检索标题、摘要与正文，把分散的信息连起来。
arXiv:2610.32069v1 发布类型：新 提要：近期的多模态大型语言模型（MLLMs）能够在单一模型内感知交通场景、进行推理并提出驾驶决策。然而，现有的基于MLLM的自动驾驶系统在每一帧都从零开始推理，并且仅采纳一种解释，从而舍弃此前关于场景的假设。当场景存在歧义时，智能体便会锁定错误的解读，并在证据尚未充分积累之前据此采取行动。本文提出了DriveMind，一个基于MLLM的驾驶框架，它能够同时维持多个关于场景的假设，并随着新帧的到来不断更新这些假设的权重。受粒子滤波的启发，DriveMind通过视觉语言模型（VLM）传播每个假设，根据当前观测对其进行评分，并重新采样以……
arXiv：2610.32583v1 发布类型：交叉摘要：多智能体确定性GLP（madGLP）以仅通过异步消息传递进行通信的智能体运行草根逻辑程序（GLP），并假定消息传递是公平的：每条发出的消息最终都会被送达。每个智能体运行在用户的智能手机上，其身份由该用户的公钥标识。草根平台不依赖任何全局资源，仅依赖网络，因此智能体必须通过低功耗蓝牙、局域网以及穿越NAT后的互联网，经由任何人都可运行的 rendezvous 服务器实现彼此间的通信。然而，madGLP对这类网络的要求，以及网络对平台的要求，此前尚未明确。我们在此对 madGLP 下层的网络层进行了规范。凡是能在 GLP 中完成的操作，均在 GLP 中得以实现；该层仅提供
arXiv:2610.31687v1 发布类型：新 提要：大型语言模型正越来越多地被用于模拟和探究人类行为，例如开展问卷调查。对于这类应用，一个关键特性是输出需满足分布对齐：即其输出分布应与某一参考（在本例中为人类）分布相一致。实现分布对齐的一个障碍在于如何从小规模训练数据中进行泛化。本文研究了：(1) 如何使大型语言模型实现分布对齐；以及 (2) 实现分布对齐的大型语言模型在面对未见样本以及不相关主题与任务时的泛化能力。通过两个大规模基准测试，我们发现大型语言模型确实能够实现分布对齐，并且能够在同一领域的未见问题上实现泛化。而跨主题的泛化则取决于各主题之间的关联性（例如…
arXiv:2610.31945v1 发布类型：新 摘要：本报告介绍了 Kolibri，一种英德混合的专家级 Transformer 模型，总参数量为 781 亿，每个 token 的活跃参数量为 34.6 亿，并以 Apache 2.0 许可证公开了模型权重。我们构建 Kolibri 的目标是实现主权化与专业化部署，尤其聚焦于德语以及公共管理、工业和航空航天等受监管领域。为支持这些应用场景，我们全程把控模型研发流程，涵盖数据、架构、训练基础设施、后训练阶段及评估环节。我们在预训练、中期训练和长上下文扩展三个阶段累计使用了 24T tokens 进行训练，其中德语数据在字节层面占比超过 20%。为达成这一比例，我们还对德语数据集进行了补充……
arXiv:2610.32060v1 发布类型：新 摘要：多智能体大型语言模型系统旨在通过辩论、证据共享和相互纠正来提升推理能力，但交互过程也可能引入一些仅凭最终准确率无法解释的失败现象。例如，智能体可能过早趋于一致、忽视异议、压制正确的少数派答案，或在多轮对话中固守错误的框架。我们提出了一套基于语料库的沟通失败分类体系，该体系源自医疗问答、编程、金融、多跳推理、伦理以及具身文本任务等领域的3,211条失败的多轮对话轨迹。借助这一分类体系，我们分析了不同数据集与系统设计下的失败分布、各轮次的误差动态、恢复难度、多数派转变、少数派信号被压制的现象，以及自我报告的信心水平。我们发现……
arXiv:2610.31810v1 发布类型：新 基本摘要：即使经过仔细校对的论文，其证明或所作假设中也可能存在细微漏洞。我们提出了 PaperFormalizer，一个基于 Lean 的智能体驱动流水线，帮助作者发现并弥补自身论文中的此类漏洞，并将每篇论文转化为经 Lean 验证的版本。PaperFormalizer 从 LaTeX 源文件入手，将其转换为陈述的依赖关系图，逐条审核自然语言表述的忠实性、歧义性和正确性，随后在 Lean 中对这些陈述进行形式化并加以证明，同时参考 Mathlib、可选的领域库以及作者个人的工具包。只有作者最清楚某条陈述的真实意图，以及如何最佳地填补某一结论中的形式化缺口。因此，该流水线会在必要时暂停，并向作者提出相关问题。
arXiv:2610.31718v1 发布类型：新 摘要：金融交易网络通常以多重图的形式进行建模，其中同一账户对之间的重复交易被表示为不同的边。近期提出的多重图神经网络架构明确利用了这一结构，从而在反洗钱（AML）任务上取得了优异的性能。然而，这些模型对于那些通过操纵交易结构以规避检测的攻击者的鲁棒性仍鲜有研究。我们提出了首个可扩展的框架，用于针对多重图神经网络实施结构化攻击并开展对抗训练，该框架基于节点—边关联矩阵，并适配投影梯度下降法与投影随机化块坐标下降法，以优化此类多重图上的结构扰动。
arXiv：2610.31803v1 发布类型：新 摘要：从视觉规格生成物理上稳定的三维结构，需要在解决几何不确定性的同时考虑物体之间的物理相互作用。我们提出了 StackGen3D，这是一个框架，可根据给定的积木库存和三个正交轮廓图生成稳定的积木组合。我们的方法分为两个阶段。首先，我们开发了一种融合物理信息的图神经网络（PI-GNN），用于建模积木之间的支撑关系，并作为快速的稳定性预测器，用于构建多样化的稳定结构数据集。其次，我们在该数据集上训练了一个条件流匹配模型，以捕捉与目标轮廓图相一致的积木构型的多模态分布。在推理阶段，轻
arXiv：2610.31911v1 发布类型：新 摘要：随着大型语言模型（LLMs）处理的序列长度不断增长，注意力机制已成为主要的计算瓶颈。稀疏注意力大多面向推理阶段，但许多方法在训练时仍采用密集模式，或无法支持稀疏训练；此外，这些方法额外增加的复杂性使得稀疏性难以转化为实际的运行时间加速，因此在实践中密集注意力仍然被广泛使用。本文提出了 LazyFlash，一种前向密集、后向稀疏的注意力机制，其核心基于这样一个观察：注意力机制的训练过程主要由反向传播阶段主导。LazyFlash 使前向传播保持完全密集，因此训练得到的模型仍然是标准的密集模型，现有系统（如 vLLM）无需任何修改即可直接服务。对于反向传播阶段，LazyFlash 提出了一种梯度-a
arXiv：2610.32215v1 发布类型：新 摘要：现代GPU数据中心日益强大的算力，使少数几家行业巨头得以在海量数据上训练并部署大型语言模型（LLMs）。然而，这些模型及其训练数据的庞大规模，使得集中式开发越来越难以为继，同时也将那些拥有相关私有数据但缺乏同等基础设施的小型机构拒之门外。本文围绕预训练与微调两大范式，梳理了我们在分布式LLM训练方面的立场，涵盖联邦学习、分割学习以及去中心化方法，并评估了它们在异构硬件与连接不稳定等地理分布式环境中的适用性。随后，我们提出了一种{\em 统一}的系统
arXiv：2610.32042v1 发布类型：新 提要：跨语言配音旨在将源语言语音转换为目标语言语音，并使其与原视频保持同步。这一任务的关键在于生成忠实且在源语言时序框架内自然可说的译文，而这并不容易，因为不同语言在音长、节奏和发音方式上存在差异。本文提出了一种名为 X-Dubbing 的方法，将该任务建模为一种同时考虑时间约束的语音转文本翻译与视频感知的文本转语音问题。具体而言，我们的方法由一个能够生成具有时间结构脚本的配音翻译器，以及一个能将其与源视频同步呈现的配音演员组成，二者均以一种与语言无关的时间预算为基础。此外，我们还通过 dubbing 对翻译器进行了进一步优化。
arXiv：2610.32803v1 发布类型：新 摘要：大多数高性能区块链的共识协议都采用法定人数证书，该证书将法定人数内验证者的签名打包在一起。诸如 BLS 之类的签名方案能够将整个法定人数的签名聚合为一个短签名，从而保持这些证书的规模较小。然而，一台大规模量子计算机将打破这类方案，而目前尚无任何后量子方案能够在聚合规模和聚合时间上与之相当。如果不进行聚合，每个证书都需要为法定人数中的每一位成员存储一条大型后量子签名，这使得每位验证者广播证书变得不可行，而这正是现代共识协议通常所要求的。我们提出了 Quantum Cadence，一种支持多个并发提议者的后量子共识协议，其
arXiv:2610.32034v1 发布类型：新 摘要：随着轨道碎片数量的不断增加，人们对主动清除碎片和在轨服务的兴趣日益浓厚。与单臂系统相比，双臂空间机械手能够在抓取稳定性和载荷分布方面提供更优的性能。然而，在存在臂间碰撞规避、姿态对齐以及传感不确定性的情况下，协调两台机械手仍是一项极具挑战的任务。本文针对具有臂间碰撞规避约束的目标到达任务，提出了一种用于双臂空间机械手协同运动规划的协调强化学习框架。该框架采用一种集中式状态表示，融合了关节空间、末端执行器以及目标相对位置等信息；同时，设计了一种多目标奖励函数，以促进目标达
arXiv：2610.31722v1 发布类型：新 摘要：微服务系统已成为大规模云应用的主流架构，支持快速部署与弹性伸缩。然而，确保微服务系统的可靠性和可用性，关键在于有效的异常检测，因为故障与性能异常可能迅速在各服务间传播，并严重干扰端到端的系统行为。现有的面向微服务系统的多模态异常检测方法往往面临两大根本性局限：(i) 忽略各模态的特性而一味追求跨模态融合；(ii) 存在影响特征重建过程的“身份捷径”问题。为解决这些问题，我们提出了 LLMMAD，一种自回归式
arXiv：2610.31747v1 发布类型：新 摘要：现有的3D会说话的虚拟形象方法主要依赖于参数化人脸模型，包括3DMM或FLAME，而这些模型紧凑的运动表示限制了其生成极端表情以及建模头饰等配件的能力。我们提出了一种名为AudioLift的两阶段框架，该框架以生成的多视角视频作为音频驱动虚拟形象生成的中间表示，无需使用参数化人脸模型或针对每个实例进行优化。我们的框架将同步的多视角视频生成阶段与一种抗不一致性高斯重建阶段相结合，从而仅凭一张肖像图像即可恢复出连贯的全头几何结构。大量实验表明，AudioLift能够生成捕捉更多表情变化的3D会说话虚拟形象……
2026年10月24日，研究者在arXiv（编号2610.30828v1）发布TutorCaseBench——一个基于教育学、教育心理学与特殊教育真实案例构建的LLM家教评估基准，聚焦支持存在学习与行为困难学生的能力。该基准含923段对话、覆盖5类挑战行为，采用开放式生成（1560题）与多选题（2537题）双轨评估；11个前沿大模型中表现最优者仅在55.8%的开放题中满足评估标准。
推荐理由：该研究填补了现有AI教育评估忽视特殊需求学生行为复杂性的关键空白，方法论强调证据溯源（qualitative case studies + source-grounded rubrics），数据全部开源，具备可复现性与教育实践相关性；结果明确揭示当前LLM在情境化响应生成上的显著短板，对教育AI落地具警示与指导价值。
2026年10月24日，arXiv发布论文arXiv:2610.30690v1，提出一种由两名临床医生主导定义、定稿与裁决的四条安全检查规则库，经形式化验证后作为守卫层应用于心理健康场景下的大语言模型（LLM）输出。该守卫层所有判断均可从一条命名规则和十六个事实复现，旨在提升安全性判断的可解释性与可检验性。
推荐理由：该研究提供了一种区别于主流prompt工程、LLM-as-a-Judge或Constitutional AI的安全增强路径，其核心创新在于将临床决策结构化、形式化并全程留痕；所有关键主张（如规则数量、验证方式、事实基数、对比实验数据及成本测量）均来自原文明确陈述，且发布时间（2026-10-24）与当前UTC日期（2026-10-25）一致，具备时效性与可信基础。
该论文于2026年10月24日发布在arXiv（编号2610.30885v1），提出一种以施害者为中心的分析框架ODCBNA，整合本体设计、知识图谱构建、行为建模、社群分析与影响建模，基于孟加拉语网络欺凌语料库BenCoDiC开展实证分析。
推荐理由：材料为arXiv预印本，发布时间（2026-10-24）不晚于当前时间（2026-10-26），来源明确、结构完整；内容聚焦方法论创新与可复现分析结果（如1063名施害者识别、6个Louvain社群、特征贡献排序等），符合学术资讯时效性与事实性要求。
arXiv:2610.30355v1 发布类型：新 基本摘要：幻觉引用使得追踪来源并验证科学论断背后的证据变得更加困难。由于书目记录可能不完整，且在不同来源类型和出版版本之间存在差异，因此对其进行检测十分棘手。仅凭一个看似合理的匹配既无法确认该引用的有效性，也无法确定其背后的真实来源。我们提出了 CiteResolve，这是一个包含423条真实世界中幻觉引用的基准数据集，并已标注了其来源可恢复性。此外，我们还提出了一种名为 CiteAnchor 的源信息感知对齐框架，该框架能够针对每种来源类型调整检索策略与字段级验证方法，并分别判断引用的有效性以及是否能恢复出唯一的原始来源。在现有的一项检测基准上，CiteAnchor 使用 GPT-5.6 时达到了 0.841 的 F1 分数。
一篇2026年10月24日发布于arXiv的AI研究论文指出，当前主流的成对（pairwise）评估方法会自动抵消同一提示下所有响应共有的评分成分，导致奖励模型中关键的‘提示级偏差’未被检验；作者通过人类评分作为参照，对18个已发布评分器开展审计，发现在HelpSteer2数据集上，6个模型高达34%–64%的评分方差源于提示本身，而人类评分几乎无此现象。
推荐理由：该研究指出了大语言模型对齐流程中一个被长期忽视的基础性缺陷——奖励模型评分高度绑定于提示文本而非响应质量本身；其方法论（人类参照审计、提示替换、方差分解）具可复现性，结论基于实证分析且覆盖多个主流开源评分器，对偏好优化、RLHF和安全评估实践具有直接警示意义。
