CF-NPE：面向神经后验估计的交叉拟合方法
CF-NPE 提出用样本拆分与 K 折交叉拟合改进神经后验估计（NPE），将后验均值估计与高阶矩估计分离：先拟合 K 个后验均值回归器，再对折外残差拟合条件密度估计器。在合成数据和宇宙学应用中，CF-NPE 的留出对数似然高于标准 NPE，且通常改善校准。该方法已被 NeurIPS 2026 接收，最适用于高维、模拟受限场景。
#论文/研究
#论文/研究
今日 0 条arXiv cs.AI / cs.LG 最新AI 评分5050 arXiv cs.AI / cs.LG 最新AI 评分5050 CAVA：为互补标签学习设计的数据估值方法
CAVA 是一种面向互补标签学习的数据估值方法，用来识别标注中把真实类别误写成互补标签的对角噪声。研究指出直接把最优传输数据估值迁移到互补标签会因训练与验证的标签语义相反而失配，噪声率低于 1/M 时评分方向甚至反转。
arXiv cs.AI / cs.LG 最新AI 评分4141 Polar Switch：基于多项式电路的快速 Muon 正交化方法
Polar Switch 提出一种基于多项式电路的梯度正交化方法，达到同等高次多项式时 FLOP 成本低于五次迭代。在方矩阵上运行时间比 Polar Express 低 15.5–18.7%，在长宽比 3.25、3.5、8 的矩形矩阵上比 Gram Newton–Schulz 低 8.6–16.2%，精度相当。
arXiv cs.AI / cs.LG 最新AI 评分6161 recAMPLIFY 用 155M 参数递归预训练在蛋白任务上超过 AMPLIFY-350M
作者把递归预训练移植到 masked 蛋白语言模型，提出 155M 参数的 recAMPLIFY，训练用了与 AMPLIFY-350M 相同的 2T token。
arXiv cs.AI / cs.LG 最新AI 评分4848 梯度下降在多分类逻辑回归上通过固定次数的大步长达到任意精度
研究证明，梯度下降在多分类逻辑回归损失上可在与 ε 无关的迭代次数 T 内达到 ε 最优性差距；步长 η 需按 ε 和线性可分数据性质取得足够大，而 T 只依赖数据。数据性质包括样本数与间隔；T 由二者决定，η 还需一个在维度 d ≥ 3 时必要的额外量。证明借助 η → ∞ 时重标度梯度下降趋于感知机，后者在 T 次迭代内找到完美分类器。
arXiv cs.AI / cs.LG 最新AI 评分5050 Trajectory Replay：面向终身生成模型的连续时间混合传输方法
论文提出 trajectory replay，用于让预训练的连续时间生成模型适配陆续到来的新数据而不遗忘旧任务。它不生成样本，而是训练更新后的速度场同时对齐冻结的历史速度场和新任务速度场，并按稳定性与可塑性系数加权，最优解即按各自密度对两个任务速度做平均、生成两者概率路径的混合。
arXiv cs.AI / cs.LG 最新AI 评分6161 TokenGate 用学习式 token 剪枝让 LLM prefill 更快更省内存
TokenGate 是一个可即插即用的小组件，让已有大模型在长上下文 prefill 阶段做端到端可学习的 token 剪枝。在多项任务上首 token 延迟快 1.4 到 11.3 倍、峰值内存低 1.5 到 3.4 倍且精度不降，相比此前最好的 token 剪枝方法 prefill 最多快 6.4 倍、峰值内存低 2 倍。
arXiv cs.AI / cs.LG 最新AI 评分5656 PIA 用仿真先验加速基于模型的强化学习自适应，真车少样本适配不足一小时
Adrian Remonda 提出 Prior-Informed Adaptation（PIA），一个从离线到在线的基于模型强化学习框架，用结构化仿真先验实现快速自适应。
arXiv cs.AI / cs.LG 最新AI 评分6161 HarnessPro 用 Pareto 优化做递归 harness 自改进，兼顾性能与成本
HarnessPro 是一个不需要标注数据的 harness 自改进方法，目标是在提升 Agent 任务表现的同时降低执行成本。它用 LLM 生成的测试评估候选 harness，不依赖标准答案或官方测试；专用 Agent 诊断执行轨迹，按不同的性能成本优先级规划更新，再用归一化加权平方距离选出偏成本、均衡、偏性能三档，对应不同的部署预算。
arXiv cs.AI / cs.LG 最新AI 评分5151 arXiv 论文提出 TSI 层论框架，用上同调刻画多智能体任务的交互障碍
arXiv 论文提出 TSI 层论框架，把多智能体任务的兼容性障碍与系统能力分开刻画，交互复形与容量层的上同调非零即构成结构性签名。15,625 个一阶输入上，全智能体加性原语可精确求解决策与修复，最优成对系统决策 88.80%、仅比 88.79% 的多数类基线多对一个输入，修复率 26.63%。
arXiv cs.AI / cs.LG 最新AI 评分6363 论文提出博弈论框架，让 LLM 无需微调学会反制电话诈骗
该论文把诈骗者与反诈陪聊者的对话建模为双人博弈，用纳什均衡作为评估基准，让 LLM 通过上下文经验学习反制策略而无需微调。在 300 段模拟对话和三种 LLM 架构上，自适应策略选择比非自适应基线更接近纳什均衡，幅度从 28.9% 到 79.7%。作者同时公开代码和 300 段带逐轮策略标签与效用分数的标注数据集，论文已被 ECML PKDD 2026 接收。
arXiv cs.AI / cs.LG 最新AI 评分5050 论文提出用随机一阶与零阶优化训练 ML 标注数据
这篇 arXiv 论文提出面向混合真标签与机器学习标注标签数据集的随机一阶和零阶优化方法。它针对人工标注成本高、模型自动标注可能出错的问题，给出可用于训练这类数据集的优化算法。作者从线性回归训练做到大语言模型微调，用实验展示所提算法的效果。
arXiv cs.AI / cs.LG 最新AI 评分6161 SOMA 用 System One 模型持续监控并干预 System Two 推理
SOMA 是一个用 System One 模型持续监控 System Two 推理模型并在需要时介入的框架，分场景、感知、控制三层，同一个 S1 模型与控制器跨任务复用且不训练。
arXiv cs.AI / cs.LG 最新AI 评分5656 arXiv 论文研究表格机器学习的数据规模扩展：更多训练数据能否带来更好泛化
arXiv 论文用八个最大约一千万条训练样本的真实表格数据集，检验训练数据扩展是否带来更好泛化。实验发现 GBDT 与 MLP 类模型的扩展趋势大体相近，增加训练数据和算法改进都能带来提升，表格基础模型表现更分化，较新版本在分布偏移下仍能随上下文变长而受益。分布内与分布外性能在小规模时同步提升，规模变大后可能背离；MLP 用贴近评测条件的验证集做模型选择时，通常能维持或提升性能。
arXiv cs.AI / cs.LG 最新AI 评分3939 两个隐藏层足够：Caterpillar Net
Caterpillar Net 给出一种非递归构造，用两个隐藏层、宽度 O(N^2) 与 2^{O(N log N)} 表示 N 个输入的最大值。该构造受 Brunck 等人 2026 年证明两个隐藏层足以表示一般 CPWL 函数的启发，并具有直接的几何解释。它面向 ReLU 网络最大值表示这一核心问题。
arXiv cs.AI / cs.LG 最新AI 评分5151 论文精确计算候选打分决策模型的风险，指出教师偏差与校准失灵
论文在高斯替代模型上精确计算候选打分决策模型的有限样本风险，检验教师软标签、冻结表征和温度校准这三项训练要素。在 CFPB 231,521 条信用卡投诉上，用逻辑教师概率训练的学生在决策成本上与教师持平，用真实结果训练的学生低 8%，30B 模型零样本经校准后仍不如教师，并偏离一致性条件 17.5 decibans。
arXiv cs.AI / cs.LG 最新AI 评分4949 学习转介：EdgeDRM 实现去中心化联邦学习的推理时协作
summary_zh
arXiv cs.AI / cs.LG 最新精选AI 评分6565 Mise-en-Video 提出多镜头视频生成的细粒度 3D 控制框架
arXiv 论文提出 Mise-en-Video（MeV），一个让创作者先在 3D 空间里编排分镜、再生成多镜头视频的框架。它把用于多级叙事一致性的分层注意力机制与 3D 感知的布局引导结合，实现逐镜头的精确空间控制。
推荐理由：做多镜头视频的团队可参考其分层注意力与 3D 布局引导设计，评估这套空间分镜控制能否接入现有生成管线。
arXiv cs.AI / cs.LG 最新AI 评分4545 BrainLoRA：把参数高效微调扩展到 104B 参数的多模态脑编码模型
研究提出 BrainLoRA，用 LoRA 加轻量 readout 对最高 104B 参数的多模态主干做参数高效微调，在 9 个多模态主干上均提升脑编码性能。在与此前 SOTA 相同的 Qwen3-Omni 主干上，该方法取得 Algonauts 2025 挑战赛已发表最佳成绩。
arXiv cs.AI / cs.LG 最新AI 评分5858 arXiv 论文用因果约束离线 RL 做 Next Best Action，优惠券投放 LTV 提升 19%
论文把 Next Best Action 建模为约束马尔可夫决策过程（CMDP），在 LP 求解中直接加入离策略因果校正，按客户状态选择动作以最大化长期价值并强制执行业务约束。
arXiv cs.AI / cs.LG 最新AI 评分5252 AfriBED 发布面向低资源非洲语言的 ASR 偏差评测数据集
AfriBED 是面向 Bemba 和 Nyanja 两种低资源非洲语言的语音识别偏差评测数据集，用于检测 ASR 系统在性别和说话人类型上的偏差。Bemba 部分包含 80 位说话人的 3928 条语音共 9 小时，Nyanja 部分包含 127 位说话人的 6260 条语音约 18 小时。
arXiv cs.AI / cs.LG 最新AI 评分5959 RefCraft 基准含 300 个视觉参考网页开发任务，最强模型仅得 52.12 分
RefCraft 是一个包含 300 个真实多模态网页开发任务的基准，把自然语言指令与 1 到 5 张参考网页截图放在一起。智能体需要自己挑选并使用这些参考，渲染页面、做视觉检查并迭代修改，评分依靠可独立验证的 keypoints 以及程序化判分和 VLM 裁判。在九个前沿（M）LLM 上最强系统总分只有 52.12（满分 100），说明视觉参考条件下的智能体生成在真实网页开发场景中仍是难题。
arXiv cs.AI / cs.LG 最新精选AI 评分7373 论文提出 WildAWM 管线，用开源模型合成计算机使用智能体的可执行训练环境
论文提出 WildAWM，一个用开源模型合成可控环境与任务、用于训练通用计算机使用智能体（CUA）的流水线。它构建同时支持图形界面、MCP 服务和命令行的可执行环境，并用执行式质量门控配合多智能体采样、交叉评判一致性和反事实探针，保证任务可解、难度足够且验证器可靠。
推荐理由：做 computer-use agent 训练的团队可以复用这套合成管线，批量生成带验证器的长程可执行任务环境。
arXiv cs.AI / cs.LG 最新AI 评分4343 ProteinGeoBench：前沿结构生物学智能体擅长元数据查找，却在几何计算上迷失
ProteinGeoBench 用 131 个蛋白质结构任务评测前沿智能体，结果显示它们元数据检索流利、几何计算不可靠。四个前沿模型中有三个得分落在 0.785–0.816 之间，第四个为 0.707；数值任务只有 28 个，却占所有模型均失败任务的一半。评估配置同样影响排名，每任务只跑一次时 23.9% 的 bootstrap 重采样会把不同模型排到第一。
arXiv cs.AI / cs.LG 最新AI 评分5757 论文提出量子哈密顿量嵌入监督学习框架，并在 IBM Heron 处理器上验证
这篇 arXiv 论文提出量子哈密顿量嵌入框架，把经典训练数据编码进一个参数化哈密顿量，训练即优化该哈密顿量参数，其近似基态定义分类规则。基态近似完成后，推理可用经典表示或量子表示进行。
arXiv cs.AI / cs.LG 最新AI 评分6262 KronLSTM 用 Kronecker Delta Rule 改进长上下文线性注意力
作者提出 KronLSTM，一种基于 Kronecker Delta Rule 的线性注意力架构，扩展了 xLSTM 家族。它的记忆修正只在矩阵空间的单一方向上改动目标关联，对已存信息的干扰小于 delta-rule 更新，记忆动态可描述为收敛到稳态分布的马尔可夫链，记忆矩阵的期望范数在整条输入序列上保持有界，因此不需要额外的归一化与稳定机制。
arXiv cs.AI / cs.LG 最新精选AI 评分6666 同一次仿真不同证据，检索工具输出让 LLM Agent 损失准确率
一项 arXiv 研究用 USGS 地球化学模拟器 PHREEQC 检验工具输出检索对 LLM Agent 准确率的影响，报告长达 846.8k 字符，测试为 158 道执行验证多选题。
推荐理由：做 Agent 上下文管理的团队可以按它的实验方法自查准确率在哪一步流失，再决定是否内联或指认权威输出。
arXiv cs.AI / cs.LG 最新AI 评分5959 LatComm 用可复用上下文压缩实现大模型间隐空间通信
Huawei Lin 提出 LatComm，一种把上下文编码与读取分离的隐空间通信接口，让同一段长上下文在多个问题之间复用。冻结的编码模型先把上下文压成固定大小的数据包，另一个冻结的接收模型通过 cross-attention 读取，门控由自身提示词计算。
arXiv cs.AI / cs.LG 最新AI 评分5353 AnyGoal 提出世界模型组合泛化基准，现有模型在目标偏移任务上普遍失败
arXiv 论文 AnyGoal 研究世界模型在专家轨迹之外能否泛化，并配套发布一套目标偏移任务基准和开源库。每个任务中单个状态因子与动作都仍在训练支撑范围内，但它们的组合在专家轨迹里出现稀少，用来检验模型能否把熟悉的因素重组为有效动力学。
arXiv cs.AI / cs.LG 最新AI 评分6060 Agima 训练框架让智能体先想象行动后果再决策
研究者提出 Agentic Imagination（Agima）训练框架，用单个 omni 模型先提出动作、生成动作结果的图像，再在这些想象出的未来上推理，决定实际执行哪一步。
arXiv cs.AI / cs.LG 最新AI 评分5959 arXiv 论文提出 PhysRSI-eval，用五轴指标刻画 LLM 策略的物理递归自我改进
这篇 arXiv 技术报告提出 PhysRSI-eval，用首次尝试表现、效率、成功率、预算和失败后的改进五个轴量化物理递归自我改进。作者在固定交互预算下用 18 个操作任务评测多个 VLM，据此提出物理木桶假说，认为不同能力约束改进的不同环节。五轴指标可区分公开榜单平均分接近的系统，高分未必对应更早或更高效的改进；工作区干预实验还显示移除历史会降低后期成功率。
arXiv cs.AI / cs.LG 最新AI 评分5050 CoopUQ 用不确定性感知协同预测提升多机器人社交导航安全性
论文提出 CoopUQ，一个结合不确定性感知协同占用栅格预测与鲁棒决策的多机器人社交导航框架。它通过跨机器人时空特征融合预测未来占用栅格，再用预测结果及其不确定性约束多智能体强化学习的代价函数，惩罚驶入高占用或高不确定区域的导航行为，使策略在分布偏移下调整风险敏感度。
arXiv cs.AI / cs.LG 最新AI 评分4646 VAG：视觉可归因的在线自蒸馏强化学习
研究提出 Visual-Attribution Gating（VAG），通过对比有证据与证据退化的教师视图来过滤特权纠正，抑制视觉推理在线自蒸馏中的「特权校正污染」。VAG 以验证器导出的 advantage 为优化锚点，只采纳被视觉对比方向性支持的 token 级纠正。在六个视觉推理 benchmark 上，其平均性能优于 GRPO 和 OPSD，达到新的 SOTA。
arXiv cs.AI / cs.LG 最新AI 评分6363 arXiv 论文提出 Halcyon 系列文本生图模型，从零预训练不依赖语言模型
arXiv 论文提出 Halcyon 系列早期融合多模态自回归模型，完全从零在 1 亿图文对数据集 GPIC 上预训练，说明强文本生图系统不必依赖互联网规模的语言预训练。
Hacker News · Show HNAI 评分3232 Show HN：AML CYCLE 2，面向智能体长期记忆的评测基准
AML CYCLE 2 是面向智能体长期记忆的评测基准，已在 Show HN 展示。它用于评估智能体在长期记忆方面的表现，当前页面显示 1 分、0 条评论。
Hacker News · 高分新帖AI 评分7171 HybridAgents：在潜空间推理、通过文本行动的混合推理智能体
arXiv 论文提出 HybridAgents 混合推理智能体，在统一生成过程中动态切换潜空间推理与文本交互。轻量模块 HybridLink 负责两种模式的转换，连续工作记忆在多次交互中保留无损的混合上下文，潜空间中的思考过程可直接检查，同时保留调用工具的能力。
arXiv cs.AI / cs.LG 最新AI 评分5050 论文提出 EmbDivBench 基准，系统比较 21 种基于嵌入向量的数据多样性度量
这篇被 EMNLP 2026 主会接收的论文把 21 种基于嵌入向量的数据多样性度量归为四类，并提出 EmbDivBench 基准，从 variety、balance、disparity 三个维度在模拟数据和真实文本上评测它们。
arXiv cs.AI / cs.LG 最新AI 评分5252 通用效用强化学习新方法用神经对偶 critic 实现 O~(ε^-2) 采样复杂度
Ankur Naskar 在 arXiv 发表论文，提出一种面向通用效用强化学习（RLGU）的自然 actor-critic 方法，用神经网络 critic 直接把状态-动作对映射成策略梯度的伪奖励，而不必先估计占用测度。
arXiv cs.AI / cs.LG 最新AI 评分4646 RAFT：面向时序图神经网络训练的冗余感知输入过滤框架
RAFT 是一个面向时序图神经网络（TGNN）训练的冗余感知输入过滤框架，通过追踪训练过程中的节点记忆变化识别冗余输入。它用根事件过滤器在训练前剔除部分预测目标，用支撑事件过滤器在采样时排除部分历史上下文。在三种 TGNN 模型和五个数据集上，RAFT 平均减少 35.23%、最高 97.11% 的训练输入，训练时间最多降低 52.56%，模型精度变化可忽略。
arXiv cs.AI / cs.LG 最新AI 评分5252 推理的单个像素：一句有来源支撑的真话就足以误导 LLM 智能体
arXiv 论文提出单关系攻击（ORA），先定位证据与结论之间的一个隐含前提，再用一句有来源支撑的话把这个前提改写，就能把 LLM 智能体引向错误结论。在生物医学推理和漏洞检测任务上测试 18 个模型，best-of-10 攻击对闭源模型平均翻转 54.9% 原本正确的答案，对开源权重模型为 80.0%。