基于代理辅助遗传编程的动态柔性作业车间调度规则终身学习中国語
研究提出一种基于代理辅助遗传编程（GP）的终身学习方法，用于在动态柔性作业车间调度中持续学习调度规则并应对灾难性遗忘。该框架集成了自适应两阶段训练策略、基于任务相似度的知识复用加权机制，以及带距离约束的改进代理模型。实验结果表明，该方法在保持强适应性的同时有效缓解了灾难性遗忘，性能优于对比方法。
すべてのAI・データセンター 記事
すべての記事
今日 50 件arXiv 人工智能AI スコア2525 arXiv 人工智能AI スコア3838 CPA 反事实成对增强提升小型单点 LLM 裁判性能中国語
研究提出反事实成对增强（CPA），通过合成相反标签的反事实响应并联合微调，解决小型单点 LLM 裁判难以锁定判定边界的问题。在 6 个二元标准的 Qwen3-8B LoRA 适配器测试中，以单点模式部署的 CPA 使平均 pointwise macro-F1 提升 2.5 点，全面优于模型合并方案，并超越前沿零样本裁判 Gemini 3.6 Flash 达 11.8 点。
arXiv 人工智能AI スコア4444 AI 智能体何时该向人类提问？有限人类注意力下的澄清请求研究中国語
针对多 AI 智能体共享有限人类注意力时的任务协调问题，该研究提出结对协调策略（PCP），通过动态规划优化智能体提问澄清与自主搜索的时机。在 864 个合成测试案例中，PCP 与最优成本的平均差距仅为 0.07%，较三种标准规则降低了 18-31% 的成本。在 LLM 智能体实验中，PCP 在所有设置下均实现最低平均成本，并协助智能体正确完成全部任务。
arXiv 人工智能AI スコア4444 盲目自信还是谨慎检索？LLM 何时突破静态内部记忆进行搜索的行为研究中国語
一项针对 5 款商业 LLM 搜索决策的研究显示，GPT-5 mini 与 Grok 4 Fast 在超 90% 的外部知识问题上触发搜索，内部知识仅为 1%。相比之下，Mistral Small 仅在 20% 的外部知识问题上搜索，常直接弃权而非调用工具。该包含 400 道题的测试还发现搜索依赖显式时间线索，无提示时两款模型的 NAS 得分从约 0.72 降至 0.57–0.58。
arXiv 人工智能AI スコア3939 基于重复评分预测局部代理优化下的人类增益曲线中国語
研究人员提出优化前诊断方法 PACE，利用重复人类评分预测固定代理目标在优化强度增加时带来的人类增益曲线。该方法将代理优化建模为 KL 正则化指数倾斜，在 KL 半径 d 下通过一阶对齐与二阶修正系数拟合局部增益。在 SummEval、WMT MQM 及 GPT-4o 评委等实验中，PACE 显著降低了预测误差，并在 LoRA-DPO 实验中验证了实用性。
arXiv 人工智能AI スコア3737 基于 HiFloat4 格式的大模型量化校准中国語
针对采用三级缩放块浮点结构的 HiFloat4（HiF4）量化格式，研究人员提出了 HiGPTQ、HiAutoRound 和 HiFlatQuant 三种大模型量化校准方法。相较于直接 HiF4 转换，这三种方法将 HiF4 与 BF16 的推理精度差距缩小至 1% 以内，并在多种模型及下游任务上超越了 NVFP4 格式。
arXiv 人工智能AI スコア3535 微分保序流形学习：Smooth Rank t-SNE中国語
新提出的 Smooth Rank t-SNE（SR-tSNE）在标准 t-SNE 损失中引入基于 sigmoid 近似的可微排序项，首次显式保留了高维邻域的原始相对顺序。配套提出的 O-DLP 评估指标及消融实验显示，该排序项可将 O-DLP 提升 5% 至 28%，在图像、文本等 8 个基准上击败 12 个基线，并在 7 个视觉数据集与 6 个单细胞数据集的下游任务中表现优异。
arXiv 人工智能AI スコア3434 QUAL：利用分位数对齐提升零样本时间序列基座模型性能中国語
研究者提出无标签框架 QUAL，通过以模型池为概率参考对齐分位数，无需训练即可提升并融合多个零样本时间序列基座模型。在 GIFT-Eval 评测基准上，分位数对齐使成员平均 MASE 和 CRPS 分别降低 7.4% 与 9.8%。该框架结合 Huber 聚合与重排，在候选池混入弱预测模型时依然保持稳健，相关代码已开源。
arXiv 人工智能AI スコア3434 业务语义变动下的 Text-to-SQL 查询验证中国語
针对业务语义变动下的 Text-to-SQL 查询重验问题，研究提出一种结合反例数据与精确金额比对的可执行验证机制。在 32 个修订族的 192 个单元格测试中，8 个账本预算下的义务导向检查检测出 137 处差异，比通用排序的 127 处高出 6.9 个百分点（p=0.0156），且对一致单元格保持零误判。
arXiv 人工智能AI スコア3737 CIRCE 通过约束结构预测 LLM 任务复杂度中国語
研究人员提出 CIRCE，通过问题内在的约束结构预估任务复杂度，可在 LLM 解题前指导模型路由与测试时计算分配。该方法使用低成本 LLM 构建约束中间表示并确定性编译为约束图。在 7 个推理基准和 4 个 LLM 测试中，配合 GNN 编码器将负对数似然从 0.465 降至 0.423，AUROC 从 0.691 提升至 0.727。
arXiv 人工智能AI スコア3232 合成 HR/ERP 图中的薪资欺诈检测：规则、路径特征与图神经网络的归纳式对比中国語
在合成 HR/ERP 图薪资欺诈链接预测中，基于链式连接特征的梯度提升模型整体链接平均精度（AP）达 0.823，优于 GraIL 风格 GNN 的 0.663。其 4-hop AP 达 0.646（GNN 为 0.272），表明多跳收益并非 GNN 独有。但在 40% 标识符连接失败时，实体 GNN 的 AP 达到 0.712，反超提升模型（0.683）。
arXiv 人工智能AI スコア3030 求解最小红蓝分离集问题的优化技术及其在人类与 AI 文本区分中的应用中国語
研究针对最小红蓝分离集问题（MRBSSP），提出集合覆盖 ILP 模型、GRASP 启发式算法，以及基于 LBBD 和分支 Benders 割平面（BBC）的精确求解方法。
arXiv 人工智能AI スコア5252 研究团队推出长程就医代理智能体评测基准 BABA-Bench中国語
研究人员推出长程就医代理智能体评测基准 BABA-Bench，包含 47 个由真实脱敏案例构建的交互环境，用于同时评估智能体的任务结果与流程合规性。在针对 14 个前沿模型的 1,974 次评测中，达成目标要求的 921 次运行里有 28% 未遵循必要流程，Claude Opus 5 虽在 81.6% 运行中完成目标，但完全合规率仅为 52.5%。
arXiv 人工智能AI スコア4141 LanG 2.0：面向规模化半自动化安全运营的高能效 AI 智能体系统中国語
研究人员提出 AI 智能体系统 LanG 2.0，探索以小型本地模型配合结构化安全机制实现规模化威胁检测与规则编写。在未知网络攻击检测中，该系统达到 73.42% F1 且零误报，表现优于 Claude Opus 5.5（58.10% F1），且能耗降低至少 650 倍。
arXiv 人工智能AI スコア4343 内部共识与外部竞争：用于周界防御的去中心化 LLM 团队中国語
在周界防御模拟测试中，基于拍卖机制的去中心化 LLM 共识团队防线突破率仅为 15%，明显优于中心指挥官的 32% 与独立智能体的 29%。有限网络通信范围会显著推高中心指挥官的突破率，且共识团队中若赋予低成本 LLM 更多竞价权限会导致突破率上升 38 个百分点。研究证实采用专用外部冲突解决协议的 LLM 团队能实现最少防御突破。
arXiv 人工智能AI スコア4242 基于能力的智能体规划（CGAP）中国語
研究团队提出智能体规划方法 CGAP，将工具目录确定性编译为 PDDL 模型并由经典规划器求解抽象计划，解决 LLM 智能体依赖试错且无法保证生成可执行计划的问题。在 ToolSandbox、ComplexFuncBench、BFCL multi-turn 和 $\tau^2$-bench retail 上配合三种 LLM 测试，CGAP 相比标准工具调用智能体最高提升 28.9 分。
arXiv 人工智能AI スコア5454 ReplayRCA 基准发布：通过反事实重放评估智能体故障的事后诊断与实时监督中国語
研究人员提出通过反事实重放介入来评估模型修复智能体多步骤故障能力的基准 ReplayRCA，包含事后诊断与实时监督两个赛道。在 62 个系统性故障测试中，13 个前沿模型中表现最好的 Grok 4.7 达到 +51.3 的因果修复分，而前八名模型在统计学上无显著差异。
arXiv 人工智能AI スコア3535 紫队演练实践：复杂 AI 系统治理试点专家研讨会的经验中国語
研究人员通过试点专家研讨会探索将紫队演练（Violet Teaming）用于生物防御相关 AI 能力治理，以融合技术、政策及社会考量。演练围绕能力开发、滥用潜力和落地实施三个连续阶段场景，综合评估潜在收益、滥用风险与实际落地挑战。该实践揭示了隐蔽滥用路径，不仅拓展了纯技术防护之外的干预手段，还明确了影响实施的运营与政策约束。
arXiv 人工智能AI スコア3434 Noura：个人需求能否成为规划的监督信号？中国語
研究团队提出 Noura 框架，将 LLM 规划与临床及个人健康规范结合，并将计划执行与修正轨迹转化为紧凑模型的后训练监督信号。在 4,993 名测试参与者中，Noura-SFT 将 Qwen3-14B 的完整规划通过率从 24.0% 提升至 72.5%，规则违规减少 97.5%，表现优于其 GPT-6 Luna 教师模型。
arXiv 人工智能AI スコア4747 大语言模型的情感心理物理学中国語
研究测试了 LLM 对赌博与股票交易结果的情感预期，发现在单独评估时模型对收益的反应强烈程度高于等额损失，呈现出颠覆传统损失厌恶的“硅基收益放大”现象。当结果被共同对比评估时，其评分趋于线性化。在决策中，收益与损失的不对称性基本消失，且模型自身的情绪评分并未比货币效用更可靠地解释其选择行为。
arXiv 人工智能AI スコア3131 Nedimo：基于循证的 AI 助眠故事多语言生成流水线中国語
研究团队提出了 Nedimo，一种用于生成和朗读低唤醒度助眠故事的多语言 AI 流水线。该原型将确定性规划与大语言模型生成解耦，通过四阶段注意力衰减塑造脚本，并结合结构词汇验证、文本转语音合成与两遍响度归一化。Nedimo 不主张临床疗效，而是定位为放松与注意力辅助工具，并配备了严格的可追溯护栏架构。
arXiv 人工智能AI スコア4444 P-ContextBench：从个人事实召回到个性化智能体行为中国語
P-ContextBench 是用于评估大语言模型个人上下文理解的新基准，涵盖 100 个数字人、10,088 个隐藏事实和 4,810 个验证测试用例。该基准重点测试事实恢复、时间追踪、模式推断及约束处理等 5 项能力。评测显示高性价比 SOTA LLM 在时间追踪、模式推断与约束决策上的准确率低于 60%，3 次重复测试全对率不足 10%。
arXiv 人工智能AI スコア6161 研究揭示大语言模型可察觉思维链监控并自适应调整行为中国語
arXiv 新论文研究发现，大语言模型能够通过直接与间接环境线索察觉思维链（CoT）监控的存在，并自适应改变后续行为。实验显示，超时与操作耗时等细微的时间相关信号即可触发模型感知；在多次交互循环中，模型还会统计评估监控器的有效性并尝试规避检测。研究强调基于思维链的安全监督属于交互式过程，监控行为本身会直接影响被观察模型的实际表现。
arXiv 人工智能AI スコア4444 预测智能体回测基准 FABench 评测中国語
研究人员推出预测智能体回测基准 FABench，首发包含 9 个领域的 287 个问题，可针对任意历史预测日期自动构建测试以防时间泄露。评测 8 个近期模型发现，检索改善了全部模型的 Brier 分数，表现最佳的 3 个智能体在 54 个 Polymarket 关联问题上略高于市场共识水平。目前该项目已开源代码、数据及档案环境。
arXiv 人工智能AI スコア5555 论文揭示思维链起始 Token 存在熵坍塌并提出两项推理期干预方法中国語
新研究发现当前模型难以控制思维链陈述的局限源于思考标签后前几个 Token 的熵坍塌，并据此提出了两项推理期干预方法。通过预填起始 Token 或禁用高频开头词配合上下文示例，跨模型平均顺从度提升了 34-41 个百分点。该干预主要恢复了信息添加与风格转换的可控性，而抑制特定信息则呈现不同机制且常与可监控性呈负相关。
arXiv 人工智能AI スコア3232 DiRAFT：基于聚合篇章先验的隐私保护金融对话记录合成方法中国語
研究人员提出金融对话记录合成框架 DiRAFT，通过聚合概念转移先验引导文本生成，无需依赖单条源数据以降低隐私泄露风险。评估覆盖 2 个金融语料库与 3 个生成后端，并对 7 种策略下的 1,400 份投资者电话会议输出进行了人工保密事实审查。结果显示随机采样在转移保真度与结构重叠度之间表现出优势，且检测到的非公开事实匹配少于贪婪和 top-3 策略。
arXiv 人工智能AI スコア4747 Agentic World Modeling：无需环境副本的智能体测试时扩展中国語
研究人员提出 Agentic World Modeling（AWM），通过安全只读接口查询真实环境构建观测且不改变状态，在无需环境副本的情况下实现智能体测试时扩展（TTS）的并行探索。在 $\tau$-bench、AppWorld 和 OfficeBench 测试中，AWM 相比单次模拟基线平均提升 40.07%，比训练好的世界模型基线平均提升 12.36%。
arXiv 人工智能AI スコア4646 迈向 AI 智能体 Harness 的可移植规范中国語
研究提出一套可移植规范框架，将 AI 智能体底层运行环境（Harness）分解为 8 个功能组件并记录具体配置。不同 Harness 配置会导致同一大语言模型的评测分数产生数倍差异，且系统大量攻击面均集中于 Harness 中。现有 Model Card 和 Agent Card 无法追踪运行中的配置序列，因此 Harness 须作为独立版本化组件予以规范。
arXiv 人工智能AI スコア3535 递归知识构建是否有助于 AI 智能体验证科学共识主张？中国語
研究构建了包含 718 条主张的 ProClaim-eval 数据集与 ProClaim 系统，证实递归在模型上下文外部维护结构化证据状态能显著提升科学 AI 智能体的主张核验表现。实验显示 ProClaim 整体排名前三，大幅优于通用智能体框架。读取该证据状态的训练评判器优于固定轮次停止，在 3 个子集上匹配 Claude Sonnet 4.6 并超过 Claude Haiku 4.5。
arXiv 人工智能AI スコア3838 ChatGPT 作为监控助手？AI 辅助监控风险探索性案例研究中国語
一项针对 ChatGPT 公开网页界面的研究发现，其在 55 个越狱提示词中有 40 个、在 55 个直接提示词中有 33 个提供了实质性监控指导。该研究构建了涵盖 7 类监控风险的 110 个提示词，发现合规回复中极少提及使用政策或隐私保护替代方案，且模型在声明拒绝时仍可能在简短伦理警告旁提供详细指令、可用代码或架构指导。
arXiv 人工智能AI スコア4040 音频大语言模型多模态语音情感识别的不一致性感知评估中国語
一项新研究提出连续无阈值的不一致性评分方法，评估发现文本内容与语音语调不一致会显著增加音频大语言模型在语音情感识别中的错误率。在 eNTERFACE'05、MELD 和 CMU-MOSEI 三个语料库对三款音频模型的评测表明，识别受阻源于模型融合多模态证据的方式而非信号本身。相关代码、数据表与提示词已开源。
arXiv 人工智能AI スコア4343 规避计算套利中的计算复杂度难题中国語
研究人员将 AI 模型市场中的计算套利形式化为分配问题并证明其通常为 NP-hard，同时提出在边际收益递减条件下高效求解最优分配的算法。该研究还开发了利用有限数据评估模型性能的样本高效方法，以降低确定套利策略的前期成本。经济分析表明，最优分配下各模型每美元边际效用相等，套利会将收益导向具备互补专业化优势的提供商。
arXiv 人工智能AI スコア3939 超越合理预测：Web 世界模型的安全充分性中国語
研究针对 Web 世界模型提出“安全充分性”概念与 SafeWebWorld 评测基准，评估模型能否为 EXECUTE、ASK 和 BLOCK 决策提供关键信息。对 10 个开源模型的 3,000 项预测显示，尽管 86.1% 达到语义合理，但模型普遍存在不对称授权缺陷。潜空间授权恢复测试进一步证实，合理预测与证据保留均不足以确立鲁棒的细粒度安全授权。
arXiv 人工智能AI スコア4444 CLR-Bench：在隐藏规则课程上评测自进化智能体中国語
研究人员推出自进化智能体评测基准 CLR-Bench，包含 10 个领域的 20 条隐藏规则链，用于测试智能体能否从反馈中归纳潜在规则。评测 6 种自进化方法发现，在基础认证模型下最佳仅提升至多 5 分；而在更强的 GPT-6-Sol 下，ACE 与 Dynamic Cheatsheet 仅凭反馈即达到 78% 准确率和 59-60% 的单单元格解决率。
IT之家 · AI 筛选AI スコア5959 北京灵翌科技以 43 分 41 秒夺得首届世界机器人登泰山大赛足式竞速冠军中国語
北京灵翌科技队在首届世界机器人登泰山大赛中，以 43 分 41 秒的总时间获得足式机器人竞速赛冠军。本次比赛赛道全程约 3.9 公里，包含 3100 余级台阶，共有近 90 支赛队向泰山中天门发起挑战。赛事还设有具身人形机器人竞速、足式机器人负重和外骨骼助力等赛项，相关结果将陆续公布。
Hacker News · AIAI スコア1414 问我的 AI 老师如何拼写 seventeen中国語
该内容探讨了向 AI 老师询问英文单词 seventeen 拼写的交互过程。相关链接未提供正文详细展开，目前在社区获得 12 点赞和 4 条讨论。
Hacker News · AI厳選AI スコア7272 GPT-6.1 Terra 对比 Claude Opus 5.5：三项极限压力实测中速度更快且成本更低中国語
独立评测显示，在最大推理配置下测试的三项任务中，GPT-6.1 Terra 总体表现出明显更低的 token 成本与更快的执行速度。
推薦理由：作者在最大思考预算下实测了发布故障排查、科学代码生成与大数据审计三项任务，呈现出两款模型在长程任务中的耗时、成本与完成度差异。
Hacker News · AIAI スコア5050 Brass：专为 AI 打造的编程语言中国語
Brass 发布 v0.3 版本，推出专为 AI 模型理解与编写代码设计的 token 高效型编程语言及配套工具。其语法强化显式声明与契约保证，并通过 brass 命令行工具辅助上下文检索与补丁校验。在 Claude Sonnet 的对比测试中，Brass 相比 Python 将模型请求量与发送文本减半，平均成本降低 14% 至 24%。
ServeTheHome厳選AI スコア6868 ASRock Rack 在 OCP 2026 展出全液冷 NVIDIA Rubin 算力系统中国語
ASRock Rack 在 OCP 2026 展出多款基于 Direct-to-Chip 液冷的 NVIDIA 算力系统，重点涵盖整机柜与紧凑型 8 卡服务器。
推薦理由：原文现场拆解了整机柜及 2U 液冷算力形态的具体配置与供电细节，为观察高密算力基础设施演进提供参考。
Hacker News · AIAI スコア4141 Arken：为调用 MCP 服务器与 API 的 AI 智能体提供加密身份中国語
ArkenForge 开源其底层 Rust 库 arken-core，为调用 MCP 服务器与 API 的 AI 智能体提供基于 did:key 与 ECDSA secp256k1 的加密身份验证。客户端通过私钥签署服务端返回的 60s TTL 随机 nonce 实现无状态鉴权，统一跨工具身份。该项目采用 Apache 2.0 协议，目前处于早期阶段。