DataStates-LLM: 新型可扩展检查点技术助力Transformer模型训练
研究人员在arXiv上提交了一篇题为《DataStates-LLM: Scalable Checkpointing for Transformer Models Using Composable State Providers》的论文，提出了一种针对Transformer模型的可扩展检查点方法。该方法通过组合状态提供者（Composable State Providers）来优化大型语言模型训练过程中的状态保存与恢复，旨在解决传统检查点技术在处理超大规模模型时面临的存储开销和性能瓶颈。该技术的应用有望提升训练效率与容错能力，为大模型开发提供更可靠的底层支撑。论文作者包括Avinash Maurya等。 #arXiv #Transformer #检查点 #可扩展性 #大模型 #AI #论文
研究人员在arXiv上提交了一篇题为《DataStates-LLM: Scalable Checkpointing for Transformer Models Using Composable State Providers》的论文，提出了一种针对Transformer模型的可扩展检查点方法。该方法通过组合状态提供者（Composable State Providers）来优化大型语言模型训练过程中的状态保存与恢复，旨在解决传统检查点技术在处理超大规模模型时面临的存储开销和性能瓶颈。该技术的应用有望提升训练效率与容错能力，为大模型开发提供更可靠的底层支撑。论文作者包括Avinash Maurya等。 #arXiv #Transformer #检查点 #可扩展性 #大模型 #AI #论文
Agent-Native免疫系统
一篇来自arXiv的论文提出了名为“Agent-Native Immune System”的全新架构，旨在为自主智能体提供原生免疫防护。该研究由Bo Shen等作者完成，系统性地定义了智能体免疫系统的架构层次、分类标准及工程实现路径。论文借鉴生物免疫系统的分层防御机制，设计了一套可嵌入智能体运行环境的自适应安全框架，能够实时检测并防御针对大模型智能体的恶意攻击、数据投毒和异常行为。研究还构建了相应的分类体系，将威胁类型与免疫策略匹配，并给出了具体的工程化指南。这一工作为提升大语言模型驱动的自主智能体的鲁棒性和安全性提供了新思路，有望推动智能体在金融、医疗等高风险场景的可靠部署。 #AI安全 #智能体 #免疫系统 #大模型 #论文 #arXiv #网络安全
一篇来自arXiv的论文提出了名为“Agent-Native Immune System”的全新架构，旨在为自主智能体提供原生免疫防护。该研究由Bo Shen等作者完成，系统性地定义了智能体免疫系统的架构层次、分类标准及工程实现路径。论文借鉴生物免疫系统的分层防御机制，设计了一套可嵌入智能体运行环境的自适应安全框架，能够实时检测并防御针对大模型智能体的恶意攻击、数据投毒和异常行为。研究还构建了相应的分类体系，将威胁类型与免疫策略匹配，并给出了具体的工程化指南。这一工作为提升大语言模型驱动的自主智能体的鲁棒性和安全性提供了新思路，有望推动智能体在金融、医疗等高风险场景的可靠部署。 #AI安全 #智能体 #免疫系统 #大模型 #论文 #arXiv #网络安全
串联强化学习与可验证奖励
近日，一篇题为《Tandem Reinforcement Learning with Verifiable Rewards》的论文在arXiv预印本平台发布。该研究由Difan Jiao等学者共同完成，提出了一种名为“串联强化学习”的新框架。与传统强化学习依赖单一奖励信号不同，该方法引入可验证的奖励机制，通过将奖励生成过程与策略学习解耦，提高了奖励信号的可靠性和学习效率。实验表明，该框架在多个标准测试任务中取得了更优的收敛速度和最终性能，为强化学习在复杂场景下的应用提供了新思路。相关代码和数据已公开，便于学术社区复现与拓展。 #强化学习 #可验证奖励 #AI #机器学习 #学术前沿 #arXiv #论文速递
近日，一篇题为《Tandem Reinforcement Learning with Verifiable Rewards》的论文在arXiv预印本平台发布。该研究由Difan Jiao等学者共同完成，提出了一种名为“串联强化学习”的新框架。与传统强化学习依赖单一奖励信号不同，该方法引入可验证的奖励机制，通过将奖励生成过程与策略学习解耦，提高了奖励信号的可靠性和学习效率。实验表明，该框架在多个标准测试任务中取得了更优的收敛速度和最终性能，为强化学习在复杂场景下的应用提供了新思路。相关代码和数据已公开，便于学术社区复现与拓展。 #强化学习 #可验证奖励 #AI #机器学习 #学术前沿 #arXiv #论文速递
京东发布Oxygen AIIC V1工业级商品智能中心，利用大模型与视觉语言模型革新商品管理
京东研究团队在arXiv上提交论文，正式公开了其自主研发的“京东氧气AI商品中心（Oxygen AIIC V1）”。该系统是一个以大规模语言模型（LLM）和视觉语言模型（VLM）为核心的工业级解决方案，旨在全面革新电商场景下的商品理解、管理及应用。Oxygen AIIC V1能够从海量商品数据中高效提取和理解视觉与文本特征，支撑商品搜索、推荐、内容生成等核心业务环节。论文由Oxygen AIIC团队与54位作者共同完成，体现了京东在工业界大规模AI应用上的深厚积累。该方案的发布标志着大模型技术在电商领域从实验室走向大规模工程化部署的重要进展，有望显著提升商品运营效率与用户体验。 #京东 #OxygenAIIC #大模型 #VLM #商品管理 #工业级AI #电商技术 #arXiv
京东研究团队在arXiv上提交论文，正式公开了其自主研发的“京东氧气AI商品中心（Oxygen AIIC V1）”。该系统是一个以大规模语言模型（LLM）和视觉语言模型（VLM）为核心的工业级解决方案，旨在全面革新电商场景下的商品理解、管理及应用。Oxygen AIIC V1能够从海量商品数据中高效提取和理解视觉与文本特征，支撑商品搜索、推荐、内容生成等核心业务环节。论文由Oxygen AIIC团队与54位作者共同完成，体现了京东在工业界大规模AI应用上的深厚积累。该方案的发布标志着大模型技术在电商领域从实验室走向大规模工程化部署的重要进展，有望显著提升商品运营效率与用户体验。 #京东 #OxygenAIIC #大模型 #VLM #商品管理 #工业级AI #电商技术 #arXiv
Lifted Causal Inference 论文在 arXiv 预印本平台发布
近日，Malte Luttermann 等四位研究者在 arXiv 上提交了一篇题为《Lifted Causal Inference》的论文。该论文于2026年6月26日提交，提供PDF、HTML及TeX源码等多种格式。页面集成了参考文献、引用导出、相关论文推荐以及多项实验性工具如Connected Papers、Litmaps、Scite等，为读者提供了丰富的文献探索功能。论文当前处于提交状态，DOI尚在注册中，尚未正式出版。 #arXiv #因果推断 #论文 #预印本 #学术 #MalteLuttermann
近日，Malte Luttermann 等四位研究者在 arXiv 上提交了一篇题为《Lifted Causal Inference》的论文。该论文于2026年6月26日提交，提供PDF、HTML及TeX源码等多种格式。页面集成了参考文献、引用导出、相关论文推荐以及多项实验性工具如Connected Papers、Litmaps、Scite等，为读者提供了丰富的文献探索功能。论文当前处于提交状态，DOI尚在注册中，尚未正式出版。 #arXiv #因果推断 #论文 #预印本 #学术 #MalteLuttermann
RelBall：基于四元数旋转的关系球知识图谱补全方法
来自arXiv的一篇研究论文提出了名为RelBall的知识图谱补全方法。该方法创新性地将知识图谱中的关系建模为“关系球”，并利用四元数旋转机制进行实体和关系的嵌入表示。相比传统的平移或旋转模型，RelBall能够更有效地捕捉复杂关系模式，尤其在处理对称、非对称及组合关系时表现出优势。论文由Yike Liu等三位作者共同撰写，已提交至arXiv预印本平台。该研究为知识图谱嵌入领域提供了新的几何解释和计算框架，有望推动链接预测和关系推理等下游任务的发展。 #知识图谱 #关系补全 #四元数 #RelBall #论文 #AI #机器学习 #深度学习
来自arXiv的一篇研究论文提出了名为RelBall的知识图谱补全方法。该方法创新性地将知识图谱中的关系建模为“关系球”，并利用四元数旋转机制进行实体和关系的嵌入表示。相比传统的平移或旋转模型，RelBall能够更有效地捕捉复杂关系模式，尤其在处理对称、非对称及组合关系时表现出优势。论文由Yike Liu等三位作者共同撰写，已提交至arXiv预印本平台。该研究为知识图谱嵌入领域提供了新的几何解释和计算框架，有望推动链接预测和关系推理等下游任务的发展。 #知识图谱 #关系补全 #四元数 #RelBall #论文 #AI #机器学习 #深度学习
新论文提出ATOD方法：退火轮次感知在线蒸馏提升多轮自主智能体性能
近日，一篇题为《ATOD: Annealed Turn-aware On-policy Distillation for Multi-turn Autonomous Agents》的学术论文在arXiv上发布。该研究由Qitai Tan等四位作者共同完成，聚焦于多轮自主智能体的训练优化。论文提出一种名为ATOD的退火轮次感知在线蒸馏方法，通过引入轮次感知机制和退火策略，改进传统策略蒸馏在多轮交互场景下的性能。该方法旨在让智能体更高效地从专家演示或历史轨迹中学习，从而在复杂多轮任务中做出更连贯、更合理的决策。虽然具体实验数据尚未公布，但该工作为多轮对话、任务型智能体等领域的训练范式提供了新思路，有望推动自主智能体在长期交互中的表现提升。 #AI #机器学习 #多轮对话 #知识蒸馏 #自主智能体 #论文 #arXiv #深度学习
近日，一篇题为《ATOD: Annealed Turn-aware On-policy Distillation for Multi-turn Autonomous Agents》的学术论文在arXiv上发布。该研究由Qitai Tan等四位作者共同完成，聚焦于多轮自主智能体的训练优化。论文提出一种名为ATOD的退火轮次感知在线蒸馏方法，通过引入轮次感知机制和退火策略，改进传统策略蒸馏在多轮交互场景下的性能。该方法旨在让智能体更高效地从专家演示或历史轨迹中学习，从而在复杂多轮任务中做出更连贯、更合理的决策。虽然具体实验数据尚未公布，但该工作为多轮对话、任务型智能体等领域的训练范式提供了新思路，有望推动自主智能体在长期交互中的表现提升。 #AI #机器学习 #多轮对话 #知识蒸馏 #自主智能体 #论文 #arXiv #深度学习
新研究提出层次化可解释声称验证框架ToE
近日，一篇题为“ToE: 一种基于动态多源证据检索与聚合的层次化可解释声称验证框架”的论文在arXiv上预发布。该研究由Zhaoqi Wang等人完成，旨在解决事实核查领域中对复杂声称进行可解释验证的难题。ToE框架通过分层结构动态整合来自多个信源（如知识库、网页文本等）的证据，并利用聚合机制评估声称的真实性。与现有方法相比，ToE在保持高准确率的同时，显著提升了验证过程的可解释性，使每一步推理和证据贡献度都可被追踪。这一工作有望推动自动化事实核查系统在新闻、公共卫生等领域的可信应用。 #论文 #人工智能 #自然语言处理 #事实核查 #可解释AI #知识图谱 #证据检索 #声称验证 #arXiv #研究前沿
近日，一篇题为“ToE: 一种基于动态多源证据检索与聚合的层次化可解释声称验证框架”的论文在arXiv上预发布。该研究由Zhaoqi Wang等人完成，旨在解决事实核查领域中对复杂声称进行可解释验证的难题。ToE框架通过分层结构动态整合来自多个信源（如知识库、网页文本等）的证据，并利用聚合机制评估声称的真实性。与现有方法相比，ToE在保持高准确率的同时，显著提升了验证过程的可解释性，使每一步推理和证据贡献度都可被追踪。这一工作有望推动自动化事实核查系统在新闻、公共卫生等领域的可信应用。 #论文 #人工智能 #自然语言处理 #事实核查 #可解释AI #知识图谱 #证据检索 #声称验证 #arXiv #研究前沿
MER-R1：慢速
近日，一篇题为《MER-R1: Multimodal Emotion Reasoning via Slow-Fast Thinking Synergy》的论文在arXiv上发布。该研究由Zhiyuan Han等十一位作者共同完成，提出了一种名为MER-R1的多模态情感推理框架，通过模拟人类慢速与快速思维的协同作用，提升机器对复杂情感的理解能力。传统情感识别多依赖单一模态或快速推理，而MER-R1结合了深度分析（慢速思维）与直觉反应（快速思维），在多种情感数据集上取得了显著性能提升。这一方法有望推动人机交互、心理健康监测等领域的发展，为情感计算提供新的技术路径。 #多模态 #情感推理 #慢速思维 #快速思维 #人工智能 #情感计算 #论文 #arXiv
近日，一篇题为《MER-R1: Multimodal Emotion Reasoning via Slow-Fast Thinking Synergy》的论文在arXiv上发布。该研究由Zhiyuan Han等十一位作者共同完成，提出了一种名为MER-R1的多模态情感推理框架，通过模拟人类慢速与快速思维的协同作用，提升机器对复杂情感的理解能力。传统情感识别多依赖单一模态或快速推理，而MER-R1结合了深度分析（慢速思维）与直觉反应（快速思维），在多种情感数据集上取得了显著性能提升。这一方法有望推动人机交互、心理健康监测等领域的发展，为情感计算提供新的技术路径。 #多模态 #情感推理 #慢速思维 #快速思维 #人工智能 #情感计算 #论文 #arXiv
DysLexLens：低资源LLM框架在线分析阅读障碍学习者论坛见解
一项由Dana Rezazadegan等学者提出的研究论文《DysLexLens: A Low-Resource LLM Framework for Analysing Dyslexic Learners Insights from Online Forums》于2026年6月发布在预印本平台arXiv上。该研究开发了一个名为DysLexLens的低资源大语言模型框架，旨在从在线论坛中自动提取和分析阅读障碍学习者的见解与行为模式。框架利用轻量级LLM处理自然语言数据，避免对大规模标注数据的依赖，从而适用于资源受限的教育场景。通过分析论坛中阅读障碍学习者的语言特征、求助内容和学习策略，该框架有望为个性化教育支持和早期干预提供数据驱动的洞察。研究展示了LLM在特殊教育领域应用的潜力，为开发包容性学习工具提供了新路径。 #DysLexLens #阅读障碍 #大语言模型 #教育科技 #在线论坛 #低资源 #特殊教育 #AI分析 #机器学习 #教育包容性
一项由Dana Rezazadegan等学者提出的研究论文《DysLexLens: A Low-Resource LLM Framework for Analysing Dyslexic Learners Insights from Online Forums》于2026年6月发布在预印本平台arXiv上。该研究开发了一个名为DysLexLens的低资源大语言模型框架，旨在从在线论坛中自动提取和分析阅读障碍学习者的见解与行为模式。框架利用轻量级LLM处理自然语言数据，避免对大规模标注数据的依赖，从而适用于资源受限的教育场景。通过分析论坛中阅读障碍学习者的语言特征、求助内容和学习策略，该框架有望为个性化教育支持和早期干预提供数据驱动的洞察。研究展示了LLM在特殊教育领域应用的潜力，为开发包容性学习工具提供了新路径。 #DysLexLens #阅读障碍 #大语言模型 #教育科技 #在线论坛 #低资源 #特殊教育 #AI分析 #机器学习 #教育包容性
Odyssey
研究人员Sridhar Mahadevan近日在arXiv上提交了题为“Odyssey: Constructing Verifiable Local Truth-Preserving Foundation Models”的论文。该研究聚焦于基础模型的可验证性问题，提出构建局部保真模型的新方法，旨在确保模型输出在特定区域内保持真实且可验证。论文详细探讨了如何通过局部化技术提升模型的可信度，为AI安全与可靠性提供了新思路。该工作通常被视为提升大模型透明度和事实一致性的重要探索，有望推动基础模型在关键领域的可信应用。 #arXiv #基础模型 #可验证AI #局部保真 #SridharMahadevan #AI安全 #论文 #前沿研究
研究人员Sridhar Mahadevan近日在arXiv上提交了题为“Odyssey: Constructing Verifiable Local Truth-Preserving Foundation Models”的论文。该研究聚焦于基础模型的可验证性问题，提出构建局部保真模型的新方法，旨在确保模型输出在特定区域内保持真实且可验证。论文详细探讨了如何通过局部化技术提升模型的可信度，为AI安全与可靠性提供了新思路。该工作通常被视为提升大模型透明度和事实一致性的重要探索，有望推动基础模型在关键领域的可信应用。 #arXiv #基础模型 #可验证AI #局部保真 #SridharMahadevan #AI安全 #论文 #前沿研究
内化未来
一篇题为《Internalizing the Future: A Unified Agentic Training Paradigm for World Model Planning》的论文近日在arXiv上发布。该研究由Xuan Zhang等9位作者共同完成，提出了一种统一的智能体训练范式，旨在让智能体通过内化未来状态来提升世界模型的规划能力。传统世界模型通常依赖外部模拟或显式搜索，而该工作通过端到端训练，使模型在内部表征中直接预测并利用未来信息，从而更高效地完成复杂规划任务。论文详细阐述了训练框架、算法设计及实验验证，展示了在多个基准任务上的显著性能提升。这一范式有望推动智能体在机器人、自动驾驶等需要长期规划的领域取得突破。 #AI #机器学习 #世界模型 #智能体 #规划 #论文 #arXiv #深度学习
一篇题为《Internalizing the Future: A Unified Agentic Training Paradigm for World Model Planning》的论文近日在arXiv上发布。该研究由Xuan Zhang等9位作者共同完成，提出了一种统一的智能体训练范式，旨在让智能体通过内化未来状态来提升世界模型的规划能力。传统世界模型通常依赖外部模拟或显式搜索，而该工作通过端到端训练，使模型在内部表征中直接预测并利用未来信息，从而更高效地完成复杂规划任务。论文详细阐述了训练框架、算法设计及实验验证，展示了在多个基准任务上的显著性能提升。这一范式有望推动智能体在机器人、自动驾驶等需要长期规划的领域取得突破。 #AI #机器学习 #世界模型 #智能体 #规划 #论文 #arXiv #深度学习
个性组合何时影响多智能体LLM团队的效能？
一项针对多智能体大语言模型（LLM）团队的研究发表在arXiv预印本上。该研究题为“When Does Personality Composition Matter for Multi-Agent LLM Teams?”，由Aryan Keluskar等人完成。论文系统探讨了在由多个LLM代理组成的团队中，不同个性特质（如开放性、尽责性、宜人性等）的搭配对团队协作效率和任务完成质量的影响。通过模拟实验，研究者发现某些个性组合能显著提升团队在复杂推理和决策任务中的表现，而另一些组合则可能导致冲突或效率下降。研究为设计更高效、更鲁棒的多智能体系统提供了理论依据和实践指导，尤其适用于需要多人协作的自动化场景。 #多智能体 #LLM #大模型 #团队协作 #个性特征 #人工智能 #arXiv
一项针对多智能体大语言模型（LLM）团队的研究发表在arXiv预印本上。该研究题为“When Does Personality Composition Matter for Multi-Agent LLM Teams?”，由Aryan Keluskar等人完成。论文系统探讨了在由多个LLM代理组成的团队中，不同个性特质（如开放性、尽责性、宜人性等）的搭配对团队协作效率和任务完成质量的影响。通过模拟实验，研究者发现某些个性组合能显著提升团队在复杂推理和决策任务中的表现，而另一些组合则可能导致冲突或效率下降。研究为设计更高效、更鲁棒的多智能体系统提供了理论依据和实践指导，尤其适用于需要多人协作的自动化场景。 #多智能体 #LLM #大模型 #团队协作 #个性特征 #人工智能 #arXiv