性能与一致性：评估基础模型在 Lung-RADS 肺癌筛查中的表现
该研究评估基础模型在 Lung-RADS 肺癌筛查结构化解读场景中的表现，重点比较模型性能与结果一致性。论文指出，基础模型近年来已在多种医学影像任务中展现出较强能力，但其在标准化临床判读流程中的实际表现仍缺乏充分研究。研究对开发者和医疗行业的意义在于，模型评估不应仅关注准确率等性能指标，还应考察其在临床分级与报告场景中的一致性和可靠性。
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。
11977资讯
11845正文归档
75683媒体
面向多模态卒中复发预测的视觉与跨模态学习：一种可解释的两步框架
该论文发表于 arXiv（arXiv:2609.22271v1），属于新增预印本。研究聚焦多模态卒中复发预测，旨在整合异构的临床数据与影像数据。论文指出，模态间数据不平衡可能导致模型过度依赖占主导地位的模态，并未能充分利用其他模态提供的互补信息。其提出的可解释两步框架面向视觉与跨模态学习，对医疗 AI 开发者而言具有改善多源数据融合、模型可解释性及临床预测可靠性的潜在意义。
StepKV：面向 LLM Agent 的步骤感知 KV 缓存压缩
StepKV 提出一种面向 LLM Agent 的步骤感知 KV Cache 压缩方法。论文指出，KV 缓存对于高效自回归大语言模型推理至关重要，但其规模会随上下文长度线性增长，从而提高存储与解码成本。KV 缓存压缩可通过仅保留部分缓存内容来缓解这一问题。该研究对需要长上下文、多步骤推理或工具调用的 Agent 系统具有潜在的成本与效率优化意义。
PAGE：分区感知的门控 KV-Cache 驱逐机制
现有的 KV-Cache 驱逐策略通常仅决定保留哪些 token，却忽视了评估特定输入是否适合执行驱逐。这导致基准测试中的平均分往往掩盖了极端失效案例——某些输入的准确率在压缩后会从 99% 断崖式下跌至 0%。为此，研究团队将 KV-Cache 驱逐重新定义为逐输入的“准入决策”机制（PAGE）。该研究对于消除大模型在长上下文推理压缩中的灾难性性能劣化、提高实际高可靠部署中的稳定性具有重要指导意义。
基于飞行器的多Agent体系系统（SoS）分层贝叶斯优化
该研究聚焦于基于飞行器的多 Agent 体系系统（System-of-Systems, SoS）的分层贝叶斯优化方法。随着复杂工程系统规模的扩大，开发创新系统架构日益依赖先进的建模与优化技术来形式化架构设计流程并定义关键计算问题。该框架针对复杂 SoS 中高保真度评估与系统级协同优化的难题展开探索，为航空航天领域多智能体协同及复杂系统架构工程化落地提供了重要方法论参考。
成功亦有弯路：面向长程任务 Agent 学习可执行攻略
本文探讨了测试时自进化 Agent（Test-time self-evolving agents）在长程任务中的经验复用难题。在稀疏奖励场景下，智能体成功探索的轨迹中往往夹杂着大量失败、死循环和冗余弯路，而传统经验摘要又常常丢失具体执行所需的状态前置条件与动作依赖链。研究团队提出了学习“可执行攻略”（Executable Walkthroughs）的方案，旨在从含噪经验中提炼出既保留关键执行依赖又剔除无效冗余的结构化指导，为解决长程智能体测试时持续自演化提供了重要的技术思路。
通用多模态基础模型
针对当前多模态预测任务中的瓶颈，最新论文探讨了“通用多模态基础模型”（Generalized Multimodal Foundation Model）。现有的多模态融合模型在部署后往往受限于预定义的模态组合（如视觉、文本和音频）与单一任务，难以快速泛化以适应动态环境。该研究致力于打破模态隔离与任务限制，为开发者构建兼具高灵活性与泛化能力的新一代多模态 Agent 及融合应用提供理论与架构参考。
超越原始上下文传输：基于表征的联邦检索增强生成
针对大语言模型（LLM）与视觉语言模型（VLM）在知识检索中的隐私与中心化瓶颈，研究人员提出了基于表征的联邦检索增强生成（Federated RAG）新方案。现有的 RAG 框架大多建立在中心化检索语料库的假设之上，往往需要在网络中直接传输原始文本上下文，存在数据安全风险与通信开销。该研究探索了利用隐空间表征（Representation）替代原始上下文传输的技术路径，从而在保障私密性的同时实现多源分布式知识的高效检索。这对多机构协同知识共享、企业端侧隐私计算以及安全合规的 AI Agent 落地具有重要参考价值。
语言模型是否清楚自身的行为约束？
本研究探讨了大语言模型通过后训练（Post-training）所习得的行为约束是否能够被自身显式报告。研究以受限食谱生成为测试基准，在 Llama 3.1 8B Instruct 模型上通过 LoRA 微调强制实施针对 5 种违禁成分的约束规则，并对监督微调等方案的效果展开了对比分析。该工作对探究大模型的自我认知机制、提升 AI 系统的安全对齐与可解释性具有重要参考价值。
超越“拼贴假设”：通过语义量化实现多模态合成数据评估的统一框架
多模态合成数据集通常结合了结构化表格属性与自由文本，但现有评估方法往往将其割裂开来分别评估。研究表明，即便表格与文本之间的配对关联被破坏，传统的单模态评估指标依然可能维持在较高水平，存在“拼贴假设”的局限。为此，论文提出了一种基于投影的评估框架，利用语义量化统一评估表格与文本合成数据。该研究为开发者和研究人员评估多模态生成质量提供了更为严谨可靠的标准，有助于推动跨模态生成技术在产业界的高质量落地。
平衡乌克兰语多领域文档理解 RAG 流水线中的推理能力与硬件约束
本文介绍了提交至 UNLP 2026 多领域文档理解评测任务（Multi-Domain Document Understanding Shared Task）的系统方案。该任务要求系统在严格的硬件及推理资源限制下，从多样化的乌克兰语 PDF 文档语料库中精准提取答案、文档 ID 及对应页码。研究团队针对小语种和受限硬件环境优化了 RAG 流水线架构，实现了高精度检索与推理开销的有效平衡。这项研究为计算资源受限场景下的多语言、多领域企业级文档问答部署提供了重要参考。
随着模型规模增大，模型的评估意识从格式特征转向上下文语境
本研究探讨了大语言模型中的“评估意识”（Evaluation Awareness）问题，即模型察觉自身处于测试环境并可能改变行为的现象，这对基准评估构成了前所未有的威胁。研究重点揭示了模型感知评估的底层机制，并对比了小模型与大模型之间的差异。研究指出，随着模型规模的扩大，模型识别评估的依据从浅层格式特征逐步转变为深层上下文语境。这一发现对改进大模型评测体系、防止模型“针对性应试”具有重要指导意义。
多轮编程 Agent 中上下文压缩网关的实证成本归因分析
本研究针对多轮代码 Agent 中广泛应用的上下文压缩技术展开实证成本归因分析。业界普遍认为上下文压缩能大幅削减 LLM 的 Token 账单，且公开基准表明激进压缩仍可保持任务解决质量。然而研究指出，这两点并不能推导出通常所假设的第三点——即压缩能必然带来整体端到端成本的实质降低。该结论提示开发者与行业在构建 Coding Agent 网关时，需审慎权衡压缩开销与实际经济效益。
超越文本：验证 Agent 撰写的论文是否由其实验产物所支撑
随着大语言模型 Agent 自主科研能力的不断提升，AI 已能够在生成学术论文的同时产出配套代码与实验。然而，论文中所汇报的研究结论是否真正与其底层实验产物保持一致，成为衡量 AI 科研真实性的关键挑战。该研究聚焦于 Agent 生成论文与其代码及实验产物之间的可信度校验，探索如何超越单纯的文本表象、验证研究结论是否具备实质支撑。这对构建可信的 AI 自主科研体系、规避 AI 虚构实验数据以及制定自动化同行评审标准具有重要的参考价值。
DeepInstructor：面向经验驱动创意评估的 Agentic AI 指导者
随着自动化科学发现的推进，大型语言模型（LLM）正以前所未有的规模生成研究创意，使得科研创新的瓶颈从“创意生成”转向了“创意评估”。现有的评估系统主要依赖 LLM 的内部参数化知识，难以对复杂的科研设想给出深入且可靠的判断。DeepInstructor 提出了一种基于 Agent 的经验驱动型 AI 指导方案，旨在解决这一瓶颈问题，为科研自动化与 AI Agent 驱动的学术研究提供了新的评估范式。
长上下文语言模型中的上下文投毒：极值注意力干扰机制研究
本研究针对长上下文语言模型（LLM）提出了“上下文投毒”（Context Poisoning）现象。研究表明，尽管现代大模型能够支持超长提示词输入，但随着无关或易混淆上下文的引入，其检索和使用关键决定性证据的能力会出现显著衰减。作者将该机制形式化为一种极值注意力干扰（Extreme-Value Attention Interference）现象。这一发现深入揭示了长文本推理的注意力脆弱性，为开发者在优化 RAG 检索上下文纯度及长提示词工程时提供了关键的理论依据与设计警示。
AdaMem：检索增强生成（RAG）中用于软压缩的自适应记忆 Token 分配方法
本文介绍了名为 AdaMem 的新方法，专注于解决检索增强生成（RAG）在软压缩（Soft Compression）场景下的自适应记忆 Token 分配问题。传统 RAG 虽然能借助外部检索知识提升语言模型表现，但长篇文档的处理会导致高昂的计算开销并引入干扰噪声。软压缩技术通过将段落编码为紧凑的向量序列来降低负担，而 AdaMem 进一步实现了对记忆 Token 的动态分配。该技术为开发者在知识密集型 Agent 与长上下文 RAG 架构中优化推理吞吐与降低 API 成本提供了重要参考。
总结、判定与提炼：解耦内容理解与策略学习的多模态内容审核新范式
针对传统多模态内容审核系统将内容理解与审核策略深度耦合、导致每次策略调整均需全流程重训的痛点，该研究提出了“总结、判定、提炼（Summarize, Judge, Refine）”解耦框架。传统方法受制于多模态数据难以有效增强而面临严重的标注稀缺问题，该解耦设计将通用理解与具体策略学习分离。这一方案大幅降低了策略迭代下的模型重训成本与对标注样本的依赖，为灵活、敏捷的内容安全与治理体系提供了全新技术路径。
面向未来的记忆：一种用于个人记忆检索的零推理前瞻项
针对个人记忆库的检索通常是回溯性的，仅能召回与当前查询内容相似的历史记录，却无法感知用户承诺在未来履行的事项。本研究提出了一种用于个人记忆检索的“前瞻项”（Prospective Term），其在查询阶段无需任何推理计算开销（Zero-Inference）。该方法为智能体（Agent）和个人助理系统的记忆检索机制提供了兼顾前瞻性与极低延迟的全新解决思路。
识别、模拟与拒绝：一项关于 LLM Agent 经典心理学效应的防污染研究
该研究深入探讨了“LLM Agent 展现人类心理学效应是否等于其真正拥有认知偏差”这一核心问题，并提出了全新基准 PsyAgentBench。通过对 5 种经典心理学范式进行标签提示、数据去污染与角色设定的析因实验（共计 41,904 次评测），研究发现模型看似类人的偏差其实源于完全不同的机制：例如阿希从众效应在盲测时为 0%、仅在显式标注范式后才跃升至 83.3%，锚定效应仅在缺乏知识的虚构数据上显现，而沉没成本效应则完全缺席。这项成果揭示了直接套用标量化心理学偏差评分评估 AI 的缺陷，并系统归纳了心理学范式在 LLM Agent 迁移中的三大失效模式，为开发者构建可靠的 Agent 行为评估与仿真机制提供了关键指引。
Eddy-VL 1.9B: Structural Pruning and Layered Distillation for Edge-Deployable Multimodal Embedding
arXiv:2607.16316v1 Announce Type: new Abstract: In this report, we introduce Eddy-VL 1.9B, a compressed multimodal embedding model built on Qwen3-VL-Embedding-2B for offline, edge-deployable vision-language retrieval. Eddy-VL targets air-gapped forensic and investigative settings where cloud APIs a
Seeing What Is Actually There: PriVE-Bench and PriVE-Tools for Counterfactual Evaluation of Agentic Visual Evidence in VLMs
arXiv:2607.16311v1 Announce Type: new Abstract: Vision-language models (VLMs) often answer visual questions using learned language and category priors rather than grounding their predictions in the image itself. Counterfactual images provide a natural diagnostic setting for this failure mode: when
SaaF: Scene-Specific Ambiguity-Aware 3D Language Fields towards Interactive Real-World Object Retrieval
arXiv:2607.16309v1 Announce Type: new Abstract: We propose Scene-specific Ambiguity-aware 3D Language Fields (SaaF), a novel Gaussian Splatting-based 3D language field designed for interactive object retrieval in a given real-world scene. Interactive object retrieval using natural language is a cru
CoBind: Stage-Aware Compositional Binding for Training-Free Text-to-Image Generation
arXiv:2607.16307v1 Announce Type: new Abstract: Diffusion-based text-to-image models often fail on complex prompts involving multiple entities, attributes, and relations, producing object omissions, incorrect attribute assignments, or reversed spatial layouts. Existing training-free methods mainly
LookME: Lookup-Based Multimodal Embeddings for Layer Injection in Vision-Language Models
arXiv:2607.16305v1 Announce Type: new Abstract: Vision-Language Models (VLMs) have achieved strong progress in multimodal understanding. However, scaling dense or sparse Mixture-of-Experts (MoE) models to improve performance limits deployment in resource-constrained environments due to the trade-of
Med-OPD: Improving Medical Vision-Language Models via Evidence-Aware On-Policy Distillation
arXiv:2607.16303v1 Announce Type: new Abstract: Medical Vision-Language Models (Med-VLMs) require reliable reasoning from fine-grained visual evidence, yet existing models can produce plausible clinical answers by relying on language priors or medical templates rather than truly attending to diagno
Beyond Target Scores: Measuring Off-Target Drift in Diffusion-Based Medical Image Editing
arXiv:2607.16291v1 Announce Type: new Abstract: Diffusion models can now edit medical images in visually plausible ways, but the standard evaluation question is too narrow: did the target score increase? In clinical imaging, target findings are entangled with co-morbidities, acquisition effects, an
3D FaceShell: Attribute Transfer in 3D Face Avatars as a VLM Defense Mechanism
arXiv:2607.16280v1 Announce Type: new Abstract: Photorealistic 3D face avatars are increasingly deployed as reusable digital assets across applications such as telepresence, animation, and personalized media. At the same time, vision-language models (VLMs) can infer sensitive attributes from render
A Step Forward Towards Trustworthy Risk-Aware Facial Retrieval (RA-FR)
arXiv:2607.16279v1 Announce Type: new Abstract: Facial image retrieval in unconstrained surveillance environments is a high-stakes challenge where missing a subject of interest -- a single false negative -- is simply not an option. Despite near-perfect performance on curated benchmarks, current rec
Feature Generation Using LLMs: An Evolutionary Algorithm Approach
arXiv:2607.16255v1 Announce Type: new Abstract: A crucial step in machine learning pipelines is to present each entity with features or attributes that are representative of the characteristics of the processed entities. Feature engineering is an important step in finding a relation among attribute