E4：用受限 DSL 实现互联网级服务智能体根因分析
针对互联网级服务故障排查，研究者提出智能体系统 E4，采用"受限创造力"范式，不让 LLM 智能体写任意代码或生成任意回复，而是通过一个无循环数据流程序的受限 DSL 生成响应。在合成与真实混合负载上，E4 准确率最高提升 62%，成本最高降低 12 倍，同时提供更可解释的响应。
#推理
arXiv cs.AIAI 评分3131 arXiv cs.AIAI 评分2929 研究揭示 LLM 潜在空间偏见方向实际编码的是模型置信度而非公平性
研究分析激活引导所用去偏见方向的实际编码内容，发现该方向由模型置信度主导，在激活空间中指向高概率到低概率 token 区域，而非编码有意义的偏见表征。沿该方向引导虽能降低偏见指标，但实为降低模型置信度所致：在 QA 基准上模型因此拒绝作答，附带改善了公平性指标。研究指出，将偏见线性表征与模型置信度解耦十分困难，基于引导的去偏见结果需谨慎解读。
arXiv cs.AIAI 评分2121 DeltaTTT：面向非线性循环记忆的逐层优化方法
针对非线性记忆网络在序列测试时训练中难以单遍优化、串行 TTT 反而不如固定基座并行 TTT 的问题，研究者提出 DeltaTTT，将两层记忆网络的联合内循环优化改为逐层学习，每层分配局部预测目标并通过状态相关的 delta 规则更新。该方法保留非线性读出并支持分块并行计算，在 DeltaNet 和 LaCT 骨干上提升了语言建模与检索表现。
arXiv cs.AIAI 评分2424 可解释性探针得分如何解读？研究者提出 floor、ceiling 与 headroom 框架
针对可解释性探针得分缺乏固定含义的问题，研究者提出用 floor（简单输入已能预测的部分）和 ceiling（完整输入可预测的部分）两个参照点来解读探针得分，二者之间的 headroom 才是模型真正计算出的信息。
arXiv cs.AIAI 评分1313 FlowCF：用流匹配为混合类型表格数据生成稀疏反事实解释
FlowCF 是一种模型无关的生成式反事实解释方法，将反事实生成建模为从事实类到目标类的稀疏传输，并用流匹配求解，通过新型混合流算子扩展到混合特征类型。在六个基准数据集上，FlowCF 取得最佳数值稀疏性与接近度，仅改变 29% 的数值特征（最佳基线为 89%），位移小 70%。该工作已被 NeurIPS 2026 GDDL Workshop 接收。
arXiv cs.AIAI 评分2020 X-OPM：面向鲁棒性增强的可解释自动数字片上功耗建模
X-OPM 提出一种可解释的数字片上功耗建模框架，用树模型捕捉特征交互、线性模型完成预测，并引入 human-in-the-loop 流程平衡精度与建模成本。在商用 C906 向量处理器上，采样窗口小于 8 cycles 时全部工作负载均达 R² > 0.93，而 APOLLO、COBIT 和标准 MLP 均无法在所有测试用例上泛化。
arXiv cs.AIAI 评分2222 重新审视跨分词器在线策略蒸馏：从对齐覆盖率到监督可靠性
跨分词器在线策略蒸馏（OPD）中，严格 1:1 对齐已覆盖大部分学生生成 token，将 reverse KL 限制在共享词表 top-16 子集即可达到与全共享词表 OPD 相当的准确率，优于所评估的跨分词器基线。
arXiv cs.AIAI 评分2626 LLM 不可回答性信号能否跨域与多轮泛化？新基准与评估框架揭示检测与利用之间的差距
研究团队构建了一个轮次标注的多轮基准（423 段对话、1,661 个标注轮次状态）和带模拟用户的评估框架，用 6 个数据集与 6 个开源权重 LLM 测试不可回答性探针的迁移能力。
arXiv cs.AIAI 评分2929 GeoPID：分解与引导视觉语言模型中的视觉信息
研究者提出免训练框架 GeoPID，从几何视角将 VLM 中的多模态信息分解为冗余、模态独有和协同三类成分。在 22 个 VLM 和 14 个 benchmark 上的分析显示，需要视觉 grounding 的问题中正确预测具有更强的视觉独有成分。基于此，GeoPID 在推理时沿视觉独有子空间选择性放大视觉表征，无需更新模型参数即平均提升 7.63% 相对准确率。
arXiv cs.AIAI 评分2222 Foresight-over-Graph：面向知识库问答的远见感知证据检索框架
针对 LLM 引导的图推理中逐跳贪心剪枝过于短视、易过早丢弃关键证据分支的问题，研究者提出远见感知证据检索框架 Foresight-over-Graph（FoG），通过远到近反馈引导路径探索并维护紧凑记忆子图。在常用 KBQA 基准上 FoG 达到 SOTA，CWQ 的 Hit 指标提升 16.58%，同时减少 LLM 调用与 token 消耗。代码已开源，论文被 NeurIPS 2026 接收。
arXiv cs.AIAI 评分1717 QuAR：面向量化 ViT 的单次前向量化器对齐重校准测试时自适应方法
研究者提出 Quantizer-Aligned Recalibration（QuAR），一种面向量化 ViT 的单次前向 TTA 方法，不反向传播也不更新任何模型参数，而是在冻结量化器输入端重校准激活值。
arXiv cs.AIAI 评分2222 SufficientPlan：如何为世界模型规划削减搜索与计算开销
针对视觉世界模型决策时动作搜索规划预算过大、迭代规划器重复编码不变上下文的问题，研究者提出部署框架 SufficientPlan，无需修改预训练世界模型或规划器更新。
arXiv cs.AIAI 评分1717 利用历史数据缓解自动驾驶远程操控 QoS 预测中的概念漂移
针对自动驾驶远程操控的预测性 QoS（pQoS），研究者基于实测数据提出预测框架，预测上行数据速率与往返时延两项网络 KPI。该框架将历史数据纳入预测流程，以缓解概念漂移导致的机器学习模型在未见数据上的性能退化，并引入关键场景检测指标专门评估远程操控场景下的预测表现。
arXiv cs.AIAI 评分2222 DySCo：面向边缘-云协同 LLM 推理的动态分片与深度同步批处理
DySCo 是一个边缘-云协同 LLM 推理运行时，通过保持 KV 缓存本地化并引入 dyForward 层范围执行器，让边缘设备无需重载权重即可运行可配置的连续层范围。其深度同步批处理（DSB）将异构请求推进到最深切分点并批处理公共后缀，在平均并发为 8 时吞吐量较 FIFO 提升 275%、较精确匹配批处理提升 48%、较轮询交错提升 79%，同时降低平均每会话延迟。
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.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 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3232 SanSi：面向 System 1.5 思维的循环类型化决策模型
SanSi 将预训练循环语言模型改造为类型化决策模型，每次循环后读取选项概率，并用恰当评分规则训练每一轮循环，使单次运行即可覆盖 1 到 8 次循环的任意预算。
arXiv cs.AIAI 评分2424 Transformer 精确解体积与长度泛化研究：INDEX 任务改进模型在 10 倍训练长度下达 85% 准确率
研究提出归一化精确解体积（NESV）指标，用于衡量 Transformer 解在更长输入上的泛化能力。对固定宽度单层 Transformer，FIRST 和 MAJORITY 任务的 NESV 为 Θ(1) 和 Θ(1/(n log n))，INDEX 为 Θ(1/n³)，PARITY 为 0。
arXiv cs.AIAI 评分2424 CACHEFORGE：LLM 引导的端到端生成式缓存替换策略，兼顾性能与硬件效率
CACHEFORGE 是首个将大语言模型嵌入硬件感知闭环、端到端演化缓存替换策略的框架，每轮由 LLM 生成新的 C++ 替换逻辑，并在 CRC-2 ChampSim 模拟器上评估。
arXiv cs.AIAI 评分2424 LORE-KV：用蒙特卡洛估计做 KV Cache 驱逐
研究者提出免训练的 KV cache 驱逐方法 LORE-KV，通过从冻结目标模型采样短自回归续写、用其响应侧 query 状态估计 prompt token 效用，把固定预算的未来感知驱逐建模为分布估计。
arXiv cs.AIAI 评分4848 Stateless Language Agents：用无状态智能体实现长周期自动化研究
研究者提出 Stateless Language Agents（SLAs），核心是"有状态搜索、无状态智能体"：智能体不跨调用保留对话，由 harness 持有研究状态并为每次调用重建角色专属上下文。
arXiv cs.AIAI 评分2222 为世界模型潜在空间建模扰动，实现鲁棒决策
研究者提出将潜在空间扰动建模为对世界模型所学潜在动力学的扰动，通过动力学感知相似度度量与分布外检测构建合理潜在动力学集合，并用共形预测校准不确定性集，再以博弈论优化联合求解鲁棒动作与最坏情况扰动。在 Franka 机械臂硬件实验中，该方法使安全过滤失败率降低 70%、基于采样的策略引导失败率降低 54%。
arXiv cs.AIAI 评分2929 循环回环 Transformer（RLT）：让计算路径随序列长度增长
研究者提出循环回环 Transformer（RLT），将层拆分为并行因果编码器与循环解码器，解码器每步融合编码器输出与上一 token 的最终解码状态，使计算路径随序列长度增长而单 token 成本固定。
arXiv cs.AIAI 评分2222 GraphCast 大气河机制的机械可解释性研究
研究团队在 GraphCast 上训练稀疏自编码器（SAE），发现该模型将大气河强度（以 IVT 衡量）作为稳定的内部变量进行计算，尽管 IVT 既非输入也非预测目标。
arXiv cs.AIAI 评分2222 GFlowNets 混合模型：Stratum-Conditioned GFlowNets 提出
研究者提出描述 GFlowNets 混合的通用理论框架，分为连续索引（CI）与离散索引（DI）两类。
arXiv cs.AIAI 评分1515 基础模型辅助的多智能体强化学习用于无线随机接入网络优化
研究提出用基础模型（FM）提升多智能体强化学习（MARL）在无线随机接入（RA）网络优化中的效率，设计了基于共识的去中心化 MARL 架构下的 FM 辅助 actor-critic 算法。收敛性分析表明，该算法在局部奖励交换与非线性价值函数近似下，达到与传统 MARL 相同的收敛阶数。数值结果显示该方法显著提升了 RA 网络优化的 MARL 速度。
arXiv cs.AIAI 评分2424 LADE：利用暗知识中的模型无关潜在安全信号防护 LLM
研究者提出 LADE，通过对比有害与良性查询，从首个 token 输出概率分布的暗知识中提取潜在安全信号，并借助 tokenizer 映射与 kNN 判别实现模型无关的越狱攻击防御。该方法在多种 LLM 和基准上降低了攻击成功率，同时保持有竞争力的安全-效用权衡。
arXiv cs.AIAI 评分1212 用 LLM 推导的协方差做相关 Thompson 采样：组合半臂老虎机中的结构与信念
研究者提出一种组合 Thompson 采样（CTS）变体：用 LLM 查询一次臂的分区，经 RBF 核转换为正定相关矩阵 Σ，每轮后验样本按 Σ 采样，而 Beta 后验仍只用真实奖励更新，让 LLM 影响采样器的移动方式而非其信念。
arXiv cs.AIAI 评分2424 AlignQuant：面向高效 LLM 生成的 Tile 对齐混合精度量化
AlignQuant 是一种训练后量化方法，以 GPU 兼容的二维权重 tile 作为精度分配、紧凑存储与执行的统一单元，让精度在输出通道内跟随敏感度。在 4 个 3B 至 14B 参数的 LLM 上，它相比 BF16 实现最高 2.50 倍生成加速并保持模型质量，评测覆盖 3 种 GPU 和最高 64K token 上下文。实现已开源。