Skip to content

All updates

Today 100 items
Nov 3Tue
  1. arXiv 自然语言处理29

    将经典文本可读性公式解释为惊讶度Chinese

    Flesch-Kincaid 等经典文本可读性公式的回归系数在理论上可解释为认知科学中的惊讶度（surprisal）。在固定句长下，Flesch-Kincaid 的词系数对应每词每年级 0.18 nat 的 unigram 惊讶度，与儿童常模词汇增长换算得出的每年 0.16 nat 高度契合。这一对应证明该词系数实际代表一年的词汇增长量，并成功将年级转化为惊讶度量。

  2. arXiv 人工智能32

    Jev 能否改善上下文学习的示例检索？Chinese

    面向决策的语言模型 Jev 可通过直接评估候选示例效用，有效提升大语言模型上下文学习（ICL）中的示例检索表现。针对逐个候选推理带来的计算开销，该方案通过知识蒸馏将 Jev 的效用评估能力迁移至轻量级多层感知机（MLP）。蒸馏模型在逼近 Jev 概率判断的同时实现了高效示例排序，并保持了强竞争力的检索性能。

  3. arXiv 自然语言处理35

    用户模拟中的共享偏差研究：语言模型分歧如何指示预测可靠性Chinese

    研究显示，6 个语言模型模拟器间的分歧能有效预测群体差异评估的失效（AUC 0.87 对比单组的 0.71），但共有偏差无法被该信号察觉。基于 12 个国家 60 道题 GlobalOpinionQA 数据的测试表明，校正共享偏差可降低误差；若将分歧最大的 20% 对比转交人工评估，剩余对比的无效比例可从 63.7% 降至 54.8%。

  4. arXiv 人工智能39

    大语言模型模拟分布外人类行为的行为档案设计Chinese

    研究人员提出一种为大语言模型模拟人类分布外行为构建行为档案的框架，通过前向特征选择优化描述内容。在 616 场公共物品博弈、144 场多方谈判博弈及 1,480 种广义货币请求设计中，领先的单特征档案预测效果优于通用角色设定或无档案，且增加更多特征无明显收益。此外，跨博弈类型迁移档案收益不均，甚至可能劣于无档案模拟。

  5. arXiv 人工智能38

    FastAgent：面向快速 CFD 筛选与工业蒸汽脱蜡设计的物理感知 FastFluent-to-Fluent 工作流Chinese

    FastAgent 是围绕轻量数值引擎 FastFluent 构建的物理感知模拟控制器，可自适应分配求解分辨率以加速工业 CFD 筛选。在 6 个公开 CFD 基准测试中，该框架将最差 QoI 误差降低 5.68-99.14%，实现 1.53-15.36 倍加速。在工业蒸汽脱蜡应用中，它减少了 81.39% 的网格时间更新，筛选 131,072 种布局后使模拟裂纹张开量降低 96.0%。

  6. arXiv 自然语言处理25

    Sentiment sensing：多语言情感动态比较分析Chinese

    研究人员提出 Sentiment sensing 框架，通过整合成分数据分析、函数型数据方法与非参数推断，解决跨国情感分析中语言偏差、数据约束及时间动态检验不足的挑战。该框架实现了跨语言比较与具有统计依据的情感转变检测，并在分析欧盟 27 国关于能源和人工智能新闻的两个案例研究中完成了测试。

  9. arXiv 人工智能34

    TopoQuant：表征量化大语言模型行为漂移的拓扑框架Chinese

    TopoQuant 框架利用拓扑数据分析（TDA）量化自注意力权重结构漂移，以表征量化大语言模型（LLM）的行为变化。跨 4 个 LLM 家族的测试显示，拓扑漂移在低于 4 bit 精度时急剧上升，与注意力一致性下降高度相关。结合轻量机器学习模型预测注意力一致性可实现高达 0.85 的 R2 分数，无需运行下游任务即可预警性能退化。

  11. arXiv 人工智能35

    基于多智能体 AI 的热电材料大数据自主分析与知识库及专用 AI 构建Chinese

    研究人员开发了多智能体系统 Multi-Agentic AI（MAA），利用具有不同分工的 AI 智能体自主分析热电实验大数据，并生成可溯源的分析记录。在涵盖 10 个主题、10 次循环共 100 次分析的实验中，系统成功构建了知识库，配套的专用 AI 能附带引用来源回答材料问题。回溯检查证实溯源机制能有效定位错误，相关分析记录与代码均可按需获取。

  12. arXiv 自然语言处理34

    CuriousTogether：好奇心与文化基础在多智能体 LLM 交互中的影响研究Chinese

    研究者提出 CuriousTogether 框架评估多智能体 LLM 的好奇心驱动交互，在 8 项任务中有 7 项取得性能提升。其在故事生成中将语义多样性最高提升 20.6%，刻板印象率降低 14.9 pp。此外，国别文化基础有助于创意与社会任务但可能损害精准推理，且该方法相比单智能体基线具备更优的质量与 token 权衡。

  13. arXiv 自然语言处理42

    LLM 虚构写作中的角色名字集中现象：衡量位移与缓解重复Chinese

    针对大语言模型虚构写作中角色名高频重复的问题，研究人员提出无需微调的“推测命名”（speculative naming）方法以控制名字集中度。在 20 个 LLM 生成的 44,782 篇故事评测中，该方法结合动态追踪器将 Slop Ratio（SR）指标平均降低 95%，平均碰撞概率从 7.3% 降至 0.4%。在保持自然度的同时，故事内重名率也从 4.3% 降至 0.2%。

  14. arXiv 人工智能43

    XLA 实战：大规模 TPU 负载下的正确性保障Chinese

    研究团队针对 Google XLA:TPU 编译器提出了一套超大规模正确性验证与故障分流方法，应对编译深度优化导致的数值异常与内存损坏。该方案结合生产追踪与模糊测试，利用 AI 智能体集群自主生成压力测试并起草修复，并通过分层差分流水线精确定位融合算子内部故障。该框架已在生产环境中推动解决超过 142 个编译器 bug，另有 103 项发现正在审查。

  15. arXiv 自然语言处理28

    EZ-Ar-VC：跨方言与语码转换泛化的鲁棒阿拉伯语语音匿名化Chinese

    研究人员基于 EZ-VC 推出阿拉伯语语音匿名化模型 EZ-Ar-VC，以解决现有 zero-shot VC 系统在阿拉伯语音系上发音保留不足的问题。该模型在保持高说话人差异度的同时，在可懂度、自然度及发音保留上表现优异，且对语码转换和跨方言转换具备鲁棒性。主观评估证实其还能有效泛化至训练数据中代表性有限的阿拉伯语方言。

  16. arXiv 人工智能28

    LM6-CastBench：用于 LM6 砂型铸造瞬态热场预测的几何感知仿真数据集Chinese

    LM6-CastBench 是一个用于 LM6 铝合金砂型铸造瞬态热场预测的开源几何感知仿真数据集，包含 450 个几何与工艺案例。数据集整合 3 个几何族、每族 10 种变体、5 种浇注温度与 3 种模具温度，保留 CAD 几何和时间分辨节点温度等信息。基准测试中，空间结构化 U-Net 相比逐点 MLP 大幅降低温度场误差，在截面突变等特征上提升最显著。

  17. arXiv 自然语言处理34

    MedAstra：面向医疗问答的无 ASR 语音检索与诊断锚定Chinese

    MedAstra 框架通过轻量适配器将冻结的 WavLM 语音表征映射至冻结的 E5 文本嵌入空间，实现无需查询转录即可直接输入波形的稠密检索。该框架纯语音检索的 Recall@10 达到 87.6，混合配置达 90.4，均优于转录优先稠密检索的 81.0。检索段落与关联元数据可支持医疗问答生成，但后续生成仍需文本输入。

  18. arXiv 人工智能35

    Trail：利用决策模型实现精准本地智能家居控制Chinese

    研究人员推出完全本地运行的智能家居控制框架 Trail，通过分层类型化决策替代开放式命令生成，实现对房间、设备与操作的可靠选择。在 Trek-Robust 评测中，Trail 取得 85.3% 的准确率，优于微调 Qwen3.5-4B 基线的 69.8%。借助结构化记忆模块，Trail 在多轮依赖请求中的解决率达 75.6%，远高于基线的 42.5%。

  19. arXiv 自然语言处理24

    斯洛伐克语移民媒体话语中的 LLM 提示词敏感性研究Chinese

    研究表明，在低资源语言斯洛伐克语的移民媒体相关任务中，大语言模型对提示词变体的鲁棒性显著强于小型模型，母语提示词仅能带来适度且取决于具体任务的收益。分析进一步指出，系统或任务指令是提示词中最关键的组成部分，其影响超过示例部分，且特定任务的性能增益比整体语言效应更加明显。

  20. arXiv 人工智能36

    基于 LLM 的临床 Text-to-SQL 对话交互：面向医务人员的用户研究Chinese

    一项面向医务人员的用户研究显示，基于 LLM 的临床 Text-to-SQL 多轮对话界面相比单轮界面大幅提升可用性，系统可用性量表评分从 68.2 显著升至 85.9（p<0.001）。对比测试中，93% 的受试者对对话界面整体更满意，86% 倾向于实际采纳，71% 更信任其结果。对 425 轮交互分析发现自由查询有 24.8% 触发了澄清请求，证实对话交互是临床数据访问的实用前提。

  21. arXiv 自然语言处理26

    ArSciKids：面向小学科学实验与选择题生成的阿拉伯语课程对齐数据集Chinese

    ArSciKids 是面向阿拉伯语小学科学教育的内容生成数据集集合，包含 999 条选自沙特、叙利亚与约旦官方教材的实验记录，以及 2,167 道来自沙特 Manhaji 平台的选择题。数据集覆盖 1-6 年级真实教学内容，研究团队使用 LoRA 微调了 10 个 10 亿以下至数十亿参数规模的开源模型，结合 ROUGE、BLEU 与人工评估测试其生成表现。该数据集将公开可用。

  23. arXiv 人工智能51

    小鹏发布自动驾驶世界模型 X-World 1.6 技术报告Chinese

    小鹏团队发布自动驾驶仿真世界模型 X-World 1.6 技术报告，支持利用世界模型构建可控的虚拟城市。新模型提升了对红绿灯和道路标线等交通语义的精细控制以及多相机的空间一致性，并支持由单张图像生成多相机的未来视频。后训练框架进一步实现了高效因果少步生成与长交互周期的画质保留，并同步推出了配套的专用评估套件。

  24. arXiv 自然语言处理59

    GSLM2 论文发布：基于多流语音表征的生成式语音语言模型Chinese

    研究团队提出生成式语音语言模型 GSLM2，通过多流语音表征学习打破纯语音模型在语言理解能力与扩展效率上的瓶颈。系统采用 SpidR 2.0 编码器自监督学习多层级离散单元，并通过多流 SLM 联合建模跨流依赖，最大训练规模达到 600 万小时音频与 6.5B 参数。

  25. arXiv 人工智能35

    基于重放契约与选择性保留的状态感知激活重计算Chinese

    该研究提出基于重放契约与选择性保留的状态感知激活重计算方法，解决前向状态变动导致的重算不一致问题。其联合规划器在激活保留、整缓冲区快照与选择性区域保留间动态权衡显存与恢复开销；在 H100 稀疏写入工作负载的 44 GiB 显存预算下，使单步时间较 eager/whole 规划减少 18.16%，并在 32 GiB 预算下比固定区域方案提速 4.98%。

  26. arXiv 自然语言处理42

    基于测试时扩展反思大语言模型剪枝Chinese

    最新研究从测试时扩展视角在 4 个数学与代码基准上评估大语言模型剪枝，发现剪枝模型即使 pass@1 出现下滑，在扩大采样预算后推理覆盖面仍可匹敌甚至超过原模型。但严重剪枝会导致正确解更难被采样命中，额外的尝试会大幅推高总 token 消耗。因此模型剪枝评估应同时衡量解题覆盖范围与获取正确解所需的采样成本。

  27. arXiv 人工智能30

    演化科学智能（ESI）：从碎片化证据到分布式实验循环Chinese

    研究人员提出演化科学智能（ESI）架构蓝图，旨在通过共享、可计算的科学记忆打破科研碎片化，实现证据驱动的跨领域假说生成与实验闭环。该系统综合科学价值、可靠性与成本筛选假说并协调分布式节点进行物理测试，利用实验反馈迭代评估模型。同时，系统通过较慢的元控制重新审视研究目标与决策标准，防止产生自我强化的错误优化。

  28. arXiv 自然语言处理36

    业绩电话会能否帮助预测财务重述？评估公开公司信息之外的文本价值Chinese

    针对 109 场重述前业绩电话会与 218 场对照电话会的研究显示，电话会文本虽能预测财务重述，但未在公开公司信息基础上带来可检测到的排序增益。重新拟合后加入文本的增益 95% 区间为 -0.05 至 0.11 AUROC；大语言模型得分虽更高，但在 66% 的遮盖文本中能直接识别出确切股票代码。

  31. arXiv 自然语言处理45

    CogRSI：认知推理策略的演化与审计Chinese

    研究提出 CogRSI 框架，通过自我改进循环让语言模型自主编写心智推理原则，在 800 个未见过的 BigToM 测试对上准确率超越专家编写的原则。但将生成规则转换为代码审计后发现，大多数策略在特定情境下存在逻辑错误（如判定室内睡着的人知晓所发生事件），且仅靠准确率指标无法识别此类漏洞；相关代码与数据已开源。

  32. arXiv 人工智能40

    人类睡眠宏观结构的控制方程：基于 1,106 晚数据的符号发现Chinese

    研究团队基于 1,106 晚数据，首次通过符号回归提炼出人类睡眠宏观结构的闭式控制方程。数据显示周期长度近线性下降（R^2=0.996），REM 时长呈倒 U 型（R^2=0.873），深睡 N3 呈指数衰减（R^2=0.987），浅睡 N1 呈 U 型（R^2=0.956）。上述规律通过了可微拟合、PySR 符号回归及 1,000 次重采样检验。

  33. arXiv 自然语言处理32

    伪装的标签平滑？低资源孟加拉语生成中的门控知识蒸馏Chinese

    在低资源孟加拉语生成的 6 项任务与 60M 至约 2B 参数模型评测中，EWAD 与 CHAD 门控知识蒸馏在 45 组对比中均未显著优于普通知识蒸馏。知识蒸馏在 40 组对比中亦未能击败交叉熵微调，其核心收益仅是正则化效果，且无需教师模型的标签平滑即可弥补大部分差距。

  34. arXiv 人工智能34

    确定性 LLM 审议中的低裕度分支点研究Chinese

    研究团队针对贪婪解码下的五智能体委员会开展白盒审计，分析确定性多智能体 LLM 审议对内部扰动的局部抵抗力。测试表明低裕度 token 位置更易产生分支，沿裕度减小的梯度方向注入残差位移后在 10 个生成 token 内发生转录分歧的频率显著更高。研究进一步跟踪了生成分支的演变，以此区分纯文本持久性与最终决策的改变。

  35. arXiv 人工智能43

    Skill++：通过路由感知技能精炼迈向终身智能体Chinese

    研究团队提出 Skill++，无需重训路由器或标注数据，通过改写新技能的名称与描述消除 LLM 智能体的技能路由干扰。技能库跨 10 个阶段增至 731 个技能时，其完整选中所需技能的查询占比从原元数据的 36.4% 提升到 76.3%。该方法在 3 个 benchmark 和 5 个 LLM 路由器上均超越对比方法，增益亦延伸至 Codex CLI 智能体系统。

  36. arXiv 自然语言处理33

    HALO：面向纵向临床记录的分层证据选择与强化学习预算标签优化框架Chinese

    研究者提出 HALO 框架，通过分层证据选择与强化学习，在预算限制下联合优化纵向临床记录的证据筛选及多保真度标签源分配。在心力衰竭案例中，HALO 在 8 个目标预算中的 6 个取得最高 MedAlign 获取标签 F1 分数。其训练的下游分类器在预算 15-60 时取得最高外部 MGB F1 分数，在预算 75-120 时与最佳对比方法的差距保持在 0.01 以内。

  37. arXiv 人工智能44

    面向多轮人机对话的智能体上下文管理Chinese

    为解决大语言模型在多轮对话中的上下文污染问题，研究提出无需训练的智能体对话上下文整理方法 AC3。该方法通过独立分析器仅从用户消息整合任务规范并编辑重构上下文，在结构上排除历史助手回复以防错误传染。实验显示，AC3 在 Lost in Conversation 基准上弥合了 55-84% 的性能差距，并在 WildChat 真实对话中获得 GPT-5-mini 裁判的更优评价。

  38. arXiv 自然语言处理35

    Token 并非难度单位：分词控制词内自适应计算的分配Chinese

    研究表明分词切分方式控制着早退大语言模型在词内部的自适应计算分配。在千问（Qwen3）等模型中，置信度停止机制在英语中分配给词后续片段的计算少于首个片段，而在孟加拉语中恰恰相反，词内惊奇度解释了 75% 的差距方差。此外，学习型停止头虽优于置信度停止 7 到 8 点，但在同等成本下相较最佳固定退出组合提升不足 1 点。

  40. arXiv 自然语言处理39

    面向流式 Text-to-SQL 的自精炼提示词归纳方法 SRPIChinese

    研究人员提出流式 Text-to-SQL 离线方法 SRPI，在固定模型权重下将生成失败转化为可复用的方言指令。在 Confluent Cloud Flink SQL 评测中，该提示词使 7 个生成模型的平均评分提升 7.1-19.2 个百分点，压缩后可缩减 52.7% 长度且仅降分 0.19 个百分点。推理无需检索或查询修复，搭载该提示词的助手已进入早期访问阶段。