研究

作者利用AI编码助手（Codex CLI、Gemini CLI、Claude Code）将Python的epub阅读器epy移植到Rust，开发了终端阅读器repy。项目从2025年11月开始，2026年2月发布，但仅获得少量关注。文章反思了AI时代软件过剩的现象，并探讨了创作的意义。

针对增材制造XCT图像缺陷分割的挑战，提出XCT-SAM框架，通过序列参数高效域自适应，利用Conv-LoRA适配器逐步缩小域差距，在CycleGAN-XCT基准和真实NIST扫描上优于基线方法。

MonteRET是一种区域感知的检索增强框架，用于自动生成胸部CT报告。它整合全局和局部CT特征，检索相关医学知识，并通过知识引导的报告重写智能体优化初始报告。在RadGenome-ChestCT数据集和外部医院数据上，MonteRET在报告质量、语义相似性和临床效果上均优于现有方法。

研究人员提出了一种用于赛车场景的新数据集和3D车道检测方法，利用多摄像头和惯性测量实现高速处理（300Hz）并提高精度，F1分数超过0.9，横向误差降低。

本文探究视觉基础模型是否构建了反映三维欧氏空间内在属性的表征。与传统方法通过回归深度或法线来探测三维意识不同，作者从拓扑和几何角度评估视觉特征空间结构与欧氏变换群SE(3)之间的关系。提出了相互邻域度量和庞加莱适配器两种探针。实验表明，自监督视觉模型在没有直接三维监督或主动代理的情况下，其潜在子空间与三维欧氏空间高度相关。基于此，提出了“潜在空间导航”技术，可在潜在空间中直接进行视觉里程计和定位，无需显式三维重建。

提出首个关键帧条件视频生成基准KeyFrame-Compass，包含386个精心策划的样本，覆盖多种设置，并引入自动化评估框架，在9个系统上实验揭示忠实执行与自然合成之间的权衡。

本文提出SIRUS，一种无需训练的推理时框架，用于文本到视频（T2V）模型中的概念级遗忘。SIRUS通过定位与目标概念相关的提示证据并在采样过程中抑制其表达，无需更新文本编码器或去噪网络。同时，引入面向视频的评估框架，分别测量目标遗忘、非目标保持、视频质量、越狱鲁棒性和效率。在CogVideoX上，SIRUS在五个安全、物体和风格概念上平均遗忘成功率达70.4%，帧命中率25.7%，优于VideoEraser的44.4%和47.2%，并将VBench质量平均下降从-0.043降至-0.016。在Wan2.2上的迁移实验表明SIRUS可泛化至现代T2V骨干网络。

多参考音频视频生成（MR2AV）要求模型基于多个参考和文本指令生成同步音视频内容。现有基准主要关注文本驱动生成或单参考保留，缺乏对该任务的评估。本文提出MultiRef-Compass，一个包含350个精心构建样本的统一基准，涵盖多视角主体保留、多实体绑定和人-物-场景组合。它定义了一个四维评估协议（基础质量、参考一致性、音视频一致性、指令遵循），包含14个子指标，并集成了自动指标与重审增强的多模态大模型评判框架。在八个代表性MR2AV系统上的实验揭示了各维度的显著改进空间。

本文提出了一种新的量化指标——工具效率，用于评估LLM智能体轨迹中有用工具调用的比率。为了精确定义工具效率，作者还引入了边际工具效用，该指标判断每次工具调用的有用性，以及能否在不影响准确性的情况下从工具套件中移除，从而提高效率。研究使用LLM作为裁判来确定轨迹中每次工具调用的边际工具效用符号。这项工作直接量化效率，为未来基准设计和精简工具套件优化提供基础。

Polestar是一种无需训练的推理框架，通过利用令牌表示漂移来解决扩散大语言模型中KV缓存重用和解码并行性的挑战。它包含Polestar-Cache（用于稀疏缓存刷新）和Polestar-Commit（用于识别可提交令牌），在数学和编程基准测试上实现了高达10.73%的精度提升和3.7倍的吞吐量提升。

本文提出令牌时间连续扩散（TTCD），一种在连续空间中操作的新型扩散语言模型，引入每令牌时间步概念，使不同令牌以不同速率从噪声转化为令牌。TTCD通过连续空间建模避免了并行采样多个令牌的不准确性，在高速加速下显著优于离散模型。研究者在OpenWebText上训练了1.6亿参数的TTCD模型，并通过自蒸馏在无条件生成中达到可比质量，在条件生成中超越多个同等规模模型，在数独求解任务中也取得类似改进。

本文提出AGOPS方法，自动生成任务特定的提示指南，帮助用户编写更明确的提示，从而大幅提升大语言模型的下游性能。实验表明，未明确指定的提示可导致性能下降高达95.3%，而现有通用指南难以恢复，但AGOPS指南可使性能提升15.5%至81.7%。

本文介绍了一种结合UzWordnet和生成式AI的教育系统架构，通过四款游戏帮助学习者练习乌兹别克语，并利用游戏数据自动丰富词汇资源。

新研究表明，大型语言模型代理在通过文本通信时会丢失信息。使用稀疏自动编码器特征分析，研究者发现潜在空间通信虽然在某些压缩率下保留更多信息，但丢失的特征主要编码表面形式而非任务相关语义，从而对潜在通信的优势提出质疑。

UniSAGE是一种统一框架，用于建模同时包含静态和动态属性的数据。它通过构建全局属性图、引入正交参数子空间以及轻量级超结构机制，实现了静态聚合和动态推理的联合学习。实验表明，UniSAGE在多个基准测试上性能提升超过10%。

本文提出一种基于采样的方法LBA，用于在低查询预算下生成高质量文本对抗样本。该方法结合先验和后验知识构建近似分布，通过采样逐步更新分布，从而高效搜索对抗样本。实验表明，LBA在六个语言模型和四个数据集上显著优于现有基线，且生成的对抗文本语义保持更好、更易理解。

本文首次将基于预群语法的量子组合自然语言处理应用于阿拉伯语，利用量子电路的拓扑结构模拟语法关系。实验涵盖词序、形态时态和动词义消歧，量子方法在多项任务上优于传统基线。

研究提出JKP框架，通过重复挑战性提问评估视觉语言模型的稳定性。测试GPT-4o、Gemini 2.5 Pro和Qwen3-VL-30B发现，模型在持续追问下表现不稳定，答案频繁翻转，且不同模型响应模式各异。

该研究分析了闭环知识系统（如大型语言模型、强化学习）为何在重复内部反馈下趋于饱和，并提出了一个三层次操作框架，通过结构干预实现逃逸。使用李雅普诺夫漂移条件刻画稳定性，并通过干预引起的吸引子位移和KL下界表征逃逸。案例研究包括LLM代码修复、稀疏奖励强化学习和贝叶斯优化。

离线强化学习中世界模型易受模型利用问题影响，现有方法成本高或限制泛化。本文提出RENEW方法，通过人类偏好直接修复模型利用，结合动力学学习与人类反馈，利用认知不确定性提高样本效率，在多个环境中验证了有效性。

本文提出了一种结合图同构网络与边缘特征（GINE）的边缘感知学习优化框架，用于NR-V2X车联网中的实时中继选择。通过将V2X快照建模为有向图，并利用离线MILP最优解监督训练GINE，实现毫秒级推理延迟。实验表明，GINE在链路级别准确率达0.9589，F1分数0.9544，且混合GINE剪枝MILP（GP-MILP）策略在保持最优解的同时将求解器运行时间降至30毫秒以下，满足NR-V2X严格的低延迟要求。

该研究扩展了监督式词典学习方法，应用于10-K文件及其第1A项风险因素部分，针对回报率和波动率标签在三个聚合层级（行业、投资组合、个体公司）训练情感分数。基于2006-2023年间94家纳斯达克100科技公司的1,383份文件，发现全文本在行业和投资组合层面产生更准确的情感分析，但在个体公司层面，较窄的第1A项表现更好。Loughran-McDonald词典基线在所有测试层级均与价格呈强烈负相关，凸显了监督方法在监管披露文本中的价值。

该论文提出 QFireNet，一种结合量子电路和 U-Net 的混合模型，用于从卫星图像中分割野火。在 Sen2Fire 数据集上，量子增强模型（QB-Net 和 QuFeX）在 F1 分数上优于经典 U-Net 基线，且数据混合技术显著提升了性能。

本文提出C3R，一种即插即用的控制层，通过推断域后验，无需查询时标签，在可行时认证逐域污染预算，否则弃权而非违规。该方法基于风险控制预测集的两阶段方案，保证最困难域污染减少，实验表明稳定性好，召回率优于传统方法。

本文提出了一种可解释的、全球可部署的机器学习框架，用于从开放地理空间数据预测代表杂波高度（RCH）。该模型使用LiDAR衍生的标签进行训练，并采用LightGBM回归器，平均绝对误差为1.79米，R²=0.765，相比ITU基线误差降低超过60%。SHAP分析显示树冠覆盖、土地覆盖语义和光谱反射率是最重要的预测因子。该工作被IEEE CASE 2026接收。

预训练的视觉语言模型（VLM）通过计算图像与文本描述的相似度实现零样本图像分类，但描述模板（prompt）的选择对结果敏感。现有方法为所有类别使用相同的权重组合多个模板，忽略了模板对特定类别的适用性差异。CARPRT 提出了一种无需训练的类别感知重加权方案，针对每个类别自适应调整模板权重。在标准基准测试中，CARPRT 优于现有的类别无关方法，证实了建模模板-类别依赖关系对零样本预测和 VLM 应用的重要性。

尽管可解释人工智能（XAI）技术层出不穷，从特征归因到稀疏自编码器，但解释很少影响实际工作流程。本文认为，机器学习社区必须从临时性的XAI方法转向解决基础性和结构性的挑战，包括不明确的问题表述、不充分的评估目标以及缺乏解释驱动反馈的流程。通过对近期ICML、NeurIPS和ICLR论文的分析及对XAI从业者的调查，作者揭示了限制累积进展的常见问题，并提出了一个实用清单，旨在将XAI转向更以人为中心、面向行动的模式。

最新研究将小型语言模型（SLM）与知识图谱结合，通过神经符号智能体框架提升其推理能力。在CLUTRR亲属关系基准测试中，使用Gemma 3和Llama 3.2模型的实验表明，RGCN提供的专家提示可使性能提升1.5-2倍，但存在提取瓶颈和顺序推理脆弱性问题。

本文针对工具增强型大语言模型智能体在扩展工具集时面临的行为惯性问题，提出通过注入反事实锚定上下文来打破惯性，恢复失败轨迹。ToolAnchor框架利用教师模型假设反事实上下文，经学生回滚验证后，通过智能体后训练内化成功干预，在GAIA、BrowseComp和VDR-Bench等任务中表现优异，为动态工具适应开辟了新路径。

该研究提出能力收敛假说（CCH），认为在固定推理预算下，表征收敛并不必然导致能力收敛；能力收敛依赖于存取结构，即混合架构需同时拥有压缩态通道和可扩展逐字索引通道。论文通过信息论下界和预注册实验验证了该假说。

研究人员提出了一种利用大型语言模型（LLM）构建贝叶斯信念网络（BBN）的新方法，该方法通过一组AI代理基于特定角色和上下文估计概率，并采用修剪均值规则去除噪声，从而弥合专家意见与数据驱动学习之间的差距。研究以替代医疗系统中患者就医意向为案例，发现自我效能的影响实际较小，而主观规范的影响更强，最有效的策略是同时提升自信和社区规范。

受人类交流空间信息的方式启发，语言引导的地理定位因其直观和实用价值而备受关注。然而，现有方法多依赖静态的一次性检索范式，难以处理真实世界自然语言描述中的歧义和不完整性。本文提出推理检索的范式转变，引入对话式地点识别（DlgPR），将定位视为交互式、对话驱动的推理过程。为此，论文构建了首个大规模对话式地点识别基准DlgQuest-Cities，并提出了统一推理框架，结合跨模态多级检索器与智能提问器DQ-pilot。DQ-pilot通过课程学习训练：在DQ-cities-20k子集上进行监督微调，再通过GRPO在更难的DQ-cities-10k上进行强化优化。实验表明，基于推理的方法显著优于基线。

RegNetAgents是一个基于AI的多智能体框架，能够跨异质性基因调控网络进行结构化的调控候选识别。该框架整合了TCGA和GREmLN项目的大规模网络，对焦点基因进行双网络分类、癌症基因过滤和作用模式分配。在乳腺癌和结直肠癌的测试中，识别出的候选调控因子显著富集于OncoKB注释的癌症基因，且在管家基因中无富集，表明其特异性。框架还包含评估致癌潜力、可成药性等扩展模块。

IMEX（Interaction-Based Model Explanation）是一种新的可解释预测建模方法，旨在识别对目标预测贡献最大的变量以及变量间的重要交互。该方法支持高阶交互分析，并基于静态相关功率（PCS）和交互相关功率（PCI）两个互补指标构建解释图。实验验证表明，IMEX能在非线性、条件性和多重共线性关系下恢复特征级结构。

检索增强生成（RAG）在扩展大语言模型上下文方面表现优异，但传统RAG在涉及层级或关系推理时效果不佳。本文提出HG-RAG框架，通过在层级知识图谱上进行图遍历，为语言模型提供结构化上下文。实验表明，HG-RAG在层级、关系和跳推理任务上显著优于平面检索基线，同时减少了幻觉并保持了局部连贯性。

针对超大规模云服务商的数据中心用水压力，本文提出一个幽默建议：收购高尔夫球场，改建为公共公园，并引导原会员转向观鸟活动。通过比较谷歌的用水量与高尔夫球场的耗水数据，指出购买40个球场即可抵消谷歌的日均用水量。

Wandr基准测试旨在评估需要同时进行广泛和深入搜索的研究代理，确保全面信息检索。

Leapd AI 能够从零开始创建业务，或通过连接现有网站自动运营，涵盖市场研究、产品构建、内容营销和广告投放。创始人反馈显示，该工具显著提升了 LinkedIn 互动、AI 搜索可见性和广告效果，用户只需检查结果，无需手动管理。

Puter团队成功将Firefox的Gecko引擎编译为WebAssembly，实现了在一个浏览器中完整运行另一个浏览器的壮举。项目耗费约25,000美元的AI计算资源，通过Wisp协议代理所有网络流量，并支持端到端加密。该成果已开源，展示了WebAssembly在虚拟化领域的巨大潜力。

中国AI实验室Moonshot AI发布了Kimi K3模型，拥有2.8万亿参数，自称首个“开源3T级模型”。该模型在多个基准测试中表现优异，但定价较高。作者通过“鹈鹕骑自行车”测试，展示了模型的推理成本、隐性系统提示和视觉能力，并反思了这一非正式基准的局限性。

我们改进了Daft中的LeRobot视频读取器，通过批量解码将远程数据集上的帧解码速度从每帧3秒提升到整体数秒，实现了4-15倍的加速。

Kimi K3 在人工智能分析智能指数中获得57分，高于平均水平。它提供100万token的上下文窗口，支持文本和图像输入，但价格稍高、速度较慢且冗长。

本文介绍了一个自主AI音乐视频生成系统，比较了Claude Fable 5和GPT-5.6 Sol在25美元和100美元预算下的表现。系统让模型自主研究、生成片段、编辑并组装完整视频。结果显示所有运行均成功生成视频，但质量一般，存在一致性和节奏匹配等问题。Claude Fable 5成本更高但完成更快，GPT-5.6 Sol在编辑上更具创意。

VentureBeat Pulse研究显示，107家企业中超过半数已遭遇AI代理安全事件或险情。仅约三分之一的企业为每个代理分配独立身份，大多数代理仍共享凭证；仅三成企业隔离高风险代理。安全工具主要借用模型提供商和云服务商的控件，而非专门为代理构建。满意度虽高，但支出仅占安全预算的一小部分，多数企业计划在一年内更换工具。

Sakana AI的研究人员开发了一种由数百个简单蜂窝砖块组成的系统，每个砖块运行相同的神经细胞自动机，仅通过局部通信就能协作识别整体形状，无需中央控制器。系统在硬件实验中实现了100%的准确率，并能检测和修复损伤，展现出强大的鲁棒性和泛化能力。该成果已发表在《自然·通讯》上。

GPT-5.6 Sol 和 Claude Fable 5 是目前最先进的两款模型。Fable 5 在通用智能上略占优势，而 Sol 在编码性能、执行速度和定价方面更具竞争力。Sol 的定价更接近 Claude Opus 4.8，远低于 Fable 5。本文通过基准测试和实操对比，帮助用户选择最适合的模型。

Databricks 博客介绍了一个实时信用卡欺诈检测示例应用，该应用利用 Model Serving 的路由优化和 Lakebase Postgres 实现毫秒级响应。文章详细阐述了路由优化如何降低推理延迟、Lakebase 如何提供特征查找和业务规则检查，以及连接池和 OAuth 令牌轮换如何保持稳定性。基准测试显示，优化后的端点 p50 为 27 毫秒，p95 为 37 毫秒，完全满足结账延迟预算。

Databricks在Data+AI峰会上推出了行业首个上下文工程师认证，旨在验证构建可靠代理系统所需的深层技能。同时，扩展了学习目录，新增面向代理时代的课程，并首创了AI驱动的认证备考指南。

OpenWiki 0.2 版本增加了对 OKF（一种知识 wiki 结构化标准）的支持，使开发者能够更好地组织和分类代码库文档，提升代理检索效率并减少令牌消耗。

欧盟委员会发布两项决定，要求谷歌向竞争对手开放搜索数据，并增强Android系统AI互操作性，允许第三方AI助手深度集成。谷歌强烈反对，称此举危及隐私和安全。