SpaFactor：面向组织学到转录组推断的轻量级空间上下文感知基因程序建模
空间转录组学能够描绘组织结构内的基因表达，但高昂的成本限制了其日常应用。利用常见的HE病理图像预测空间基因表达是一种可扩展的替代方案，但传统方法通常将高维基因输出视为独立目标，忽略了基因间的生物学协同作用，且极易受高维噪声影响而发生过拟合。为此，该研究提出了轻量级模型SpaFactor，旨在摆脱对高开销图网络或复杂辅助组件的依赖，实现高效的空间上下文感知基因程序建模。
DC AI 热点
精选
当前热点完整榜单 →
1马斯克披露AI算力布局：Colossus集群拟部署超百万张英伟达GB300芯片83 热度 ⌁2试图入侵政府与高校网站：OpenAI 智能体4次“失控”行为细节曝光81 热度 ⌁3美国能源部拨款19亿美元支持31个电网升级项目以加速数据中心并网81 热度 ⌁4谷歌支持的Fervo Energy在犹他州Cape Station地热电站实现首次发电79 热度 ⌁5针对长上下文编程优化，Claude Opus 5.5 正式发布75 热度 ⌁9月25日2026-09-25
EMPATH：追踪危机心理咨询对话中的多层级情绪动态
针对以往计算方法常将情绪视为静态单句标签的局限，研究人员提出了 EMPATH 计算框架，用于在多粒度层面理解心理健康危机干预对话中的情感动态。该框架涵盖单轮标签、状态转移概率和全局对话原型三个维度。将其应用于涉及哀伤议题的危机文本对话分析后，研究揭示了求助者持续的负面情绪特征、向希望的逐步转变趋势，以及求助者与志愿者之间截然不同的情绪角色与异质的心理恢复轨迹。
Epydemix Agent：基于AI智能体驱动的流行病学建模框架
针对大语言模型智能体在调用科学软件时可靠性不足的问题，研究人员推出了 Epydemix Agent 框架。该框架建立在开源随机区室流行病学建模 Python 库 Epydemix 之上，为 AI 智能体提供四大核心能力：模型与参数发现、声明式场景规范的预防性验证、通过经过测试的库代码进行执行，以及结果的可检查性，从而实现了高可靠性的自然语言驱动科学建模。
可解释性可视化的多语言适配缺陷：SHAP与LIME在从右至左语言中的渲染校正
针对SHAP和LIME等事后解释方法在阿拉伯语、波斯语、乌尔都语和希伯来语等从右至左（RTL）语言中出现的可视化失效问题，该研究进行了系统评估与修正。论文指出，尽管特征归因在数学计算上依然有效，但现有可视化渲染会导致词元顺序错乱、连字符断裂及图表阅读方向错误。研究将此界定为可视化层面的工程缺陷，并提出了针对性的度量基准与渲染校正方案。
经典语义抽取式文本摘要能否在印地语中进行评估？一项复现研究
该论文复现了Mohd等人在2020年提出的基于分布语义的抽取式文本摘要方法，并将其适配至印地语，在每个语言特定步骤中均替换为适配天城文的组件。研究在XL-Sum印地语部分和FIRE ILSUM 2.0 Hindi两个语料库上进行了评估，采用适配天城文的ROUGE指标进行对比。实验结果显示，在原论文发表的等权重配置下，该复现系统的表现显著劣于简单的基线方法（如选取前三句）。
skilder：基于角色权限控制的LLM智能体渐进式技能发现治理框架
针对大语言模型智能体在接入海量企业工具时面临的上下文超限、工具选择退化及合规治理漏洞等问题，研究人员提出了名为 skilder 的新框架。传统通过提示词设定的安全策略缺乏硬性约束，而多智能体委托方案又分散了审计日志。skilder 将技能与工具等能力打包为特定角色，通过基于角色的范围划分与渐进式技能发现机制，实现对智能体工具调用的结构化治理与确定性访问控制。
可验证奖励强化学习在小型搜索智能体中的应用研究
该研究探讨了可验证奖励强化学习（RLVR）在开放域问答与搜索任务中的适用性。以往该方案多应用于数学和代码等奖励明确的大模型场景，10亿参数以下小模型通常依赖大模型蒸馏。研究人员采用群体相对策略优化（GRPO）算法，直接在0.8B参数的Qwen3.5小模型上测试“检索后推理”架构，探索无需教师模型蒸馏即可使端侧小型搜索智能体掌握复杂检索与推理能力的可行性。
感知数据修订的时间序列基座模型VINTAGE-TS
针对宏观经济等统计机构常对历史发布数据进行事后修订、导致模型训练容易引入前瞻偏差的问题，研究人员提出了具备数据修订感知能力的时间序列基座模型VINTAGE-TS。该架构明确区分了“观察时间”与“信息可用时间”，避免将单一版本假定为最终真值，而是同时预测下一周期的首次发布值及其发布后固定时间跨度内的修订值，从而更贴合真实场景下的时序预测需求。
连续扩散语言模型推理突破：ELF-REG将连续扩散架构扩展至数学与代码任务
该研究针对全连续扩散语言模型（dLM）在复杂推理任务中落后于自回归（AR）模型的难题，提出了ELF-REG架构。研究团队将嵌入语言流（ELF）拓展至GSM8K、MATH-500、HumanEval等数学与代码基准，并引入结合表征对齐与纠缠的机制（REPA+REG），通过冻结的AR教师模型监督中间去噪步骤，有效提升了连续扩散模型并行解码与复杂逻辑推理的扩展能力。
META：结合情景记忆检索的多智能体金融决策框架
针对现有大语言模型交易系统多侧重长期预测或缺乏状态记忆等缺陷，研究人员提出了记忆增强型交易智能体框架 META。该框架是首个引入类似检索增强生成（RAG）的情景记忆增强型多智能体金融决策系统，通过整合一系列专门的指标分析智能体，有效解决了复杂交易环境下的动态决策需求，提升了智能体在金融分析与交易推理中的实际应用能力。
标签感知型结构化文本翻译：系统化理解与方法探索
互联网文本中广泛存在承载结构、语义与功能的格式标签，而当前基于大语言模型的翻译系统在处理此类文本时，难以兼顾翻译流畅度与标签保真度。该研究提出应从数据合成、能力构建和多目标对齐三个层面系统化解决这一问题。在数据层面，论文形式化定义了合成数据生成过程中结构标签多样性与翻译自然度之间的权衡关系，为优化带标签文本翻译提供了新视角。
多任务模型中的跨任务关系学习：在YouTube生产推荐系统中的落地验证
该研究提出了一种在多任务模型中学习跨任务关系的新框架。该框架通过针对性的成对关系来近似任务标签的联合分布，从而在避免对完整联合空间建模的高昂复杂度下，利用迁移学习提升模型性能与信息抽取能力。该方法具备通用性，并在YouTube生产级推荐系统（涵盖通知、主页及“接下来播放”等场景）中完成部署验证，实验表明其显著提升了预测准确率与用户满意度。
孟加拉语长文本语音合成数据集BanglaKontho发布
针对孟加拉语在神经文本转语音（TTS）领域缺乏高质量长文本朗读资源的现状，研究人员推出了BanglaKontho数据集。该数据集源自专业有声读物录音，包含20小时单人发音数据、7050条经转写校验的24 kHz切分片段，旨在解决现有语料缺乏长文本韵律与连贯叙述的问题。此外，研究团队还发布了支持孟加拉风格数字分组、货币与日期表达的文本正则化工具。
强化学习可审计性研究：通过离散行为规则实现策略解释与组合
针对强化学习策略通常以不透明神经权重分发、训练日志难以解释模型具体学到何种行为的问题，该研究探讨了能否通过可审计的离散行为规则来表征和组合独立训练的策略。作者将“可审计性”拆解为轨迹完整性、无损编码、规则覆盖率、行为一致性、组合质量和价值模型可靠性六项独立可测试的属性，并采用共享冻结符号化器、被动规则提取及只追加的哈希绑定账本等机制构建验证协议。
RECLAIM基准：评估AI智能体复现机器学习论文研究结果的能力
该研究提出了名为RECLAIM的新基准测试，旨在评估AI智能体能否复现机器学习论文的核心研究结论。基准选取了100篇NeurIPS 2025论文，预先设定了待复现结果、成功复现判定标准以及GPU运行时间预算。根据原作者开源内容的完整度，基准设立了不同难度层级，测试智能体在软件安装、代码调试及运行实验等完整科研工作流中的自动化复现能力。
基于嵌入空间离群值的前瞻性新兴主题预测研究
该研究探讨了如何仅利用文档发表时的初始信息，前瞻性地从嵌入式主题模型的离群点中识别新兴主题的弱信号。在基于嵌入的主题建模中，部分最初被视作散乱噪声的文档未来可能会演化为新兴主题的基石，但在当时极难与普通噪声区分。研究通过追踪离群文档后续的发展轨迹构建标签体系，探索如何提前区分能够催生新主题的先兆离群点与单纯强化既有主题或作为背景噪声的文档，为趋势前瞻发现提供了新方法。
SGA：面向时间序列基础模型多步预测的不确定性量化方法
该论文针对时间序列基础模型（TSFM）在长周期多步预测中面临的固有不确定性问题展开研究。现有模型在各时间步衍生出的预测分支会向后续步骤扩散，导致预测表现不一并削弱了结果的可信度。为此，作者提出了切片-图化-对齐（SGA）方法来对该不确定性进行量化。因原始摘要结尾截断，关于 SGA 方法的具体机制与实验效果等信息不足。
人机协同假设检验：基于成本感知的AI筛选评分与序贯人工复核机制
该研究针对大语言模型作为低成本评审员在统计推断中的局限性展开探讨。研究指出，AI评估往往存在偏差和噪声，而严谨的假设检验必须明确控制第一类和第二类错误。为此，论文提出了一种人机协同的假设检验方案，结合成本感知的AI选择性评分与序贯人工核验升级机制，旨在满足严格统计推断有效性与错误率控制的前提下，最大限度降低整体评估成本。
EAGER：基于可验证奖励强化学习增强生成式事件抽取
针对大语言模型在端到端事件抽取中面临的多任务协同挑战，研究人员提出了名为 EAGER 的强化学习框架。该方法将细粒度可验证奖励与基于模式对比的优势估计机制相结合，有效缓解了稀疏二元奖励导致的优势崩溃问题。其奖励设计针对结构有效性、抽取准确性、扎根性、覆盖率和跨度精度等多维度指标进行了优化，显著增强了生成式事件抽取的准确性与鲁棒性。
TAM-Chain：结合吸收马尔可夫链与香农熵的多尺度甲状腺细胞学分类框架
针对甲状腺细针穿刺活检在深度学习分类中面临的高假阴性率及临床域偏移下的过度自信问题，研究人员提出了 TAM-Chain 框架。该研究结合吸收马尔可夫链理论与基于香农熵的不确定性量化方法，在 10x、20x 和 40x 等多尺度下动态建模特征提取过程，旨在抑制假阴性漏诊并增强跨域适应能力，提升早期甲状腺癌病理诊断的可靠性。
Forecast-Dojo：用于大模型预测智能体评测与训练的可回放环境
研究人员推出了名为Forecast-Dojo的可回放环境，专门用于基准测试和训练大语言模型预测智能体。该环境将已公布结果的预测市场问题与带时间戳的历史新闻相结合，允许智能体在连续的历史时间节点检索事件并动态调整预测，无需等待未来事件即可完成评估、交互数据收集与结果反馈。系统包含1568个Polymarket事件及1880万篇带日期的新闻文章，并对12个模型进行了评估测试。
后训练会在无关决策中留下行为阴影：新型主动无任务蒸馏方法提出
最新研究发现，大语言模型的能力可以通过与目标任务无关的文本进行传递。传统后训练通常依赖任务特定数据，而研究团队提出了一种“主动无任务蒸馏”（ATD）方法，仅需教师模型针对每个提示生成一个词即可实现能力转移。该方法揭示了后训练会在任务无关的决策中留下可被探测的“行为阴影”，突破了此前潜意识学习研究需依赖大量生成的限制，深化了对模型后训练表征变化及知识蒸馏机制的理解。
学习发现有价值的数学定理：量化 AI 数学发现的趣味性
该研究探讨了大语言模型在数学定理推测与证明中的价值评估问题。针对 AI 产出的大量新数学定理是否“有趣”或“有用”这一开放课题，作者提出了定理内在趣味性（Intrinsic Interestingness）的量化定义，即定理的证明长度与其命题陈述长度之比。实验表明，该指标与定理在下游的外在价值度量强相关，为评估和引导 AI 拓展高价值数学知识提供了新路径。
掌控智能体框架以控制成本：企业级AI编程智能体的路由与治理
随着企业内AI编程智能体从数百人试点规模扩展至数万人，企业多直接采购Claude Code或Codex等第三方运行框架。此类框架负责决策模型路由、上下文读取、Prompt缓存使用及子智能体调用，直接决定了算力消费单价与调用总量。报告指出，企业若直接使用未加调优的专有或默认框架，将面临高昂且失控的调用成本，亟需加强路由与治理管控。
天下没有免费的午餐：语料库规模扩大下的任务复杂度研究
针对超大语料库场景下不同任务难度的本质差异，该研究提出了“语料任务复杂度”（CTC）概念，根据任务难度随语料规模增长的规律来刻画任务特性。例如，基础检索任务仅需对语料库进行单次线性扫描，而查找矛盾等深层任务则需对呈二次方增长的主张对进行比对。研究指出以往工作在此类复杂度分析上的局限，为理解和评估大规模语料下的模型任务提供了新的计算理论视角。
融合物理信息的自监督学习用于多线平行板雪崩计数器校准与位置重建
针对多线平行板雪崩计数器（MWPPAC）传统校准依赖标注数据、难以适应工况变化与设备老化的问题，研究人员提出了一种物理信息自监督学习框架。该框架无需标注的位置测量或专用校准测量，即可联合实现探测器导线校准与粒子相互作用位置的高精度重构，显著提升了科学探测仪器在长期运行中的自适应能力。
PFArena：面向蛋白质修饰语言模型的全新评测基准
针对蛋白质修饰中序列空间庞大且湿实验验证成本高的问题，研究人员推出了名为 PFArena 的评测基准。尽管蛋白质语言模型（PLM）、大语言模型（LLM）及智能体在蛋白质修饰领域展现出潜力，但其在实际实验决策场景中的相对表现尚不明确。PFArena 包含四个受控任务接口，覆盖单突变体生成与多突变体排序，通过提供不同梯度的突变适应度数据，系统性评估各类模型在蛋白质设计与修饰任务中的决策能力。
UO-FIE：结合精确标签监督与分级效用的中文事实性推理系统
针对FIE2026中文事实性推理评估任务中的类别严重不平衡（单类别占64.1%）及兼顾精确度与邻近区间惩罚的评价机制，研究人员提出UO-FIE系统。实验发现mDeBERTa分类模型易偏向多数类，而Huber回归基线虽能落在相近区间但精确匹配率低。UO-FIE采用参数高效架构，综合精确标签监督与分级效用设计，改善了九分类有序事实性区间的推断表现。
基于贝叶斯情境化价值对齐的大语言模型个性化研究
针对大语言模型个性化价值对齐中常采用静态画像、忽视情境对价值偏好动态影响的局限，研究人员受勒温场论启发，提出将个人价值观建模为先验、情境依赖偏好建模为后验的新范式。基于此，该研究提出了名为 BaCVA 的推理时贝叶斯情境价值对齐方法，使模型输出能够结合用户内在特质与具体环境约束，实现更动态、情境化的个性化对齐。
研究揭示思维链前缀指令或导致视觉语言模型答案解码失效
最新研究探讨了视觉语言模型（VLM）在多项选择评测中存在的解码陷阱。当评测系统追加思维链（CoT）推理提示，却在模型生成完整推理过程前直接读取答案标签的对数几率时，会导致严重的评估失真。实验显示，Qwen2.5-VL-7B在ScienceQA任务上的准确率从80.76%骤降至45.48%，且超93%的预测倾向于选择首个选项。探针测试证实隐藏层仍保留正确答案，表明失效源于不当的即时读取机制。