论文研究

AI 导读论文提出能力基评测（CBE）范式，用参数化生成器在固定所需能力的前提下扩展复杂度，并用答案保持不变的表述变体检验模型是否可靠应用同一能力。在小学排序任务上对六款GPT和Qwen模型测试：有界复杂度范围内表现尚好，但强模型在测试问题族上均未通过能力条件；思维链和GRPO能扩展强表现但未解决全部失败，监督LoRA在留出集上迁移很少。

AI 选稿理由提出可随模型扩展的能力一致性评测协议，在六款GPT/Qwen排序任务上给出诊断结果，并报告CoT、GRPO与LoRA的对比效果。

AI 导读研究显示，自回归Transformer模型在生成t个token后，提示词对隐藏状态的影响呈幂律衰减t^{-α}，训练后的模型遗忘较快(α≈0.55-0.7)，未训练模型遗忘较慢(α≈0.2-0.5)。研究证明了有限深度预归一化softmax Transformer的遗忘界限，并提出了'条件无毛定理'：随着生成文本增长，提示词对下一个token的影响会消失，任何保留的提示词属性必须由文本本身携带。

AI 选稿理由揭示了Transformer模型中提示词遗忘的数学机制，为理解语言模型记忆特性提供了理论基础，有助于改进提示工程和模型设计。

AI 导读该研究将循环语言模型中的循环位置、输入注入方式与循环状态组织三个设计维度解耦，在相同参数规模、逻辑深度和 token 预算下从头训练模型对照。结果显示 prelude-recurrent block-coda 三明治架构在上下文提取和推理任务上稳定更优，输入注入主要提升知识检索与上下文利用，随机初始化和分离 H/L 循环状态收益混合甚至为负。在 730M 参数、336B token 规模下，完整 Huginn 架构在全部十项基准上超过 Ouro，且该优势可迁移到 MoE 模型。

AI 选稿理由为循环模型设计提供了可复用的解耦实验结论：Huginn 风格在 8BA0.8B MoE 上用 75% 更少的常驻参数即可超过 112 层前馈基线，并覆盖知识、推理和编码任务。

AI 导读研究提出LM2LM方法，通过强化训练大语言模型生成有效的语言模型改进方案。使用研究世界模型(RWM)提供可扩展反馈，并定期执行高排名提案以保持反馈可靠性。在八个自回归和扩散语言模型开发环境中，LM2LM使Qwen3.8-27B超越GPT-6-sol，即使后者拥有300个真实实验记录，且数据生成成本降低33%。该方法还能推广到训练期间未见过的模型家族。

AI 选稿理由LM2LM实现了语言模型自我改进的高效方法，通过研究世界模型降低数据生成成本33%，并在多种模型开发环境中超越现有模型。

AI 导读研究人员提出QD-Rec方法，将开放式搜索与基础模型结合应用于推荐系统，为决策者提供多样化且高质量的推荐选项，每个选项附带自然语言解释。该方法在并购、客户目标定位及论文书籍推荐等场景中，多数情况下实现了最高的平均质量并构建了最大的推荐档案库。

AI 选稿理由QD-Rec解决了传统推荐系统仅提供单一排序列表的局限，为高风险决策场景提供了多样化且附带解释的推荐选项，提升了决策质量。

AI 导读论文提出 LILIE（语言信息无损图像编码器），一种可逆图像变换，通过归一化流 Transformer 与视觉-语言模型联合训练，使 VLM 能从加噪特征中恢复描述文本。研究者用 LILIE 损失训练 JiT 模型，在 GPIC 数据集上相比纯像素损失基线将 gFD 从 66.84 降至 53.01。代码、编码器与生成模型已开源。

AI 选稿理由提出语言信息监督的可逆图像编码器 LILIE，在 GPIC 数据集上将 JiT 模型 gFD 从 66.84 降至 53.01，相比像素损失基线降低 14 点，并开源代码与模型。

AI 导读研究者提出 OfficeTown，一个面向专业组织的生成式模拟框架：根据组织的目标和活动描述自动初始化组织，成员协调工作、把有限任务委派给助手 Agent 并评审交付物，产出物、决策和未决事项会持续影响后续工作，职责与权限决定成员可见和可做的范围。团队构建了包含 23 个模拟组织、8 个专业领域、406 项任务和 4836 条评估标准的 OfficeTown Bench。前沿模型评测显示仍有较大提升空间；用 OfficeTown 数据做监督微调和同策略蒸馏后，Qwen3.5-9B 在 GDPval 等外部专业工作基准上显著提升，主从式 harness 也优于单/多 Agent 基线。

AI 选稿理由为通用 Agent 提供了带有组织记忆、权限与评审反馈的可执行训练与评测环境，其数据可迁移提升模型在 GDPval 等外部专业工作基准上的表现。

AI 导读论文提出 TreeOPSD，一种无需 critic、树感知的后验自蒸馏框架，用于长程智能体强化学习。该方法将每个交互轮视为树节点，从共享前缀分支出替代延续，并递归地把终端奖励回传为隐式轮级信用，再映射为以相对冻结行为策略似然比为参数的闭式有界教师分布。实验显示其在多个基准和模型规模上提升智能体能力，Qwen3-30B-A3B-Thinking-2507 在 Deep Research 设置下平均准确率较 GRPO 提升 4.97 分。

AI 选稿理由为长程智能体 RL 提供了无需价值网络和步骤标注的轮级信用分配方法，并用有界教师分布约束多轮小批量更新，可用于提升深度研究等长程任务的训练稳定性与效果。

AI 导读研究提出Conditional Program (CP)压缩表示方法，通过短码和局部尺度重建输入请求的行，仅需两比特编码即可将输出KL降低41-63%。在三个训练的n-gram记忆家族中，共享格子在匹配存储预算下优于测试的拟合码本和低秩残差变体，将DeepSeek的表存储从203GB减少到51GB。

AI 选稿理由解决了大型语言模型中嵌入表存储瓶颈问题，显著降低存储需求同时保持模型性能，使更多工作负载可驻留在GPU上。

AI 导读研究者提出 MIST 评测，将“场景设置”与“应留下的记忆”分开检验，发现视频世界模型在记忆测试中失分主要因为未执行被指示的变更，而非遗忘。基于此提出 M3-Agent（Make the Missing Move），递归改写输入指令细节以促使模型执行指令，其 MIST reveal 得分相比基线提升三倍以上，WRBench 的 T 分数提升 26.1%，MBench-T 的 U 分数提升 52.7%。

AI 选稿理由把视频世界模型的“执行失败”与“记忆失败”拆开诊断，并给出可递归改写指令的 M3-Agent，使冻结模型在既有基准上显著提升，为世界模型评测与提示设计提供了可复用方法。

AI 导读研究者提出 First-Token Cueing 行为探针：闭卷问答时先补上标准答案的第一个 token。在16个开源模型上，这一步可纠正英文多token答案错误的两成到五成，并在7种语言基准上普遍提升准确率。分析显示模型不确定性在首个答案 token 处最高，且已能预测对错；被纠正的错误大多也能由模型自行采样推理解出。

AI 选稿理由论文提出可复用的推理时探针，并在16个开源模型和7种语言上给出首token纠错比例及与自采样推理的一致性证据，适用于研究闭卷事实召回失败。

AI 导读MIT 与 Whitehead 研究所团队在 Nature Methods 发表研究，提出机器学习模型 IRIS。该模型可识别不同信号通路在基因活动上留下的独特“指纹”，且同一通路在不同细胞类型中指纹一致，从而无需逐一细胞类型实验即可推断细胞在胚胎发育各阶段接收的信号。IRIS 在小鼠原肠胚单细胞数据上准确预测了心脏、肠道、肌肉和脊髓相关信号通路，并成功预测驱动肺细胞发育的通路，经小鼠实验验证。

AI 选稿理由该模型用迁移学习思路统一识别跨细胞类型的信号通路指纹，可在小鼠或人类胚胎尺度重建细胞信号历史，为干细胞工程、类器官建模与肺纤维化等疾病研究提供可复用的推断工具。

AI 导读微软研究院发布 Magnetar，一个通用零知识虚拟机（zkVM），可证明用 Rust、Go 或 C 编写的 RISC-V 程序执行，在 15 个基准程序上平均比现有最快 zkVM 快 10 到 39 倍，证明验证约 12 毫秒。

AI 选稿理由微软研究院公开 Magnetar 的设计与基准数据，可了解零知识证明在通用程序上的效率与安全取舍。

AI 导读研究团队提出ACEdit方法，解决了多轮图像编辑中质量逐渐下降的问题。该方法通过自强制训练方案和教师-学生非对称条件机制，使编辑器能够在累积分布偏移下保持稳定，实验证明其在长序列编辑中显著减少了质量退化，同时保持了编辑质量和指令遵循能力。

AI 选稿理由解决了多轮图像编辑中累积分布偏移导致质量下降的瓶颈，为实际应用提供稳定的多轮编辑能力。

AI 导读研究人员提出Intact系统，通过GenTree表示法捕获网页来源和语义，逐元素传递给LLM处理，防止第三方注入攻击。在1,270个真实网页测试中，GenTree识别的第三方元素数量是浏览器的2.3倍；在1,091个注入攻击测试中，Intact仅让12.8%的攻击通过，而传统规划器为73.1%，且仅3.7%的任务因隔离功能受损。

AI 选稿理由解决了AI智能体浏览网页时易受第三方内容欺骗的安全瓶颈，通过语义隔离大幅降低攻击成功率，适用于需要代理用户浏览网页的AI应用。

AI 导读研究提出了一种基于文档的创意生成方法，通过集合级强化学习训练模型生成高质量且多样化的科学创意。实验显示，其8B模型在创意质量和多样性综合指标上超越Claude Opus 4.8和GPT-6 Astra，人类专家评估显示其创意集与Claude Opus相当且包含更多独特创意，执行成功率相当。

AI 选稿理由解决了科学创意生成中质量与多样性难以兼顾的瓶颈，为研究人员提供更高效的创意生成工具。

AI 导读研究提出 DuET 双编码器 Transformer，把音符级演奏 MIDI 转乐谱（PM2S）转录与帧级节拍、强拍跟踪联合学习，并用双向交叉注意力连接两个编码器、自回归解码器交替预测乐谱属性；同时引入 TimeRoPE 和 TPRoPE 编码相对时间与音高关系。在 ASAP 与自建 Gangqinpu 数据集上，MUSTER 平均误差分别从 11.30% 降至 11.22%、从 6.56% 降至 3.64%，代码、权重与演示已开源。

AI 选稿理由把节拍帧级信息引入音符级转谱，缓解无音符起音处节拍缺失的问题，改善时值与记谱时长，代码权重开源可供音乐转录研究直接复用。

AI 导读针对投稿量增长导致同行评审中人类或AI评论可能误述论文内容的问题，研究者提出ReviewFact基准，在NLP、机器学习与自然科学领域统一标注评审评论中的事实错误，并同时测量准确率、成本与延迟。其PremiseCheck框架先用LLM在不读论文的情况下将每条评论改写为显式前提，再用轻量判定模型逐条对照论文核查。单条评论独立核查时，PremiseCheck在三个领域达到与GPT-5.5相当的准确率而成本约为其一半；在NLP评审上成本约为四分之一、延迟不到一半。

AI 选稿理由把昂贵的前沿模型整篇核查拆成“改写前提＋轻量判定”，在保持准确率的同时把评审事实核查成本降至约一半甚至四分之一，可用于大规模投稿场景的自动化评审质量筛查。

AI 导读研究团队推出OmniXRef框架，支持结合文本、图像和视频参考进行视频编辑。该框架采用统一输入设计和R²-RoPE技术，通过单流扩散Transformer处理源视频和多模态上下文。为解决训练数据稀缺问题，研究人员构建了OmniXRef-Data数据集，并引入课程学习逐步增加任务复杂度。同时发布OmniXRef-Bench基准测试，评估视频参考在不同属性上的转移效果。实验表明，OmniXRef-Model在性能上超越任务特定基线和商业模型。

AI 选稿理由OmniXRef解决了多模态参考视频编辑中统一处理不同类型参考的技术瓶颈，为视频创作者提供了更灵活、高效的编辑工具。

AI 导读研究提出Librarian Agents框架，通过强化学习训练构建代理将原始文档转化为分层文件系统，形成面向下游回答代理的工作空间。在BrowseComp-Plus基准上超越最强检索和预计算基线33个百分点，在BRIGHT数据集上零样本泛化能力提升31个百分点，显著提升长文档推理效率。

AI 选稿理由解决了长文档推理中检索方法被动响应和预计算结构僵化的瓶颈，使LLM能主动组织文档以服务多样化未来查询。