单模型能否搞定一切？面向智能客服的大语言模型微调策略选择研究
本文探讨了生产级智能客服系统中的核心部署问题：针对意图分类、问答、摘要和工具调用等多项技能，究竟应采用多个专用模型，还是通过多任务微调、连续更新或模型合并训练单一模型。研究团队基于 Qwen、Gemma、Llama 和 Mistral 等 5 个模型家族的 13 款模型（涵盖 0.6B 至 32B 参数），在 4 个公开及 4 个专有客服数据集上展开了系统性评测与策略比较。
DC AI 热点
全部 AI 动态
9月24日2026-09-24
澄清并非纠错：大模型因“过早承诺”导致多轮对话失效
该研究指出大模型在多轮对话中的交互失败不仅源于上下文记忆丢失，更深层的原因在于“过早后验坍缩”。即在用户初期意图尚不明确时，模型便过早锁定了某种单一的隐藏假设，导致后续用户给出的澄清信息仅被视为对既定假设的微调，而非彻底纠错。研究团队使用 Gemini-2.5-P 在写作、规划和代码任务中设计了可控实验，系统验证了这一导致模型难以调整错误方向的固有机制。
结合保形分位数回归的迁移学习框架：应对缺电数据匮乏下的光伏预测
针对频繁停电导致历史观测数据极度匮乏地区的光伏预测难题，本研究提出了一种结合保形分位数回归（CQR）的迁移学习框架。该方法首先基于澳大利亚爱丽斯泉的光伏数据集预训练时序预测模型，随后将其迁移适配到模拟的孟加拉国光伏数据中，以应对不同程度的数据缺失。实验表明，该框架在严重数据稀缺环境下显著提升了光伏功率预测能力，并提供了可靠的不确定性估计。
Ruby-ASR：面向正字法与词汇读音联合识别的语音识别监督新方法
针对传统日语自动语音识别（ASR）以正字法文本作为监督目标导致相同书写形式无法区分不同实际发音、且事后文本转音素难以可靠恢复的问题，研究团队提出了 Ruby-ASR。该方法将传统的单一文本监督目标改进为跨度绑定的正字法与词汇读音联合序列，通过类旁注标记（ruby）的表示形式，完整保留了语音中的读音证据，有效提升了复杂读音场景下的识别监督精度。
任务难度决定思维链因果作用：从“装饰性”到“承重性”的转变研究
该研究探讨了大模型思维链（CoT）在生成最终答案时的因果约束力。作者提出了“基于续写的因果测试”方法，通过扰动某一推理步骤、截断链条并强迫模型基于被破坏的前缀继续生成，用以量化CoT对答案的“承重性”（load-bearingness）。在Gemma-2、Llama-3.1和DeepSeek-R1蒸馏模型上的多项基准测试表明，CoT的因果承重性与任务难度密切相关，简单任务中CoT往往流于形式，而在难任务中则切实主导推理方向。
CRISP：面向不平衡表格数据的高扩展性重要性分层核心集剪枝方法
针对大规模不平衡表格数据在梯度提升树训练中算力消耗过高的问题，研究人员提出了一种名为 CRISP 的线性时间核心集剪枝方法。该方法依据代理模型打分的分位数分层分配多数类（负类）样本预算，并通过样本加权校正不等采样概率。在真实生产级反欺诈数据集上的测试表明，在削减 95% 负类样本、数据总量缩减 93.2%（从 2500 万行降至约 170 万行）的情况下，该模型仍能保留全量数据 99.7% 的平均精度。
引导与动作的相互强化：多模态网页智能体离线评测基准 WebMRE
针对网页智能体在实时环境中评估存在状态漂移、难以稳定复现和开展可控训练研究的痛点，研究团队提出了离线评估基准 WebMRE。该基准基于 WebArena 的成功轨迹构建，包含 541 个任务和 5,293 个步骤，配备经过全面审计的测试标签和确定性评估协议，无需运行环境即可确保同一检查点在多次运行中输出一致评分。每个步骤将人类指导语句与具体动作配对，首次实现了对引导与动作相互强化机制的离线研究。
跨模型错误中的文本知识蒸馏：鲁棒故障与保守修复
该研究探讨了基于失败案例的文本知识蒸馏方法，旨在通过分析任务错误来发现模型的知识漏洞。研究定义了在推理时注入输入的独立“规则原子”，指出其虽然能编码可迁移的任务知识，但也可能包含特定于原模型的推理补丁，从而在跨模型迁移时产生干扰；此外，注入的规则还可能被错误应用于不相关场景并引发误判。（注：原文摘要末尾未完）
TinyUDE：基于李-泰勒射流匹配的微控制器免求解器通用微分方程
传统通用微分方程（UDE）训练依赖通过数值微分方程求解器进行反向传播，其巨大的内存开销远超边缘微控制器的承受能力。为此，研究团队提出TinyUDE框架，引入免求解器的李-泰勒射流匹配方法，将混合向量场直接拟合至观测状态的一阶与二阶时间导数。系统通过Savitzky-Golay滤波实现在线导数估计，在无需自动微分库的情况下获得完全解析梯度，有效攻克了受限边缘设备上的动态系统训练难题。
基于混合RAG与本地大模型的处理活动记录（RoPA）自动化提取系统
针对越南《个人数据保护法》等法规对机构维护数据处理活动记录（RoPA）的要求，人工准备耗时且云端大模型存在数据主权合规风险。研究团队提出了 RoPA Manager 系统，通过结合基于 tsvector 的词法检索、稠密向量检索以及倒数排名融合（RRF）的混合 RAG 技术，并采用本地部署的大语言模型，实现 RoPA 信息的自动化提取，以兼顾自动化效率与数据主权需求。
Orthrus：面向迭代检索的异构批处理高效推理服务系统
现代信息检索系统通常同时结合嵌入模型与生成模型处理复杂查询，但现有系统往往将二者隔离部署，粗粒度分配硬件易引发计算气泡，导致 GPU 利用率低和吞吐不足。为此，研究团队提出服务系统 Orthrus。该系统在统一推理循环中引入异构批处理机制，旨在有效整合具有资源冲突特性的嵌入与生成工作负载，提升动态查询下的硬件利用效率。（注：素材摘要文末存在截断）
基于意图驱动的全双工语音对话轮换评测基准TACT
现有的全双工语音对话模型评测多采用固定窗口规则，机械地通过停顿或打断重叠来判定轮换成败。研究人员指出，响应时机的合理性取决于说话人的潜在意图。为此，该研究提出了评测基准 TACT，包含来自 5 个双人对话语料库的 9,728 个片段（共 73.2 小时），整合了对话历史、说话人记忆画像以及针对 6 类意图的标注，旨在提供更符合人类自然交互习惯的意图条件化轮换评估。
资源高效的分布式递归高斯过程算法研究
针对多智能体系统中去中心化环境下统一模型维护的难题，本文提出了两种用于多输出高斯过程回归的高效分布式递归高斯过程算法：ADMM-RGP与PDMM-RGP。该研究解决了多智能体在仅依赖本地测量和邻居通信时的高效协同计算问题，能够在量化预测不确定性的同时降低通信与计算开销，为多智能体系统的分布式学习与状态估计提供了新的理论与算法支持。
对话式AI分层参与度评估框架：从离线代理到在线决策
针对在线A/B测试受流量和周期限制、难以覆盖大量对话式AI迭代的问题，研究者提出了一种分层参与度评估框架。该研究构建了一套可复用的诊断清单，将离线代理指标解构为三层对齐链条：行为标签与产品结果对齐、分类器与候选助手行为对齐，以及离线聚合信号与在线实验效应相对应。配套评估协议旨在离线环境下无须真实用户暴露即可高精度预测在线实验结果，加速系统迭代。
注意力路由提前稳定：面向循环语言模型的工作集推理机制
针对循环语言模型在每个循环步骤重复计算全局注意力导致的高开销问题，研究人员分析了跨循环深度的注意力动态。研究发现，注意力分布和支撑集稳定的时间显著早于隐藏状态与输出，呈现出两阶段特征：前期步骤先确定相关上下文的稀疏工作集，后期步骤则在基本固定的路由支撑上细化表征。基于该发现，论文提出了名为 WISE 的工作集推理方法以优化推理过程（原文摘要末尾有所截断）。
ZeroGate：面向受治理AI智能体运行时的信任保留快速路径机制
针对AI智能体提前授权可能导致载荷、权限或状态发生漂移的安全风险，研究团队提出ZeroGate架构。该方案将精确操作审批与持久本地准入解耦：签发者签署具有时效性的ActionPass凭证，受信任运行时适配器重构最终操作，再由本地网关验证绑定并消耗nonce。系统利用SQLite事务同步处理nonce注销、配额更新及准入收据生成，在维持信任边界和决策一致性的前提下优化了执行分发延迟。
协同推理路径的规划型测试时扩展方法 PTTS
针对复杂推理任务，并行分支的测试时扩展（Test-Time Scaling）已得到广泛应用，但传统的独立重复采样容易生成冗余尝试，制约了推理算力增加所带来的收益。为此，研究团队提出了规划型测试时扩展（PTTS）方法，以协调的联合策略取代独立采样。该架构通过规划器为各个分支生成解答大纲，引导不同分支探索差异化的推理路径，再由执行器生成完整解答，从而提升计算效率和推理表现。
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。
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%。