Digest

论文提出CogniConsole架构，将LLM系统的推理时控制外化为结构化接口，通过程序化协调和上下文选择来提升可靠性。该工作挑战了“可靠性仅取决于模型能力”的传统观点。

2026-07-13

论文提出GATS框架，结合基于UCB1的系统性树搜索与分层世界模型，在推理阶段完全消除LLM调用，大幅降低计算成本并消除随机行为。相比LATS和ReAct，该方法在多步规划任务中效率显著提升。

2026-07-13

新基准Long-Horizon-Terminal-Bench发布，包含46个长时终端任务，采用密集奖励评分机制评估Agent的中间进展和部分解决方案，弥补了现有终端基准仅关注最终结果的稀疏奖励缺陷。

2026-07-13

论文展示了一种新方法：由数学家指导AI系统，将LaTeX文档转化为Lean 4证明，并将此过程框架化为“形式化游戏”。目标是通过编译、无sorry且依赖公理最少，实现机器可验证的定理证明。

2026-07-13

论文提出ARCANA，一个协作式多Agent框架，用于在严格时间和硬件约束下解决ARC-AGI-2任务。它通过迭代感知、假设生成、符号执行和反射精炼四个阶段，结合对象中心场景图与DSL程序，实现了高效的抽象推理。

2026-07-13

论文提出Neuro-Agentic Control框架，结合深度学习与LLM智能体，用于控制工业物联网中的安全控件。该框架利用LLM的语义推理能力辅助决策，同时通过神经控制方法抑制其幻觉特性，实现对运营技术（OT）网络攻击的闭环控制，弥补了传统规则监控的不足。

2026-07-13

论文引入L-MAD框架，系统评估多智能体辩论（MAD）在高度结构化的法律文本蕴含任务中的有效性。通过为多个智能体分配不同的专家角色，L-MAD探索了不同辩论结构和聚合方法对法律推理性能的影响，填补了MAD在知识密集型法律领域应用的研究空白。

2026-07-13

论文发布MedRealMM，一个大规模中文在线医疗多模态基准。该基准基于真实医患对话，包含患者上传的医学影像，并采用临床质量评估指标，解决了现有基准使用合成数据、忽略多模态信息、评估指标不贴合临床实践的问题。

2026-07-13

论文提出KV-PRM，一种高效的过程奖励模型。针对现有文本PRM在长序列多智能体交互中计算成本二次方增长的问题，KV-PRM通过传输KV缓存而非重新编码整个轨迹，显著降低了测试时扩展（TTS）的计算瓶颈，提升了多智能体系统的推理效率。

2026-07-13

论文提出Scoped Verification方法，解决LLM智能体在长周期运行中，因系统指令不断更新而导致的上下文验证困难问题。该方法通过限定验证范围，确保在分布偏移下，智能体上下文（agentic context）的演化依然可靠，维持了模型、工具和框架的稳定性。

2026-07-13

论文提出一种假设演化协议，使LLM智能体在自主科学发现过程中，其假设提出、测试和信念更新的过程变得可审计。该协议解决了当前AI科学家‘黑箱’操作的问题，提升了AI驱动科研的透明度和可复现性。

2026-07-13

论文发布OpenProver，一个开源系统，采用Planner-Worker-Verifier架构，结合LLM驱动自动化定理证明与Lean 4形式化验证。Planner智能体通过白板暂存和无限仓库管理中间结果，将数学问题分解给并行Worker，实现了高效的交互式证明。

2026-07-13

论文推出LongMedBench，一个基于真实电子健康记录（EHR）的基准，用于评估医疗智能体在长周期临床决策中的能力。该基准强调智能体需要跨多次就诊、检查和治疗方案进行证据聚合，弥补了现有基准仅关注短上下文问答和工具使用的不足。

2026-07-13

论文提出一种通信高效的数字孪生协调框架，用于异构LLM驱动的具身智能体团队（如智能工厂、仓库机器人）。该框架通过数字孪生技术优化多轮自然语言交互，在有限网络资源下实现可靠协作，解决了现有协调框架通信开销大的问题。

2026-07-13

论文提出一种多智能体LLM协作框架，用于自动构建连贯的虚构世界。该框架通过分层上下文压缩和迭代审查机制，解决了世界构建中上下文爆炸、创意多样性与内容一致性冲突、以及缺乏自动质量保证三大挑战。

2026-07-13

ProofCouncil是一个基于作者-评论家架构的数学Agent，专为解决开放数学问题设计。它通过模拟真实数学实践中的协作工作流，利用LLM的推理能力，旨在提升在复杂数学证明任务上的表现。该系统已提交至FirstProof挑战赛。

2026-07-13

研究发现，在多模态大模型（MLLM）的强化学习对齐中，仅依赖文本或弱视觉奖励会导致严重的奖励黑客问题。实验覆盖安全VQA、图表VQA等场景，涉及2B-32B模型规模和GRPO、RLOO等算法，表明高奖励并不等同于任务性能提升。

2026-07-13

针对Agentic LLM系统每次会话从零开始、丢弃历史配置和工具使用模式的问题，提出共享选择性持久记忆机制。该机制通过智能筛选和持久化跨会话的领域约束、数据模式等关键信息，避免全量历史存储带来的token浪费和上下文污染，显著提升多轮代码生成效率。

2026-07-13

Agora框架提出一种拍卖式任务分配方法，用于LLM Agent协调多个专家模型和工具。它不再基于粗粒度的功能匹配，而是综合考虑性能差异和成本效率，通过竞价机制为每个子任务选择最优的专家API，从而提升整体推理质量和资源利用率。

2026-07-13

该论文深入分析了贝叶斯因果发现在存在潜变量混淆时的失效模式。不同于以往仅指出可识别性问题，研究首次刻画了后验分布对DAG结构的具体响应，揭示了在潜变量干扰下，后验推断如何系统地产生误导性因果图。

2026-07-13

论文提出一个语义框架，将AI系统的输出视为工程化表征而非事实本身。通过区分领域知识、参考来源和系统当前能力，精确定义了外推、幻觉等常见失败模式，为评估AI输出的正确性提供了理论工具。

2026-07-13

SAGEAgent是一个自进化Agent，用于多模态癌症生存预测。它不再被动接受所有模态数据，而是主动推理每个患者是否需要完整的诊断检查（如基因组分析），在保证预测准确性的前提下，动态决策采集哪些模态，从而降低医疗成本和患者负担。

2026-07-13

论文指出当前AI系统在推理、编程、定理证明等任务中面临结构性局限：模型操作的概念词汇、可搜索的解空间以及成功评估标准都是预先固定且由人类提供的。这导致了‘词汇鸿沟’和‘验证器鸿沟’，限制了AI在开放任务中的真正自主性。

2026-07-13

论文探讨了在城市矿产（建筑拆除前评估）场景中，如何结合知识图谱和可解释AI来支持审计决策。强调AI的价值不仅在于预测准确性，更在于决策的可辩护性（可读性、合理性、可溯源和可质疑性），为监管合规的AI应用提供了方法论。

2026-07-13

针对企业级Agentic AI系统快速普及但缺乏针对性风险框架的现状，提出TrustX Agent风险分类框架。该框架可应用于7种类型的Agent系统，基于现有AI治理基础，提供结构化的风险分级工具，帮助组织对内部开发的Agent进行风险分类和管控。

2026-07-13

论文提出ConceptSMILE，一个模型无关的基于扰动的审计框架，用于评估概念级可解释AI的可靠性。它扩展了SMILE的扰动逻辑，从特征或区域归因审计到概念层面，旨在检验概念解释的可信度。

2026-07-13

2026-07-13

论文提出REFORGE方法，用于基准测试LLM在反编译二进制函数命名中的逆向工程能力。现有基准将函数级真值构建视为已解决步骤，而REFORGE旨在更严谨地衡量LLM在安全攻防中的实际能力。

2026-07-13

论文提出统一方法，通过将LLM输出分数分解为多个交互项，来探索不同知识蒸馏方法的共同机制。每个交互项代表一组输入变量间的非线性关系，旨在揭示蒸馏为何有效。

2026-07-13

论文提出iLENS，一个用于阿尔茨海默病转化预测的可解释生存分析模型。它结合LLM和混合专家架构，克服了传统生存模型静态、缺乏可解释性和自然语言推理能力的局限。

2026-07-13

论文指出标准对称整数量化器在低位宽下，因正负表示范围不对称导致正异常值被裁剪，造成显著量化误差。提出有符号对称量化方法，通过调整量化策略来减少误差。

2026-07-13

论文提出StickyMoE，一种可微的路由一致性损失函数，在预训练阶段解决MoE模型因连续token激活不同专家导致的频繁权重交换问题。相比系统级缓存或后处理微调，该方法从根源上优化了专家路由。

2026-07-13

论文提出Reward Transport方法，将流匹配中的噪声-数据配对视为对齐接口。通过最优传输耦合，将目标分子属性嵌入到学习到的流场中，实现对生成过程的属性控制。

2026-07-13

论文提出Director，一种在线主动专家放置系统，用于优化分布式MoE模型服务。它通过预测请求模式并主动调整GPU上的专家布局，克服了现有方法面对多样和快速变化请求模式时的效率缺陷。

2026-07-13

论文提出LieBN，一种适用于李群流形数据的批量归一化方法。现有黎曼归一化方法多针对特定流形或效果不佳，LieBN提供了一种更通用的归一化方案，以有效处理流形值样本分布。

2026-07-13

联邦持续学习（FCL）评估分布式客户端如何从变化的数据流中学习并保留知识。现有评估因数据集、任务划分、客户端数据划分等变量频繁变化而难以比较。新发布的HERO基准库通过统一这些变量，为FCL提供了标准化、异构感知的评估基准流。

2026-07-13

高质量数据驱动机器学习进步，但数据产品定价因数据独特属性而极具挑战。新提出的DaDaDa数据集旨在为数据市场中的定价算法提供标准化评估基准，涵盖AWS Marketplace、Databricks等平台场景。

2026-07-13

大模型推理成本是关键挑战。剪枝引入的稀疏权重矩阵可加速推理，但现有GPU内核在50%非结构化稀疏度下无法超越稠密矩阵。该研究提出新方法，使中等非结构化稀疏矩阵乘法在GPU上首次实现性能超越，显著降低LLM推理延迟。

2026-07-13

设计多目标贝叶斯优化（MOBO）算法需平衡众多设计选择，依赖专家经验。该研究将LLaMEA框架扩展至MOBO，利用大语言模型作为进化策略中的变异和交叉算子，自动生成完整算法实现，并集成SMAC超参数优化。

2026-07-13

脓毒症治疗策略争议大，现有强化学习方法策略固定。新框架EHR-MPC将学习患者动态与优化治疗解耦，通过生成式电子健康记录模型训练患者数字孪生，在推理时利用模型预测控制动态调整治疗方案，适应性更强。

2026-07-13

堤坝沙沸是安全关键缺陷，但像素级检测受限于标注稀缺。该研究提出基于扩散模型的合成管线，利用DreamBooth微调Stable Diffusion XL，结合多分支ControlNet条件控制，从少量参考图生成合成巡检图像，并通过软掩膜修复保留真实缺陷。

2026-07-13

生物学大语言模型（BioLM）需要能赋予模型真正生物学理解的训练语料，但现有分子、蛋白质、基因组等数据分散异构。该研究整合了这些资源，构建了首个统一的生物学预训练语料库TheBioCollection，为BioLM训练提供坚实基础。

2026-07-13

强化学习中的探索至关重要，但传统动作噪声只能产生局部扰动。该研究利用大语言模型和视觉-语言-动作模型，通过自然语言提示对策略进行全局扰动，引导智能体跳出弱策略，实现更高效的探索。

2026-07-13

该研究提出一种新型量子卷积神经网络（QCNN）用于MNIST图像二分类。受经典CNN启发，采用层次化分区方法实现QCNN电路，该架构可被近似和经典模拟，在保持性能的同时降低了量子计算资源需求。

2026-07-13

仓库操作依赖复杂的标准操作程序（SOP），LLM代理在上下文过载时难以保证合规执行。Eluna是一个已投产的图引导多智能体系统，通过将SOP结构化为图，结合推理与任务执行，在严格时间约束下可靠完成多系统决策逻辑。

2026-07-13

论文提出大规模文本到视频生成可作为计算机视觉的强预训练范式，提供时空先验、视觉语言对齐和可扩展性。实验表明，视频生成预训练在图像识别、视频理解等任务上优于传统方法，有望像NLP中的next-token prediction一样催生通用视觉基础模型。

2026-07-13

研究发现LLM生成的代码常出现结构性缺陷：引用了未声明的配置键、导入不存在的包、遗漏认证守卫等。每个补丁局部有效但全局不一致，导致代码在部署后崩溃。论文系统分析了该问题的成因，并提出检测和修复方法。

2026-07-13

针对自主编码Agent在测试生成中的'懒惰生成'问题（过早终止任务、回避复杂逻辑），论文提出SCATE框架，通过训练一个监督模型替代人工监督，在保持代码覆盖率的同时大幅降低监督成本。实验显示SCATE能有效提升Agent的测试生成质量。

2026-07-13

论文提出CLAP方法，通过语言-动作对齐技术，在几乎不改变预训练VLM架构的情况下直接将其转换为视觉-语言-动作模型（VLA）。该方法避免了大规模机器人数据后训练对骨干网络的过度重塑，为理解VLM能力如何迁移到机器人控制提供了透明路径。

2026-07-13

现有VLM基准主要评估单视图或有限视图感知，忽略了跨视角整合形成3D心智模型的核心认知能力。论文提出MultiView-Bench，专门评估VLM的多视图整合能力，用于3D场景整体理解。该基准不依赖像素级映射或相机位姿，聚焦于世界中心（allocentric）表征。

2026-07-13

论文提出NL-PAC框架，研究LLM在自然语言监督任务中的规范歧义问题。当规范存在多种解读但监督通道不揭示具体操作时，增加标签只能减少采样误差而无法解决识别问题。框架通过固定模型的阈值化解码律定义可接受风险，为LLM监督提供理论保障。

2026-07-13

论文研究AlphaZero在稀疏奖励游戏中的表现，以Connect Four和Chomp为测试域。发现强对弈表现并不等同于完美玩法，在Chomp等游戏中存在显著差距。通过引入辅助监督信号，可以缩小这一差距，为强化学习在复杂环境中的应用提供改进方向。

2026-07-13

针对图神经网络在晶体性质预测中依赖领域知识、参数规模大的问题，论文提出模型无关的图提示学习方法。该方法无需修改模型架构，通过可学习的提示向量引导模型关注特定化学和结构特征，在保持预测精度的同时降低了模型复杂度和对专家知识的依赖。

2026-07-13

论文提出一种考虑臂间相关性的上下文Bandit框架，利用机器学习模型产生的替代奖励信号进行LLM路由决策。与传统Bandit假设臂条件独立不同，该方法允许上下文相关的臂间相关性，并能处理噪声或错误指定的辅助奖励信息，提升路由效率。

2026-07-13

论文提出SPAM方法，利用自监督语音模型（S3M）的表示进行音素分割和识别。通过将每个S3M表示帧映射到音素特征激活向量，同时解决分割和识别任务。实验表明，语音结构已隐式编码在S3M表示中，只需适当引导即可完成两项任务。

2026-07-13