GeoRVQ：面向生理信号残差标记预测的解码器感知几何模型
残差矢量量化（RVQ）可将生理波形转换为紧凑的标记序列，但传统掩码建模通常将所有错误标记赋予相同的代价。为此，研究人员提出 GeoRVQ，这是一种由粗到细的掩码标记模型，其优化目标结合了冻结波形解码器的局部响应。该模型通过解码器诱导的成本构建了几何感知软目标与期望失真，并遵循量化因果依赖进行预测。在 MIMIC-IV、VitalDB 和 CODE-15% 等数据集上的实验表明，GeoRVQ 显著提升了标记预测的准确性。
DC AI 热点
全部 AI 动态
9月24日2026-09-24
面向推理的大语言模型强化学习Rollout效率综述：技术分类与未来方向
面向推理的大语言模型强化学习能显著提升多步推理与代码能力，但轨迹生成（Rollout）阶段也承担了极高的训练计算成本。如何在保障训练数据新鲜度、一致性与统计有效性的前提下提升 Rollout 效率，已成为当前优化的核心课题。本综述对近年来面向推理的强化学习 Rollout 效率研究进行了系统梳理，从底层机制和性能瓶颈等维度对现有优化方法展开分类，并指出了未来的发展方向。
越南劳动法跨语言法律问答：检索、翻译与验证器引导修正
针对跨语言法律问答中跨语言法条检索及避免无依据主张的挑战，研究者推出了基于越南劳动法的双语评估基准，包含231个越英问答对，其中75个针对五类法律推理现象进行了额外标注。研究评估了一种验证器引导的流程，该流程将答案拆解为主张，检测引用可达性与蕴含关系，并纠正引用失效及事实矛盾。此外，该研究还提出了六种用于评估检索证据忠实度的自动化诊断指标。
基于Wasserstein倾斜流图的免仿真强化学习微调方法WTF
该研究针对预训练流式生成模型的下游奖励微调问题，提出了一种名为Wasserstein倾斜流的新框架。传统方法多将其表述为基于KL散度正则化的奖励倾斜分布采样，而本研究构建了直接基于预训练漂移的最优传输正则化项。与传统的重加权基分布不同，该目标直接将单个样本输运至高奖励区域，使其等价于一种确定性过程，从而实现了免仿真的强化学习模型优化。
基于Transformer的OpenXR实时手势识别系统
该研究针对人机交互、虚拟现实及机器人等应用场景，提出了一种基于Transformer架构的实时手势识别系统。研究团队利用Unity中通过OpenXR标准捕获的手部追踪数据，结合手部关节位置与手腕旋转角度信息进行模型训练。依托Transformer出色的序列建模能力，该系统能够有效捕捉短手势中的时序依赖关系，从而实现高精度的实时手势识别与交互。
MORSE：通过反向评分优化多上下文排序以实现证据保留压缩
该研究探讨了基于似然的多上下文压缩技术对上下文输入顺序的高度敏感性问题。实验表明，相同上下文集合的不同排列顺序会导致显著不同的关键证据保留结果。论文将这种敏感性归因于“信息抢占”现象，即较早出现的部分相关上下文会提前消耗共享信息的置信度权重，从而压低后续更关键证据载体的增量评分，大幅增加强证据被错误删除的风险。研究通过受控干预实验深入分析了该机制。
研究团队推出聚合物性质预测开源基准PolyBench26
针对聚合物性质预测领域缺乏开源、标准化基准且覆盖聚合物结构狭窄的问题，研究团队推出了PolyBench26开源数据集。该基准包含近25万条聚合物性质数据点，涵盖实验测量、密度泛函理论和分子动力学模拟得出的8种物理性质。该数据集支持均聚物、交替共聚物、无规共聚物和嵌段共聚物等多结构类型的四类评估任务，旨在促进机器学习方法在聚合物科学中的规范化评估与对比。
AraGenre 2026：基于定义指导的层级阿拉伯语文体分类评测任务
针对阿拉伯语等低资源语言标注数据稀缺的问题，AraGenre 2026 评测任务提出了一种基于定义指导的层级阿拉伯语文体分类基准。该任务要求系统为文本分配宽泛的交际文体以及细粒度的具体文体标签。其公开的训练与开发集主要包含有限的合成与受控样本，而最终测试基准则涵盖了包含现代标准阿拉伯语、古典阿拉伯语及多种方言的真实噪声文本，旨在评估模型利用自然语言定义进行文本分类的泛化能力。
ShowTellArena：评估智能体从业务演示中理解工作流能力的基准数据集
研究人员提出了 ShowTellArena，这是一个用于评估智能体在观看带有口述解说的业务演示后其理解能力的基准测试协议与公开数据集。该基准模拟了人类通过“边演示边讲解”指导新同事的场景。v1.0 版本涵盖财务、招聘、采购、客户决策、库存和物流等领域的 50 个业务工作流任务，包含屏幕录像、截图、旁白解说及 502 道评估试题，旨在系统性测试智能体对复杂商业流程的掌握水平。
ChipMEM：面向电子设计自动化智能体的基于验证记忆机制
基于大语言模型的智能体可利用电子设计自动化（EDA）工具，根据综合与验证反馈生成并修正寄存器传输级（RTL）设计。然而，现有方法通常在产生经验的同一任务上评估提炼的技能或奖励模型，容易诱发针对特定任务的反复修改，而非沉淀出可迁移的复用知识。为此，论文提出了名为 ChipMEM 的基于验证的记忆机制（注：输入摘要在介绍 ChipMEM 具体细节处被截断）。
PRISM-VLM：面向紧凑型视觉语言模型的多维度判别评测基准
针对现有评测基准多沿袭前沿大模型设计、导致紧凑型视觉语言模型难以拉开区分度的问题，研究人员推出了 PRISM-VLM 评测基准。该基准围绕轻量级多模态模型的常见失效模式，从任务质量、行为鲁棒性和能力瓶颈等七个关键维度对每个评测样本进行综合打分，并将其融合为单一的 PScore 指标，从而更精确、精细地评估紧凑型多模态模型的真实表现与局限性。
RAG-NAROK：面向检索增强生成的检索感知型知识库投毒攻击
针对检索增强生成（RAG）系统的安全漏洞，该研究指出当前架构对动态检索流水线的依赖带来了新型对抗风险。现有知识库投毒攻击大多采用静态预设注入，未考虑受害系统在面对具体查询时的实际检索内容。为此，论文探索了具有检索感知的投毒机制，分析攻击者如何利用特定源反驳等手段在竞争性检索环境中提升攻击效果，揭示了RAG系统潜在的安全隐患。
已训练图神经网络中的局部证据与几何读出修复
许多用于节点分类的图神经网络（GNN）将线性分类器应用于局部消息的非负混合中。预测错误往往源于混合权重不佳或可达 logit 集合的几何位置不适合该分类器。该研究通过精确质量线性规划和两种后验修复方法区分了这两类原因。研究表明，每个重加权预测都对应一个中心化的 logit 平移。在8个数据集、8个 GNN 骨干网络及10种划分上的实验表明，重加权使冻结模型的平均准确率从62.6%提升至63.8%。
DPara：结合并行草稿器与并行投机解码的高效推理框架
针对大模型推理加速，现有并行投机解码（PSD）虽能重叠草稿生成与验证过程，但往往依赖对接受前缀和额外标记的预先猜测，猜错会导致批处理回退至低效的串行起草。论文提出 DPara 框架，在复用高效并行草稿器的同时，确保目标模型验证与起草阶段在每一轮均实现重叠，彻底消除了概率性回退缺陷，保障了投机解码流水线的高效利用。注：素材末尾存在文本截断。
Spectra：用于KYC文档自动化处理的规则驱动LLM流水线
资本市场中的“了解你的客户”（KYC）审查流程通常依赖分析师手动分类文档、从异构数据源提取结构化数据并验证合规性，导致入驻流程常拖延数周。本研究分析发现该流程包含高度可重复且适合AI自动化的环节，进而提出了重构后的自动化工作流及规则驱动的大语言模型流水线Spectra，旨在整合传统繁琐步骤以大幅提升处理效率（论文原始摘要在流程细节处有所截断）。
面向未观测混杂因素的鲁棒风险评分学习方法
该研究探讨了在存在未观测混杂因素的历史观测数据中学习风险评分的难题，此类评分通常用于指导稀缺资源分配或干预措施的优先级。尽管逆倾向加权等传统方法尝试校正观测数据带来的偏差，但在存在未观测混杂时仍面临严峻挑战。本研究旨在提出能够在混杂偏差下保持鲁棒性的评分学习方案。注：原始摘要文本末尾有所截断，具体方法细节未完全披露。
EviStreams：面向医学系统评价的人机协同 AI 数据提取平台
针对医学系统评价中数据提取高度依赖人工且必须遵循严格协议与可审计要求的痛点，研究团队推出了开源、无代码的 Web 平台 EviStreams。该平台引入人在回路的大语言模型辅助机制，不仅契合双人独立提取、裁决仲裁的标准审查流程，还能记录完整的数据生成审计日志，使科研团队在关键阶段自主把控 AI 提取过程，显著缓解临床指南研制中的专家人力瓶颈。
语音数据集中的性少数群体包容性：审计与实践张力分类研究
该研究审查了现有语音技术数据集中对 LGBTQIA+（酷儿）声音的包容程度，深入分析此类群体代表性缺失的根源。研究人员对6个不同的主流语音数据集进行了审计，结果显示可测量的酷儿声音占比极低（仅占发言者的0%至1.4%），远不足以用于稳健的算法偏见评估。以此群体为案例，研究提出了从边缘化群体采集语音数据时的实际挑战与张力分类法，并与其他数据集展开了对比分析。
线性表征假说需引入群作用：基于表征等价性的理论审视
该研究针对可解释性与表征学习中的“线性表征假说”提出了理论层面的反思。作者指出，要让关于表征的结论跨越具体训练模型实现泛化，必须明确两个表征何时被视为等价。由于现有讨论普遍缺乏对等价性的明确定义，导致看似研究同一表征的指标、探测器和干预手段实际上可能对应着不同的假设。研究认为，线性表征假说并非单一假设，而是由不同表征等价性所区分的一个假说家族。
Uncheatable Eval：基于动态压缩机制的语言模型防污染评估基准
针对现代大语言模型因海量预训练数据导致基准泄露、评估可靠性受损的问题，以及基座模型因指令遵循能力受限而难以通过任务型标准评估的挑战，研究人员提出了 Uncheatable Eval。该动态基准通过定期采集最新发布的文本来评估基座语言模型，以规避数据污染风险，并利用模型预测能力与文本压缩能力之间的关联设计评估机制。原摘要在方法细节处截断。
迈向参与式语音数据集构建：针对酷儿群体的案例研究与概念框架
本文提出了一种参与式语音数据集构建框架，并以LGBTQIA+（酷儿）群体为核心案例展开研究。论文指出，该群体长期面临诸如利用技术辨识性取向等潜在AI危害与伦理风险。研究深入审查了当前主流语音数据采集方式对酷儿群体的不适用性，分析了以往酷儿社群在参与式AI方面的实践经验，旨在为边缘群体语音数据的安全采集、伦理治理与包容性构建提供理论参考与框架指导。
大型推理模型推理阶段能力与效率的扩展规律研究
该研究探讨了大语言模型在推理任务中的“能力”（解题正确率）与“效率”（所需资源消耗）两个核心维度。当模型利用思维链（CoT）处理不同难度的问题时，正确率和所需Token数量均受问题难度与模型规模影响，但两者的联合作用机制此前尚不明确。研究采用分层贝叶斯方法建模分析，旨在揭示模型规模与问题难度如何共同影响推理期的能力与效率扩展。（注：原文摘要存在截断）
ThaiTrees：多领域泰语句法依存树库与处理流水线
针对泰语缺乏用于定量句法研究的大规模自动解析语料库的问题，研究团队推出了 ThaiTrees。该语料库规模达 3.42 亿词元（tokens），涵盖新闻、维基百科、口语转录及社交媒体等多个领域。此外，研究人员在通用依存（Universal Dependencies）框架下构建了一套可复现的泰语文本清洗、预处理和句法解析流水线，为泰语的定量句法分析和语言学研究提供了有力的数据支撑。
认知算法新进展：SMTB 实现快速紧界结构映射
结构映射通过对齐关系连接系统而非表层特征来形成类比推理。研究人员提出了名为紧界结构映射（SMTB）的新算法，相比经典的结构映射引擎（SME），其运行速度提升了5至15倍，在大型嵌套领域中发现映射的能力提高了约50%。SMTB是更广泛的认知规则引擎（CRE）项目的一部分，该框架通过友好的Python接口集成了顶尖的高性能C++认知系统核心算法。
面向耗散系统的离散时间深度循环神经网络建模方法 DissipNet
在物理人工智能（Physical AI）领域，AI系统需兼顾高预测精度并保持动态系统的基本物理特性。为此，研究人员提出了一种深度离散时间耗散循环神经网络（DissipNet）。该网络通过结构化权重约束和专用训练算法，显式强化了耗散性这一关乎系统稳定性和能量耗散的关键物理属性，旨在提升对真实世界动态系统的建模、预测与控制能力。
弱监督量子误差缓解方法
监督式量子误差缓解通常需要理想输出来学习映射关系，但生成无噪声模拟的计算成本随系统规模呈指数级增长，导致其在大规模场景下无法适用。本研究提出一种弱监督量子误差缓解方案，探索利用电路结构和硬件校准中成本较低、单独不可靠的启发式信号来替代真实的理想标签。研究团队整合了包含稳定器、奇偶校验约束、弛豫及读出特性在内的16种启发式标注函数，用于构建有效的误差缓解模型。
ZO-COSMO：面向去中心化零阶优化的无索引单跳混合算法
针对去中心化零阶学习中稀疏通信面临的节点状态坐标对齐问题，该研究提出了 ZO-COSMO 算法。该方法结合了双查询梯度估计与保均值掩码共识机制，匹配更新仅需在通信节点对内部达成一致，消除了全局索引协调的需求。论文给出了严格的单标量收缩界，并为核心更新及稀疏动量更新提供了收敛性理论保证，有效降低了去中心化黑盒优化的通信复杂度。
对比认知解码：通过单模型双前向推理缓解大模型的盲从共识偏见
针对大语言模型容易受对抗性群体共识影响而产生盲从（阿谀）现象的问题，研究人员提出了对比认知解码（CED）。不同于依赖弱辅助模型的传统对比解码，CED在单模型架构上通过双重前向传播来隔离从众偏见。该方法引入了新型非对称零边界概率钳位和离散Top-k截断掩码，在数学上抑制有害的从众Token生成且避免语法崩塌，为零样本推理阶段的模型自主性提供了有效干预手段。
序列推荐系统时序归因可解释方法系统基准测试
序列推荐系统通过用户历史交互序列驱动下一步决策，是现代个性化服务的核心。基于CNN和Transformer的深度学习架构虽能有效捕获时序依赖，但其非线性特征导致模型沦为黑盒。为了提升模型透明度与信任度，帮助开发者审查模型行为并为用户提供推荐依据，该研究针对序列推荐系统中的时序归因可解释性方法展开系统化基准评估（注：原论文摘要结尾存在截断，具体评估结果详见完整论文）。
LLM用户模拟器特征干扰诊断：行为特征如何渗透并扭曲偏好
基于大语言模型（LLM）的用户模拟器常用于推荐系统评估，通过设定偏好属性（交互内容）与行为活跃度特征（浏览时长）来模拟真实用户。研究发现，模拟过程中这两种特征设定的独立性会失效：一是产生特征干扰，过高的活跃度会打破偏好边界，迫使模型与不匹配内容交互以维持浏览；二是导致评估失效，满意度评分会随着活跃度驱动的页面数量虚假膨胀。