给出 proxy miss rate 的确定性界及价值损失的精确分解。在 KuaiRand-Pure 和 MovieLens 1M 上对比两个 RLCP 实现与四个 RL 基线：全部 19 个配置中至少一个 RLCP 变体取得最高目录多样性，达最强基线的 1.11× 到 5.21×，同时保持有竞争力的 session depth 且保留集合不更大。
arXiv · cs.AIAI 评分4545 WorldSonus：为世界模型带来声音的交互式视频转音频框架
WorldSonus 是一个面向世界模型的交互式视频转音频框架，实现实时空间立体声合成。其采用流式因果自回归扩散架构，以 0.41 的低实时因子（RTF）合成音频块，并支持生成过程中动态操控声音事件，空间对齐监督来自立体声与 ambisonic 数据。实验显示其在开放域视频转音频基准上匹配或超越 SOTA 双向模型的声学质量与空间对齐。
arXiv · cs.AIAI 评分4949 VeriFine：为具身推理自我改进扩展验证能力
研究者推出 VeriFine，一个通过策略、训练课程与裁判共同演化来扩展验证的 Agent 框架。该框架包含 Policy Improvement Loop 与 Judge Improvement Loop：前者用 rubric 裁判诊断反复出现的失败并构建自适应课程，后者在验证成为瓶颈时选择性引入人类指导，通过 coactive calibration 修正裁判。在驾驶和机器人导航任务上，该方法在强化学习与监督微调中均实现了策略和裁判能力的持续自我改进。
arXiv · cs.AI精选AI 评分5454 AdvSim2Real 在 Web 世界模型中训练 Web Agent 抵御自适应提示词注入
论文提出 AdvSim2Real，在冻结的 web 世界模型内共同演化任务课程、注入攻击方和 agent，应对页面上的自适应提示词注入。在 150 个 web 任务上，训练后的 4B agent 面对未见过的前沿模型攻击方完成率相对基线提升 33.6%，且能力提升可迁移到真实浏览器。
推荐理由：论文用冻结的 web 世界模型让任务、注入攻击与智能体共同演化，给出了对抗未见前沿模型攻击的具体数字。
arXiv · cs.AIAI 评分5050 LLM 智能体能否把自身能力变成廉价可扩展的产物？BOTTLED 基准给出答案
arXiv 论文提出“bottling”概念与 BOTTLED 基准，让 LLM 智能体在固定时间、算力和 API 预算内将大规模任务转化为廉价方案（如训练小模型或写可复用程序）。跨 10 个模型、3 个任务显示：60 次运行中 48 次低于零样本 95% 置信区间下界，31 次不敌同 token 预算的小模型蒸馏基线；但 Opus 5 在查询-商品相关性分类上以约 657 倍更低的成本保留约 82% 零样本 macro-F1，并以四分之一成本达到专用廉价模型 Jev 约 94% 的 macro-F1。
arXiv · cs.AIAI 评分3939 Sherpa：教 LLM 自适应地教学
研究者提出 Sherpa，一个多轮强化学习框架，通过实例化多种学生原型并直接最大化其学习成果来训练教师模型。经 Sherpa 训练的教师 LLM 使被指导学生的成绩平均提升 20.5 个百分点，在 MathTutorBench 上的整体教学评分从 52.5% 升至 79.2%。人类评估中，训练后的教师在 79.6% 的成对比较中优于基础模型。
arXiv · cs.AIAI 评分3939 DepthWorld：面向机器人操作的 3D 世界模型
研究者提出 DepthWorld，一个基于 Stable Video Diffusion、联合预测多视角 RGB 和深度的机器人操作 3D 世界模型，已被 CoRL 2026 接收。他们还通过立体深度标定管线将 DROID 数据集转化为 DROID-3D，90% 的外置相机片段重投影误差小于 0.7 px。深度监督使 RGB 预测在同等训练预算下比纯 RGB 基线提升 +1.48 dB PSNR。
arXiv · cs.AIAI 评分4040 IdeaAnchor：教 LLM 将文献转化为研究构想
arXiv 论文提出 IdeaAnchor 训练范式，用结构化规范作为特权信号教 LLM 基于文献进行研究构想，实例从已发表论文中挖掘。模型通过示范、自蒸馏和强化学习训练，并在推理时结合检索。实验显示构想质量持续提升，其中 anchor 训练强化创造性综合、检索增强细节展开，两者结合效果最佳。
arXiv · cs.AIAI 评分1919 4D-HOF：基于手-物体 Flow Matching 的前馈式 4D 交互重建
研究者提出 4D-HOF，一个前馈式 4D 手-物体交互重建框架，通过条件 flow matching 将视觉基础模型的粗估计传输到交互流形，以前馈方式校正平移、旋转和对齐误差。该方法在生成过程中直接施加物理交互约束和 2D 观测证据进行 test-time guidance，无需重建后的单独优化。在多数据集上训练后，4D-HOF 在域外基准上取得 SOTA 表现，重建更稳定、更准确。
arXiv · cs.AIAI 评分2424 自参照社会偏好：多智能体强化学习无需观察他人奖励即可学会合作
多智能体强化学习中，各智能体用自己的奖励模型评估他人观测到的转移，形成自参照社会偏好，无需访问他人私有奖励信号。在 Escape Room、Clean Up、Commons Harvest 三个序列社会困境中，智能体均学会合作行为，且常比获得真实奖励的智能体更公平地分配共同收益。不公平厌恶宜在奖励中结合价值前瞻整合，纯利他偏好则适合加权策略更新，部分可观测下策略更新方法仍能支持合作。
arXiv · cs.AIAI 评分2424 标签高效的深度学习 ECG 波形划分研究：对比多种常用划分工具的多数据集 Benchmark
一项 arXiv 研究在 1 个内部和 4 个外部数据集上验证，自监督预训练配合微调可降低 ECG 划分对专家标注的依赖。所选深度学习模型在全部指标和数据集上排名最佳，在节律多样集合上以 mIoU 71.3% 对 54.8%、逐点敏感度 92.6% 对 76.4% 明显超过最强的开源工具（NeuroKit2、Prominence、ECGdeli）和商业工具 CalECG，且从窦性心律到心律失常的性能退化最小。
arXiv · cs.AIAI 评分2020 ShanLiangRen：面向个性化每日膳食规划的营养智能体
研究者提出个性化全量化的多目标膳食规划问题（MDP），并开发了营养智能体 ShanLiangRen。系统将用户属性与自然语言需求转化为约束规划实例，用精确 RAG 从大规模食材和食谱空间缩小候选集，再由 LLM 在确定性营养计算与约束校验反馈下按 Pareto 原则迭代修订方案。系统输出含明确食材和份量的全量化餐单及营养合规报告，已作为微信小程序上线。
arXiv · cs.AIAI 评分1818 文本环境上下文与空间图结合 LLM 进行南海区域海表温度预报
一项 arXiv 预印本研究将区域多步海表温度（SST）预报表述为条件数值生成任务：用文本形式提供历史 SST 与异常序列、环境记录和海洋知识，并通过静态与动态图神经网络生成连续图前缀注入 LLM。在南海 SST 预报上，完整配置在十个预报步内取得对比方法中最佳的 MAE 和 R²，另附基于规则的溯源式上下文解释模块。
arXiv · cs.AIAI 评分3131 VAN-Flow：面向稀疏长时序环境的方差厌恶 n 步离线强化学习
研究者提出 VAN-Flow（Variance-Averse n-step Flow），一种面向生成式离线强化学习的框架，结合 categorical 分布式 critic、方差厌恶期望算子与 flow-matching 生成 actor 及拒绝采样，在无需硬截断或辅助惩罚的情况下优先选择高回报、低方差动作。该框架在 D4RL 和 OGBench 的 40 多个任务上持续超越强基线，在长时序和高方差场景中优势最大。论文已被 NeurIPS 2026 接收。
arXiv · cs.AIAI 评分2323 IEEE 802.11bx WLAN 智能网络（WIN）：迈向 AI 就绪的 Wi-Fi 9
一篇 IEEE 802.11bx（WLAN Intelligent Networking，WIN）标准化进展综述，梳理 Wi-Fi 9 如何以 AI 为核心驱动力。文章从三个维度分析 AI 的角色：AI 作为协议（用于 PHY/MAC）、AI 作为平台（Wi-Fi 基础设施提供 AI 计算）、AI 作为流量（需新的流量处理策略），并以扩展 EDCA 支持 AI 流量区分为案例。
arXiv · cs.AIAI 评分4747 Continuous Memory Machine（CMM）：双记忆矩阵状态的新型循环架构
研究者提出 Continuous Memory Machine（CMM），一种基于 Continuous Thought Machine（CTM）的循环架构，用矩阵值短期与长期记忆状态分别承担计算与保留功能，并由 Transformer 统一执行双向读写更新。在算法、上下文学习和循环推理任务上，CMM 超越多种基线，泛化能力强于既有记忆增强网络，同时保留 CTM 可解释的注意力模式。代码已开源。
最多提供 50 页，更早的内容请使用搜索或主题页。