跳到正文
AI NEWS JOURNAL
AI, IN PERSPECTIVE

搜索 AI 资讯

检索标题、摘要与正文,把分散的信息连起来。

按发布时间排序

面向推理的大型语言模型的监督微调:综述

arXiv:2610.37681v1 发布类型:新 摘要:近年来,大型推理模型在解决复杂任务方面展现出卓越的能力,而基于长链式思维数据的监督微调(SFT)则成为激发并提升其推理能力的关键基础。尽管在改进与分析面向推理的监督微调方面取得了快速进展,但该领域仍缺乏一份系统性的综述来整合其快速增长的文献。为填补这一空白,我们对近期推理相关监督微调的最新进展进行了全面回顾,并从方法设计与分析研究的双重视角审视相关文献。首先,我们梳理了监督微调全流程中的方法学改进,并将其划分为以数据为中心的方法与以算法为中心的

事件进展与其他报道

KORA:面向人工智能工作负载的确定性优先执行控制

arXiv:2610.35869v1 发布类型:新 摘要:人工智能应用通常会在决定是否需要进行推理之前先调用模型。这种默认行为对于模糊的生成任务很有用,但与那些结构化、确定性、受策略约束、以查找为主或可直接验证的工作并不匹配。KORA 提出了确定性优先执行控制:一种位于推理前的控制层,它将请求表示为任务路径,优先尝试确定性或结构化的执行路径,验证路径结果,记录遥测数据,并仅在确定性处理不足时才切换到模型候选路径。本文将 KORA 介绍为一种确定性优先的执行控制架构,并基于可复现的基准测试和验证工作负载提供了有限的实证证据。在一项重

事件进展与其他报道

超越收益:用于代理技能退役的技能内化度量

arXiv:2610.32322v1 发布类型:新 摘要:LLM智能体从公共技能中心检索技能,这些中心最多可存储约10万条记录,并为众多模型提供服务。随着模型性能的不断提升,技能中心必须识别出某一模型已内化哪些技能——即该模型已不再依赖这些技能——并将其从该模型的技能库中移除;然而,目前尚无可靠的方法来衡量技能的内化程度。现有规则仅依据有无某项技能时的运行表现差异来进行判断,而这种差异往往微乎其微。无论是对于已被内化的技能,还是在模型与该技能均无法实现相应能力的情况下——我们称这种状态为“未被发现”——其收益几乎都接近于零。因此,我们改采另一种做法:暂不启用该技能,而是基于由该技能衍生的任务对模型进行评分,并且只有当另一模型确实因该技能而获益时,才信任模型在无辅助条件下的高分;因为事实上,近一半的高分都来自那些并未真正体现该技能作用的任务。

事件进展与其他报道

云端的大型语言模型:关于架构、编排与推理的探讨

arXiv:2610.33475v1 发布类型:新 摘要:基础大型语言模型(LLM)在云数据中心的广泛部署,标志着从无状态深度学习向分布式、内存密集型生成式工作负载的根本性范式转变。然而,在严格的服务水平目标(SLO)下为海量基础模型提供服务,会暴露出关键的物理与系统瓶颈。这些挑战包括持续存在的高带宽存储器(HBM)墙、计算密集型预填充与内存带宽受限的解码之间的运行不对称、键值(KV)缓存的爆炸式增长、代价高昂的无服务器冷启动,以及硬件可靠性方面的漏洞。现有的文献综述仍局限于各层次的孤立视角,未能将底层加速器的虚拟化与集群……

事件进展与其他报道

溶剂:用于多步逆合成的长 horizon 推理

arXiv:2610.32308v1 发布类型:新 摘要:多步逆合成反应需要通过一系列连续的反应步骤,将目标分子逐步转化为可购买的构建模块;近期的研究开始借助大型语言模型(LLM)的推理能力来解决这一任务。在最新进展中,LLM推理已进入长时序阶段:模型能够在相互依赖的各步之间持续追求目标、与环境交互并根据反馈进行调整。这一转变显著提升了LLM的能力,人工智能驱动的数学研究领域也由此取得了突破性进展。在此前沿领域,我们提出了 Solvent,一款拥有80亿参数的LLM,成功将长时序推理扩展至多步逆合成。通过两轮的后训练课程,Solvent学会了在迭代过程中穿插……

事件进展与其他报道

PhaseBreak:针对未经授权的图像转视频动画的主动时序保护

arXiv:2610.33070v1 发布类型:新 摘要:图像到视频(I2V)扩散模型能够为单张肖像或照片赋予动态效果,从而使得共享的图像在未经主体授权的情况下被重新用于运动合成。我们研究针对此类用途的主动视觉保护机制:在图像发布之前,其所有者施加一种有界扰动,既保持共享工作流不变,又干扰下游的运动生成过程。现有的频谱扰动目标会全局性地削弱时序特征表示,因此难以对细微或空间局部化的运动进行有效控制。我们的核心思路是:生成的动态不仅取决于时序特征的强度,还与特征事件的发生顺序密切相关。我们提出了一种白盒式的频谱重定时保护方法——PhaseBreak。

事件进展与其他报道

TACS-RF:工具驱动的智能体驱动射频与毫米波模块电路综合

arXiv:2610.31882v1 发布类型:新 摘要:我们提出了TACS-RF框架——一种由工具驱动的智能体驱动射频与毫米波模块电路综合方法。在该框架中,大型语言模型(LLM)编码智能体(Claude Opus 4.8)直接调用业界标准的电子设计自动化(EDA)工具,如Cadence Virtuoso/Spectre、Calibre、Cadence EMX以及Ansys HFSS,用于设计射频与毫米波模块。我们通过在90 nm SiGe BiCMOS工艺下对一款240–251 GHz亚太赫兹发射机进行智能体驱动设计,对该框架进行了验证。该智能体半自主地完成了各子模块的设计,包括具备二次谐波提取功能的60 GHz推挽式Colpitts压控振荡器、多级差分共栅功率驱动器、推挽式倍频器、差分蝴蝶天线以及所有级间匹配网络。

TACS-RF: Tool-driven Agentic Circuit Synthesis of RF and mmWave Modules
事件进展与其他报道

CEMIR 与 FISER:基于推理与基于知识扩充的语用意图识别方法的比较研究

arXiv:2610.32022v1 发布类型:新 摘要:在人机交互中,意图识别要求智能体通过推断说话者的潜在目标来化解含糊不清的自然语言指令。近年来,研究日益聚焦于两种颇具代表性的范式来应对这一任务:结构化符号推理与多模态输入增强。然而,在那些歧义源于未明示的人类意图而非缺失可观测场景信息的情形下,基于增强的方法是否确实具有优势,仍不明确。本文开展了一项对比与诊断性研究,将采用结构化社会与具身推理的FISER框架与CEMIR(上下文增强型多模态意图识别)方法进行基准测试——后者是一种实施多模态增强的技术。

CEMIR vs. FISER: a comparative study of reasoning-based and enrichment-based approaches to pragmatic intent recognition
事件进展与其他报道

你有多信任一只狗?量化推理语言模型中的提示遵循行为

arXiv:2610.32055v1 发布类型:新 摘要:大型语言模型(LLMs)常常表现出阿谀奉承的倾向,即使在客观的事实性和推理类任务上,也会调整其回答以迎合用户的暗示。然而,这种影响的量化形式——以及它是否与信息源的可靠性相匹配——仍然知之甚少。在本研究中,我们通过在MMLU问题上观察提示诱导的答案偏移来探究这一现象,评估了诸如“[信息源]认为答案是(X)”这类提示。我们在三个开源模型系列——Qwen、Gemma和SmolLM——中系统性地改变了提示所归因的信息源(教授、朋友或狗),并发现由提示引发的变化遵循一种可预测的结构,该结构可用指数倾斜很好地刻画:提示会诱发

事件进展与其他报道

SyncVid:用于同步视频生成的全局等变扩散模型

arXiv:2610.31765v1 发布类型:新 摘要:从单个参考视频生成动态场景的多段视频,需要在不同视角之间一致地合成已观测与未观测的内容。现有的用于视频扩散的相机控制方法通常依赖于一些架构机制,包括相机嵌入、跨视图注意力以及几何条件化等。尽管这些方法对静态场景内容较为有效,但在处理必须在各视角及随时间保持一致的细粒度动态几何时,往往面临困难。我们通过在源自源视频的规范3D空间中采样高斯噪声先验,并将其光栅化至目标相机,从而同步扩散过程本身,而非在每个2D图像平面中独立采样。我们的 m

SyncVid: World-Equivariant Diffusion for Synchronized Video Generation
事件进展与其他报道

权衡感知的区域设计:一种用于企业客户与销售人员分配的多目标决策系统

arXiv:2610.31701v1 发布类型:新 提要:企业客户的旅程不仅由产品体验和营销所塑造,还受到反复出现的资源分配决策的影响。在B2B市场进入(GTM)组织中,区域划分决定了哪些客户将获得销售人员的覆盖、哪些销售人员与客户的关系得以保留,以及有限的现场资源如何进行分配。然而,这一流程往往仍依赖人工操作,导致难以比较潜在机会、评估价值延续性,并权衡增长、平衡、产能与可行性之间的取舍。我们提出了一套面向生产决策的系统,用于在企业级GTM规划中实现兼顾权衡的客户—销售人员分配。该系统整合了三个组成部分:一个多维度的客户价值层,通过融合预测性指标进行评分

Tradeoff-Aware Territory Design: A Multi-Objective Decision System for Enterprise Customer-to-Seller Allocation
事件进展与其他报道

从嘈杂检索到决策证据:面向上下文学习的银级证据演示

arXiv:2610.32128v1 发布类型:新 摘要:当与决策相关的证据深埋于冗长且嘈杂的上下文之中时,RAG 以及检索增强型少样本指令微调(ICL)往往难以应对。检索得到的段落和示例可能包含冗余或干扰性信息。尽管由专家标注的开发示例能够识别出支持每项决策的文本,但这些标注通常仅被用作答案侧的理由,而非用于过滤噪声检索的监督信号。我们提出了一种“银色证据”示例方法,即在 ICL 示例中,用生成的、针对目标条件的证据摘要替代原始检索到的段落。对于每个已标注的开发示例,大型语言模型会在无法访问专家标签或黄金证据的情况下生成“银色证据”;随后,这些“银色证据”将与专家标签配对使用。

事件进展与其他报道

迈向NDE 4.0之路:自主检测的算法、技术与策略综述

arXiv:2610.31704v1 发布类型:新 摘要:无损检测(NDI)是现代质量保证的基石,对于在不造成损伤的情况下确保基础设施和制造部件的安全性与可靠性至关重要。本文对当前无损检测领域的现状进行了全面综述,从四个不同视角展开分析,即计算算法、物理技术、工业应用以及研究目标。我们综合了大量学术文献,展示了从人工、模拟式解读向以数据为中心的数字化范式——即所谓的“无损检测4.0”——的快速演进过程。我们的分析凸显了超声波与视觉检测作为主要物理技术的主导地位,同时揭示出一种显著的转变趋向……

The Path to NDE 4.0: A Review of Algorithms, Techniques, and Strategies for Autonomous Inspection
事件进展与其他报道

科利布里:帕累托前沿上的主权欧洲模型

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……

事件进展与其他报道

面向金融犯罪分析的对抗鲁棒多图神经网络

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。

Towards Adversarially Robust Multigraph Neural Networks for Financial Crime Analysis
事件进展与其他报道

X-配音:在时间和视觉约束下的语音到语音翻译

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。

事件进展与其他报道

AudioLift:通过多视角视频生成,实现基于音频的单张图像到全头高斯化身的转换

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……

AudioLift: Audio-Driven Single Image to Full-Head Gaussian Avatar via Multi-view Video Generation
事件进展与其他报道

研究提出新指标RCG评估LLM生成的合成调查受访者覆盖度

该论文于2026年10月24日发布在arXiv(编号2610.30900v1),提出“受访者覆盖差距”(RCG)这一新评估指标,用于衡量大语言模型(LLM)生成的合成调查受访者在完整答题画像空间中对真实人类受访者的覆盖程度。

Silicon Samples Match the Answers but Not the Respondents

推荐理由:现有评估方法仅关注单题答案分布或题间相关性,无法识别LLM生成的受访者是否复现了真实人群中实际存在的答案组合;RCG首次从全量答题剖面出发量化覆盖缺口,并在两项美国社会调查数据上实证发现所有测试LLM均存在显著未覆盖人群,且表现劣于简单边际采样基线和高斯copula模型。

事件进展与其他报道

发布尼泊尔语-英语混合语音识别新基准与合成到真实两阶段适配框架

研究者于2026年10月24日在arXiv发布论文(编号2610.30860v1),提出首个面向自发播客场景的尼泊尔语-英语代码切换ASR基准,含13,044条真实语句(15.45小时),并设计合成到真实的两阶段适配方法:先以0.95小时多说话人TTS合成语音监督微调,再引入带脚本奖励的组相对策略优化(GRPO)。

Synthetic-to-Real Code-Switched ASR: A Spontaneous Nepali-English Podcast Benchmark

推荐理由:该工作直面低资源语言代码切换ASR中脚本混淆与切换点错误率高的核心难题,通过严格审计数据杜绝机器翻译泄露和声学循环,并公开全部验证文本、时间戳、剧集元数据及重建脚本;实验结果具统计显著性(p≤0.001),且在单语基准上验证了泛化稳定性。

事件进展与其他报道