little m：用于工业过程优化的 AI Agent
制造业消耗了全球三分之一的能源，在提升能源利用效率方面仍有巨大的优化空间，而实现这一目标的关键在于过程的最优控制。然而，直接从混乱且复杂的现实工业数据中构建数学优化模型一直面临重重挑战。为此，该研究提出了名为 little m 的 AI Agent，旨在赋能工业过程的自动化建模与控制优化。该方法为复杂工业场景的智能化节能降耗提供了全新范式，对工业数字化转型与 AI Agent 在物理工业系统的落地应用具有重要意义。
独立 AI 资讯库
AI 前沿动态、原文归档与媒体镜像
从自动抓取数据库实时读取，适合快速浏览、检索和后续扩展成完整资讯站。
11947资讯
11815正文归档
75522媒体
重构草稿而非单纯蒸馏：面向持续 VLLM 后训练的参考驱动修订机制 ReDraft
大型多模态模型（VLLM）的持续后训练面临在注入新能力的同时保留预训练已有知识的双重挑战，这两大目标往往相互冲突。监督微调（SFT）能够提供明确的目标监督，帮助模型从极低准确率快速习得新任务，但也容易导致灾难性遗忘。为此，该研究提出了名为 ReDraft 的参考驱动修订机制，探索在后训练过程中更有效地平衡新知识获取与旧能力保留。该方法为多模态大模型开发者在持续微调、领域适配和模型能力演进方面提供了新的技术路线参考。
EchoPath：面向 GUI Agent 的执行级可回放记忆系统
本文提出了 EchoPath，一种面向图形用户界面（GUI）智能体的执行级可回放记忆系统。尽管计算机操作 Agent 越来越多地通过 CLI 或 API 接口控制浏览器与桌面应用，但在常见工业生产场景中，GUI 仍扮演着关键角色。当前 GUI Agent 往往依赖即时探索而缺乏高效的历史执行复用能力。EchoPath 通过构建执行层面的可回放记忆，旨在提升 Agent 操作的复用性与稳定性，为开发者构建可靠的端到端桌面自动化工作流提供了新思路。
基于专家指导生成有效特定上下文 LLM 基准的框架
该研究提出了一种结合领域专家输入与合成数据生成的端到端方法，用于构建面向特定上下文的大语言模型（LLM）基准测试数据集。现有基准构建往往在评测有效性（真实准确度）与规模化扩展性（成本与效率）之间面临权衡取舍，而该框架通过专家引导机制弥合了二者的冲突。该方法为垂直行业及特定应用场景定制 LLM 评测体系提供了可靠路径，大幅降低了构建高质量专业基准的门槛。
面向检索增强生成（RAG）的查询感知来源风险分诊机制
针对当前检索增强生成（RAG）管线容易忽略检索来源与具体查询之间实质性关联的问题，该研究提出了一种在生成前生效的风险分诊层。该机制将来源风险视为与查询强相关的动态属性，能对典型查询族进行精准路由，以便开展增强型复核与审查。该方案为构建高安全、高可靠的 RAG 应用提供了新思路，有助于开发者在大模型生成前阻断不可靠来源风险并平衡系统审核开销。
AquiLLM：评估用于科学研究的开源权重 RAG-LLM 系统的忠实度
科学研究日益依赖庞大且异构的数据源，推动了对检索增强生成（RAG）系统的广泛探索，以实现通过自然语言无缝访问科学知识和科研工作流程。论文提出了 AquiLLM，重点评估开源权重（Open-Weight）RAG-LLM 系统在科学研究任务中的忠实度（Faithfulness）。该研究为衡量并改善开源模型在专业文献检索场景下的幻觉与事实一致性提供了关键基准，对构建高可靠科研 AI 与 Agent 系统具有重要参考意义。
面向实时数据科学任务的基于技能的 Agent 评测框架
本文提出了一个针对实时、持续更新数据流评估数据科学 Agent 的评测框架。该框架通过结合可执行真实标签（executable ground truth）与格式无关的事实元评分机制，有效解决了动态时效性查询的评估难题，例如面对“上周的观众规模是多少”等不断变化的查询场景。该研究为开发者在真实复杂、动态演进的数据环境下准确量化评估数据科学 Agent 的能力提供了全新方法与标准。
BLINDSPOT：面向长程工具调用 Agent 的安全性与拒绝校准基准测试
随着大语言模型（LLM）Agent 逐步应用于涉及工具使用、持久化状态、权限动态变更及外部环境反馈的长程交互场景，安全风险往往在经过多轮交互后才会逐渐暴露。为此，研究团队提出了评测基准 BLINDSPOT，专门针对长程工具调用 Agent 的安全风险防范与拒绝响应校准进行系统化评估。该基准为开发者识别多步执行中的安全隐患、优化模型在复杂工作流中的过度拒绝与安全把控平衡提供了重要评估工具。
CLEAR：面向医学大语言模型的跨源证据裁决框架
医学知识处于不断演化之中，而大语言模型（LLM）中所编码的参数化知识在训练完成时便已固定。检索增强生成（RAG）等外部检索技术虽然能为模型引入最新证据，但在面对多来源、异构甚至相互冲突的信息时仍缺乏有效的甄别与裁决机制。为此，该研究提出了跨源证据裁决框架 CLEAR，专注于提升医学 LLM 处理多元证据的一致性与准确性。该方案有助于降低医学 AI 幻觉并提升临床决策支持的可靠性，对医疗领域的 RAG 架构设计具有重要参考意义。
CADWorld：面向长程计算机辅助设计的计算机使用基准测试
计算机操作智能体（Computer-Use Agent）正越来越多地在真实桌面环境中接受评测，但现有基准对专业工程工作流程的覆盖仍然十分有限，而这类流程通常以输出持久化、高度结构化的工程产物为核心。为此，研究团队推出了 CADWorld，这是一个面向长程机械计算机辅助设计（CAD）任务的计算机操作评测基准。该基准填补了复杂工程软件交互评估的空白，对开发和检验具备长程规划与专业工具操作能力的下一代 AI 智能体具有重要参考意义。
元认知导引：学习科学判断的内在结构
长程科学发现任务要求 AI Agent 随着证据的更新，在发散探索、严谨执行与批判性复盘之间动态切换。当前大语言模型主要基于既有的科学产物进行训练，并仅针对最终结果进行优化，难以掌握科研探索过程中的评判与决策逻辑。该研究提出“元认知导引”（Metacognitive Steering），致力于让模型学习科学判断的内在结构，为开发具备自主假设检验与自我修正能力的科研 Agent 提供了重要方向。
迈向具备治理意识的自主 GIS：LLM 赋能 GeoAI 的伦理与隐私风险叙述性综述
本文探讨了大语言模型（LLM）驱动的地理空间人工智能（GeoAI）在构建自主 GIS 方面的发展趋势。研究指出，依托自然语言交互和 Agent 工作流，系统在空间信息查询、生成和解译能力上取得了显著提升。然而，高自主性也带来了严峻的数据隐私、滥用与伦理合规风险。该综述强调将治理机制深度融入自主 GIS 系统，对后续 GeoAI 开发者和行业监管体系建设具有重要指导意义。
KV Cache 究竟该放哪？面向长周期会话的 GPU、CPU 与 SSD 分层放置策略研究
随着多轮对话、Agent 循环和文档问答等长周期会话不断积累状态，KV Cache 严重挤占了稀缺且昂贵的 GPU 高带宽内存（HBM）。最新研究通过跨 GPU、CPU DRAM 和 SSD 的离散事件模拟器评估多级分层放置策略，结果显示分层存储可将每张 GPU 的并发会话数提升 73.02 倍，单会话成本降低 62.04 倍。研究发现这一巨大增益主要来自容量扩展而非复杂的调度策略，且预测型预取（Prefetching）即便在理想预言机场景下也无法证明其带宽开销的合理性。针对不同工作负载，Chat 类场景使用 Recency（最近使用）策略表现最佳，而 Agent 与文档问答场景则更适合 Reuse Frequency（复用频率）策略。该结论为大模型推理服务（如 Mooncake、LMCache 等系统）的显存分层架构设计提供了重要的现实工程指导。
人工智能与生物安全：能力范式、威胁路径与纵深防御治理
本文系统梳理了人工智能在生物科研“数字到物理”工作流中的能力演进及其生物安全风险。研究表明，前沿 AI 系统在计算模拟及规避合成筛查基准上已超越人类专家基线，但在真实湿实验中，隐性知识与物理实操仍是主要门槛。鉴于通用大模型的对齐技术难以直接适用于生物领域，论文强调了模型可解释性在审计消除高危能力中的关键作用，并呼吁建立分层分级的纵深防御治理体系，在防范灾难性风险的同时释放生物科技红利。
立场论文：AI 尚未准备好应对战略冲突
论文《Position: AI Is Not Ready for Strategic Conflicts》探讨了语言模型（LM）在开放式战略兵棋推演中的应用现状与局限。此类推演涉及对敌手博弈、危机升级、军事条令及方案脆弱性等高风险社会与军事过程的模拟。尽管大语言模型因能够驱动 Agent 并动态生成推演情境而备受青睐，但该文明确指出 AI 目前尚不具备可靠处理高风险战略冲突的能力。这一观点提醒战略决策与军事防务领域的开发者及研究人员，在将 LM 引入高风险博弈与决策模拟时需审慎评估其鲁棒性与安全边界。
What Does a Temporal Benchmark Score Measure? Decomposing Channel Use in Video VLM Evaluation
arXiv:2607.12304v1 Announce Type: new Abstract: A score on a temporal video question answering benchmark is meant to measure that a model has temporal understanding, but it conflates two questions. 1. The task question: is the question even temporal, does it need several frames and their order? and
Adaptive Cross-Modal Fusion with Sparse Attention for Pedestrian Crossing Intention Prediction
arXiv:2607.12293v1 Announce Type: new Abstract: Predicting pedestrian crossing intention is a safety-critical task for autonomous driving, yet existing approaches often rely on single-modal inputs or dense multimodal fusion strategies that inadequately capture complementary visual and kinematic inf
Auditing Data Leakage in Whole-Slide Image Multimodal Benchmarks
arXiv:2607.12278v1 Announce Type: new Abstract: Recent vision-language models (VLMs) for computational pathology report striking zero-shot performance on whole-slide image (WSI) visual question answering (VQA) benchmarks. We audit these claims and find them fundamentally compromised by data leakage
如何实现递归自我改进的智能体与个人奇点：目标、范围、工具与基准驱动的多智能体架构
本文提出了一种受治理的多智能体架构，使智能体能够递归自我改进，并引入“个人奇点”作为有边界的人机共同发展目标，帮助用户在有选择的领域内扩展能力。每个智能体由目标契约、范围、工具注册表及端到端基准等要素定义，超出范围的任务将移交给其他负责或新创建的细分智能体。架构融合了快速规划-执行-验证循环与较慢的证据把关改进循环，并配备了安全不变量、基准设计与实现路线图。本文为立场与系统设计论文，并非宣称无限制的递归自我改进或个人奇点已经实现。
A Calibrated Multimodal Ensemble for Ambivalence/Hesitancy Recognition: System Description and Private-Test Submission Strategy
arXiv:2607.12176v1 Announce Type: new Abstract: Ambivalence and hesitancy (A/H) undermine digital behaviour-change interventions, and recognizing them automatically from video is the goal of the ABAW A/H challenge on the BAH dataset. We describe our system for the 11th edition of the challenge: a c
NEEDL-Bench: Dataset for Swiss Needle Cast and Stomata Detection in Microscopy Images
arXiv:2607.12076v1 Announce Type: new Abstract: We present NEEDL-Bench, a microscopy detection benchmark for Swiss Needle Cast (SNC), a fungal disease of Douglas-fir trees. Douglas-fir is a keystone species of major ecological and economic importance as a softwood timber resource, and SNC affects p
SymbOmni：通过符号概念学习演进智能体全能模型
一篇发表于 arXiv (2607.12042v1) 的新论文提出了 SymbOmni 框架。该研究指出当前整体式视觉生成模型缺乏累积学习与进化能力，并试图通过符号概念学习来演进智能体全能模型。这项工作可能为多模态交互与持续学习的 Agent 开发提供新思路。
TSCA-Net: Temporal-Spatial Clique Attention for Interpretable Multimodal Pedestrian Trajectory Prediction
arXiv:2607.11939v1 Announce Type: new Abstract: Accurate pedestrian trajectory prediction in crowded environments remains challenging due to the multimodal uncertainty of human motion and the variable complexity of motion dynamics across different scene contexts. Existing goal-conditioned models re
PFAdapter：面向个性化联邦多模态大模型的层次化LoRA分解方法
本文提出PFAdapter框架，通过层次化LoRA分解实现个性化联邦学习中的多模态大模型高效适配。针对分布式网络边缘环境下的协作学习与数据隐私需求，该方法在保持模型性能的同时显著降低通信开销。该工作为构建联邦化、个性化的智能代理系统提供了新的参数高效微调范式，对边缘AI、通信网络及隐私保护应用具有重要参考意义。
Institutional Equity Holdings Prediction Using Node Affinities of Dynamic Graphs
arXiv:2607.12067v1 Announce Type: new Abstract: Institutional equity holdings disclosed in SEC Form 13F filings provide a rich temporal record of portfolio decisions by large investment managers. However, forecasting future allocations and modeling future demand remains challenging due to disclosur
LiteTopK: Exploiting the Curse of Dimensionality for a Fused Indexer-TopK Kernel in Long-Context Sparse Attention
arXiv:2607.11976v1 Announce Type: new Abstract: Indexer-TopK, the operation to compute the scores and select the top-k candidates, is widely used by sparse attention kernels in large language models and vector retrieval in recommendation systems and vector databases. However, existing GPU-based Ind
When Does Reward Teach State? A Hidden-Automaton Instrument and the Group-Language Boundary
arXiv:2607.11953v1 Announce Type: new Abstract: Does a reinforcement-learning agent that earns high reward represent its task's latent state, or only a reward-correlated shortcut? The question is usually unanswerable: the "true state" is undefined. We make it exactly answerable with a white-box ins
Repairing Shape-Prior Shortcuts in Long-Range Single-Shot Fringe Projection Profilometry
arXiv:2607.11928v1 Announce Type: new Abstract: Single-shot fringe projection profilometry (FPP) networks that regress depth directly can exploit a shape-prior shortcut, recovering depth from object boundaries rather than from fringe phase. On a photorealistic synthetic benchmark (15,600 fringe ima
Semidirect Fourier Delta Attention: Phase-Controlled Delta Memory with Constructive Chunk-WY Kernels
arXiv:2607.11897v1 Announce Type: new Abstract: Linear attention replaces softmax attention's growing KV cache with a fixed recurrent state, but this compression limits exact state tracking and long-context memory. We introduce \emph{Semidirect Fourier Delta Attention} (SFDA), a phase-controlled ge
Ring-Zero: Scaling Zero RL to a Trillion Parameters for Emergent Reasoning
arXiv:2607.12395v1 Announce Type: new Abstract: Reinforcement learning with verifiable rewards without human-annotated data, often referred to as zero RL, has emerged as a powerful paradigm for eliciting chain-of-thought reasoning. However, due to computational constraints, existing studies are lar