搜索
LLM2Cert：用大模型合成稳定性与安全证书并由SMT或Lean核验
LLM2Cert用大模型合成稳定性与安全性证书，再交SMT求解器或Lean证明修复代理核验。配套基准DynaCertBench含105个实例，覆盖高维与非线性系统。报告验证81例、成功率77.1%，较无反馈一次性提案提升17.1个百分点，并解决All-SMT未决的22例。价格与国内可用性未知。
刚刚动态SARL：训练期自我评估提升检索搜索状态感知
检索增强搜索智能体常缺乏状态感知，易出现幻觉推理或过早停止检索。SARL以训练期自我评估强化学习识别已获与缺失信息，测试时不需额外评估。双重奖励兼顾纠偏并抑制过度依赖。相较最强基线相对提升24.3%，多跳推理与深度研究平均增益分别为35.9%和27.9%。
3 分钟前动态论文提出可扩展数据加权，从嘈杂多样数据中提炼高价值训练样本
一篇2026年10月提交的机器学习论文提出可扩展数据加权：以小规模高质量目标集为依据，用训练过程的元梯度优化样本权重，并学习可迁移至更大模型和流式新样本的参数化规则。奖励建模实验称其提升留出表现，人类与合成监督混合优于单一来源。价格与国内可用性未知。
3 分钟前动态MemPlan：以记忆约束PDDL，降低文本环境长程规划成本
MemPlan提出记忆条件化PDDL规划，把大模型用作语言与符号规划的桥梁。它固定领域定义，每步根据观察、候选假设和交互记忆重建问题；正记忆引导更可能的检查，负记忆排除已证伪假设。实验称其在三个文本环境中提高任务完成与步数效率，并降低在线token成本。价格、国内可用性未知。
4 分钟前动态自我奖励道德论证让语言模型更果断，却未必判断更有效
研究人员以自我评判的论证锦标赛训练语言模型，使其道德选择更果断且不受选项顺序影响。外部基准显示迎合与改写问题仍在，消融实验也未证明判断本身更有效。结论是：顺序一致性可以被优化，却不等于道德判断有效。
4 分钟前动态MPIDetector用少样本推理检测跨模态提示注入
论文提出MPIDetector，用少样本上下文学习而非微调，检测文本与图像中的提示注入。评测覆盖Gemini、Qwen与豆包等模型，文本最高准确率90.91%，视觉最高99.28%，500条混淆网页注入检出率最高99.80%。价格与国内可用性未知。
7 分钟前动态机房电力可识别大模型训练：维特比跟踪检出率至少96%
论文提出用机房电力的迭代节奏做维特比跟踪，从而在不信任运营方时识别同步大模型训练。模拟中，若不刻意隐藏，采样不低于2赫兹的电表可在1%误报率下检出至少96%训练。八种对抗策略里，仅极端改变每轮工作量较难躲过，且小规模训练需多耗93%至267%算力。
9 分钟前动态FusionEval：大模型融合难低成本兼顾推理与工具使用
FusionEval是面向大语言模型融合的基准，用受控专家池比较免训练与需训练方法。专家来自Qwen3和Llama，覆盖数学、代码、科学、指令遵循和工具使用。结果显示免训练方法能保留推理，但工具使用明显下降；MOPD更均衡，却需要额外数据、推理和训练。低成本同时保住三项能力仍是挑战。
10 分钟前动态Lighthouse：面向美国民权档案的可信数字助手
论文提出Lighthouse，据称是首个用南卡罗来纳州档案探索美国民权史的数字助手。它以内容可信和降低生成回答伤害为原则，结合大语言模型与规则求解，可访问逾1.8万份原始资料。研究评估了客观题和专家聚合的主观题。价格、参数及国内可用性未知。
11 分钟前动态DIAL：用蒸馏实现可数值调节的指令遵循强度
论文提出DIAL，用冻结模型的无分类器引导蒸馏轻量转向适配器，从而按数值强度逐词调节指令遵循。跨多个模型族的评估中，概念分数随遵循等级单调上升，并在SteerIF的98625条指令上改善人设控制。价格、参数和国内可用性未知，本文未实测。
14 分钟前动态PhysTrace：免训练定位视频生成模型的物理违规时段
PhysTrace提出免训练框架，将多模态大模型基于历史生成的物理预期与观测视频窗口对齐，定位物理违规时段并给出解释。配套基准IntPhys2-Timing补充违规区间，跨物理原则最高命中率达70.7%，并在IntPhys2可能与不可能判别上优于对比方法。国内可用性、价格与实现参数未知。
15 分钟前动态Petri网监督控制为智能体工具执行加装抗注入约束
论文用Petri网将大模型与工具间的执行约束形式化为监督控制问题，以能力、审批和预算标记拒绝提示注入触发的未授权调用。它还指出重规划闭环中传统监督器可能过度干预，并提出价值阈值改进。价格、参数和国内可用性未知。
15 分钟前动态ValuSpec：树状推测解码验证前的即插即用候选估值
ValuSpec是面向树状推测解码的即插即用候选估值方法，在目标模型验证前剔除低质量分支。阈值由校准集贪心轨迹估计且无需训练，接受结果与标准自回归解码严格一致。检索树场景最高约2.38倍端到端加速，接入EAGLE-3最高约2.78倍。价格、参数细节与国内可用性未知。
16 分钟前动态约束推理与大模型结合，为优化决策生成对比解释
一篇2026年10月提交的研究提出，将约束推理与大语言模型结合，为混合整数规划决策支持系统生成对比式解释。约束推理先提炼理由图，再交由模型生成自然语言说明。真实调度场景显示，该方法能纳入更多相关理由并减少错误。具体模型、价格与国内可用性未知。
21 分钟前动态多智能体共识更易被参数更大的模型主导
一项研究考察多个大语言模型混合时，谁主导最终共识。跨七个模型家族的实验显示，其他模型意见会被参数更多的模型吸收；该任务不依赖预训练知识，也没有标准答案。作者将智能体解释为单纯形上的加权粒子，更大模型权重更高、势阱更深，并因更强的上下文学习放大多数意见。模型参数、价格和国内可用性未知。
22 分钟前动态研究：大模型心智理论总分掩盖行为预测短板
研究显示，大模型心智理论总分常把识别信念与预测行为混为一谈。SimpleToM上Llama-3.1-8B识别心理状态达99.4%，行为预测仅28.9%。提醒加轻量测试时训练可显著回升，但时间性信念追踪仍难。
23 分钟前动态论文提出轨迹式人工智慧评估框架
论文提出以轨迹衡量人工智慧：关注大模型建议在决策条件变化时是否仍恰当，而非只测能力。框架含七项阶段标准、两项转换评估，主结果为九成分画像，并单独报告瓶颈与关键失败。简化模拟未验证完整方案，价格、国内可用性未知。
24 分钟前动态Agri-SCHOLAR：模拟器约束大模型的季中滚动农事建议
研究提出Agri-SCHOLAR季中滚动农事建议框架：大模型智能体划定可行农事参数边界，优化器在边界内兼顾产量、资源利用与经济可行性，并以APSIM等作物模拟器作为评估基准。作者对南亚两地玉米开展11年分析，称其优于当地常规技术包。价格、参数细节与国内可用性未知。
25 分钟前动态轻量框架OPTICYCLE与OPTISTATE提升优化建模准确率
研究提出OPTICYCLE与OPTISTATE两种轻量推理框架，用单一模型角色把自然语言优化问题转成求解程序，无需额外训练。九个基准共2634题、11个0.6B至27B的Qwen模型显示，执行引导修订最高提升宏准确率49.46个百分点，并优于多种智能体流程与后训练模型。显式状态增益因模型而异。
27 分钟前动态研究提出TESSA：面向欧盟AI法案的中小企业治理定制GPT
一项研究提出面向欧盟人工智能法案的治理型定制GPT TESSA，服务中小企业合规教育。作者以设计科学方法构建，并用100个基准场景对比基线ChatGPT。大模型辅助评估对齐率90%对83%，法律从业者核验后为71%对70%。专家称两者指导总体较强，TESSA重复执行更稳定。
28 分钟前