STRUCTURALCOST：用于建模人类句子处理难度的受控阅读时间数据集
STRUCTURALCOST 是一个自定速阅读数据集，包含 475 名参与者和 40,800 条观测，用于分离长距离主谓依存解析的处理成本。研究发现，主句动词处的人类阅读时间随依存长度增加，由句法嵌套而非线性距离驱动；n-gram、SSM 和 Transformer 等语言模型仅部分反映这一难度曲线，且低估了人类的工作记忆整合成本，该差距在不同架构和模型规模下持续存在。
全部 AI 动态
arXiv cs.AIAI 评分1919 arXiv cs.AIAI 评分3232 工具调用检索 vs 向量 RAG：希腊语-英语小型知识库上的准确率与用户输入鲁棒性对比
在 KyGround 基准（198 道题，来自希腊 Kythera 农业平台记录，每题最多 9 种问法）上，以 Claude Haiku 4.5 作为路由与回答模型，向量 RAG 对标准希腊语问题正确率 95.3%，工具调用智能体仅 71.6%，相差 23.6 个百分点。
arXiv cs.AIAI 评分2929 CoRP：紧凑机器人策略需要细粒度视觉表征
研究者提出 CoRP（Compressed Representation Policy），一个仅 48.9M 参数、不含视觉语言模型和视频生成先验的紧凑策略，在 LIBERO 上达到 97.0%，在 RoboTwin 2.0 Clean/Randomized 上达到 75.78%/73.36%，匹配比它大 40.9-163.6 倍的系统。
arXiv cs.AIAI 评分2222 临床笔记生成基准测试：MedConv 数据集与 Corti 对比通用 AI 抄写工具
研究团队发布 MedConv 多语言数据集，包含英语、丹麦语和德语共 300 例临床问诊，并结合 ACI-BENCH 基准，将临床 AI 平台 Corti 与两款基于通用 AI 的 ambient scribe 软件进行对比。
arXiv cs.AIAI 评分2929 S1-MAS：用 System One 引导计算分工实现 token 高效多智能体协作
研究者提出 S1-MAS 多智能体框架，将任务选择、角色分配、消息路由等有界协调决策交给轻量 System One 模型，把开放式推理留给能力更强的 LLM worker。在七个基准上与 AgentVerse、DyLAN、SelfOrg 对比，S1-MAS 将 GPT-4o token 消耗降低 44.9%-97.2%，端到端延迟降低 37.8%-93.0%，同时取得更高准确率。
arXiv cs.AIAI 评分2424 无有效选项 MCQA 下的 LLM 弃答：惩罚框架分析
研究提出"惩罚框架无有效选项 MCQA"设定，在 MMLU-Pro 数学子集上移除正确选项，允许模型选择剩余选项或输出 ABSTAIN，并对无效强制选择进行惩罚。实验显示，即便有明确的无有效选项提示和惩罚评分，模型在原本答对的题目上仍会给出无效强制选择，说明高 MCQA 准确率并不能完全保证弃答可靠性。该工作已被 AACL-IJCNLP 2026 主会议短论文接收。
arXiv cs.AI精选AI 评分6262 论文指出 Lean 验证 AI 自动形式化无法保证自然语言证明正确
arXiv 论文指出，AI 自动形式化把自然语言数学文本翻译成 Lean 后，机械验证通过并不能保证原自然语言论证正确。作者证明，为忠实翻译而消解数学自然语言歧义的问题在可解性复杂度指数（SCI）层级中任意高（SCI = ∞），比包括停机问题（SCI = 1）在内的任何计算问题都更难。
推荐理由：论文用可计算性层级论证自然语言数学文本的忠实翻译不可判定，并给出 Lean 形式化与原文不符的实例。
arXiv cs.AIAI 评分1212 超市商品检测与识别：利用深度学习与矫正图像
研究将 Hough 变换与单应性估计引入目标检测模型，对超市货架倾斜拍摄的图像进行矫正，以提升商品识别准确率。团队为此构建了新数据集，并在多种目标检测模型上验证：图像矫正能提高倾斜图像中商品的检测精度，但效果受拍摄角度和单图物体密度限制。
arXiv cs.AIAI 评分2424 基于查询的可达自车未来代价学习：超越端到端驾驶的航点回归
研究者提出一种基于查询的代价学习框架，为动态可达的自车轨迹查询估计有界代价，而非密集 BEV 网格或少量回归轨迹。在 nuScenes 上，该方法碰撞率优于 ST-P3、NMP 及多数回归基线，L2 保持竞争力；在真实驾驶日志上无需微调即比 SparseDrive 和 Alpamayo 降低碰撞率。该工作已被 ACCV 2026 接收。
arXiv cs.AIAI 评分2222 针对多语言语音匿名化的声学与内容导向说话人验证攻击研究
研究评估了声学导向与内容导向攻击者对多语言匿名语音的说话人验证（ASV）效果，发现攻击效果取决于匿名语音的语言可用性。整体上声学导向攻击者表现更好，但当语言信息保留较好时，内容导向与声学导向攻击者的性能差距会缩小。研究还构建了多语言语音转换数据集，可提升性能并部分缩小跨语言差距。
arXiv cs.AIAI 评分2727 工具说谎时：工具反馈被污染下数学智能体的可靠性
研究用受控污染框架测试数学智能体能否识别并纠正被篡改的工具调用结果，在 31 道题上对比四种验证设计。无验证时准确率从 100% 骤降至 72.4%，强制同上下文反思可完全恢复至 100%，可选验证仅在模型主动调用时有效。显式检测后完整重启问题在 100% 情况下成功，表明验证器可用性与验证策略是数学智能体可靠性的两个独立组成部分。
arXiv cs.AIAI 评分2222 SAGE：语义锚点引导的医疗问答数据合成框架
SAGE 是一个面向医疗问答的数据合成框架，利用 MeSH 等公开分类体系作为语义锚点，让本地部署的小模型通过原子与关联合成交替迭代，从极少种子数据生成高质量医疗训练数据。在多个医疗问答基准上，用 SAGE 合成数据微调的模型持续优于自生成或传统文档式方法，且无需大量医疗文档或外部 API。代码已开源，论文被 EMNLP 2026 收录。
arXiv cs.AIAI 评分2222 当查询计划改变答案：语义查询的成本-精度优化形式化
针对语义查询引擎中查询计划同时影响成本与结果的问题，研究者给出了成本-精度优化的形式化定义，以决策模型（如 Jev）的校准置信度计算每个决策的期望误差，并按各决策对输出的贡献加权，无需标注数据即可估计计划的期望输出质量。
arXiv cs.AIAI 评分2121 TICDA：面向表格基础模型的上下文数据归因方法
TICDA 通过 TFM 潜在嵌入上训练的线性代理模型，单次前向传播即可测出上下文中每条演示样本的影响，成本可忽略。该方法在标注错误检测、上下文筛选、跨 TFM 归因迁移和主动学习采集四项任务上取得优于对比方法的效果。
arXiv cs.AIAI 评分3737 VisionWeave：让弹性视觉表征成为 MLLM 的原生能力
VisionWeave 通过门控空间池化器与粒度路由器，让 MLLM 端到端学习按内容自适应分配视觉 token 粒度。基于 Qwen3.8-27B，它在八个基准上平均节省 43.0% token 并保留 98.9% 原生性能，而固定 50% 节省目标的 token 剪枝基线仅保留 88%。部署于 SGLang 后吞吐提升 2.3 倍，平均 TTFT 降低 54.4%、TPOT 降低 60.6%。
arXiv cs.AIAI 评分2424 PixelTriage：在打开图像前预判哪些检索记忆值得用像素
PixelTriage 是一个置于检索之后的小模型插件，不生成文本，仅凭对话、简短笔记和每张检索记忆的缩略图，就能在回答模型运行前预测该记忆的像素能带来多少增益。
arXiv cs.AIAI 评分2222 ReGraph：双视觉通路中涌现泛化能力的计算解释
研究者提出 ReGraph——一种带生物归纳偏置的循环双流图模型，包含视网膜驱动的分流编码、背侧到腹侧调制和动态侧向连接，在 Something-Something V2 动作基准上训练。结果显示，上下文不变编码与网格样空间基仅沿扩展背侧通路共同涌现，单流、无调制变体和标准基线中均不出现。事后分析表明这些网格样基可作为可复用的路由模板，提示泛化能力在感觉信息被分解为层级化分流时便已成形。
arXiv cs.AIAI 评分2727 SALT：让 VLA 模型在执行中自适应未知视觉干扰
研究者提出自监督测试时自适应方法 SALT，利用上一动作块中未执行的"剩余轨迹"作为监督信号，在视觉干扰发生时更新 VLA 策略，并通过 Transition Anchoring 与 Sequential Correction Propagation 将修正沿执行轨迹传递。
arXiv cs.AIAI 评分2929 Hybrid Latent Attention：为循环语言模型压缩 KV cache
针对循环语言模型重复堆叠层导致 KV cache 扩大 T 倍的问题，研究者提出 Hybrid Latent Attention（HLA），在滑动窗口内保留精确 key/value，窗口外旧 token 压缩为 latent 供各轮循环的 query 直接读取。
arXiv cs.AIAI 评分1212 ACML：面向多模态学习的动态对齐与校准框架
针对静态跨模态对齐易导致过度对齐、置信度融合忽视特征量级差异的问题，研究者提出对齐与校准驱动的多模态学习框架 ACML。该框架包含动态跨模态三元组对齐模块和差异感知注意力校准策略，前者按置信度差距对正样本对施加差异化约束，后者依据特征量级与置信度差异自适应调整注意力正则。在多个多模态基准数据集上，ACML 的性能与鲁棒性持续优于近期 SOTA 方法。
arXiv cs.AIAI 评分1717 多模态知识蒸馏用于全切片图像胃腺癌分类
研究提出多模态知识蒸馏（MKD）框架，用低秩多模态融合（LMF）结合预训练WSI图像编码器与临床文本编码器，教师模型学习图像-文本融合表示，学生模型蒸馏后仅凭图像即可推理。在PatchGastric基准上平均准确率比SOTA至少高3.35%，且不依赖Transformer融合、多任务学习或大语言模型，源代码已开源。
arXiv cs.AIAI 评分2626 基于控制的动态优化实现多样化运动定制
针对视频生成中运动定制的内容泄漏问题，研究者提出 Control-based Motion Customization（CMC）训练框架，用随机最优控制（SOC）引导生成动态朝向目标运动、避免向参考视频坍缩。该方法去除显式奖励并引入仅作用于生成早期阶段的时间步自适应运动代价，训练速度提升 2.5 倍，在缓解内容泄漏的同时保持运动保真度与基座模型的多样性。
arXiv cs.AIAI 评分2222 IEEE 802.11bx WLAN Intelligent Networking（WIN）：迈向 AI-Ready 的 Wi-Fi 9
IEEE 802.11 正在定义 802.11bx 修正案 WLAN Intelligent Networking（WIN），目标是让 Wi-Fi 9 不仅承担通信，还提供感知与计算等新服务。
arXiv cs.AIAI 评分2222 VAN-Flow：面向稀疏长时程环境的方差规避 n 步离线强化学习
VAN-Flow 是一个面向生成式离线强化学习的框架，通过类别分布式 critic、方差规避期望算子和基于拒绝采样的流匹配生成 actor，在 D4RL 与 OGBench 的 40 多个任务上持续超越强基线，长时程与高方差场景增益最大。该工作已被 NeurIPS 2026 接收。
arXiv cs.AIAI 评分3232 统一多模态模型的视觉弃权能力：Draw-or-Decline 基准与 VisTA 训练方法
研究提出视觉弃权概念，即模型在请求的视觉变换不可能完成时应识别并拒绝生成。为此构建了 Draw-or-Decline 基准，包含 7 类任务的 1,050 对可行-不可行请求，评测 8 个统一多模态模型发现编辑能力与弃权能力相互独立，最强编辑器编辑准确率 68.4% 却仅拒绝 0.4% 的不可行请求。
arXiv cs.AIAI 评分2424 自监督预训练实现标签高效 ECG 波形分割，多数据集基准超越 NeuroKit2、ECGdeli 等常用工具
一项多数据集基准研究显示，经自监督预训练和半监督微调的深度学习模型在 ECG 波形分割上全面超越常用工具，在心律多样数据集上 mIoU 达 71.3%，而最强工具仅为 54.8%。
arXiv cs.AIAI 评分4141 ReFold：面向长程智能体的免训练可逆轮间上下文折叠
ReFold 是一种免训练的渲染层方法，可在保留底层交互历史的同时压缩模型渲染的上下文，无需辅助预测器即可去除轮间冗余，且每次删除严格可逆。在五个长程基准和两个前沿 LLM 上，它将 token 消耗降低最多 2.5 倍、每会话 KV-cache 内存减半，且不降低任务成功率。
arXiv cs.AIAI 评分3434 Gan Jiang：面向 X 射线衍射的自学习科学智能体
研究团队提出自学习科学智能体 Gan Jiang，基于 XMatcher、XQueryer、XDecomposer 和 WPEM 组成的粉末 X 射线衍射分析生态，通过诊断失败、修订技能指令与代码并验证后复用，无需重训语言模型或改动物理模型。
arXiv cs.AIAI 评分2222 DyPAM：面向大语言模型参数高效微调的动态位置注意力调制
研究者提出 PEFT 方法 DyPAM（Dynamic Positional Attention Modulation），直接作用于 query 和 key 表示，通过输入条件化的维度级调制与 head 级、layer 级结构调制，在不改动预训练主干的前提下对齐 RoPE 引发的位置结构。
arXiv cs.AIAI 评分3333 HERMES：用模块化可执行 Dev-Primitives 做软件工程 Harness Engineering
研究者提出 Dev-Primitives（开发原语），把仓库组件与其常驻 LLM 配对，使其具备自然语言推理、组件间通信和局部自我修改能力，并据此构建 Harness Engineering 框架 HERMES。
arXiv cs.AIAI 评分4141 一次一步：用 MCP 逐步下发流程，换取 LLM 智能体的过程可预测性
研究团队提出通过 Model Context Protocol（MCP）逐步下发流程步骤，让智能体每执行一步就返回结构化 step_output，以牺牲自主性换取过程可预测性。
arXiv cs.AIAI 评分2424 AI 辅助决策中的新手依赖校准：解释与自我评估的作用
一项 110 人参与的临床实体抽取实验发现，在缺乏实时性能反馈时，AI 解释会让新手用户系统性地滑向过度依赖，而自评任务理解度更高者依赖行为更具选择性。研究提出"依赖校准"概念，用于刻画新手用户如何动态调整对 AI 的依赖，并为缺乏性能信号场景下的 AI 工具设计提供可操作建议。
arXiv cs.AIAI 评分2222 《The Geometry of Empowerment》论文：将 empowerment 最大化与技能学习关联，给出新的几何解释
一篇 arXiv 论文将 empowerment 最大化与技能学习（skill-learning）方法关联，为解释和分析 empowerment 提供了新的几何框架。该分析回答了 empowerment 与结构中心性之间关系的长期开放问题，并揭示了信息几何与奖励几何之间的区别，为构建可扩展的 empowerment 最大化方法提供了理论启示。论文共 34 页、12 张图，网站与代码已公开。
arXiv cs.AIAI 评分2626 ServeLearnBench：智能体能否从服务经验中自我改进？
研究者提出 ServeLearnBench，用于评估 LLM 智能体从服务经验中持续学习的能力，覆盖零售客服、银行和销售话术生成，包含 53 个环境窗口和 7,718 个任务。
arXiv cs.AIAI 评分2222 OFAG：面向属性图聚类的通用基础模型
研究者提出属性图聚类基础模型 OFAG，基于 Prior-data Fitted Networks 从合成属性图中学习可复用的聚类推理策略，无需针对单个图训练、微调或调参。
arXiv cs.AIAI 评分3131 六项童年协变量胜过所有 Transformer：从 11 岁作文预测 23 岁抑郁症状
一项基于英国出生队列 National Child Development Study 的研究发现，用 11 岁作文预测 23 岁抑郁症状时，仅依赖六项童年协变量的逻辑回归基线 AUC-ROC 达 0.737，优于所有只看作文的文本模型，包括七个微调 Transformer、词袋模型、冻结嵌入和四个零样本大语言模型，其中最佳 Transformer 仅为 0.670。
arXiv cs.AIAI 评分1717 CLARER：面向可解释推荐的对比学习方面表示模型
CLARER 模型通过对比学习与 Transformer 编码器学习评论文本中的方面特征，并结合 MLP 学习的评分特征生成用户和物品表示，再用 Transformer 解码器生成推荐解释。在三个基准数据集上，该模型在推荐准确性和解释生成方面均优于基线方法，相关论文获 WI-IAT 2025 最佳学生论文奖。
arXiv cs.AIAI 评分2222 晚一点更好：分布偏移下 ViT 的 token 削减调度
研究者提出一种单参数、后期集中的幂律 token 削减调度，在无额外推理成本下持续提升视觉 Transformer 的分布外准确率。在 ImageNet-C 上用 DeiT-S，该调度在削减 26% 计算量时弥补了 83% 的精度差距（+1.17pp），在削减 7% 时弥补 99%（+0.26pp）。
arXiv cs.AIAI 评分4141 从证据到行动：工具调用智能体为何失败
研究揭示工具调用智能体在证据到行动链条上的失败模式：在十种模型-框架配置中，静态动作评估能力强，但交互式执行明显偏弱。失败常始于执行前——智能体调查不完整便停止，或在所需证据建立前就行动；一旦证据齐备，单动作执行通常可靠，多动作工作流则暴露未解决的前置条件和执行不完整问题。
arXiv cs.AIAI 评分2929 Cleave：通过解耦代数搜索与算子调度扩展张量程序优化
机器学习编译器 Cleave 通过符号化解耦，将代数变换搜索与算子调度分离，在常见 LLM 子图上生成的 kernel 比最优基线最高快 2.8 倍（平均 1.6 倍），编译时间比 Mirage 平均减少 5.9 倍。