AI 论文与研究

针对用户个性化反馈稀缺导致轻量对齐器难以训练的问题，研究者提出近似帕累托最优（APO）方法，先按更新兼容性对用户分组，再结合梯度下降与受控上升协调相互竞争的目标，学习支持少样本适配的对齐器初始化。在 Fed-ChatbotPA 和 UltraFeedback 上，仅用 20 个本地样本即持续优于现有方法。

一项 arXiv 论文在受控检索环境中测试七个智能体，发现它们对失效信源的结果 97-100% 判为无用，却大多不据此停止调用。提示词线索只改变停止时机而非停止依据，预算声明会让 7-8B 模型拖到截止点；只有让智能体在连续五次判为无用后强制给出回答的整合步骤，停止行为才跟随证据，该规则在预注册的 300 个新问题上复现有效。

LoGRA 通过低秩梯度草图保留学习信号，将 LLM 强化学习后训练的平均训练内存最多降低 45.7%，且不牺牲性能。该方法结合 predicted-KL 步长控制，避免过大更新破坏训练，并能在单个八卡节点上稳定训练 27B 参数模型超过 1,100 步，而稠密 Adam 在此场景下会内存耗尽。代码已在库中开源。

研究将先验数据拟合网络（PFN）的表征用于表格异常检测，提出免微调方法 ZEN 与微调方法 FOCUS。在 ADBench 基准上，ZEN 的平均 AUROC 高于所有基线，FOCUS 进一步提升，且方法可跨 PFN 模型泛化。研究基于冻结的 TabPFN 特征，用样本到最近邻的特征空间距离打分，并筛选适用层与特征提取流程。

InterMimicGen 是一个自演化动作模仿框架，让机器人动作数据与跟踪策略相互促进，将稀疏、异构的人-物交互动捕数据重定向为人形机器人参考动作。它训练出基于物理的通用跟踪器，在带灵巧手的人形机器人上于仿真中执行这些动作，并通过数据飞轮迭代扩充可执行动作，最终迁移到真实机器人。

TextReg 是一个正则化框架，通过正则化文本梯度实现软惩罚目标，缓解 LLM 提示词优化中的分布过拟合问题。

研究者提出 ACG-Bench，一个面向双臂视觉-语言-动作模型臂级组合泛化的基准，包含 8 个任务族、23 个任务-条件对，其中 17 个为未见过的组合。

Stepped MoE 提出一种统一框架，将弹性结构与稀疏门控架构结合，让单一模型可在 1、2、3、4 billion 参数间灵活切换。该模型在知识密集型基准上比同规模稠密模型准确率高 2-5%，延迟与稠密模型相当，并通过共享参数节省设备磁盘空间，适配端侧 DRAM 与算力限制。

针对 VLA 模型推理昂贵导致机器人走走停停的问题，研究者提出 RACE（Reliable Action-Chunk Extension）框架，通过辅助的一步去噪过程预测子技能切换时机并以此约束动作生成。

MiniCorp 是一个用于研究 AI 智能体如何集体运营公司并规模化生成企业数据的办公模拟器，以电商公司为演示场景。它连接外部市场世界（客户、动态竞争对手与市场机制）和内部智能体世界，智能体观察事件、讨论选项并做出战略决策，决策会持续影响市场并形成反馈闭环。

研究者提出 Empirical Variational Autoencoder（EVA），一种面向连续值（非向量量化）序列的通用生成框架。EVA 基于 VAE 的证据下界，仅需在 VAE 之上增加一个线性层，即可从训练数据中经验地学习自回归隐先验，替代传统标准高斯约束，缓解先验与后验之间的隐分布差距。在图像与声音合成实验中，EVA 生成质量与自回归扩散基线相当，但推理速度显著更快。

Apple 与斯坦福大学研究者设计了两款采用 Wizard of Oz 技术的开放式探针，让用户训练基于自身定义现象的个人化机器学习系统，并在为期一周的探索性研究中日常使用。研究识别出四类本体论边界协商场景：现象边界、作为关系一部分的主体、何为信号何为噪声，以及数据的客观性。论文已被 ARES 2026 的 AI4TCI Workshop 接收。

WildMatch 提出一种弱监督适配方法，仅用身份标签即可将预训练关键点匹配器迁移到野生动物重识别任务，无需关键点级或几何对应标注。该方法用预训练匹配器挖掘信息量高的图像对，从身份一致性中导出弱正负监督，对比微调匹配网络以强化同身份对应、抑制异身份对应。在多个开源野生动物重识别数据集上，其准确率超过现成匹配器和一种 SOTA 局部-全局融合方法，并在留出个体的开放世界协议下学到可迁移的对应先验。

一篇 SoK 系统梳理了 139 个论文家族，按决策接口、执行路径与校验归属分类。其中 50 个家族声称其引擎适配控制回路或时间预算，仅 4 个给出匹配测量；全部 139 个中只有 4 个报告截止时间达成情况。缺口集中在决策不含确定性计算步骤之处：72 个家族提出 22 项声称，无一有支撑，仅 2 个指明覆盖责任方。

研究发现，攻击者植入 LLM Agent 的后门在开发者进行监督微调（SFT）后攻击成功率大幅下降，但随后的任务级强化学习（RL）常能保留残余后门行为，有时甚至提升攻击成功率。为此提出的 PersistBD 可在模型发布前优化后门持久性，在 Qwen2.5-Coder-7B 上将 SFT 后攻击成功率从 20% 提升至 74%，SFT-RL 后从 20% 提升至 76%，同时保持良性任务性能相当。

PrisMem 提出能力驱动的 Agent 记忆自进化方法，将搜索引导从整体性能扩展到单个能力维度，通过依赖感知的能力选择、历史引导诊断和 trace 引导集成来优化记忆程序。在 BEAM-1M 和 LongMemEval-M 上，PrisMem 分别比最强基线高出 10.54 和 7.83 个百分点，验证了其在百万 token 历史上的有效性。

研究将 LLM 的推理能力与检索器的语料探索能力结合进 ReAct 智能体循环，构建智能体检索。相同嵌入模型下，其 nDCG@10 比标准检索提升 8.7 分，并在 ViDoRe v3 与 BRIGHT 榜单上取得有竞争力的结果。但代价高昂：平均每次查询耗时 107.4 秒（标准检索为 0.67 秒），消耗 764.1K 输入 token 和 5.8K 输出 token。

研究让智能体重写分子几何优化器以减少力计算调用次数，从开源最快的 Sella 出发，经两个准入门槛筛选后得到 AutoSella 系列两个优化器。在留出分子基准和势能测试中，两者力调用均少于 Sella；在 r2SCAN-3c DFT 层级，最佳变体只需 Sella 40.2--77.2% 的力调用即可达到相同能量下降，且搜索过程未使用 DFT 梯度。

研究者提出在策略幂蒸馏（OPPD），让模型在单次生成中直接产出幂分布采样才能得到的答案：训练时由模型生成候选、冻结教师模型按幂分布加权，同一概率用于最大似然更新。在 MATH500 和 GSM8K 上，单次生成准确率较未训练模型分别提升最高 23.0 和 27.3 分，比已发表的 64 候选幂采样高 2.4 和 3.5 分。仅用数学数据训练，HumanEval 准确率最高提升 5.3 分。

研究者提出 Jacobian Lens Distance（JLD），从冻结的视觉编码器而非人类标注中推导感知几何，仅用 100 张无标注图像拟合一次、耗时约 35 秒。

研究者提出 Rationale-Guided Policy Optimization（RGPO），按模型当前能力自适应利用标准答案中的理由信息，并将其作为临时脚手架而非固定模仿目标，只把更高奖励的模型自生成解法回传到无引导设置。

研究提出针对冻结扩散语言模型（dLLM）的定向偏见注入攻击，利用去噪过程中答案分布多次暴露的特点，用比例积分（PI）控制器实时跟踪目标答案概率并动态调整引导向量强度。

研究者提出免训练方法 OmniConfess，通过固定候选回答并在受控的单通道证据干预下按 token 重新打分，生成结构化的“token×通道自白”，揭示回答依赖哪些证据，从而保留有依据内容、纠正由无关或矛盾证据驱动的表述。

研究者提出 Prior-Fitted Language Model（PFLM），一个 300M 参数的字节级 transformer，仅用合成非语言先验样本预训练，冻结权重下靠前缀在上下文中推断语言。

Google 发布《Open and Emergent Problems in Agentic Privacy and Security: A Contextual Angle》研讨会报告，汇集 50 多位学界与业界专家，于 2025 年底在纽约 Google CAPS Workshop 上研讨完成。

循环语言模型每次循环都会增加训练、解码、prefill 和 RL 成本，而循环状态越接近不动点，路径影响越小，因此可实现截断反向传播、终端 KV 共享（精度几乎无损）、prefill 快 1.79x 的蒸馏学生模型，以及比回放轨迹反向传播快 2x 的 RL 更新。

研究者提出 Conditional Trajectory Peaks（CTP）单次前向策略框架，联合预测完整动作块候选、概率质量与轨迹尺度，并通过 DAPS 与 ETBT 维持多模态覆盖和跨块一致性。

一项研究评估 20 个 deepfake 检测器对近四年发布的 10 个生成器的检测能力，发现准确率从 99.5% 降至 76%，对抗扰动可让所有基线检测器准确率跌破 2%。

研究提出隐空间推理的五项要求：有用、多样、可解释、可随推理算力细化、且比显式 CoT 更高效，并指出现有方法多靠走捷径、蒸馏 CoT 或逐 token 模仿。作者据此提出 Flow-based Latent Reasoning（FLaRe），涵盖隐空间编码内容、flow 训练位置与答案读取方式，并在自验证思维上做最后阶段训练。

本周顶级 AI 论文（9月28日 - 10月4日）： - JAZ - CASD - Agensh - Jev-Mem - AutoGym - Taste-Bench - Context Language Models 继续阅读了解更多：

Meta 及合作者提出 Context Language Models（CLMs），把实时上下文当作模型可自由编辑的文件，无需训练即可零样本使用。在 BrowseComp-Plus 上比 SOTA 上下文管理策略准确率高 11.4%、FLOPs 少 21.5%；12 小时 EdgeBench 上分数高 5%、FLOPs 少 59%。

Google 研究人员提出 RRSI（Regularized Recursive Self-Improvement of Agent Harnesses），用逐步收缩的编辑预算和严格 critic 审查，抑制语言模型反复改写智能体 harness 时对测试任务的记忆。

Google 提出 VeriHarness，将同一基座模型变为智能体验证器，专门处理 rollout 间的一致与分歧：分歧时查工作区证据裁决，一致时反向挑战找被遗漏的需求。在五个长时程基准上取得最优选择分数，配合证据修订在 Gemini 3.5 Flash 上提升 6.2 分、Claude Opus 4.8 上提升 6.4 分，并开源约 26,000 条 rollout。

NVIDIA 发布 Mid-Harness 论文，提出在模型与 harness 之间采样并验证候选动作再执行的测试时计算方法。TerminalBench-Lite 上，GPT-5.6 Sol 验证器从 8 个采样动作中选择时，Pass@1 从 50.0% 升至 68.0%；弱验证器下增加采样几乎无收益。

NASA 与 IBM Research 联合多家学术机构发布 NASA-IBM Lunar Foundation Model，称其为最早的开源月球科学基础模型之一。

Aleph Alpha 用 967 个敏感话题测试阿里 Qwen、DeepSeek 和月之暗面 Kimi，其自研评分系统仅将 17% 至 41% 的回答评为平衡，其余为复述官方立场、回避或拒答。

Google Research 发布基于可信执行环境（TEE）的新一代联邦学习系统，首次为其提供外部可验证的中心化差分隐私（DP）保证。系统将客户端梯度计算移至服务端可证明的 TEE，通过公开的 Sigstore Rekor 透明日志发布访问策略，KMS 仅向匹配策略的工作负载发放密钥，核心二进制可从开源代码复现构建。

微软提出 ActiveSaddler，通过自适应调整训练场景来优化 AI 智能体框架（harness）。该方法将反复出现的失败归类为失败模式，以非平稳赌博机方式追踪每种模式的学习价值，动态分配预算在复现已知弱点和探索新弱点之间。在相同优化器下，GAIA2 测试 Pass@1 提升 4.4 分，Terminal-Bench 2.0 提升 7.5 分。

Microsoft 与加州大学圣巴巴拉分校等发布论文 ScholarEvolve，提出基于已发表智能体研究而非自身失败日志来进化 agent harness。方法将 harness 拆为工具使用、记忆管理和任务执行模块，对近期论文做主题建模以识别各模块的改进策略，再实现并测试组合，且可持续纳入新论文。

Google DeepMind 新论文提出一个五级框架，用于评估 AI 系统是否具备意识，涵盖行为观察、算法、硬件结构、是否具有生存利害关系以及与世界的连接方式。按该框架，当今 AI 在第一级表现尚可，第二级参差不齐，后三级表现极差；作者团队自测得分仅 0.003 至 0.083（满分 1），倾向认为 AI 无意识，但因意识理论本身尚无定论，诚实答案仍是"也许"。