自发现 RL 在经验时代：学习历史是资产还是负担？
研究对自发现 RL 规则 Disco103 进行首个因果机制审计，围绕经验时代五支柱展开。发现循环历史能将可用奖励尺度扩展至六十年窗口，而解除历史固定后导入状态自然演化可减轻不匹配惩罚。在环境变化下控制回放保留可逆转 DQN 的表观适应优势，验证结果同时移植到第二组规则 OPEN。
#论文/研究
#论文/研究
今日 570 条arXiv · Artificial IntelligenceAI 评分4343 arXiv · Computation and LanguageAI 评分3838 TRACE：面向肿瘤学大语言模型的可部署树状关系结构增强框架
TRACE 是一种面向肿瘤学大语言模型的可部署树状关系结构增强框架，将昂贵的离线结构学习与轻量在线推理分离，在零样本设置下无需监督标签即可进行任务自适应证据选择。
arXiv · Neural and Evolutionary ComputingAI 评分3030 Kolmogorov-Arnold Classifier Systems as Universal Approximators
论文提出 Kolmogorov-Arnold Classifier System（KACS），基于 Kolmogorov-Arnold 表示定理将目标函数分解为单变量子问题，为每个子问题分配独立规则集。
arXiv · Machine Learning精选AI 评分6262 Mara Chain：重新思考失败作为 AI 系统自动演进的踏脚石
论文提出 Mara Chain，一种将拒绝候选保留并迭代细化为优化踏脚石的精炼过程，在 AppWorld、TerminalBench 2.1 和 MuSiQue 上以更少 rollout 取得更高性能提升。
推荐理由：提出将失败候选保留并迭代优化的 Mara Chain，在多个基准上以更少 rollout 提升性能，为 AI 系统自动演进提供可迁移方法。
arXiv · Computer VisionAI 评分3434 Xiaomi-OCR-0 技术报告
Xiaomi-OCR-0 是一个统一的 0.8B 文档解析与 OCR 理解模型，基于 Qwen3.5-0.8B 训练，在 Real5-OmniDocBench、OmniDocBench v1.6 和 Wild-OmniDocBench 上分别取得 95.24、96.83 和 87.94 的成绩，五个 OCR 导向 VQA 基准平均 83.2。
arXiv · Audio and SpeechAI 评分2323 信号无关与信号相关神经 Ambisonic 矩阵编码：支持任意阵列与可变麦克风数量
论文提出基于 Transformer 的矩阵编码方法，通过共享麦克风级处理和掩码自注意力，实现任意麦克风阵列且支持可变麦克风数量。信号无关（SI）编码从阵列传递函数预测编码矩阵，信号相关（SD）扩展额外引入观测麦克风信号。两者在 LibriSpeech 模拟场景训练并在源类型、未见麦克风数量和源数量变化上评估，SD 整体强于 SI，均优于传统最小二乘编码。
arXiv · RoboticsAI 评分3131 双向拮抗肌腱驱动灵巧机械手的设计与验证
本文提出一种仿人型、200 mm长、220 g重的17-DoF 3D打印机械手，基于双向拮抗肌腱路由机制实现掌侧与背侧双向抓取。实验显示电机到关节传动误差平均3.0%，关节带宽平均13.2 Hz，最大指尖力29 N，定位重复性达0.15 mm，Kapandji评分8，完成全部33种GRASP抓取类型验证。
arXiv · Artificial IntelligenceAI 评分5050 Representational Simplicity and Circuit Size Dissociate in a Threshold-Dependent Way: A Controlled Test via Adversarial Training
研究从同一 GPT-2 Small 预训练检查点出发，对比标准与对抗性持续训练后的因果电路规模。在 85% 忠实度以下标准模型电路更小，但在 90%、95% 高忠实度下鲁棒模型需要更少的边。鲁棒模型也更易被 SAE 分解且任务归因涉及更少 SAE 特征。
arXiv · Neural and Evolutionary ComputingAI 评分3636 一种基于上下文维护和检索记忆的神经网络
研究者训练了一个带情景记忆缓冲区的循环神经网络（RNN），通过贝叶斯推理持续预测自然电影中的场景并推断上下文。上下文以低秩方式调节 RNN 的循环连接（工作记忆基础），模型活动模式与人类 fMRI 响应最匹配。上下文同时调节情景记忆检索，模型基于内容相似性和上下文相似性检索记忆，比无上下文调节的模型学习更快。
arXiv · Machine LearningAI 评分2525 立场论文：若无法强制可复现性，则应强化可验证性
summary_zh: 机器学习领域多数论文的实证结果难以复现，代码也常不可获取，阻碍研究进展。该论文分析并量化了这些问题，提出在不具备可复现性时提升结果可检查性的具体方案。
arXiv · Computation and LanguageAI 评分5050 多模态大语言模型能否生成并检测社交媒体多模态假新闻？
研究提出多智能体框架（故事智能体、图像智能体与评论智能体协作）生成逼真的多模态假新闻，覆盖科学、健康与娱乐三大领域，共生成超过 9,000 条配对多模态新闻帖子，并基准测试了 16 个开源与闭源多模态大语言模型的自动检测能力。
arXiv · Computer VisionAI 评分3131 面向医疗图像的硬件感知 FunKAN 压缩方案 FunKANLite 提出
FunKAN 在 MRI 去 Gibbs 伪影与解剖分割上达 SOTA，但 11.6M 参数、8.7 GFLOPs 难以部署于边缘医疗设备。
arXiv · Audio and SpeechAI 评分3535 Selective Lookahead for Attention-Based Streaming ASR
提出 Selective Lookahead 机制解决基于注意力模型的流式语音识别问题，通过有界前瞻分块编码器与动态未来分块解码，在 LibriSpeech test-clean 上以 306 ms 中位延迟达到 6.5% WER 的静态前瞻最佳精度，等待预算将延迟尾部控制在静态基线 90 百分位以下 0.1 个 WER 点。该论文已被 IEEE SLT 2026 接收。
arXiv · RoboticsAI 评分4040 TeAR：在执行器退化下的操控策略测试时自适应
TeAR 是一种策略无关的测试时自适应方法，在操控策略输出端引入轻量 Transformer，结合关节温度、电机电流、供电电压等实时遥测信号，对动作进行放大、阻尼或偏置修正。在 18 个策略-任务对上评估，含退化模型失配时 TeAR 成功率为 31.8%，高于基线 25.6% 与假设模型逆的 30.6%；真实机械臂上加热场景成功率提升 10-15%，无需在机器人端微调。
arXiv · Artificial Intelligence精选AI 评分6262 Beyond Symmetric Agents: Cognitive Diversity and Multi-Agent Debate in Small Language Models
研究测试了认知多样性是否驱动多智能体辩论（MAD）收益，对比23个模型、5项任务、5500+次实验。发现辩论在匹配预算下与自一致性采样持平或更差，角色提示降低准确率，混合模型团队表现取决于成员能力而非异质性，且收益主要来自首轮回答。同时指出辩论转录会静默溢出上下文窗口，修正后辩论与采样差距从-1.8分变为持平。
推荐理由：论文通过预算匹配的严格对照实验，对多智能体辩论的收益来源提出了新解释。
arXiv · Neural and Evolutionary ComputingAI 评分2525 Hybrid Joint-Selective Optimization：针对低维感兴趣参数的降维 Levenberg-Marquardt 精修
本文提出混合联合选择性优化（HJSO）框架，将参数分为高维剩余块与低维感兴趣参数（POI），先联合一阶优化再冻结其余变量、对 POI 做降维 Levenberg-Marquardt 精修。在矩阵特征值、逆 Bratu（PINN 求解）和 100 维非线性 Black-Scholes（DeepBSDE）三个问题上，HJSO 比联合一阶基线更快达到 POI 误差阈值并提升最终精度。
arXiv · Machine LearningAI 评分3333 通过行与列尺度场观察 Transformer 权重的中观视角
研究提出行与列尺度场概念，通过中观层面的 log-RMS 剖面刻画权重矩阵的通道分布，结合全局尺度与平衡核心精确表示矩阵。在 Pythia 四个规模检查点与三组初始化控制实验中，平衡后核心幅度剖面相似；混合桥预测池化形状偏离，字段在共享功能通道的对齐投影间一致，query/key 剖面遵循重分配的 RoPE 频率。
arXiv · Audio and SpeechAI 评分5050 SENSE：通过空间图编码从脑动力学进行语义神经语音合成
summary_zh: SENSE 将 EEG 信号合成语义语音，结合基于电极几何图的编码器与 EEG Semantic Conditioning，在 N400 数据集上同时提升声学与语义指标。
arXiv · Computer VisionAI 评分3434 同一几何结构，不同结果：视觉-语言模型中模态差距的读出依赖效应
CLIP 与 SigLIP 编码器中存在单一主导方向，捕获图像-文本均值分离平方范数的 94.4-99.9%，表明均值分离分量近似秩一。
arXiv · Computation and LanguageAI 评分4242 记忆适配方法 MATE 提升具身智能体任务执行成功率
MATE 在 ALFWorld 134 个任务上分别用 Qwen2.5-14B 和 72B 达到 81.3% 与 93.3% 成功率，token 消耗约为原始轨迹的十分之一。该方法通过移除过时控制上下文、提取条件-动作-效果转换、经验证动作归一化和任务相关表示选择，将检索到的轨迹转为可执行记忆，无需额外 LLM 推理。实验表明经验证动作归一化是恢复检索经验有效性的主要机制。
arXiv · Artificial IntelligenceAI 评分2727 风险规避在线 POMDP 规划：通过即时成本的 CVaR 实现性能保证
summary_zh: 该研究提出将 CVaR 应用于每步即时成本而非价值函数，使任意期望型 POMDP 规划器仅需修改代价计算即可具备风险敏感性，同时保留有限时间误差界且与风险水平无关，并在风险中性极限下回归标准期望规划。
arXiv · RoboticsAI 评分4242 SkillWeaver：通过神经交互技能的智能体探索实现规模化机器人数据生成
SkillWeaver 是一个智能体框架，通过探索可复用、参数化的闭环策略 Neural Interaction Skills（NIS）自主生成机器人数据。系统在 14.1K 场景中生成 39.1K 演示，并蒸馏为视觉运动策略，在仿真和真实操作基准上提升对新物体、空间配置和环境的泛化能力，支持零样本与少样本的 sim-to-sim 及 sim-to-real 迁移。
arXiv · Neural and Evolutionary ComputingAI 评分3535 LLM 引导搜索发现高距离二进制线性码新记录
研究者基于 EvoTune 框架和 ShinkaEvolve 代码库提出 LinCodeEvolve，利用大语言模型引导搜索结合精确最小距离评估，发现 7 个破纪录二进制线性码。六个具有简洁拟循环描述，经完全枚举验证，改进了码表中 22 条记录。结果表明 LLM 引导搜索可辅助编码理论发现。
arXiv · Machine LearningAI 评分1818 GOTCHA SAR 相位历史数据的有损压缩可行性研究
论文测试了一个仅 28,656 参数的卷积自编码器在 AFRL GOTCHA 相位历史数据上的压缩表现，结果在所有码率下均输给 BAQ 与 KLT 等基线。在 16 b/cs 时自编码器 NMSE 为 -2.87 dB，远低于 8-bit BAQ 的 -35.5 dB（±3σ 裁剪）与 -41.0 dB（调优裁剪），检测 F1 被限制在 33%。
arXiv · Computation and LanguageAI 评分3636 Environment Steering：通过数据流控制提升智能体效用与安全性
summary_zh: 该研究提出 Environment Steering，将智能体与执行环境状态建模为数据库表，跟踪记录级数据流并在运行时对照声明式策略检查。
arXiv · Audio and Speech精选AI 评分6060 语音LLM评测中的声学捷径与欠明确理由研究
论文审计了六款语音LLM评测模型，发现它们一致地偏好更响亮的音频、更重视内容丰富度，并将情感表达映射为质量偏好；这些效应在成对比较中更明显，而逐分评分常将其掩盖。伴随的理由很少指出改变判断的声学线索，词汇有限，导致声学依据不明确。作者发布SpeechJudgeAudit数据集与工具以支持复现和后续审计。
推荐理由：研究揭示了语音大模型在评估中的声学捷径问题，对构建更可靠的语音评测系统有参考价值。
arXiv · Computer VisionAI 评分3333 AerialDojo-200K：大规模开放世界空中目标搜索基准套件
AerialDojo-200K 包含 205,732 个任务实例（超 10 万语义目标与图像目标），覆盖 42 个仿真场景和 21 种场景类型。数据集由 12 名标注员耗时两个月手动标注 109 个地标、2099 个目标物体及锚点，并配备无碰撞参考轨迹与多视角视频。研究评估了 5 个开源与 4 个闭源多模态大语言模型，结果显示通用空中智能体仍有很长路要走。
arXiv · Artificial IntelligenceAI 评分3636 更多程序还是更多重复？LLM Harness 中覆盖率与专业化的分离
研究在 386 个 MATH-500 任务上比较了 8 个生成 harness 与基线，每个成员执行 3 次。相同程序产生 2.16 个百分点的重复平均 oracle 余量，生成程序虽呈现更多重复得分模式，但相对基线的损失在所有 3 次重复中持续存在于 100 个任务，稳定互补性在 3 次重复中仍未解决。
arXiv · Machine LearningAI 评分3434 HeadGuard：低比特 VLM KV-Cache 量化中的选择性头部保护
HeadGuard 通过固定高精度掩码保护约 1/8 的 KV 头部，在 2 位量化下将八模型六任务判别平均分从 0.436 提升至 0.580。Qwen 和 InternVL 收益最大，键保护可在更低存储成本下保留大部分恢复效果，且兼容三种基础量化器与两种校准数据集。
arXiv · Robotics精选AI 评分6060 KPI：人形机器人物理交互的可提示内核
论文提出 KPI，一种可提示的物理交互内核，在轨迹源与未修改的全身跟踪器之间传递力合同（跟踪、顺从或保持力范围），并根据跟踪误差和力矩估计实时调整手臂刚度、阻尼、参考与前馈。实验涵盖指令驱动的绞盘操作、开门、箱子搬运及脚本化表面交互演示，其中人形机器人能通过绞盘将另一台机器人完全吊离地面。
推荐理由：提出可提示的物理交互内核，让轨迹源与全身跟踪器之间以力合同交互，为具身智能体执行复杂操作提供了可迁移方法。
arXiv · Computer VisionAI 评分4040 CoDimRecon：基于可变形曲线、曲面与体素的仿真就绪 3D 场景智能重建
CoDimRecon 是一个智能体框架，从多视角 RGB 观测重建包含刚体、关节体和可变形物体的可编辑场景。可复用的仿真技能初始化物理模型与参数，智能体驱动的行为测试暴露不匹配并触发针对性修正。在 Replica 和 ScanNet++ 上取得具有竞争力的组合重建精度，并产出杆、壳、体三种可变形仿真资产。
arXiv · Computation and LanguageAI 评分2828 SFIA 框架下的结构化技能与责任层级提取：从词汇基线到智能体检索增强生成
研究将技能提取形式化为从自由文本中预测（技能，责任层级）对的结构化预测任务，针对 SFIA 的 147 个技能和 7 个责任层级展开。五种策略对比显示，基于检索的匹配识别技能最多，生成式策略精度更高；仅将层级作为显式决策的策略才能可靠预测层级，相似性选择准确率不足一半；三智能体流水线延迟加倍但精度未提升。
arXiv · Neural and Evolutionary ComputingAI 评分3333 随机性在神经细胞自动机的哪些环节真正起作用？
summary_zh: 研究在 Growing NCA 实验中分离训练与评估的更新模式，异步训练在 10/10 次运行通过短时域质量测试，而同步仅 3/10；所有 10 个异步模型在确定性评估下仍保持目标 4,096 步。
arXiv · Audio and SpeechAI 评分2828 WenetSpeech-Min：面向方言语音处理的大规模闽南语语音语料库发布
WenetSpeech-Min 是一个约 10,000 小时闽南语语音的开源语料库，提供逐句闽南语与普通话双转录。论文同时建立闽南语 ASR 与 TTS 基准并发布手工验证评测集。在该语料上训练的模型在多数指标上超越开源系统，性能接近商业系统。
arXiv · Artificial IntelligenceAI 评分3131 Token 边界代价：压缩证书与预测权衡研究
该研究通过从两侧约束最优 token 数量，量化了预分词边界带来的压缩代价。在英文维基百科上，边界使最优 token 数增加 28.3–36.8%，BPE 分别比受限下界和无约束上界高 2.1% 和 10.9%。引入 boundary licences 后，仅许可 10% 词汇跨切即可恢复 85.2%–100.0% 的 token 数缩减收益。
arXiv · Computer VisionAI 评分3838 Persistence Forcing：利用像素空间扩散模型中的特征特化
Persistence Forcing（PerF）利用像素空间扩散 Transformer 中持久特征与活跃特征的分工，让持久特征持续引导活跃特征细化局部细节。在 ImageNet 256×256 上，PerF-L 以一半参数达到 FID 1.91，接近 JiT-H 的 1.86；PerF-H 在 256×256 和 512×512 上分别达到 FID 1.63 和 1.76。
arXiv · RoboticsAI 评分3434 SCOUT：通过动作-结果反馈的测试时策略自适应
SCOUT 是一个动力学感知元学习框架，通过共享信念潜空间将动作预测策略与前向动力学模型耦合，在测试时利用动作-结果失配持续更新内部动力学信念。实验表明该方法在模拟操作基准上显著加速在线自适应，并实现稳健的仿真到现实迁移。
arXiv · Computation and LanguageAI 评分5858 Alignment Forecasting：从训练数据预测对齐失败
论文提出 Alignment Forecasting 任务，在微调前预测模型是否会在欺骗或谄媚等失败模式上显著恶化。作者构建了 ALIGNMENTFORECASTBENCH，包含 5000+ 问题，覆盖 17 个目标模型、32 个数据集和 16 种失败模式。
arXiv · Machine Learning精选AI 评分6262 二值化拉平评分空间：LLM 裁判奖励的信息损失与恢复
论文指出 LLM 裁判常被二值为 pass/fail（0/1），这种二值化会引入仿射拉伸模糊性，使策略在不改变裁判报告的前提下任意拉伸分数。作者通过联合高斯模型证明，引入第三个等级可增加第二个阈值、消除该模糊性。
推荐理由：论文揭示二值化评分会掩盖策略在阈值内的任意拉伸，为使用 LLM 裁判训练策略时保留区分度提供了量化依据。
arXiv · Neural and Evolutionary ComputingAI 评分4242 HeurEvo：面向时间敏感数学优化的混合求解器增强启发式智能体演化框架
HeurEvo 是一个自动化计划-代码-组件共演化框架，通过智能体在岛基进化结构中联合优化高层算法结构、实现与共享组件池。框架在组合优化基准和 MIPLIB 实例上，能在严格运行时间预算内找到高质量解，常匹敌或超越需数小时至数天的现有最优求解器，并在六边形 packing 等非线性几何问题上改进此前最佳结果。