研究

Kimi K3在拒絕透露系統提示後，以“今天有什麼我能真正幫到你的嗎？”回應，展現了AI在保護內部機制時的禮貌而堅定的態度。

Z世代正以公開噓聲等方式表達對人工智能（AI）的強烈牴觸，這與嬰兒潮一代對AI的熱情形成鮮明對比。文章分析了兩代人在技術採納上的根本分歧，指出年輕一代面臨生存危機，呼籲重新掌握對未來的主導權。

作者分享了自己從AI懷疑論者轉變為愛好者的經歷，在此過程中構建了一個由LLM驅動的MMO遊戲（SAO：Slop Art Online），並遇到了延遲問題。他設計了一種混合NPC AI方法，結合了行為樹和LLM決策，這啓發他創造了SLOP——一個用於智能體與應用交互的協議，強調上下文動作和狀態投影。

OpenTSLM是一種多模態大語言模型，將時間序列作為原生模態處理，能夠與文本一起對原始多變量信號進行推理。它在時間序列問答、活動識別、睡眠階段分類和ECG問答任務上優於基線方法，包括GPT-4o。模型支持擴展到多個超長時間序列，內存消耗幾乎恆定。ECG推理經7位心臟病專家驗證，正確率97%。所有代碼、數據集和模型均開源。

GPT-5.6 Sol在Design Arena的網頁設計排行榜上排名第一，比其前身GPT-5.5高出18位。它主動避免常見的AI設計反模式，結合了強大的模板與高度的個性化，並且比競爭對手更快、更便宜。

OpenAI首席財務官Sarah Friar提出了一種實用的人工智能計分卡，通過有用工作量、每次成功任務成本、可靠性和計算回報來衡量投資回報。

文章探討了AI輔助開發如何導致'單一模式倦怠'，通過壓縮規劃、實施和集成三種認知模式，使開發者儘管效率提高卻更加疲憊。

該數據集提供了一個歐盟AI法案（法規(EU) 2024/1689）的單文件、預嵌入SQLite語料庫，按法律結構分塊（每條款段落、每序言、每附件點、每第3條定義），包含BGE-M3密集嵌入、元數據、風險等級標籤等，可直接本地查詢，用於研究與工程。

作者利用AI編碼助手（Codex CLI、Gemini CLI、Claude Code）將Python的epub閲讀器epy移植到Rust，開發了終端閲讀器repy。項目從2025年11月開始，2026年2月發佈，但僅獲得少量關注。文章反思了AI時代軟件過剩的現象，並探討了創作的意義。

本文提出ConFlow框架，將約束信息直接融入流匹配訓練目標，通過可微的障礙或成本函數以及條件高斯過程，提高機器人運動生成中的約束滿足和軌跡質量。實驗表明在雙機器人導航任務中，ConFlow相比標準流匹配基線實現了更低的碰撞率和更高的軌跡質量。

本文探索了利用功能性近紅外光譜（fNIRS）腦信號來調節機器人強化學習的可行性。研究比較了被動（觀察）和主動（演示）交互任務中的智能體訓練，並測試了多種增強RL算法的方法，重點關注參數增強而非替換。結果表明，該框架有效：腦信號在增強軌跡優先級和狀態-動作Q值時改善了學習。此外，該框架能成功從離線數據中學習，為實時腦機接口設置不實用或數據有限的情況提供了實用替代方案。

現有抓取基準主要關注視覺抓取姿態檢測，忽略了需要多步推理和語義理解的複雜任務。GCA-Bench基準包含複雜動作場景，評估大模型在抓取中的表現。實驗顯示，當前方法在複雜場景下成功率低於70%，揭示了關鍵侷限性。

DiMaS是一種專為流匹配視覺-語言-動作（VLA）模型設計的分佈匹配引導策略，通過在表示分佈之間進行傳輸而非沿固定方向移動，實現了對機器人操作行為的細粒度控制。該方法在兩種最先進的VLA上驗證了有效性，並分析了行為控制的可遷移性。研究表明，經典線性引導在視覺運動任務中失效，因為行為特徵線性可解碼但不可線性引導。

一項來自arXiv的新研究提出了一種隨機過濾協議（ANTk），用於採用匿名通信的機器人羣體中的羣體感應。該協議減輕了匿名協議中常見的重複計數偏差，提高了估計穩定性，但增加了錯誤恢復時間。研究將ANTk與基線和隨機變體進行了比較，揭示了準確性、速度和穩定性之間的權衡。

MEMORA提出了具身動作記憶（EAM），使機器人能夠利用第一人稱視頻中的持久記憶進行長期規劃。它包含四種類型的記憶存儲、在線編輯和離線整合功能。在45小時的EPIC-KITCHENS-100數據集評估中，MEMORA在記憶測試中準確率提升20.5個百分點，規劃分數相對提升16.6%。

本文提出LIFT框架，通過在預訓練視覺-語言-動作（VLA）策略後訓練中注入反應式力，解決接觸場景下純視覺方法失敗的問題。LIFT嫁接反應式動作專家，利用因果力記憶和零初始化交叉注意力注入6D力，並結合在線DAgger循環應對分佈偏移。在毛巾摺疊、書籍插入和漢諾塔放置任務中，LIFT相比純視覺後訓練學習更快、性能更高。

Open-AoE是一個大規模自我中心操作數據集，包含來自500多名貢獻者使用400多部智能手機收集的約2000小時視頻，提供文本註釋、手部姿勢、相機軌跡和原子動作標註，並配備數據處理和下游工具鏈，旨在降低具身模型訓練、人機遷移和世界建模的障礙。

本研究提出了一種新穎的多模態編排框架，實現語義音頻驅動的人形機器人控制。系統通過音頻指紋和語義嵌入實時處理音樂或語音輸入，動態選擇並執行動作策略，在仿真和Unitree G1人形機器人上驗證了魯棒的模擬到現實遷移。

研究人員提出一種針對柔性關節機器人的自適應控制方法，以應對不確定的關節剛度。該方法通過隱式控制律和依賴於控制輸入的迴歸矩陣，在線更新每個關節的非線性扭矩-偏轉關係估計，並分析了其對電機位置控制器誤差的魯棒性。在具有非線性剛度特性的柔性關節上的實驗結果驗證了該方法的有效性。

MixCompress是一種基於稀疏結構專業化的統一可變比特率（VBR）框架，通過結合稀疏門控的專家混合（MoE）和深度混合（MoD）擴展，動態縮放模型容量，並利用條件輔助變換（CAT）進行子帶能量調製，解決了現有VBR方法中的特徵糾纏問題，實現了與單速率基線相當甚至更優的性能，建立了計算高效的圖像編碼新帕累託前沿。

SD-MAR是一個用於訓練和評估視覺語言模型（VLM）在多圖像分析推理任務上的框架。它通過受控擾動構建成對視覺場景，並生成涉及語義變化歸因和定量比較的推理任務。採用GRPO-lite與後向折扣分配（BDA）的強化學習方法，去除KL正則化以增強策略優化。在Qwen2.5-VL-7B和InternVL3-8B上的實驗表明，域內準確率提升高達36.95%，且Qwen2.5-VL-7B在SD-MAR基準上超越GPT-4.1。域外泛化性能保持或提升，在MME、MMMU-Pro、MathVista上波動在1%以內，在MMBench上提升達4%。

本文提出DCVC-Mamba（DCVC-MB），一種用於B幀編碼的神經視頻編解碼器框架。該框架採用IBP幀策略進行低延遲B幀編碼，基於狀態空間模型的時空融合模型進行雙向時間預測，以及熵感知跳過機制選擇性跳過某些潛在編碼以縮短熵編碼時間。此外，還實現了兩種推理時策略以增強壓縮性能。實驗表明，DCVC-MB在平均BD-rate上相比 prior 神經視頻編解碼器降低高達8.98%，相比VTM-19.0-LDP和VTM-19.0-RA（Inter-GoP=16）基準分別改善達30.45%和1.81%，推動了神經視頻壓縮的進步。

針對增材製造XCT圖像缺陷分割的挑戰，提出XCT-SAM框架，通過序列參數高效域自適應，利用Conv-LoRA適配器逐步縮小域差距，在CycleGAN-XCT基準和真實NIST掃描上優於基線方法。

MonteRET是一種區域感知的檢索增強框架，用於自動生成胸部CT報告。它整合全局和局部CT特徵，檢索相關醫學知識，並通過知識引導的報告重寫智能體優化初始報告。在RadGenome-ChestCT數據集和外部醫院數據上，MonteRET在報告質量、語義相似性和臨牀效果上均優於現有方法。

研究人員提出了一種用於賽車場景的新數據集和3D車道檢測方法，利用多攝像頭和慣性測量實現高速處理（300Hz）並提高精度，F1分數超過0.9，橫向誤差降低。

本文探究視覺基礎模型是否構建了反映三維歐氏空間內在屬性的表徵。與傳統方法通過迴歸深度或法線來探測三維意識不同，作者從拓撲和幾何角度評估視覺特徵空間結構與歐氏變換羣SE(3)之間的關係。提出了相互鄰域度量和龐加萊適配器兩種探針。實驗表明，自監督視覺模型在沒有直接三維監督或主動代理的情況下，其潛在子空間與三維歐氏空間高度相關。基於此，提出了“潛在空間導航”技術，可在潛在空間中直接進行視覺里程計和定位，無需顯式三維重建。

提出首個關鍵幀條件視頻生成基準KeyFrame-Compass，包含386個精心策劃的樣本，覆蓋多種設置，並引入自動化評估框架，在9個系統上實驗揭示忠實執行與自然合成之間的權衡。

本文提出SIRUS，一種無需訓練的推理時框架，用於文本到視頻（T2V）模型中的概念級遺忘。SIRUS通過定位與目標概念相關的提示證據並在採樣過程中抑制其表達，無需更新文本編碼器或去噪網絡。同時，引入面向視頻的評估框架，分別測量目標遺忘、非目標保持、視頻質量、越獄魯棒性和效率。在CogVideoX上，SIRUS在五個安全、物體和風格概念上平均遺忘成功率達70.4%，幀命中率25.7%，優於VideoEraser的44.4%和47.2%，並將VBench質量平均下降從-0.043降至-0.016。在Wan2.2上的遷移實驗表明SIRUS可泛化至現代T2V骨幹網絡。

多參考音頻視頻生成（MR2AV）要求模型基於多個參考和文本指令生成同步音視頻內容。現有基準主要關注文本驅動生成或單參考保留，缺乏對該任務的評估。本文提出MultiRef-Compass，一個包含350個精心構建樣本的統一基準，涵蓋多視角主體保留、多實體綁定和人-物-場景組合。它定義了一個四維評估協議（基礎質量、參考一致性、音視頻一致性、指令遵循），包含14個子指標，並集成了自動指標與重審增強的多模態大模型評判框架。在八個代表性MR2AV系統上的實驗揭示了各維度的顯著改進空間。

本文提出了一種新的量化指標——工具效率，用於評估LLM智能體軌跡中有用工具調用的比率。為了精確定義工具效率，作者還引入了邊際工具效用，該指標判斷每次工具調用的有用性，以及能否在不影響準確性的情況下從工具套件中移除，從而提高效率。研究使用LLM作為裁判來確定軌跡中每次工具調用的邊際工具效用符號。這項工作直接量化效率，為未來基準設計和精簡工具套件優化提供基礎。

Polestar是一種無需訓練的推理框架，通過利用令牌表示漂移來解決擴散大語言模型中KV緩存重用和解碼並行性的挑戰。它包含Polestar-Cache（用於稀疏緩存刷新）和Polestar-Commit（用於識別可提交令牌），在數學和編程基準測試上實現了高達10.73%的精度提升和3.7倍的吞吐量提升。

本文提出令牌時間連續擴散（TTCD），一種在連續空間中操作的新型擴散語言模型，引入每令牌時間步概念，使不同令牌以不同速率從噪聲轉化為令牌。TTCD通過連續空間建模避免了並行採樣多個令牌的不準確性，在高速加速下顯著優於離散模型。研究者在OpenWebText上訓練了1.6億參數的TTCD模型，並通過自蒸餾在無條件生成中達到可比質量，在條件生成中超越多個同等規模模型，在數獨求解任務中也取得類似改進。

本文提出AGOPS方法，自動生成任務特定的提示指南，幫助用户編寫更明確的提示，從而大幅提升大語言模型的下游性能。實驗表明，未明確指定的提示可導致性能下降高達95.3%，而現有通用指南難以恢復，但AGOPS指南可使性能提升15.5%至81.7%。

本文介紹了一種結合UzWordnet和生成式AI的教育系統架構，通過四款遊戲幫助學習者練習烏茲別克語，並利用遊戲數據自動豐富詞彙資源。

新研究表明，大型語言模型代理在通過文本通信時會丟失信息。使用稀疏自動編碼器特徵分析，研究者發現潛在空間通信雖然在某些壓縮率下保留更多信息，但丟失的特徵主要編碼表面形式而非任務相關語義，從而對潛在通信的優勢提出質疑。

UniSAGE是一種統一框架，用於建模同時包含靜態和動態屬性的數據。它通過構建全局屬性圖、引入正交參數子空間以及輕量級超結構機制，實現了靜態聚合和動態推理的聯合學習。實驗表明，UniSAGE在多個基準測試上性能提升超過10%。

本文提出一種基於採樣的方法LBA，用於在低查詢預算下生成高質量文本對抗樣本。該方法結合先驗和後驗知識構建近似分佈，通過採樣逐步更新分佈，從而高效搜索對抗樣本。實驗表明，LBA在六個語言模型和四個數據集上顯著優於現有基線，且生成的對抗文本語義保持更好、更易理解。

本文首次將基於預羣語法的量子組合自然語言處理應用於阿拉伯語，利用量子電路的拓撲結構模擬語法關係。實驗涵蓋詞序、形態時態和動詞義消歧，量子方法在多項任務上優於傳統基線。

研究提出JKP框架，通過重複挑戰性提問評估視覺語言模型的穩定性。測試GPT-4o、Gemini 2.5 Pro和Qwen3-VL-30B發現，模型在持續追問下表現不穩定，答案頻繁翻轉，且不同模型響應模式各異。

該研究分析了閉環知識系統（如大型語言模型、強化學習）為何在重複內部反饋下趨於飽和，並提出了一個三層次操作框架，通過結構干預實現逃逸。使用李雅普諾夫漂移條件刻畫穩定性，並通過干預引起的吸引子位移和KL下界表徵逃逸。案例研究包括LLM代碼修復、稀疏獎勵強化學習和貝葉斯優化。

離線強化學習中世界模型易受模型利用問題影響，現有方法成本高或限制泛化。本文提出RENEW方法，通過人類偏好直接修復模型利用，結合動力學學習與人類反饋，利用認知不確定性提高樣本效率，在多個環境中驗證了有效性。

本文提出了一種結合圖同構網絡與邊緣特徵（GINE）的邊緣感知學習優化框架，用於NR-V2X車聯網中的實時中繼選擇。通過將V2X快照建模為有向圖，並利用離線MILP最優解監督訓練GINE，實現毫秒級推理延遲。實驗表明，GINE在鏈路級別準確率達0.9589，F1分數0.9544，且混合GINE剪枝MILP（GP-MILP）策略在保持最優解的同時將求解器運行時間降至30毫秒以下，滿足NR-V2X嚴格的低延遲要求。

該研究擴展了監督式詞典學習方法，應用於10-K文件及其第1A項風險因素部分，針對回報率和波動率標籤在三個聚合層級（行業、投資組合、個體公司）訓練情感分數。基於2006-2023年間94家納斯達克100科技公司的1,383份文件，發現全文本在行業和投資組合層面產生更準確的情感分析，但在個體公司層面，較窄的第1A項表現更好。Loughran-McDonald詞典基線在所有測試層級均與價格呈強烈負相關，凸顯了監督方法在監管披露文本中的價值。

該論文提出 QFireNet，一種結合量子電路和 U-Net 的混合模型，用於從衞星圖像中分割野火。在 Sen2Fire 數據集上，量子增強模型（QB-Net 和 QuFeX）在 F1 分數上優於經典 U-Net 基線，且數據混合技術顯著提升了性能。

本文提出C3R，一種即插即用的控制層，通過推斷域後驗，無需查詢時標籤，在可行時認證逐域污染預算，否則棄權而非違規。該方法基於風險控制預測集的兩階段方案，保證最困難域污染減少，實驗表明穩定性好，召回率優於傳統方法。

本文提出了一種可解釋的、全球可部署的機器學習框架，用於從開放地理空間數據預測代表雜波高度（RCH）。該模型使用LiDAR衍生的標籤進行訓練，並採用LightGBM迴歸器，平均絕對誤差為1.79米，R²=0.765，相比ITU基線誤差降低超過60%。SHAP分析顯示樹冠覆蓋、土地覆蓋語義和光譜反射率是最重要的預測因子。該工作被IEEE CASE 2026接收。

預訓練的視覺語言模型（VLM）通過計算圖像與文本描述的相似度實現零樣本圖像分類，但描述模板（prompt）的選擇對結果敏感。現有方法為所有類別使用相同的權重組合多個模板，忽略了模板對特定類別的適用性差異。CARPRT 提出了一種無需訓練的類別感知重加權方案，針對每個類別自適應調整模板權重。在標準基準測試中，CARPRT 優於現有的類別無關方法，證實了建模模板-類別依賴關係對零樣本預測和 VLM 應用的重要性。

儘管可解釋人工智能（XAI）技術層出不窮，從特徵歸因到稀疏自編碼器，但解釋很少影響實際工作流程。本文認為，機器學習社區必須從臨時性的XAI方法轉向解決基礎性和結構性的挑戰，包括不明確的問題表述、不充分的評估目標以及缺乏解釋驅動反饋的流程。通過對近期ICML、NeurIPS和ICLR論文的分析及對XAI從業者的調查，作者揭示了限制累積進展的常見問題，並提出了一個實用清單，旨在將XAI轉向更以人為中心、面向行動的模式。

最新研究將小型語言模型（SLM）與知識圖譜結合，通過神經符號智能體框架提升其推理能力。在CLUTRR親屬關係基準測試中，使用Gemma 3和Llama 3.2模型的實驗表明，RGCN提供的專家提示可使性能提升1.5-2倍，但存在提取瓶頸和順序推理脆弱性問題。

本文針對工具增強型大語言模型智能體在擴展工具集時面臨的行為慣性問題，提出通過注入反事實錨定上下文來打破慣性，恢復失敗軌跡。ToolAnchor框架利用教師模型假設反事實上下文，經學生回滾驗證後，通過智能體後訓練內化成功干預，在GAIA、BrowseComp和VDR-Bench等任務中表現優異，為動態工具適應開闢了新路徑。