#research
共 103 篇相关内容 · 安全漏洞、AI动态、技术文章
技术文章 90
Prime Agent 与递归语言模型:把 Agent 上下文变成代码
Prime Intellect 开源的 Prime Agent 单日 2319 stars 登顶 GitHub Trending。它让模型持有持久 Python 会话,把文件、命令与子 Agent 全当作代码管理,基于 arXiv:2512.24601 的递归语言模型思想。
龙芯 LoongArch 侧信道攻击研究:国产芯片安全审计启示
安全研究人员公开针对龙芯 LoongArch 架构处理器的侧信道攻击研究。本文解读研究要点、影响与国产芯片安全生态的启示。
无缺陷非晶硅模型首次精准复现实验带隙:机器学习驱动的材料模拟迎来里程碑
非晶硅是光伏和半导体产业的核心材料,但长期以来原子模型在电子结构预测上始终偏差较大。本研究利用机器学习分子动力学生成的无缺陷理想非晶硅模型,辅以杂化密度泛函理论计算,首次精准复现了实验观测的电子带隙,并与经典WWW方法及其他近似模型进行了系统对比,为理解非晶硅的能带尾态、光学性质和输运特性奠定了坚实基础。
DFT训练的神经网络势函数:能否真正复现液态水的结构、热力学与动力学?
研究人员用MACE神经网络势函数在DFT数据上训练,系统评估对MgCl₂水溶液的多维度性质复现能力。NNP准确描述水合壳层结构、扩散系数和离子配对,过渡态采样捕获水交换过程(速率与实验相差一个数量级内),但溶剂化自由能严重低估实验值——揭示了当前局部NNP架构在离子溶剂化热力学上的根本局限,需显式纳入长程静电效应。
用对齐而非复杂度来解码大脑:线性对比解码器如何胜过深度网络
认知科学认为大脑用高维向量空间表征概念。本文发现,从fMRI信号解码视觉、语言、音频刺激时,线性对比解码器一致优于岭回归和非线性深度网络。关键洞见:解码性能提升来自对比学习目标的选择,而非模型架构复杂度。fMRI的空间-时间平均效应将非线性神经计算线性化,使得简单线性模型配合适当目标函数即可达到最优。
单个神经元能'说话'吗?NEURRATOR用自然语言解读视觉皮层的细胞级语义
本文解读NEURRATOR框架——首个将单个神经元的放电活动解码为自由形式自然语言描述的系统。该框架结合CLIP编码器与多模态语言模型,在小鼠视觉皮层Neuropixels记录上实现了细胞级别的场景叙述,让每个神经元都能用人类语言'讲述'它看到了什么。
当安全对齐的大模型看到好坏参半的示范:它到底学到了什么?
安全对齐后的大语言模型在面对混合了有害和无害示范的上下文时,会做出怎样的判断?本文深入解读一项来自多模型实验的系统性研究,揭示了示范内容、排列顺序和训练方法如何共同决定模型的安全行为,并探讨了这对AI安全对齐的深远意义。
传染网络:多智能体LLM系统中评估者偏见的传播机制
当大语言模型在多智能体系统中充当评估者时,它们的系统性评估偏见会在智能体网络中传播。本文解读Contagion Networks论文——研究者提出了一套量化偏见传播的数学框架,发现即使是同一模型的不同实例之间,偏见传播系数也达到0.157-0.352,但同模型传播比跨模型传播弱3-5倍。更关键的是,将评估者委员会规模从1人扩大到3人,能有效降低72.4%的偏见传播。这一发现对设计可靠的AI评估系统具有重要指导意义。
Multi-LCB:大模型写代码真的只会Python吗?跨12种编程语言的全面测试揭示了惊人真相
LiveCodeBench是当前最流行的代码生成基准测试之一,但它只考察Python。Multi-LCB将其扩展到12种编程语言,对24个大模型进行了全面评估。结果发现:多数模型存在严重的Python过拟合问题,在其他语言上的表现大幅下滑;不同语言之间的性能差异远超预期;甚至有证据表明某些语言可能受到了数据污染的影响。这项研究为代码大模型的真实能力提供了更全面的衡量标准。
LedgerAgent:给AI客服装上一本「账本」,彻底终结工具调用中的混乱与违规
客户服务领域的AI智能体需要在多轮对话中维护任务状态、调用工具并遵守业务规则。传统做法把所有信息塞进提示词,导致智能体反复从冗长上下文中重建状态,容易出错或违反策略。LedgerAgent提出用一本独立的「账本」显式记录任务状态,在调用工具前自动检查策略约束,在四个客服场景和多种模型上显著提升了工具调用的准确率和一致性。
DiffusionGemma 的透明度究竟如何?——扩散语言模型可解释性深度解析
扩散语言模型 DiffusionGemma 的推理透明度比最初预想的要好得多。表面上看,它的不透明串行深度是传统自回归模型 Gemma 4 的 28.6 倍,但通过插入可解释的 token 瓶颈层,可以无损地将这一数值压缩到 1.1 倍。研究还发现了非时序推理、token 涂抹等扩散模型特有的推理现象,并证实 DiffusionGemma 的可监控性与 Gemma 4 相当。
ev-flow:基于NHTS数据的美国八区域电动汽车充电行为合成生成器
ev-flow是一个开源Python工具包,基于美国2017年全国家庭出行调查(NHTS)数据,通过九阶段确定性流水线为美国八个地区生成行为真实的电动汽车充电合成数据。工具采用三层伯努利插电模型、K=16高斯混合时间采样和温度依赖能耗修正,在湾区住宅验证中21项检查零未解释失败,填补了美国本土EV充电数据生成的空白。
ev-flow:基于NHTS的美国八区域电动汽车充电行为合成数据生成器
ev-flow是一个开源Python工具包,基于美国2017年全国家庭出行调查(NHTS)数据,通过九阶段确定性流水线为美国八个地区生成行为真实的电动汽车充电合成数据。工具采用三层伯努利插电模型、温度依赖能耗修正和区域销售混合模型,在湾区住宅场景验证中21项检查零未解释失败,填补了美国本土EV充电数据生成的空白。
量子动力学模拟的突破:保守自适应秩方法求解Wigner-Poisson系统
密歇根州立大学团队提出一种针对Wigner-Poisson系统的保守自适应秩方法,通过费米-狄拉克型重构和全局能量约束校正,在保持物理保真度的前提下大幅降低量子动力学模拟的计算成本。该方法在双流不稳定性、强朗道阻尼等经典基准测试中展现出接近机器精度的守恒误差。
规模才是真正的敌人:200个AI智能体协作时,为什么简单任务比复杂任务崩溃得更惨?
企业级AI系统需要协调数百个智能体时,现有编排架构面临严重性能退化。研究发现系统规模而非任务复杂度是决定性能的首要因素,简单任务在大规模下衰减更严重。论文提出Task Manager模块,通过优先级推理、关联事件合并和抢占机制,将高优先级延迟降低14-75%,关联事件正确率提升超20个百分点。
PASQA:专攻日语语音重音正确性的质量评估新范式
日本LY Corporation团队提出PASQA模型,专攻语音合成中日语声调重音的正确性评估。该模型基于自监督学习框架wav2vec 2.0,融合音节信息、排序损失、帧级错误检测和说话人不变训练四大策略。实验表明,传统MOS预测模型对重音错误的排序准确率仅13%至20%,而PASQA达到75%以上,与人类判断的相关系数达0.828,为TTS系统的精细质量评估开辟了全新路径。
PASQA:专注语音重音正确性的质量评估新方法
日本雅虎LY公司团队提出PASQA模型,专门评估语音合成中日语声调重音的正确性。该模型基于自监督学习框架wav2vec 2.0,融合音节信息、排序损失、帧级错误检测和说话人不变训练四大策略。实验证明,传统MOS预测模型对重音错误完全不敏感,而PASQA在排序准确率和人类判断一致性上均大幅领先,为TTS系统的精细质量评估开辟了新路径。
电子束穿透介电纳米球的时域与频域研究:切伦科夫辐射与渡越辐射的指纹特征
通过时域(DGTD)与频域(Mie理论)联合分析框架,研究电子束穿透硅纳米球时切伦科夫辐射与渡越辐射的相互作用。发现低速电子下渡越辐射主导远场并产生双缝干涉条纹,高速电子下切伦科夫前沿可逃逸至远场。建立CR/TR贡献的可视化分离方法,为纳米光子学和超快电子显微镜提供新视角。
太赫兹频率上转换新突破:InSb/CdTe异质结构中相干驱动电荷动力学实现高效谐波产生
彭湃等人在InSb/CdTe异质结构中首次实现面内磁场诱导的高效太赫兹二次谐波产生,三次谐波效率可媲美石墨烯等狄拉克材料。研究发现SHG机制为德鲁德电导率的轨道-塞曼修正,为高迁移率材料中实现高效太赫兹谐波产生提供了通用路径。
当前世界模型缺少持久状态核心:23个模型测试揭示AI的致命盲区
这篇论文揭示了当前世界模型的根本缺陷:当摄像头移开时,AI世界就暂停了。研究者提出WRBench基准,在23个模型9600个视频上系统证明,更高的保真度、更强的控制、更大的参数量都无法解决这一问题,需要架构层面的根本变革。
PASQA:专注重音质量评估的语音评估新模型——用合成语音训练出听感黄金耳朵
PASQA是首个专门针对重音正确性的语音质量评估模型。现有MOS预测模型对重音错误不敏感,而PASQA利用重音可控TTS合成训练数据,结合音节条件融合、排序损失、辅助错误定位和说话人不变训练四大技术,实现了高精度的重音质量评估,已被INTERSPEECH 2026接收。
RuO₂/WSe₂界面的反常磁光响应:用光学方法探测争议性反铁磁体的表面磁性
RuO₂/WSe₂范德华异质结构中观测到反常磁光响应:55K以下激子能量偏移偏离Varshni行为,谷分裂呈场无关涨落特征,为RuO₂表面弱磁态提供光学证据,建立了探测交替磁性候选材料的新方法。
PASQA:专攻声调重音的语音质量评估模型——让AI也能听出「味噌汤里放错了盐」
现有的语音质量评估模型对声调重音错误视而不见。PASQA用合成语音制造可控的声调错误来训练模型,让模型学会像日语母语者一样敏锐地捕捉重音位置偏差。该模型结合音拍条件融合、排序损失、辅助错误定位和说话人不变训练等多项技术,已被INTERSPEECH 2026接收。
光子级金刚石等离子体刻蚀工艺优化:从衬底减薄到纳米光子芯片的全链条突破
研究团队开发了等离子体刻蚀配方,将单晶金刚石薄膜从10微米减薄至300纳米以下,制造出表面粗糙度<0.5纳米的光子级DOI衬底,并提出基于比色法的厚度评估方法(5纳米分辨率),在DOI上成功制造自支撑光子芯片,为金刚石量子光子器件的可扩展制造提供了完整工艺方案。
等离子体波导中的无失相激光尾场加速:突破电子加速的物理极限
Palastro等人提出在等离子体波导中叠加多种模式构造时空结构化激光脉冲,以真空中光速驱动尾场,从根本上消除了激光尾场加速器的失相限制。方案保持恒定光斑尺寸和超短脉冲持续时间,大幅缩小等离子体体积,单级能量增益随模式数线性增长,为紧凑型高能电子加速器开辟新路径。
TimeProVe:先提议再验证,长视频理解成本降低93%同时精度提升7.3%
TimeProVe提出两阶段框架解决长视频问答的效率-精度矛盾:先用轻量级ACE模块从视频中提取动作级候选证据并生成假设,再调用大型VLM精准验证。在ADL场景基准OTB上超越最强基线7.3%,VLM调用减少75%,推理成本降低93%。
TimeProVe: 提议再验证——高效长视频理解的新范式
TimeProVe提出了一种先提议再验证的高效长视频理解框架,通过ACE模块先用轻量级模型定位候选证据,再调用大型视觉语言模型精准验证。该方法将VLM调用减少75%、推理成本降低93%,同时准确率提升7.3%。论文还推出了OpenTSUBench基准测试,专门评估日常生活活动场景中的时序推理能力。
PASQA:专攻日语声调重音的语音质量评估模型
东京大学与LINE联合研究团队提出PASQA,首个专门针对声调重音(pitch-accent)正确性的语音质量评估模型。该模型基于自监督语音表示,结合音拍条件融合、排序损失和重音错误定位任务,在日语合成语音上实现了对重音错误的精准检测,远超传统MOS预测模型。论文已被INTERSPEECH 2026接收。
光子级金刚石基板的等离子体刻蚀工艺优化与比色法厚度评估
代尔夫特理工大学团队开发了优化的 ICP-RIE 循环刻蚀工艺,将直接键合的金刚石板从 10 微米减薄到 300 纳米,制备出光子级金刚石-绝缘体(DOI)基板。同时提出基于比色法的厚度评估技术,仅需普通光学显微镜即可实现 5 纳米精度测量。该工作为大规模集成金刚石量子光子系统提供了可扩展的制造平台。
无相移激光尾场加速:等离子体波导中突破电子加速极限的新方案
罗切斯特大学团队提出无相移激光尾场加速(DLWFA)新方案:在等离子体波导中通过多模式叠加产生光速传播的激光强度峰值,彻底消除传统加速器中的相移限制。单级能量增益随模式数量线性增长,等离子体体积需求大幅减小,为紧凑型高能电子加速器开辟了新路径。
TimeProVe:先提议后验证,高效理解长视频的时间推理框架
TimeProVe 提出了一种'先提议、后验证'的两阶段框架,用于高效处理长视频问答。通过轻量级 ACE 模块提取动作级别的候选证据,再用大型 VLM 做针对性验证,在 OTB 基准上比最强基线高出 7.3%,VLM 调用减少 75%,推理成本降低 93%。该方法无需专门的时间定位训练就能实现零样本时间定位,代表了'聪明使用计算'的新趋势。
当前世界模型缺少持久状态核心:当摄像机离开后,世界还在运行吗?
世界模型被视为AGI的关键路径,但研究发现现有模型缺少持久状态核心——当摄像机离开后再返回,模型只是从离开时的状态恢复而非继续推进事件。团队提出WRBench基准对23个模型9600个视频评估,发现这一缺陷跨越所有范式和规模,表明更清晰的画面和更大的参数量都无法解决状态一致性问题。
等离子体波导中的无失相激光尾场加速:打破粒子加速器的能量瓶颈
研究人员提出在等离子体波导中利用时空结构化激光脉冲实现无失相尾场加速的新方案。通过叠加波导模式构造以光速传播的脉冲,消除LWFA最关键的失相限制,同时保持恒定光斑和超短脉冲。准三维粒子模拟验证了能量增益随模式数量线性增长的标度律,为紧凑型高能加速器开辟了新路径。
PASQA:聚焦音高重音的语音质量评估模型——用合成语音训练出"重音听诊器"
日本LY Corporation团队提出PASQA模型,专门评估日语语音合成中的音高重音正确性。该模型通过可控TTS系统构建大规模重音错误数据集,结合自监督学习、音拍条件融合、排序损失和说话人不变训练等四项创新,在重音质量排序准确率和与人类判断的一致性上均显著超越传统MOS预测模型,并在域外GPT-4o-mini-TTS系统上保持鲁棒性能。
告别失相限制:等离子体波导中实现无失相激光尾场加速
罗切斯特大学团队提出在等离子体波导中传播的时空结构化激光脉冲,可以真空光速驱动尾场,彻底消除失相限制。通过叠加等离子体波导模式,单级能量增益与模式数量线性增长,为紧凑型高能粒子加速器开辟新路径。拟三维PIC模拟验证了理论预测。
TimeProVe:先提案后验证——高效长视频时序推理的新范式
TimeProVe提出先提案后验证的两阶段框架,用轻量模型筛选候选证据再用VLM精准验证,在长视频问答任务上实现93%成本降低和7.3%性能提升,同时引入OTB日常生活时序推理基准。
DataMagic:从原始表格到叙事数据视频,多智能体架构重新定义数据可视化
DataMagic是一个端到端交互系统,能将原始表格数据和自然语言查询自动转化为叙事性数据洞察视频。核心创新:DVSpec声明式规范确保数据保真度和可溯源性;Generate-then-Orchestrate多智能体架构解决设计空间组合爆炸;三种交互模式支持迭代优化。已被VLDB 2026接收。
Easy Reads:让arXiv论文告别「蚂蚁字」,一键重排为舒适阅读版式
Easy Reads是一个开源Python工具,能自动从arXiv下载论文LaTeX源文件并重新编译——字号从默认10pt提升到12pt或14pt,支持双栏转单栏。不是PDF放大,而是从源头重构排版。对于每天在屏幕上啃密集论文的科研人员来说,这是个实用的阅读辅助工具。
基于语音段落级表征学习的普通话认知障碍检测:自编码器与对比学习的融合方案
语音作为低成本无侵入的数字生物标志物,在认知障碍检测中潜力巨大。本研究提出段落级语音表征学习框架,结合自编码器与对比学习,在四个普通话数据集上验证了稳定性能,尤其在临床难度最高的三分类任务中表现突出,为资源受限的临床环境提供了可扩展的筛查方案。
数字时代的劳工组织:社区、技术与集体行动的深度解析
美国当代劳动力高度分散,工会组织者依赖数字通信工具进行集体行动。本研究通过17次深度访谈,揭示数字工具在劳工组织中的双重角色:既是连接分散工人的生命线,也引入了技术安全、信息过载、信任建设等全新挑战。研究发现,成功的数字组织需要分层通信架构和线上线下结合的策略。
Easy Reads:让arXiv论文不再难读的Python开源工具
Easy Reads是一款开源Python程序,能够自动从arXiv获取论文TeX源文件,通过调整字号和栏数等排版参数生成更易读的PDF版本。它解决了arXiv论文紧凑排版在屏幕上阅读困难的痛点,无需改变论文内容,只需一个arXiv URL即可一键生成大字版论文,显著提升阅读舒适度和可访问性。
PASQA:面向音高重音的语音质量评估模型——用合成语音训练出人类级别的重音判断能力
PASQA提出了一种专门针对音高重音正确性的语音质量评估模型。通过使用可控制重音的TTS系统构造带有重音错误的合成语音数据集,并结合音节条件融合、排序损失、重音错误定位辅助任务和说话人不变训练等技术,PASQA在重音正确性判断上显著超越了传统MOS预测模型,被Interspeech 2026接收。
Zero-VC:零前瞻流式语音转换——用说话人匿名化技术实现真正实时的声线变换
Zero-VC提出了一种全新的零前瞻流式语音转换方法,利用说话人匿名化(SA)作为扰动机制,解决了现有方法在音色泄露与音质保持之间的权衡难题。该方法采用严格因果架构,完全无需缓冲未来帧,实现了真正的零延迟实时语音转换,被Interspeech 2026接收。
个性化关键词检测新突破:ZP-KWS如何用155万参数实现说话人级精准唤醒
本文深入解读Interspeech 2026收录论文ZP-KWS——一个面向用户自定义关键词的轻量级个性化语音唤醒框架。该框架结合音素监督音频编码器与GE2E预训练说话人编码器(仅0.9M参数),通过乘性晚期融合赋予两个分支独立否决权,在155万参数预算内实现双重零样本检测,在LibriPhrase等数据集上将目标说话人FRR降低最高60%,为边缘设备的个性化语音交互开辟了新路径。
Zero-VC:零前瞻延迟的流式语音转换——用说话人匿名化突破实时变声的瓶颈
Zero-VC提出了一种零前瞻延迟的流式语音转换方法,创新性地将说话人匿名化(SA)作为扰动机制,在严格因果架构下实现高质量实时语音转换。该方法通过SA产生的鲁棒表征消除了模型对未来帧的依赖,在保持韵律完整性的同时避免音色泄漏,已被Interspeech 2026接收。
MixProLAP:混合音频的概率语言-音频预训练框架——让AI真正听懂复杂声场
MixProLAP提出了一种概率音频-语言预训练框架,通过将确定性嵌入替换为概率分布嵌入,并创新性地使用音频-文本混合策略来模拟真实的多声源场景。配合多层级包含损失约束语义层次关系,该方法在音频-文本检索基准上显著优于传统确定性方法,为复杂声场的AI理解提供了新范式。
TimeProVe:先提议再验证,高效长视频理解的新范式
TimeProVe提出一种先提议再验证的混合框架用于长视频时序推理。通过轻量级动作检测和LLM候选生成,仅对少量候选调用昂贵VLM验证,在OTB基准上提升7.3%准确率的同时减少75%的VLM调用和93%的推理成本,并提出了面向日常活动的OTB基准。
高功率激光驱动超薄光子晶体薄膜产生光压位移:光帆推进的关键突破
荷兰代尔夫特理工大学团队制造出迄今最大的亚波长系留光帆,通过纳米光子晶体结构在超薄氮化硅薄膜上实现99%光反射率,激光照射下产生1.75微米位移(比此前提升5万倍),并能承受太阳表面级别的光强度,为光驱动星际推进奠定实验基础。
从人类演示自动生成机器人手:数据驱动的机器人身体设计革命
论文提出数据驱动框架,从400万+帧人类指尖运动数据自动生成机器人手部设计。用逆运动学替代复杂控制策略,配合RL加速器将搜索从数小时缩至数分钟,直接3D打印制造。6自由度通用手在遥操作指尖跟踪精度上超越商用机器人手,3自由度专用手以67%更少的驱动器实现接近性能。
MemoryWAM:用持久记忆破解机器人世界模型的效率困境
MemoryWAM提出一种带持久记忆的世界动作模型,通过近期帧、事件边界锚帧和摘要向量三层混合记忆架构,配合定制化注意力机制,解决了机器人长程操作中记忆深度与计算效率的矛盾。在仿真和真实世界任务中,性能超越现有VLA和WAM基线,推理延迟降低3倍,内存占用降低60%。
JanusMesh:3-5分钟生成「双面神」3D幻象,零训练跨空间去噪框架
JanusMesh提出无需训练的3D视觉幻象生成框架,通过跨空间双分支去噪将几何融合与纹理合成解耦,仅需3-5分钟即可生成从不同角度看呈现完全不同语义的3D模型,在速度、几何完整性和语义清晰度上全面超越现有方法。该工作被ECCV 2026接收。
告别失相限制:等离子体波导中无失相激光尾场加速的突破性方案
激光尾场加速器(LWFA)能提供极高的加速梯度,但一直受失相问题限制。研究团队提出了一种在等离子体波导中传播的时空结构化激光脉冲方案,可以真空中光速驱动尾场,同时保持恒定光斑和超短脉冲。通过叠加等离子体波导模式,单级能量增益随模式数量线性增长,打开了通向更高能量电子束的大门。
SARLO-80:全球首个80厘米分辨率斜距SAR-光学-文本多模态数据集
合成孔径雷达(SAR)遥感领域长期缺乏高质量多模态基准数据集。SARLO-80基于Umbra聚束SAR数据,构建了包含119,566个三元组的全球数据集,覆盖72个国家257个地点,提供80厘米斜距分辨率的复数SAR、幅度SAR、配准光学影像和自然语言描述,为SAR视觉-语言模型训练提供了前所未有的基础设施。
无失相激光尾场加速:等离子体波导中的革命性粒子加速方案
研究人员提出在等离子体波导中用时空结构化激光脉冲以光速驱动尾场,彻底消除激光尾场加速器的失相限制。该方案通过叠加波导模式实现恒定光斑和超短脉冲,大幅缩减等离子体体积,能量增益与模式数成正比,为紧凑型高能加速器开辟新路径。
超越全局重规划:面向跨设备任务与运动规划的分层恢复机制
多设备智能体在执行跨应用任务时,执行失败后的恢复策略至关重要。本文解读H-RePlan框架——一种分层重规划方案,通过设备本地策略恢复与全局编排层的协同,实现了对跨Linux和Android设备工作流中故障的精准定位与高效修复。配合HeraBench故障注入基准测试,H-RePlan在完成率、指令遵循度和token成本上均大幅超越现有基线方案。
FlowEdit:用联想记忆实现TTS终身发音自适应,让语音合成不再念错名字
FlowEdit为冻结的流匹配TTS系统引入终身发音修正框架,通过在文本嵌入空间中学习token级扰动并存储在现代Hopfield网络中,实现内容可寻址的记忆检索。在312个多语言专有名词基准上,目标词音素错误率降低92.7%,单GPU修正仅需约15秒。
你的鼠标和眼睛正在偷偷泄露你的偏好:用隐式反馈对齐大语言模型
研究者构建了IFLLM数据集,收集59名众包工人的鼠标轨迹和眼动数据来训练LLM奖励模型。实验表明,隐式反馈将奖励模型准确率从55%提升至64%,并使DPO对8个LLM的响应质量改善效果近似翻三倍。
FlowEdit:用联想记忆实现TTS终身发音自适应,92.7%的音素错误率降低
Flow-matching文本转语音系统虽然在零样本场景下表现出色,但部署后对专有名词的发音错误无法自动修正。本文解读Singh等人提出的FlowEdit框架,该框架将发音修正编码为潜空间条件扰动而非权重更新,并利用现代Hopfield网络作为内容寻址的情景记忆存储修正。在跨18个语系的312个多语言专有名词基准测试上,FlowEdit将目标词音素错误率降低了92.7%,单GPU仅需约15秒完成修正。
你的鼠标和眼神正在泄露你的真实偏好:基于隐式行为信号的大语言模型对齐研究
传统的大语言模型对齐依赖用户显式反馈(如点赞、评分),但这类数据稀缺且昂贵。本文解读Chang等人发表于arXiv的最新研究,该研究构建了IFLLM数据集,通过采集1336个多轮对话中59名众包工人的鼠标轨迹和眼动数据,首次系统量化了隐式行为信号对LLM对齐的价值。基于隐式反馈的奖励模型将准确率从55%提升至64%,在8个LLM上应用DPO后,响应质量的相对提升几乎翻了三倍。
LedgerAgent:用账本思维让AI Agent严格遵守策略,工具调用不再失控
LedgerAgent提出用结构化账本显式维护AI Agent的任务状态,在执行工具调用前检查策略约束。在四个客服领域和多种模型上,该方法显著提升了任务完成率和策略合规率,尤其在长对话和复杂策略场景下优势更大,为构建可靠的工具调用Agent提供了系统性方案。
分布偏移下如何让混合专家模型校准可靠?ICML 2026新研究给出答案
ICML 2026论文研究了混合专家模型(MoE)在分布偏移下的校准问题。核心发现:硬路由MoE中专家校准可保证整体校准,软路由中则不然。研究者提出对抗性重加权方法,显著改善准确率-校准度权衡,对医疗AI、自动驾驶等高风险场景具有重要应用价值。
少数视觉线索驱动了多模态大模型中大多数社会偏见:StylisticBias 深度解读
多模态大语言模型在判断人脸照片时,仅15个视觉属性(年龄、体型、时尚风格等)就能驱动80%以上的社会偏见变异。StylisticBias通过控制变量法生成约25K张照片级人脸图像,在6个MLLM上覆盖25个社会判断场景进行评估,发现年龄和体型的影响超过身份本身,时尚风格是属性层面最强的偏见驱动因素。研究为AI偏见缓解提供了精确的优先级清单。
指令如何塑造语音?交叉注意力归因揭示风格描述TTS的内部机制
这篇论文首次将DAAM框架从图像迁移到语音扩散模型,提出了交叉注意力归因方法分析风格描述TTS系统。分析3,600组组合后发现:风格词元具有全局调制作用,风格注意力与基频和能量相关,风格调制在早期步骤和深层网络中达到峰值,注意力熵在第17层最小。这是首个研究自然语言如何影响语音扩散模型中交叉注意力的工作。
Multi-LCB:把代码能力评测从Python扩展到12种编程语言,大模型的「偏科」问题暴露无遗
Multi-LCB将LiveCodeBench从Python扩展到12种编程语言,评估24个大语言模型后发现三个关键现象:Python过拟合(模型在Python上表现远超其他语言)、语言特定的数据污染、以及多语言性能的巨大落差。该基准测试被ICLR 2026接收,为评估模型真正的跨语言编程能力提供了严谨工具。
分布漂移下如何让混合专家模型保持校准?ICML 2026最新研究揭示路由机制的关键影响
本文解读ICML 2026论文,研究MoE模型在分布漂移下的校准问题。核心发现:硬路由MoE中专家级校准足以保证整体校准,但软路由不行。作者提出对抗性重加权方法改善软路由校准,在准确率-校准权衡上取得显著改善。
机器学习革新二维电子光谱:从有限数据中提取最大信息量
斯坦福大学团队开发了一套基于高斯混合模型的机器学习框架,用于分析和设计二维电子光谱实验。该框架能从有限的2DES数据中提取光谱密度,外推到未测量的时间延迟,并通过主动学习策略智能选择下一步测量点,在光敏黄蛋白、尼罗红、GFP发色团等多个体系上展示了出色的准确性。
几何不一致多能谱CT中的高效精确图像重建:突破射线依赖能谱的重建瓶颈
研究团队提出了一种针对几何不一致、射线依赖能谱的多能谱CT图像重建新方法。通过引入聚合能谱概念并利用雅可比矩阵的特殊块结构(对角矩阵×极小规模矩阵),该算法在精度和效率上远超现有方法,为多能谱CT临床应用扫清了关键技术障碍。
从Lax对理论重构量子动力学:谱守恒视角下的量子力学重建
匈牙利物理学家Péter Szabó提出了一种从最小公理体系出发重构量子动力学的方法。仅假设物理时间演化是保谱的连续单参数流,即可推导出Heisenberg方程、薛定谔方程、守恒律等核心结果。Lax对理论成为连接Hilbert空间测量结构与标准量子演化的桥梁。
量子生命游戏建模意大利西尼罗河病毒爆发:当元胞自动机遇上传染病学
意大利研究团队创造性地将量子版本的生命游戏元胞自动机应用于传染病建模,成功模拟了2025年意大利西尼罗河病毒爆发。该模型仅需优化蚊子出生率和移除率两个参数,即可高精度拟合实际感染曲线,并可量化评估灭蚊措施和气候变化对疫情的影响。
多智能体与多体系统的最优秩序:当个体力量遇上集体智慧
本文深入解读Jake J. Xia的最新研究,该框架通过力量和响应函数两个核心变量分析多智能体系统,揭示了总功率、有用功率、熵、秩序、脆弱性、流动性等宏观性质如何从异质个体中涌现,并引入风险偏好系数推导出平衡生产力、稳定性和适应性的最优秩序度。核心发现:同步性是双刃剑,秩序、熵和信息都是任务依赖的概念。
阿秒路径量子比特:高次谐波产生中的经典退相与量子退相干
高次谐波产生中电子的短轨道和长轨道构成一个可操控的两能级量子系统——阿秒路径量子比特(APQ)。本文首次区分了两种退相干机制:经典退相来自系综平均(可通过条件测量消除),量子退相干源于未观测自由度的求迹操作(不可消除)。该框架为阿秒干涉术中的轨迹量子态工程提供了诊断工具。
大规模随机基因调控网络中的振荡与空间图案:噪声如何成为生命的图案设计师
研究揭示分子噪声在基因调控网络图案形成中的关键作用。通过发展二阶矩随机分析框架,发现小系统中噪声可诱导图灵不稳定性,且无需不同物质扩散速率差异——这从根本上挑战了经典图灵理论的核心假设,为理解胚胎发育等生物过程中的空间图案形成提供了全新视角。
用神经网络补全大脑:混合生物物理神经元模型如何用Neural ODEs发现未知离子通道动力学
德国蒂宾根大学团队提出一种混合建模框架,将神经常微分方程嵌入Hodgkin-Huxley型生物物理模型,从电压记录中学习未知离子通道动力学和树突轴向电流。该方法在2400种离子通道模型上验证成功,能从单次电流钳记录中恢复未知门控动力学,还将多区室皮层神经元模型压缩为单区室模型,计算速度提升一个数量级。
量子计算突破:全活化空间波函数的高效经典表示与量子态制备
量子计算在化学领域的重大突破:研究者利用量子Paldus变换证明,全活化空间(CAS)波函数可以高效地表示为矩阵乘积态,键维数仅O(d²)增长。基于此设计的量子态制备算法将门复杂度从指数级降至O(d³)多项式级,实现了指数级改进。该成果对量子化学、药物设计和材料科学具有深远意义。
深度Transformer中的自适应推理与功能向量:从均场理论理解大模型如何学习
本文深入解读Ravin Raj和Gautam Reddy的最新研究,该工作从均场相互作用系统的角度重新审视深度Transformer,揭示了模型如何通过功能向量(function vectors)实现分布式推理,在层与层之间逐步推断潜在上下文变量。研究发现前馈模块和网络深度使Transformer能实现远比此前描述更丰富的上下文学习算法。
DeepSWIP:神经概率逻辑程序中的反事实推理新突破
神经符号系统(如DeepProbLog)将神经感知与概率逻辑结合,但标准推理仅限于关联层面。DeepSWIP引入了单世界反事实语义,通过神经物化将神经谓词转化为普通ProbLog选择,再应用SWIP和加权模型计数(WMC)计算反事实。实验表明,该方法在MPI3D数据集上精确匹配DeepTwin构造,推理速度提升2.14倍。HOV实验揭示了神经校准退化对反事实估计的偏差影响。
推荐系统新范式:G2Rec如何用图结构与语义分词统一建模用户兴趣
生成式推荐是工业推荐系统的新兴范式,但现有方法难以同时有效组织和注入复杂的用户行为上下文与物品语义信息。本文解读G2Rec框架:通过统一的图协同建模与语义分词方法,将全局用户共参与图与物品语义分词结合,在无需真实用户兴趣标注的情况下,实现更全面、更准确的用户兴趣原型捕获。该方法已在多个产品线在线部署,并在公开数据集上超越现有方法。
量子计算突破:完全活性空间波函数的高效经典表示与量子态制备
量子计算机有望解决复杂分子的电子结构问题,但强关联分子的量子态制备一直是瓶颈。本文解读Hamza Jnane的最新研究:利用量子Paldus变换(QPT),将完全活性空间(CAS)态在对称性适配基下展开为矩阵乘积态(MPS),使经典表示和量子态制备的复杂度从指数级降至多项式级O(d³),实现了对现有方法的指数级改进。
QCPIKAN:量子-经典物理信息Kolmogorov-Arnold网络求解偏微分方程
QCPIKAN是首个量子-经典混合的物理信息Kolmogorov-Arnold网络,用于求解偏微分方程。该框架结合Chebyshev多项式KAN层和参数化量子电路,将物理约束嵌入训练损失。理论证明其高频误差收敛达到指数速率,在多孔介质渗流三类典型场景中展现出优于现有量子-经典物理信息神经网络的性能。
BrainWorld:用结构MRI引导全脑4D fMRI动态生成的全新框架
BrainWorld是一种结构先验条件生成模型,利用sMRI作为解剖学上下文来引导全脑4D fMRI动态生成。该模型在22个数据集上验证,可生成长达400帧的稳定fMRI轨迹,并通过生成样本增强提升下游任务性能,为脑动态建模和多模态表征学习开辟新路径。
亚欧姆自旋-玻色子模型中动力学相的纠缠结构:量子耗散动力学的新视角
利用树张量网络方法系统研究亚欧姆自旋-玻色子模型的纠缠结构,发现稳态纠缠熵景观、低频模式主导效应及相干增强浴关联,为耗散量子动力学提供新视角。
scGTN:深度孪生图Transformer网络革新单细胞RNA测序聚类
scGTN利用深度孪生图Transformer网络和最优传输策略进行单细胞RNA测序聚类,显式整合基因表达和细胞间结构信息,已被IJCAI 2026接收。
揭秘婴儿大脑发育:结构-功能模块一致性如何从0到5岁演变
引入随机模块概念,提出鲁棒的概率性方法测量婴儿大脑结构-功能模块一致性,发现0-5岁期间SFMC持续下降,初级脑区一致性高于高级认知区域。
李代数注意力机制:当Token成为群元素,Transformer遇上李群
提出李代数注意力机制,首次将注意力Token直接定义为矩阵李群元素,用闭式代数范数替代学习核函数,参数量减少50-80倍,首次处理仿射群等非紧致非交换群。
AI驱动的符号搜索革命:ASYS如何超越传统方法刻画偏微分方程
ASYS框架利用AI智能体自动发现偏微分方程解的解析表达式,通过进化搜索和梯度优化相结合,在五个PDE问题上产生可解释的数学表示,开创超越传统数值模拟和神经网络近似的新范式。
minibwa:基因组比对速度提升4倍的突破性工具
minibwa结合BWA-MEM和minibwa2的优势,实现了比BWA-MEM快4倍、比BWA-MEM2快2倍的基因组读段比对速度。
DFT训练的神经网络势能能否准确模拟水溶液中镁离子的行为?
MACE神经网络势能成功再现了Mg²⁺水溶液的结构、扩散和水交换动力学,但在溶剂化自由能方面仍有局限。
bioETH-Beacon:在区块链上实现隐私保护的基因组数据查询
bioETH-Beacon利用全同态加密的以太坊虚拟机,实现了在不暴露查询内容和保护隐私的前提下进行基因组数据聚合查询。
DiffusionGemma的推理透明度:扩散模型真的比自回归模型更难理解吗?
研究表明,扩散语言模型DiffusionGemma的推理过程并不像表面看起来那样不透明——通过可解释的token瓶颈,其不透明度仅比Gemma 4高1.1倍。
神经元会说话吗?单细胞分辨率下的视觉语义叙述
NEURRATOR框架首次实现了从单个神经元的放电活动中解码出自然语言描述的视觉场景,为理解大脑视觉编码提供了革命性工具。
情报动态 13
Microsoft Research Focus – Edition #98
.yt-consent-placeholder[data-video-id="Hcc6Ua7uTas"] { aspect-ratio: 9 / 16; max-width: 480px; margin: 24px auto 48px auto; } What’s new in research? In this edition of Microsoft Research Focus , based on the Research Focus newsletter (opens in new tab) , host Anson Ho shares some of the latest news
AgentSSL: Can MLE Agents Leverage Unlabeled Data?
Applying machine learning systems to new domains introduces bottlenecks in both labeled data acquisition and manual pipeline engineering. While recent MLE agents show promise in automating pipeline design, they have been studied almost exclusively in fully supervised settings, leaving them untested
CoReMem: Cost-Internalizing Memory for Successive Coding Tasks with Prospective Valuation
Coding agents tackle successive tasks on an evolving repository, carrying forward edits and writing memory before the next task is known. Selecting memory for unknown next tasks requires balancing future usefulness against the costs of writing and reading it. The actor must also decide when acting o
Sketching Language Models for Context Attribution
Context attribution asks how removing parts of a prompt changes a language model's output. We study leave-one-out (LOO) attribution for a prompt of $n$ tokens and a fixed measurement function. Computing all LOO values directly requires $n$ model evaluations. Under a stability assumption, our algorit
Classical Energies Learn to Reason 1,000x Faster than Looped Models
Looped models have emerged as a prominent paradigm for reasoning, with successes on simple reasoning puzzles such as Sudoku-Extreme and Maze-Unique. However, these models can be unstable, slow to train, and use many parameters and FLOPs to solve simple puzzles. Descent on an energy not only mitigate
Consistent Video-to-Video Translation via Explicit Correspondences
Interactive video-to-video applications require real-time generation while maintaining long-range temporal consistency. However, recent methods achieve speed by restricting attention to a fixed-length causal window. This limits long-range consistency whenever relevant history falls outside the conte
Goal Encoding in LLMs
We investigate whether and how LLMs encode goals: internal neural representations that precede and guide action, and that are flexible enough to be realized through many different execution paths. We construct a coding setting with multiple sub-tasks that allows us to evaluate goal-seeking behavior
AlphaGenome 2: Deciphering how cells read DNA to better understand disease
Predicting how DNA sequences and their variations impact specific human cell types and disease.
Lazare, veni foras: Reprogramming Dormant Neurons to Backdoor AI Agents
Microsoft researchers have discovered “Lazarus,” a backdoor technique that can reprogram dormant neurons in an AI model, causing an otherwise normal AI agent to execute malicious commands when a hidden trigger appears. The threat is especially serious for AI agents with tool or terminal access. A tr
Introducing AlphaProof Code: a breakthrough in verifying complex software at depth
AlphaProof Code agents wrote three million lines of proofs in Lean to verify Signal’s core encryption.
Formally verifying agent-written full-stack web apps with PDD Kit
At a glance Formal methods for everyday software. PDD Kit helps you turn your intent into a formal spec, then proves the code your agent writes for every input and uses tests where a proof can’t reach. It takes formal methods beyond niche, specialist work to engineers without a formal methods backgr