EVE-Agent: Evidence-Verifiable Self

https://arxiv.org/abs/2605.22905

EVE-Agent：证据可验证

调解模糊逻辑理论新进展：从类型一基础延伸至类型二、类型三及量子扩展

https://arxiv.org/abs/2605.22900

近期，学术界对模糊逻辑的研究取得重要进展，提出了一种名为调解模糊逻辑的新框架。该理论以传统的类型一模糊逻辑为基础，逐步扩展到能处理更复杂不确定性的类型二和类型三模糊逻辑，并进一步引入了量子扩展机制，利用量子计算原理增强系统的表达能力。这项工作旨在解决传统模糊逻辑在面对高维或动态数据时的局限性，为人工智能、模式识别和量子信息处理等领域提供新的理论工具。研究通过数学建模和实验分析，展示了该框架在提升推理精度和计算效率方面的潜力，预计将推动智能系统设计和不确定性管理技术的创新发展。 #模糊逻辑 #人工智能 #量子计算 #学术研究 #科技新闻 #计算智能 #理论计算机科学 #逻辑学

arXiv 推出 Labs 框架以促进开放协作与功能创新

https://arxiv.org/abs/2605.22885

学术预印本平台 arXiv 推出名为 “arXivLabs” 的协作框架，旨在鼓励社区开发者直接在其网站上开发和共享新功能。该框架面向个人及组织合作伙伴，强调秉持开放、社区、卓越与用户数据隐私等核心价值观。arXiv 表示，平台致力于维护这些原则，并只与遵守相同价值观的伙伴合作。此举旨在吸纳社区创意，为研究人员提供更有价值的服务。 #arXiv #学术平台 #开放科学 #科研创新 #学术出版 #社区驱动

研究提出智能体AI系统目标级能源核算新方法

https://arxiv.org/abs/2605.22883

随着人工智能技术的快速发展，尤其是智能体AI系统的广泛应用，其能源消耗问题日益受到关注。研究人员提出了一种创新的目标级能源核算方法，旨在通过衡量“每次成功目标的能源”来更精确地评估AI系统的能效。该方法聚焦于智能体在完成特定任务或目标过程中的实际能源使用，而非简单的整体能耗统计，从而为优化系统设计、降低碳足迹提供科学依据。这一研究有望推动可持续AI的发展，帮助企业和开发者在部署AI系统时实现更高效的能源管理。 #AI #能源核算 #智能体系统 #研究论文 #科技 #可持续 #能效 #人工智能

arXiv推出arXivLabs协作框架，推动开放科学社区创新

https://arxiv.org/abs/2605.22878

arXiv作为全球广泛使用的科学预印本服务器，近日正式推出arXivLabs协作框架，旨在通过社区合作加速平台功能迭代。该框架允许开发者在arXiv网站上直接开发和分享新特性，所有参与者需遵守开放性、社区精神、卓越标准和用户数据隐私保护等核心价值观。arXiv强调，其仅与秉持这些价值观的个人或组织合作，以确保平台的长期健康发展。此举预计将激发全球科研社区的创造力，通过众包方式优化arXiv的服务，进一步提升科学知识共享的效率。arXiv鼓励社区成员提交项目想法，共同构建更强大的开放科学基础设施，为研究人员提供更便捷的支持。 #arXiv #开放科学 #科研协作 #社区创新 #科技新闻 #学术共享 #数据隐私

RMA: an Agentic System for Research-Level Mathematical Problems

https://arxiv.org/abs/2605.22875

arXivLabs is a framework that allows collaborators to develop and share new arXiv features directly on our website. Both individuals and organizations that work with arXivLabs have embraced and accepted our values of openness, community, excellence, and user data privacy. arXiv is committed to these values and only works with partners that adhere to them. Have an idea for a project that will add value for arXiv's community? Learn more about arXivLabs .

NeuroNL2LTL: A Neurosymbolic Framework for Natural Language Translation of Linear Temporal Logic

https://arxiv.org/abs/2605.22874

arXivLabs is a framework that allows collaborators to develop and share new arXiv features directly on our website. Both individuals and organizations that work with arXivLabs have embraced and accepted our values of openness, community, excellence, and user data privacy. arXiv is committed to these values and only works with partners that adhere to them. Have an idea for a project that will add value for arXiv's community? Learn more about arXivLabs .

研究提出 BOHM 技术，为复合 AI 系统实现零成本归因分析

https://arxiv.org/abs/2605.22866

一项名为 BOHM 的新技术被提出，旨在为复杂的复合 AI 系统提供高效的层次化归因方法。该技术的核心优势在于“零成本”，即能够在不增加额外计算开销的情况下，对系统内各组件的贡献进行量化分析。这对于理解和调试由多个模型或模块协同工作的 AI 系统尤为重要，有助于开发者厘清不同部分的作用，从而优化系统设计和提升整体性能。 BOHM 的出现，为提升复合 AI 系统的可解释性、透明度和开发效率提供了一种新的实用工具，有望推动相关领域的研究与工程实践。 #AI #可解释性 #系统工程 #技术研究 #人工智能