新闻资讯 · 第 4 页

• Penelope 为多轮智能体任务重新设计缓存淘汰

  Penelope 研究指出，智能体经常重复使用长历史，而靠近序列末尾的 KV 缓存重算成本可能更高。它在保留共享前缀的同时，优先保存后部缓存，只重算缺失片段。

• 人类与模型如何在经验推断和现场推理间切换

  一项研究区分了两种推断方式：把熟悉关系逐渐写入内部表示，以便快速调用；或在遇到新关系时，通过注意力在上下文中现场推理。

• 多层 AI 防护不能只按彼此独立来算风险

  一项研究讨论多个智能体防护组件之间的依赖关系。不同审核器可能犯相似错误，简单叠加各自准确率会低估系统风险。

• SHIFT 用“收缩再修复”改进模型遗忘学习

  SHIFT 研究先把微调模型向微调前的权重收缩，再短暂学习需要保留的数据，据此估计删除特定数据影响的方向。方法将变化转为蒸馏目标并迭代调整。

• Reasoning Consensus 把多模型推理合成支持图

  Reasoning Consensus 从多个模型的推理中提取结构化步骤，合并等价节点，再按支持该步骤的推理链数量赋权。读者可以看到某个结论背后哪些环节得到更多支持。

• C3 针对长语音任务优化 KV 缓存检索

  C3 研究根据音频注意力的结构组织 KV 缓存：不同查询头共享检索预算，系统再动态调整检索粒度，以减少每步读取的数据量。

• 录音里的话和声音冲突时，AI 更相信谁？

  SAC-Bench 把环境声音与一致或矛盾的口头描述放进同一段音频，检验音频语言模型是否真正根据声音作答。基准覆盖事件、时间与空间关系。

• “潜在辩论”框架尝试解释模型的是非判断

  一项研究用结构化的支持与反对信号近似语言模型在二元判断任务中的内部过程。作者将这种解释框架称为 latent debate，而不是让多个模型真的展开对话。

• AgentKerr 让智能体参与磁性显微实验

  AgentKerr 将语言模型智能体接入磁光克尔显微镜实验。卷积网络先从实时影像中提取磁性结构的位置、大小和形状，智能体再据此规划激励、成像与分析步骤。

• 模型会算一步，不代表能连续跟踪状态

  WMIP 用程序生成答案，测试语言模型在多次更新后能否正确报告最终或中间状态。它在相同题目上比较不同输出规则，避免把题型差异混入结论。

• 量化研究用低秩与稀疏补偿保留模型信息

  一项模型压缩研究把权重拆为量化矩阵、低秩部分和处理离群行的稀疏部分，尝试用少量额外存储补偿低比特转换损失。

• 方言进入生成式 AI，标准语言之外还有哪些难题

  一篇跨学科研究以南蒂罗尔方言和库尔德语变体为例，讨论生成式 AI 如何处理非标准化语言。作者结合社会语言学与计算语言学视角，分析数据、技术与语言规范之间的关系。

• BRACE 同时检查医学陈述、报告与引用证据

  BRACE 研究为医学陈述核验构造训练样本，不只替换引用，还同时考察患者报告是否支持模型说法。系统利用公开放射报告和相关医学条目生成对照例子。

• AI 生成的调查样本，不能只用一个准确率判断

  一项社会科学方法研究用欧洲晴雨表中的 AI 态度数据，比较模型合成调查样本的个体预测、总体分布和变量关系。

• Taurus 将 CT 标注从自由生成改为重点复核

  Taurus 研究比较语言模型自由编写分割程序，以及先自动标注再由模型审核两种方式。团队使用六个公开主动脉 CT 数据集进行盲标注恢复评测。

• 研究回顾：BPE 分词为什么能压缩文本

  一篇关于 BPE 的理论研究分析了分词背后的压缩问题。作者证明，寻找最优的成对编码属于 APX 完全问题，同时给出 BPE 在所有输入上都成立的最坏情形近似保证。

• RE-SciVQA 用检索和小模型读懂论文图表

  RE-SciVQA 将论文的章节标题、图表引用和图注纳入检索，再用 LoRA 微调较小的语言模型回答科学图表问题。它没有另建复杂的大型模型，而是先改善模型读到的上下文。

• 先制造错误，再检验 AI 修复图数据的能力

  一项图数据研究提出更系统的修复评测方法：从符合规则的图开始，按形式化规则引入错误，再检查修复系统能否恢复约束。这样可以知道测试覆盖了哪些错误，而不只依赖临时收集的坏数据。

• AI 能预测材料性质，化学键仍然有用

  一项材料研究讨论了深度学习是否会取代化学键概念。作者通过线性探针发现，Allegro 和 MACE 的内部表示仍能恢复化学键相关描述，说明模型可能以自己的方式学到了这类信息。

• TokenEconomizer 帮编程智能体减少重复消耗

  TokenEconomizer 是编程智能体外部的成本控制器。它从连续任务中积累经验，选择注入哪些操作技巧、移除长期无用的工具，并在失败循环中介入，避免每个任务都重新试错。

• TradingAgents：把多角色讨论引入交易研究

  TradingAgents 用多智能体模拟交易团队的分工，包括基本面、情绪、技术分析、风险管理及交易决策。看多和看空角色分别提出理由，再由其他角色综合信息。

• Harness² 让智能体逐步改进自己的执行框架

  Harness² 将智能体改进分成两层：当前任务中提出、测试并组合执行框架的修改；跨任务再提取这些修改的经验，帮助处理之后遇到的新场景。

• Unlimited OCR 尝试用固定缓存处理长文档

  Unlimited OCR 针对长文档识别中缓存不断增长的问题，引入参考滑动窗口注意力 R-SWA。解码时保留所需参考信息，让 KV 缓存保持恒定，而不是随输出文本持续扩张。

• HairDeck 从一张图生成可做动画的发型

  HairDeck 面向游戏和虚拟角色的风格化头发，将发片视为一组无序的几何单元，通过集合扩散模型一起生成，而不是逐个预测很长的控制点序列。