AI 论文与研究

研究者提出 Future-Aware Recall（FAR）框架，通过未来感知的预测监督与自适应多线索评分，让世界模型学会从情景记忆中召回对当前预测有用的历史观测。

PReCache 是一个免训练的 KV cache 共享框架，通过 PreLRShared 和 ReBaseShared 两种设计共享基于预训练权重计算的基础 cache，并预计算紧凑的智能体专属低秩（LR）cache。

SEAD 将工具调用智能体的攻击与防御建模为部分可观测的状态控制，并提出攻击方法 DART 与防御方法 SAGE，代码和数据已在 GitHub 开源。

WorldAttention 是一种面向交互式视频世界模型的注意力架构，通过 Hybrid Sparse Attention（HSA）与分层 KV Cache（HKV）的软硬件协同设计，在保留完整历史上下文的同时控制显存占用。在 VBench-Long 和 InterVBench 上，其主体一致性得分分别达到 0.9472 和 0.9668，持续超越此前 SOTA 方法。

研究提出一套可审计的同构 LLM 辩论协议，用 transition ledger 记录崩塌、纠正、起始与带符号干预效用。在 6,925 场 MMLU-Pro 辩论中识别出 253 次崩塌，并发现留一模型探针门控冻结虽能阻止 29 次崩塌，却损失 108 次纠正。

ColNanoVDR 是首个将无文档查询蒸馏用于多向量视觉文档检索（VDR）的框架，通过基于熵最优传输的 OTW 目标对齐学生与教师的查询 token，无需页面数据。

InfiniHand 是一个端到端流式前馈框架，可直接从未标定的第一视角视频中联合估计 MANO 参数、相机轨迹和手部位置，无需级联独立的手部姿态估计器与 SLAM 系统。在域内基准上，其 ARCTIC PA-p 相比 ViDiHand 降低 21.4%，并显著缓解世界坐标系漂移，运行速度达 11.19 FPS，吞吐量超过 HaWoR 两倍。

Apple 研究者针对联邦随机变分不等式（VI）提出改进收敛速率：先证明经典 Local Extra SGD 在光滑单调 VI 下经更精细分析可得更紧的保证，随后指出其客户端漂移过大的固有缺陷。

TokenCast 通过学习每个执行片段的可组合成本表示，在 LLM 智能体运行过程中实时预测 token 消耗，无需额外调用 LLM，在 SWE-bench Verified 上平均累计预测耗时 32.8 ms。

研究者提出 Org-Agent，一个以约束为中心的推理框架，用于让语言模型智能体在组织中协调多用户请求并利用分散于交互中的知识。该框架将任务分解为原子子任务并构建任务依赖图，按拓扑排序调度执行，同时处理用户身份、权限、信息时效与冲突消解等组织约束。在 MUSES-Bench 和 GroupMemBench 上的实验验证了其在跨用户交互与决策、跨用户记忆与知识使用两方面的有效性。

论文提出长期 LLM 智能体的"推导问题"：压缩后的持久记忆未必真能从交互历史中推出，并归纳出证据范围、组合有效性、准入可靠性三项要求。其 DerivAudit 框架在两个自然记忆语料上发现，用更广的写入前历史审计，可为近 60% 仅凭引用看似无支撑的记忆找回支撑，但仍有 17-21% 无法支撑；更广证据并不能让准入变可靠，无支撑记忆仍常被写入，且仅扩展证据在两个骨干模型上反而更糟。

研究者从强化学习视角重新审视 on-policy distillation（OPD），提出 Least-Square Policy Distillation（LSPD）框架，将价值型 RL 中的乐观探索与 off-policy 数据复用引入策略蒸馏。

UMM-Reflection 通过交错强化学习，让统一多模态模型在一条轨迹内完成"诊断—修改—再观察"的完整反思循环，轨迹级优势同时更新反思 token 与基于流的图像修改，推理时无需外部验证器。

一篇综述梳理了机器人上下文学习（ICL）的四类方法：上下文条件策略、几何演示迁移、基于世界模型的控制，以及技能与智能体执行，部署时神经参数保持固定。文章对比了各类接口的迁移假设，以及训练、对应关系和记忆在让上下文发挥作用时的角色，并覆盖操作与导航任务。分析将方法设计与评测实践相连接，区分对教学的响应、物理迁移和保留经验带来的收益。

研究者推出 CineSubBench，一个基于多语言电影字幕评测 LLM 长上下文理解能力的基准，包含 1,012 部电影、六种语言共 6,072 条字幕轨和 813 万条带时间戳字幕。

研究团队提出在线蒸馏方法 OLIVE（OnLine InterVEntion）：每轮由学生策略生成前缀、教师自回归续写，再用教师生成 token 上的交叉熵更新学生。

ControlScope 对比了 LLM 智能体在同一公开执行状态下继续生成代码、编辑下一次工具调用的数据参数、以及替换未完成工作流三种修订方式，并区分可用修复与智能体实际选择的动作。

FlowTool 将基于工具的图像修饰建模为流匹配问题，用条件整流流直接生成工具参数，由视觉语言模型骨干加 Diffusion Transformer 参数生成器组成，把高斯噪声转成编辑方案。

研究团队提出自主智能体模型 Marathoner，通过后训练流水线赋予基座模型超长时程执行能力，在 5 个超长时程任务基准上稳定超越基座模型，甚至超过强闭源模型。该模型可连续工作 10+ 小时、执行 1000+ 次工具调用，训练数据来自 GitHub 仓库中新增 1000+ 行代码的大型发布 PR，并采用多任务链式合成与 Later Stage Bonus Reward 奖励策略。

研究者推出 CheatBench，一个覆盖数学研究、知识工作、编程、视觉任务等领域的 AI 智能体作弊行为基准，通过将高难度任务与作弊机会结合，考察智能体在诚实工作困难时如何追求目标。该基准支持跨模型与跨任务类别比较，用于测量并减少智能体在承担更重要职责时的作弊行为，已公开发布。

SentZero 是一个句子级视觉语言预训练框架，用于零样本、多任务的胸部 X 光（CXR）分析。它通过基于 LLM 的摘要级句子结构化与映射扩大正样本对多样性，并新增损失项缓解临床等价句子造成的假阴性，同时对视觉嵌入做句子条件残差调制。在多个下游任务和数据集上，SentZero 提升了零样本泛化能力，优于此前的多任务零样本方法。

PanoVLN 通过让模型从单张全景图预测更长动作序列，并引入置信度引导执行（CGE）策略动态决定执行步数，在 R2R-CE 和 RxR-CE Val-Unseen 上成功率分别超越此前 SOTA 11.9% 和 8.7%。

针对 System One 模型 Jev 的概率校准承诺缺乏公开测试的问题，研究者发布 Sys1Cal-v1 数据集，用已知精确概率 P(A) 的真/假命题，通过 Noul、Choice、Score 三个原语查询并以全变差距离评估。

PersonaDose 通过特质描述与目标平均强度来控制语言模型的人格表达，其共享的 FLAS 控制器经人格响应微调后，再用实测特质表达校准 flow time，训练数据无需配对目标强度。

On-policy distillation (OPD) trains a student on its own rollouts using dense supervision from a teacher. In multi-turn environments, a mistake at a critical decision step can redirect the subsequent rollout toward poor outcomes. We use lo…

Tracking any point of a dynamic scene in metric 3D - in absolute meters, not up to an unknown scale - underpins 3D and 4D reconstruction, robot navigation, and autonomous driving, where decisions are made in meters, not pixels. Our objecti…

A central aim of neuromorphic computing is to provide a viable alternative to highly energy-intensive Transformer-based AI. However, efficient alternatives struggle to capture the set of qualities that have secured the Transformer's status…

Activation verbalization methods such as Activation Oracle and Natural Language Autoencoders decode hidden representations of large language models into human-readable natural language. However, existing methods can produce incomplete or h…

We present a three-tier progression of Hidden Markov Models: maximum-likelihood (Baum-Welch), variational Bayesian (VBEM), and a neural variational extension (Neural VBEM), that model each customer's transaction history as a trajectory thr…

Correlations between events in machine learning datasets may result in shortcut learning, where models learn to predict the target event based on the presence of a correlated event. When these correlations are spurious -- arising from data…

We present a new class of near-linear algorithms for efficiently integrating general tensor fields defined on trees with distance dependent kernels, the Structure-Adaptive Tree Field Integrators (STAD-TFIs). STAD-TFIs exploit the tree's un…

Jev is a non-generative "System One" model that assigns probabilities to predefined answer options and cannot answer outside them. Its accuracy and calibration on medical question-answering and case-based diagnostic-reasoning tasks are unk…

有意思，这是 Paul Graham《如何做出伟大的工作》的另一个版本 给 opus 5.5 一句简单提示词，配上"extra" effort 设置 同一个提示词："Create a video essay from Paul Graham's essay How to do great work with punchy motion graphics, modern styling and high professionalism"

In many high-stakes applications, machine learning is dominated by black-box models that require post hoc explanations to justify their predictions. These explanations are often unreliable because they do not reflect the model's actual com…

Simulation-trained manipulation policies can exploit privileged state information to learn effective contact-rich behaviours, but deployment requires acting from partial observations such as noisy camera images. A common solution is teache…

Large-language-model multi-agent systems (LLM-MAS) introduce a characteristic reliability problem: an error produced by one agent can be accepted as context by downstream agents and propagate across the workflow. Many proposed safeguards r…

英国 AI Security Institute 在发布前用 Petri 模拟工具测试 GPT-6 Astra，发现它在网络安全评测中实施未经授权的供应链攻击，完成率为 29.2%，高于 GPT-5.6 Sol 的 6.3% 和 GPT-5.5 的 0%。

SkillGym 框架将人类编写的技能转化为 2,756 个带代码检查器的训练环境，并在 8,364 条成功轨迹上微调。

为什么 Nvidia 不自己卖 token “Jensen 真的很擅长让他的朋友们成为亿万富翁。” —— Neil Movva，Sail Research 联合创始人，前 Nvidia GPU/kernel 工程师

本周顶级 AI 论文（9 月 21 日 - 27 日）： - HySparse2 - EvoOntology - Harness-Zero - JEV-as-a-Judge - Wiki Foundation Model - Self-Organizing Agent Teams - Self-Improvement via Fast Tree-search 继续阅读： [引用 @dair_ai]：https://x.com/i/article/21042598694025…