APRiL：面向大语言模型中文社会意识的开放式基准
APRiL 是一项用于评估大语言模型中文社会意识能力的开放式基准。该研究关注模型在社会互动中理解隐含线索、推断心理状态、识别冲突以及考虑潜在后果的能力。其目标是弥补现有基准在社会互动理解与恰当回应评测方面的不足，为中文 AI Agent 和对话系统的开发提供参考。
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。
12278资讯
12145正文归档
77338媒体
CoTS：用于大语言模型潜在推理的竞争性 Token 选择
论文提出 CoTS（Competitive Token Selection），面向大语言模型中的潜在推理（latent reasoning）。该方向突破了离散思维链（Chain-of-Thought，CoT）的限制，以连续软嵌入或隐藏状态替代采样 Token，从而支持更丰富的中间表示并保留备选推理路径。原文提供的摘要在介绍这一背景后截断，未包含 CoTS 的具体方法、实验数据或性能结论。对开发者而言，这项工作关注如何在连续潜在空间中更有效地选择和组织推理 Token。
AbridgeKV：将长推理压缩至学习型暂停 Token 的 KV 缓存中
论文提出 AbridgeKV，旨在将长链式思维推理压缩到学习得到的暂停 Token 的 KV 缓存中。作者指出，长链式思维解码受内存限制：随着测试时计算量增加，已生成 Token 的 KV 缓存会线性增长。单纯驱逐缓存条目无法解决问题，因为模型并未在缓存条目被移除的条件下接受训练。这一方向有望帮助开发者在保持或扩展推理计算的同时，降低长推理任务的 KV 缓存内存压力。
用于 RAG 声明验证的 Jev-as-a-Judge：在非生成式验证器与前沿 LLM 之间进行置信度门控级联
该研究聚焦检索增强生成（RAG）中的核心验证问题：给定证据是否支持某项声明。作者指出，这本质上是一个二元判断，但许多现有流程依赖文本生成模型完成判断，并为额外生成的自然语言内容付出较高成本。论文比较非生成式验证器与前沿 LLM，并探索通过置信度门控机制将两者级联，以在验证质量与推理成本之间取得平衡。对开发者而言，这一思路可能有助于降低大规模 RAG 事实核验环节对生成式模型的依赖。
MeddeX：结合 Gemini Vision 的检索增强 LLaMA-3 医疗报告循证分析系统
MeddeX 是一个面向医疗报告分析的系统，结合了检索增强生成（RAG）、LLaMA-3 以及 Gemini Vision 能力。论文指出，现代医疗报告日益复杂，给临床专业人员带来显著的时间压力和解读负担。相较于人工审核，MeddeX 旨在提供更具可扩展性、并以证据为支撑的医疗报告分析方式。该工作对医疗 AI 开发者的意义在于，展示了将语言模型、多模态视觉能力和证据检索整合到临床文档处理流程中的路径。
基于阶段分类的实时聊天机器人恋爱诈骗检测
该论文提出了一款通过 Line Messaging API 运行的聊天机器人，用于实时检测社交媒体中的恋爱诈骗。系统结合社会科学领域的七阶段理论与大语言模型，对恋爱诈骗所处阶段进行识别。检测到诈骗后，聊天机器人会利用大语言模型解释当前阶段，并提供防范建议。该研究展示了大语言模型在真实场景反诈应用中的实践潜力，可帮助降低用户遭遇恋爱诈骗的风险。
PRISM：特权兄弟智能体引导的多智能体拓扑设计
论文提出 PRISM（PRIvileged Sibling-guided Multi-Agent Topology Design），聚焦基于大语言模型的多智能体系统（MAS）协作拓扑设计问题。原文指出，LLM 多智能体系统已成为解决复杂问题的有力方法，而其效果关键取决于协作拓扑，即哪些 Agent 参与协作以及它们如何沟通。该研究对开发者的意义在于，Agent 系统的性能不仅依赖单个模型能力，也依赖参与者选择与协作连接方式等拓扑设计。所提供原文仅包含被截断的摘要片段及 BibTeX 引用标题，未提供方法细节、实验数据或结论。
DeepUnfolding_Agent：一个经典—量子自适应控制 API
论文提出 DeepUnfolding Agent，一个基于 schema 驱动 FastAPI 的外部自适应控制服务平台，用于将控制器逻辑从机器学习、联邦学习、量子机器学习及经典—量子混合优化脚本中解耦。外部执行器可注册策略 schema、提交每轮诊断变量、获取受 schema 约束的控制动作，并在完成一轮优化后返回反馈以更新控制器。该框架支持经典、量子感知、混合、Qiskit Aer 以及可选的 IBM Quantum 执行路径，并通过单元测试、API、安全、编排、量子执行、检查点和 Docker 测试进行验证。作者认为，该系统为异构优化工作流提供了可复用、可追踪的自适应控制层，并展示了其在金融、医疗、基因组学、交通、含噪量子模拟和 IBM Quantum 硬件执行中的适用性。
学习何时撤回：微调语言 Agent 的课程覆盖与规则特定失效
论文研究了工具调用语言 Agent 在证据变化或权限被撤销时，如何修订已经准备执行的操作。作者将“选择性撤回”定义为暂停受影响的操作、保留仍有证据支持的工作，并在完成充分修复后再继续执行。研究关注监督微调对这类能力的影响，以及训练课程覆盖不足和特定规则失效可能给 Agent 开发带来的问题。
失败是成功之母：利用 Grounding Hindsight 恢复监督信号
该论文指出，当某个问题的所有 rollout 都失败时，GRPO 既无法获得成功示例，也无法得到非零的组相对优势值。结果是，模型恰恰无法从最需要学习的困难问题中获得训练信号。论文以“Grounding Hindsight”为主题，探讨如何利用失败的推理过程恢复可用于监督和学习的信息；论文编号为 arXiv:2610.21018v1。
MSP：无需配对跨模态数据训练多模态 LLM 的模态自博弈方法
论文提出 MSP（Modality Self-Play，模态自博弈）方法，旨在无需配对的跨模态数据训练多模态大语言模型。作者指出，当前大规模多模态模型的进展依赖扩展模型规模及海量配对多模态数据，但此类对齐数据的采集与整理成本高昂。该工作聚焦缓解配对多模态数据难以获取这一训练瓶颈，对希望利用非配对数据构建或扩展多模态 LLM 的开发者和研究者具有参考意义。
StepSafe：通过上下文感知的安全推理学习及时干预
论文提出 StepSafe，聚焦 Agent 系统中的及时安全干预问题。作者指出，Agent 安全具有天然的序列性：某个动作是否安全，取决于此前的动作、工具输出、信息披露以及多个 Agent 之间的交互。研究强调，安全护栏正从事后对完整轨迹进行评估，转向在执行过程中结合上下文进行推理和干预。这一方向对构建能够实时识别风险、避免不安全操作扩散的 Agent 安全机制具有意义。
MAI-Gym：面向移动端与电脑环境 GUI Agent 评估和强化学习训练的一体化开放平台
MAI-Gym 是一个开放式一体化平台，用于在移动端和电脑环境中开展 GUI Agent 的评估与强化学习（RL）训练。原文指出，基于可验证奖励的在线强化学习已推动数学、编程和工具使用等领域快速进步。相比之下，GUI Agent 的规模化训练仍受制于交互式环境成本高、相关资源稀缺等挑战。该平台旨在为 GUI Agent 的评测和训练提供统一基础设施。
RAC：面向约束驱动工程任务的关系型 Agent 契约
论文提出 RAC（Relational Agent Contract，关系型 Agent 契约），旨在服务需要满足精确且相互耦合约束的工程任务。作者指出，现有方案通常要求 Agent 同时进行语义决策，并从这些决策中推导精确几何、时序等后果，因而容易失效。RAC 的目标是为工程 Agent 的约束表达与任务执行提供更结构化的契约机制，对开发可靠的工程自动化 Agent 具有潜在意义。
SkillNEO：Agent Skills 的非精英进化优化
论文提出 SkillNEO，聚焦通过非精英进化优化提升 Agent Skills。Agent Skills 将程序性知识沉淀为可复用的能力单元，使 LLM Agent 能够基于经验积累和改进专业能力。论文以执行反馈驱动技能的迭代演化，对开发者构建可持续优化、可复用的 Agent 能力库具有参考意义。
多层级 AI 可及性模型（MAIAM）：面向全面前沿 AI 安全的比例化访问与能力限制
该论文提出多层级 AI 可及性模型（MAIAM），探讨如何为前沿 AI 系统设置与风险和能力相匹配的访问机制及能力限制。作者指出，围绕高能力 AI 发布的讨论通常被简化为“通过 API 提供”或“公开模型权重”的二元选择。论文认为，这一框架混淆了两个不同问题：系统可被允许达到何种能力，以及哪些主体可以获得该系统。该模型可能为开发者、平台运营方和监管机构设计分级访问与安全治理机制提供参考。
面向移动物体的预期常识：一个基于 ASP 的交互轨迹预测推理框架
该论文提出了一个通用的声明式框架，用于在复杂动态环境中对交互式运动进行预期推理。研究重点是在语义层面构建可解释的、面向未来的时空心理模型，并以启发式方式引导推理过程。该框架采用 ASP（Answer Set Programming）方法，旨在处理多个移动对象及其轨迹交互带来的预测挑战。对于智能体、机器人和具身 AI 开发者而言，这一工作有助于提升系统对运动场景的可解释预测与常识推理能力。
共同进化，同步失效：自我改进型 Agent 中的技能—策略共同进化陷阱
论文探讨自我改进型 Agent 中技能库与策略模型在训练期间相互促进的“技能—策略共同进化”范式。该范式旨在让 Agent 的策略能力与技能库共同提升，但标题指出，这种紧密耦合也可能导致两者在脱离原有配套环境时共同失效。提供的原文仅包含 BibTeX 引用区标题，未提供完整摘要、实验数据或具体结论，因此无法进一步确认其评估方法与技术细节。
面向评估器引导测试时推理的置信度校准推理扩展
该论文研究评估器引导推理中的测试时决策问题：系统在每一步需要决定信任当前答案、返回备选答案，还是投入更多推理计算。作者将这一选择建模为一种计算感知的三动作控制器，并对终止动作进行预测评分。该方法旨在通过置信度校准，更有效地分配推理时计算资源，对需要在质量、成本与延迟之间权衡的开发者和 Agent 系统具有参考意义。
面向文本生成视频的时序规范引导
文本生成视频模型通常能生成自然语言提示词所要求的视觉概念，但可能无法满足预期的顺序、时机和持续性要求。论文提出将这些要求表示为形式化规范，以引导视频生成。所提供的摘要在介绍该形式化规范时被截断，正文也未提供具体方法或实验结果，因此无法判断其效果。
能够自主扩展 DSL 的自我改进 Agent：面向精确问答的无预言机算子归纳
这篇论文提出一种自我改进 Agent：在没有奖励、评判模型或答案标准的情况下，通过双重循环扩展精确问答能力。内循环要求两个独立编写的表达式在每条记录上的结果一致，外循环则通过独立实现和守恒定律检验新算子。实验中，内循环使可回答问题集合约增至三倍；算子准入规则在独立参考实现的检验下，拒绝了全部 138 个存在缺陷的算子变体。同一机制未经修改即可迁移至业务账本和临床就诊问答领域，使可回答问题集合分别增长十余倍和近二十倍，为开发者构建可验证的自扩展 Agent 提供了一种思路。
当推理轨迹与证据冲突：答案配置如何塑造证据遵循
该研究探讨了在生成答案时保留的推理轨迹所发挥的双重作用：它既可能提升回答准确率，也可能在与当前证据不一致时干扰模型对证据的遵循。研究通过交叉组合经过验证的不同证据版本，以及基于各版本生成的推理轨迹，来拆分并分析这两种作用。该工作表明，答案配置会影响模型在既有推理与新证据发生冲突时的决策方式，对构建更可靠、可控的 AI 推理和问答系统具有意义。
EvolvingBrain：面向开放世界多模态 Agent 自我进化的自适应技能系统
论文《EvolvingBrain》提出一种面向开放世界多模态 Agent 自我进化的自适应技能系统。作者指出，尽管多模态 Agent 在与开放世界交互方面已取得显著进展，但其自我进化能力仍然有限。摘要认为，监督微调能够支持模仿，却无法让 Agent 主动组织经验；原文提供的摘要在关于基于结果的强化学习的论述处截断。该研究关注如何提升 Agent 在开放环境中的持续学习与技能演化能力。
ARIA：面向多智能体系统的运行时检查与修正
论文提出 ARIA，旨在应对基于 LLM 的多智能体系统（MAS）中局部错误向后续智能体传播的问题。原文指出，一个原本可修正的错误可能因其他智能体在其基础上继续工作，最终导致整个任务失败。该研究聚焦于在运行时检查并修正多智能体执行过程，而非仅在任务完成后诊断或反复重跑。由于所提供原文仅包含截断的摘要和引用区域标题，未给出 ARIA 的具体方法、实验数据或结论。
IneqAgent：结合符号计算的 Lean Agent 不等式证明
IneqAgent 是一个结合大语言模型推理与符号计算的 Agent 框架，面向 Lean 中的不等式证明。原文指出，形式化不等式证明需要数学推理和精确计算，并经常通过中间引理及目标重述将二者连接起来。所提供的摘要在框架介绍处截断，未包含实验数据、性能结论或对开发者的具体意义。
AlphaDiana：用于衡量 Agent 在可验证推理任务中表现的系统
AlphaDiana 是一个用于衡量 Agent 在可验证推理任务中表现的系统。Agent 将推理模型与运行框架结合，由框架组织模型调用、执行工具、加载技能指令，并在记忆中保留历史记录。要理解 Agent 的表现，需要将执行条件与任务结果、行为及资源使用情况联系起来。
基准测试饱和后如何评估模型能力
AI 能力的快速进步正导致部分基准测试趋于饱和。当多个模型的得分接近满分时，这些测试便难以区分模型之间的能力差异。这也削弱了基准测试为 AI 安全论证和前沿 AI 政策提供依据的作用。
世界不会等待：在真实时间约束下评估和训练 Agent
大语言模型（LLM）Agent 能够解决复杂的交互任务，但推理和工具调用都需要时间。在持续变化的环境中，即使操作本身正确，也可能因执行过晚而失效。论文提出 RealtimeBench，包含 180 个任务，用于评估相关问题。提供的摘要在任务分布处截断，正文也未包含具体评测方法或结果。
SPARED：基于对抗性编辑数据的推理型 AI 生成图像检测
该论文提出 SPARED，关注基于推理的 AI 生成图像检测问题。论文指出，部署中的检测器不仅需要判断图像是否由 AI 生成，还必须能够为其判定提供解释。摘要认为，现有检测器从训练数据中继承了三类失败模式，其中之一是将真实图像与伪造图像采集自不同来源，容易引入来源偏差。由于所提供原文仅包含摘要片段，未展示方法细节、实验数据和完整结论。
用于基于文本的行人异常检索的异构视觉语言集成与分歧感知重排序
该论文研究基于文本的行人异常检索任务，即根据自然语言描述，从大规模图像库中检索具有异常行为的行人。与传统的基于文本的行人检索相比，该任务需要更细粒度地理解行人行为及其异常特征。论文提出采用异构视觉语言模型集成，并通过分歧感知重排序提升检索结果。该研究对开发面向公共安全、视频监控和异常行为分析的多模态检索系统具有参考价值。