独立 AI 资讯库
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。
arXiv:2607.09474v1 Announce Type: new Abstract: Large language models (LLMs) have shown increasing promise in solving open problems in mathematics. However, their performance can be further improved through agentic workflows tailored to real-world mathematical practice. To this end, we introduce Pr
arXiv:2607.09403v1 Announce Type: new Abstract: Worldbuilding, the construction of coherent fictional worlds, is a foundational task in game design and literary creation. Large Language Models (LLMs) offer new possibilities for automated content generation, but their application to worldbuilding fa
arXiv:2607.09330v1 Announce Type: new Abstract: Embodied agent teams powered by heterogeneous large language models (LLMs) are being widely deployed in physical artificial intelligence such as smart factories, warehouses, and service robotics. To enable collaboration among such an agent team, effic
arXiv:2607.09322v1 Announce Type: new Abstract: In this work, we introduce LongMedBench, a real-world EHR-based benchmark for long-horizon clinical decision-making. Prior evaluations of LLM-based medical agents have largely emphasized short-context knowledge QA and tool use. However, real-world med
arXiv:2607.09217v1 Announce Type: new Abstract: In this system paper, we present OpenProver, an open-source system for LLM-driven automated theorem proving (ATP) with integrated Lean 4 formal verification. OpenProver integrates a Planner-Worker-Verifier architecture inspired by recent ATP agentic s
arXiv:2607.09195v1 Announce Type: new Abstract: Large language model (LLM) agents are increasingly expected to play a central role in AI-driven scientific discovery. Equipped with broad knowledge, flexible reasoning, and tool use, they have the potential to autonomously explore and solve scientific
arXiv:2607.09175v1 Announce Type: new Abstract: Deployed LLM agents rely on agentic context, the model-external textual control content assembled by an operational harness. In this work, the mutable component of that context is a persistent system-level instruction that is updated from operational
arXiv:2607.09153v1 Announce Type: new Abstract: Process Reward Models (PRMs) have been proven to be highly effective in guiding test-time scaling (TTS) methods, which significantly boost the capabilities of LLM-based multi-agent systems. However, existing PRMs are text-based: they re-encode the ent
arXiv:2607.09142v1 Announce Type: new Abstract: Large language models (LLMs) are increasingly deployed in online medical consultation, yet existing benchmarks remain poorly aligned with real clinical practice. Many rely on synthetic conversations or patient simulators, omit patient-uploaded medical
arXiv:2607.09099v1 Announce Type: new Abstract: While multi-agent debate (MAD) frameworks have shown significant potential in general reasoning, their effectiveness in highly structured, knowledge-heavy legal domains remains under-explored. In this work, we introduce the Legal Multi-Agent Debate (L
arXiv:2607.09076v1 Announce Type: new Abstract: Cyberattacks on operational technology are increasingly causing costly downtime and physical damage, exposing the limitations of traditional rule-based monitoring in industrial IoT environments. While Large Language Models (LLMs) have strong semantic
arXiv:2607.09059v1 Announce Type: new Abstract: We present ARCANA, a collaborative multi agent framework for solving ARC AGI 2 tasks under strict test time and hardware constraints. ARCANA decomposes each task into iterative perception, hypothesis generation, symbolic execution, and reflective refi
arXiv:2607.08964v1 Announce Type: new Abstract: AI agents have become capable of autonomously completing short, well-specified tasks. However, existing terminal benchmarks largely focus on simple problems that finish within minutes and are evaluated only by their final outcome. This setup overlooks
arXiv:2607.08894v1 Announce Type: new Abstract: Large Language Model (LLM) agents have shown promise in multi-step planning tasks, but existing approaches like LATS (Language Agent Tree Search) and ReAct rely heavily on LLM inference during planning, leading to high computational costs and stochast
该论文提出了一种轻量级速度校正框架，旨在提升少步文本生成图像模型的指令遵循能力。少步生成器虽然只需少量网络前向传播即可生成高质量图像，但在包含多个主体、交互关系、空间关系、计数和属性绑定的复杂提示词上仍容易出错。该研究关注能否降低这类生成错误，这对追求低推理成本与高提示词一致性的图像生成开发者具有参考意义。
论文《CaptchaAgent：用于 CAPTCHA 求解的可验证视觉推理》以 arXiv:2610.12866v1 形式发布。摘要指出，现代推理型 CAPTCHA 要求具备细粒度视觉感知、组合式关系推理以及基于浏览器的落地交互能力。论文认为，端到端视觉语言模型 Agent 在这一场景中仍较为脆弱，漏检目标、计数错误或关系混淆都可能导致失败。该研究对开发可靠的 CAPTCHA 自动化求解与可验证视觉推理系统具有参考意义。
该论文提出了一种用于 Referring Audio--Visual Segmentation（Ref-AVS，指代音视频分割）的方法，题为“Shift-Aware Identity-Guided Latent Refinement”。Ref-AVS 要求系统依据同时结合视觉与听觉线索的自然语言表达，准确识别并分割特定对象。论文摘要片段表明，该任务属于新兴的多模态任务；但所提供原文未包含完整摘要、方法细节、实验数据或结论。该研究面向需要融合语言、画面和声音信息的多模态理解与分割应用。
WoodBR-Cross 是一个面向木材横切面图像树种识别的公开数据集与评测基准。该数据集包含 4,875 张横切面图像，覆盖 38 个操作分类类别，并关联到 303 棵不同的树木个体。论文指出，若同一棵树的图像同时出现在训练集和测试集中，木材图像基准可能会产生过于乐观的性能估计。该基准通过按个体树进行数据隔离，为开发者和研究人员提供了更严格、更接近实际泛化能力的评测方式。
论文提出 ForcingBooster，一种用于加速自回归视频扩散模型的自适应分块去噪方法。其目标是改善实时交互式视频生成和视频世界建模中的推理效率。摘要指出，现有方法在生成后续视频内容时通常在空间维度上均匀分配计算资源，而 ForcingBooster 旨在通过按图像块自适应地进行去噪来优化这一过程。该方向对需要低延迟视频生成能力的开发者和视频 Agent/世界模型系统具有潜在价值。
TerraAgent 聚焦遥感视觉问答（RS-VQA）中的长上下文推理问题，并采用示例驱动的多智能体推理方法。论文指出，RS-VQA 的答案应当真正依赖图像证据，但现有遥感多模态大语言模型（RS MLLMs）主要以准确率进行评估。仅凭准确率难以判断模型给出正确答案时是否真正基于图像内容进行推理。原始材料未提供完整摘要、实验数据或具体方法细节。
论文 TraceICL 提出了一种面向交错式多模态上下文学习（ICL）的方法，用于提升冻结大型视觉语言模型（LVLM）的任务适应稳定性。作者指出，少量图文问答示例虽然可让模型学习新任务，但现有方法容易出现示例与错误图像绑定、示例冗余等脆弱性问题。TraceICL 通过线程解析的示例整理和一致性校准来改善示例质量，旨在增强多模态 ICL 的鲁棒性。该工作以 arXiv:2610.12516v1 的新论文形式发布，对依赖提示示例而非微调的多模态应用具有参考价值。
论文 CORAL-KV 聚焦自回归视频扩散模型中的注意力键值（KV）缓存压缩问题。随着视频生成长度增加，KV 缓存会持续增长，内存占用成为主要瓶颈。该工作提出结合跨层预测与残差编码的紧凑表示方法，旨在降低视频 KV 缓存的存储成本。该方向对需要进行长视频生成、部署资源受限推理服务的开发者具有重要意义。
论文将数百种参数高效微调（PEFT）方法视为从小型参数空间映射至权重空间的光滑映射，而非仅按参数量和基准分数进行比较。作者以映射的局部像、纤维及基变换为核心不变量，分析表达能力、训练动力学，以及初始化、量化、重启和模型合并等操作。论文给出 LoRA、Householder 反射适配、正交方法和 Adam 优化等多项理论结论，并按七个公式特征坐标分类了来自 138 篇论文的 382 种方法。该工作为开发者比较 PEFT 方法的可表达性、优化行为与结构约束提供了一套统一的数学框架。
该论文关注语言模型 Agent 在长时间交互流中的在线适应问题。作者指出，Agent 需要通过持续学习应对数据分布变化，而现有 Agent harness 通常仅通过前向推理更新状态，难以支持有效的持续学习。由于提供的原文仅包含摘要片段和引用标题，尚未披露具体方法、实验数据或性能结论。该研究对构建能够长期运行、持续适应任务变化的 Agent 开发框架具有潜在意义。
论文提出 SynAct，旨在为执行多步骤工作流的 LLM Agent 提供协同主动反馈学习机制。作者将 Agent 的失败区分为两类：可通过后续尝试修复的可恢复失误，以及仅靠重试无法解决的知识缺口。针对知识缺口，专家反馈可能是必要手段；该研究关注如何更有效地利用有限的专家注意力。原始材料仅提供了截断的摘要，未包含实验结果、数据集或具体方法细节。
这篇论文研究如何利用机器学习和时间序列基础模型，对大学建筑进行日前电力需求预测。日前预测可帮助建筑运营人员根据预期负荷安排供暖、通风及其他服务。论文指出，选择预测模型时不仅要权衡准确率，还需考虑预测阶段的输入需求、本地训练要求及相关成本等实际因素。
这篇 arXiv 论文探讨自进化 Agent 如何在无需人工干预的情况下改进语言模型系统。现有方法通常将模型权重更新与 Harness（运行框架、提示词及工具编排等）改进视为彼此独立的优化方向。论文题目表明，其研究重点是让权重与 Harness 进行协同进化，以持续改进 Evolver。该方向可能为开发者构建更自动化、更具适应性的 Agent 系统提供新的优化思路。
该论文探讨监督微调（SFT）在大语言模型后训练阶段应学习哪些信息，以提升泛化能力。摘要指出，固定示例能够直接向模型引入所需的推理策略与行为模式，因此 SFT 仍是常用的后训练方法。论文标题表明，作者将以“条件信息增益”为核心视角分析或指导 SFT 数据与目标的选择，这对开发更具泛化性的训练流程具有意义。
论文《SEEDS：面向搜索 Agent 的预览引导式证据准入》以 arXiv:2610.12932v1 的新论文形式发布。该研究关注为大规模推理模型提供多轮外部知识访问能力的搜索 Agent。摘要指出，现有系统通常将证据检索与证据消费混为一谈，检索到的文档往往按照固定规则或排序结果被直接纳入推理过程。SEEDS 提出以预览信息引导证据准入，旨在改善搜索 Agent 对外部证据的选择与使用方式。
该论文提出“预测状态流”（Predictive-State Flows），重新审视连续扩散语言模型（DLM）中扩散与解码模块的分工。论文指出，DLM 的扩散先验生成的潜变量通常会通过解码器或词元嵌入矩阵近乎确定性地映射为词元。作者强调，这一机制不同于图像生成：图像中的视觉细节可以存在变化，而语言词元映射具有更强的确定性。该研究或将为并行语言生成模型的架构设计及扩散式语言模型的训练与推理方式带来新的思路。