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。
DC AI 热点
精选
当前热点完整榜单 →
1Anthropic 与 Akamai 达成 116 亿美元云算力协议，年内算力支出承诺已超 5000 亿美元83 热度 ⌁2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81 热度 ⌁3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79 热度 ⌁4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79 热度 ⌁5谷歌支持的Fervo Energy在犹他州Cape Station地热电站实现首次发电77 热度 ⌁9月25日2026-09-25
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。
基于轨迹图估算单步优势：面向智能体强化学习的新方法
以GRPO为代表的分组强化学习已成为训练推理与智能体大模型的主流范式。然而，这类方法在全轨迹层面的优势估计虽然可靠，但在单步层面上存在系统性偏差，粗粒度的轨迹级反馈难以准确评估单个步骤的实际贡献（例如失败轨迹中往往包含有价值的操作步骤）。论文回归强化学习基础定义，提出通过构建轨迹图来精确估计步骤级优势，以解决多轮复杂智能体任务中的信用分配难题并提升模型训练效果。
研究发现大语言模型中语法“祖母神经元”罕见，提出无探针分析框架
理解大语言模型（LLM）如何编码语言结构是可解释性研究的核心难题。传统的诊断分类器（探针）方法存在引入容量混淆与校准偏差等局限，往往难以区分模型自身的内禀表征与探针本身的拟合能力。为解决这一问题，该研究提出了一个无探针（probe-free）框架，用于在单个神经元层面上定位语言选择性，探索模型内部表征机制。
基于自旋玻璃理论：可验证奖励强化学习（RLVR）在迭代乘法任务中的优化景观可呈良态
该论文研究了带有可验证奖励的强化学习（RLVR）在迭代群与拟群乘法等算法任务中的优化景观，探讨其学习新推理能力的极限。作者将近视表格策略下的熵正则化RLVR映射到确定性策略的自旋玻璃能量模型，不仅给出了RLVR能力的理论上限，还严格刻画了表格环境下的景观特征。理论与实验表明该优化景观可以是良态的；因原文摘要截断，具体实验细节未完全展开。
动作归因何时需要更新？面向工具调用型智能体的高效更新机制研究
针对工具调用型智能体在策略持续更新中动作归因（Action Credit）失效、重新计算导致昂贵工具调用与环境交互成本的问题，该研究探讨了历史归因何时真正需要更新。研究核心发现，动作价值的变化并不一定会导致最终决策的改变；只要策略诱导的漂移不足以颠覆原有决策，历史动作归因即可继续复用，从而大幅降低计算开销。（注：原始摘要文本存在部分截断）
大模型自动批卷的成败边界：两门计算机考试的实证研究
一项来自学术界的新研究评估了大语言模型（LLM）用于高校考试自动评分的可靠性与局限。研究团队在包含570名学生的计算机视觉考试上测试了开源与闭源模型的171种配置。结果显示，最优模型的平均绝对误差达到1.64/35，甚至优于两位人类评分员之间2.61/35的分歧水平。然而实验发现模型对提示词极度脆弱：加入一句简短的“严格评分”提示，便导致17个开源模型中的14个评分严重失常，甚至有模型直接停止评分。
OPDiv：用于高分且多样化候选化合物最优筛选的算法
针对虚拟药物筛选中候选分子众多但实际合成与测试资源受限的痛点，研究人员提出了OPDiv多样性选择与评估算法。在化合物筛选过程中，高预测分数与分子结构多样性往往存在权衡取舍。该算法基于整数优化技术，能够在保证化合物高评分的同时最大化样本多样性，自动计算出最优的Top-K分子子集，为药物发现后期的合成验证提供更高效的决策支持。
AlphaDiverse：面向阿尔法因子多样性挖掘的本地量化研究智能体框架
基于大语言模型的多智能体系统虽能自动化挖掘量化阿尔法因子，但依赖外部API带来了成本、可用性及保密性挑战，且长期运行易导致研究路径坍塌。为此，研究团队提出 AlphaDiverse 框架，整合了多智能体研究系统、多样化研究路径收集以及本地智能体后训练流程。该框架通过生成互补的研究方案组合并动态调整研究环境，旨在提升本地量化研究智能体在因子挖掘中的多样性探索能力。
ArGuard评测任务：聚焦阿拉伯语梗图与大模型提示词中的有害内容检测
ArGuard 是一项针对阿拉伯语有害内容检测的共享评测任务。该任务分为两个赛道：Track A 聚焦于阿拉伯语多模态梗图的仇恨言论检测，Track B 则针对阿拉伯语大语言模型安全评估中的有害提示词检测。共有35支团队参与最终评估，广泛测试了 AraBERT、Jais 及 Qwen3-VL 等模型。结果显示提示词安全检测表现优异，而细粒度梗图分类最具挑战性。
超越静态图世界模型：面向动态演化拓扑的随机潜空间动力学学习
针对现有基于图的世界模型多局限于固定拓扑或确定性、完全可观测环境的问题，研究人员提出了图动力学模型（GDM）。该模型专为图结构观测设计，能够处理在随机和部分可观测环境中拓扑结构动态演化的更通用场景。GDM利用稀疏循环邻接矩阵对拓扑更新进行建模并执行消息传递，结合循环状态空间机制以捕捉潜空间动力学。
MeshHeal：面向去中心化LLM多智能体网络灰度失效的双时间尺度自愈框架
在去中心化的大语言模型多智能体系统中，单个智能体可能在保持响应的同时任务求解质量持续退化，引发灰度失效。针对此类问题，研究人员提出了完全去中心化的自愈框架MeshHeal。该框架在双时间尺度上结合能力匹配的同行评审机制：在快速时间尺度上，通过自适应分层机制升级不确定或低评分输出的评审层级；在提供即时任务保护的同时，收集证据以动态调整未来的路由决策，并允许恢复正常的智能体重新接入。
稀疏自编码器隐空间中作为涌现类别的词性结构研究
该研究探讨了稀疏自编码器（SAE）在解析语言模型内部表征时揭示的语言学结构。作者以词性（PoS）类别为受控实验案例，分析形态句法信息究竟是由单个隐特征还是结构化特征组所编码。实验表明，词性差异高度可从SAE激活中恢复，但并非简单的一对一隐变量映射，且该恢复能力无法归结为单纯的词汇记忆，同时开放类与封闭类词性在表征特性上存在显著差异。
混合推理模型中的“思考泄漏”：NoThink后训练机制因果审计
针对混合推理模型在无显式思考（NoThink）模式下的后训练机制，本研究探讨了其性能提升是否源于基座模型“思考（Think）”模式能力的潜在迁移。作者将这种“思考泄漏”纳入因果中介分析框架，并基于激活方向的双向干预进行审计。在3个模型、3种后训练方法及竞赛数学基准上的实验表明，“思考泄漏”在行为和表征层面均真实存在、具备因果性且影响显著，揭示了快推理模式下的内在表征机制。
SLCA-GRPO：解决工具调用强化学习中的跨段信用分配错误
具备工具调用能力的智能体通常交替生成结构化工具调用和自然语言总结。现有同策略强化学习算法（如GRPO）由于将整条轨迹的单一优势值无差别广播至所有Token，导致总结生成中的梯度噪声泄漏至工具决策Token，引发跨段信用分配错误与优化不稳定。为此，研究者提出了SLCA-GRPO框架，通过引入分段锁定的信用分配机制，有效隔离噪声并提升了工具调用策略训练的鲁棒性。
从政策文档到结构化调查响应：评估大语言模型在政策监测中的应用
科技与创新政策对国家竞争力至关重要，但其多样性与庞大规模使得系统化监测变得极其困难，传统人工调查成本高昂且难以跨国扩展。本研究探索了利用大语言模型从非结构化长政策文本中提取信息的能力，提出将大模型作为“AI受访者”以生成结构化调查响应。研究团队开发了基于长上下文的数据提取流程，用于自动化政策分析与追踪，显著降低了人工监测成本。
从自我蒸馏到自我练习：多轮智能体特权信息利用机制研究
该研究探讨了大模型多轮智能体训练中策略内自我蒸馏（OPSD）范式的缺陷。该范式利用特权信息构建强教师模型进行词元级监督，但在多轮交互中，学生智能体会表现出脱离实际信息的盲目自信，误以为自己掌握了未曾观测到的特权信息，导致性能大幅落后于普通强化学习，甚至劣于基座模型。为此作者提出了新范式；由于原文摘要截断，新方法细节尚未完全展开。
LabFactory：构建与评估可执行AI实验室的全新框架
该研究提出了LabFactory框架，旨在将科学任务需求自动转化为可执行的AI实验室。在该框架中，AI构建器根据科学任务简报，构建并打包一套集成特定模型、知识资源、实用工具和控制器的定制求解系统。整个开发和打包过程在受计量的独立工作区中完成，随后交付给独立宿主环境执行，探索了科学计算与AI系统的自动化端到端构建路径。
CRISS：基于检索增强生成的癌症登记智能辅助问答系统
针对癌症登记员及肿瘤数据专家需处理复杂且频繁更新的编码和分期标准这一痛点，研究团队开发了CRISS（癌症登记智能支持系统）。该系统采用检索增强生成（RAG）架构，构建能够快速提供引文支持的对话助手。研究评估了CRISS在提供准确且附带引用来源的解答、改善指南检索与解读、以及在保持人工最终审核的前提下支持人员培训和技术咨询等方面的实际效果。
大模型评估研究：似然排序在规模扩展表现上不同于提示词方法
该研究探讨了大语言模型（LLM）的评估方法。在多项选择问答任务中，常规基于似然的评分与提示词方法类似均依赖任务上下文。研究团队提出了一种基于问答对构建的陈述句进行似然排序的补充评估协议。通过对95个参数量从1亿到1040亿的仅解码器模型在10个多选题数据集上的测试，系统对比并揭示了似然排序与提示词方法在模型规模扩展表现上的差异。
联邦学习鲁棒性研究综述：发展趋势、新兴策略与研究机遇
该研究针对联邦学习在隐私保护应用中面临的性能削弱、信息窃取以及聚合脆弱性等鲁棒性挑战进行了全面综述。论文从三个核心维度对联邦学习鲁棒性进行了系统梳理：首先以威胁为中心对多维攻击面进行分类；其次构建了鲁棒聚合策略的结构化分类体系，明确区分以结果为中心和以安全为中心的方法；最后提出了分层框架，旨在为提升分布式学习系统的安全性与稳健性提供研究指引。
受控实验复检极小规模三值语言模型：基线架构设置主导性能评估结论
该研究针对微控制器级的三值（1.58-bit）权重语言模型进行了严格的受控复验。此前有研究称混合路由三值模块在6万参数规模下性能超越参数匹配的全精度Transformer达22%，并归因于归纳偏置。研究人员通过固定训练配方、多随机种子及98次测试进行复查，发现基线Transformer的具体结构形状对性能起主导作用，揭示了此前结论可能受基线设计差异误导，强调了极小模型对比的评估规范。
针对WeBe Band智能手环的机器学习模型快速训练与部署流水线
该研究针对计算与内存资源受限的边缘设备，提出了一套高效的边缘机器学习工作流程，用于在腕戴式多模态生理监测设备WeBe Band上快速开发、优化和部署ML模型。该系统支持自动机器学习（AutoML）和硬件优化，能够自动生成硬件高效型模型，并轻松集成到WeBe的核心固件中，大幅简化了端侧算法的开发周期。
强化学习中的策略复杂度、反应时间与有限理性研究
针对标准强化学习通常忽略生物智能体感知、注意力和工作记忆等认知计算成本的问题，该研究探讨了有限理性条件下的强化学习建模。作者推导并提出了 MI-SARSA 算法，这是一种同策略时序差分强化学习算法，通过引入学习到的边际动作互信息正则化来限制策略复杂度，旨在更好地模拟受计算约束的生物智能决策行为。
欧洲电力交易市场的AI系统功能架构：监管约束下的交易设计规范
该研究针对欧洲电力交易跨日前、日内和平衡等多层级市场的复杂机制，提出了一种符合监管约束的AI辅助交易系统功能架构。该架构深度结合了欧盟市场耦合机制、跨区域电力传输物理约束，并满足REMIT、MiFID II、MiFIR和EMIR等合规要求。研究通过定义决策状态向量、残差风险敞口核算以及约束优化目标，构建了一套正规化的系统规范，为高监管环境下的电力AI交易系统开发提供了工程指导。
大语言模型编程研究：究竟是在修复错误还是在重新编写代码？
大语言模型（LLM）已广泛应用于编程解题与缺陷修复，但现有研究通常将解题能力与修复能力独立评估，忽略了二者之间的关联。本研究重点探讨LLM在修复含错代码时相较于人类补丁的偏差程度，并验证模型是否存在倾向于直接生成全新解法而非局部修复的偏差。为此，研究团队构建了包含约3000次编程提交的数据集，系统分析模型修复缺陷的实际机制。
小波扩散模型在降水降尺度中的跨区域泛化能力评估
本研究基于小波扩散模型（WDM）框架，系统评估了扩散模型在公里级降水降尺度任务中的跨区域与跨事件泛化能力。研究覆盖了代表对流、冬季、热带及大气河流等降水机制的美国六个区域，通过对NOAA多雷达/多传感器复合反射率场进行块平均生成低分辨率输入。研究重点测试了仅在俄克拉荷马州样本上训练的模型向其他未知地理区域和天气形态迁移的实际表现。
CounterRoute：基于分层反事实信用分配的自路由推理强化学习框架
针对具备推理能力的大语言模型在简单问题中生成过长思维链从而浪费推理算力的问题，研究人员提出了 CounterRoute 框架。该框架采用在线强化学习方法，直接基于原生双模式检查点联合学习路由决策与模式条件响应，无需特定微调预热。它有效解决了路由目标随策略演变、初始模式偏好破坏探索稳定性以及序列级目标耦合等挑战，实现了高效的自适应推理路由。