新研究提出“残留权限”概念，为编码代理设计可撤销能力机制
一项来自arXiv的最新研究提出“残留权限”问题，指出编码代理在执行复杂任务时，往往被授予过于宽泛的工具权限，即使某资源仅在特定子目标中需要，其临时能力在相关环节结束后仍长期暴露。研究人员将该安全漏洞称为“滞留的权威”，并设计出名为PORTICO的参考监控系统。该系统通过将显式任务合约编译为初始能力、授权规则和可信闭包谓词，实现对规划者暴露权限的动态撤销。PORTICO能够确保临时资源与效果在不再需要时立即回收，从而有效缩小攻击面。该工作为构建更安全、粒度可控的编码代理提供了新思路，有望在未来自动化编程和AI代理系统中得到应用。 #arXiv #AI安全 #编码代理 #权限管理 #可撤销能力 #残留权限 #PORTICO #计算机研究
一项来自arXiv的最新研究提出“残留权限”问题，指出编码代理在执行复杂任务时，往往被授予过于宽泛的工具权限，即使某资源仅在特定子目标中需要，其临时能力在相关环节结束后仍长期暴露。研究人员将该安全漏洞称为“滞留的权威”，并设计出名为PORTICO的参考监控系统。该系统通过将显式任务合约编译为初始能力、授权规则和可信闭包谓词，实现对规划者暴露权限的动态撤销。PORTICO能够确保临时资源与效果在不再需要时立即回收，从而有效缩小攻击面。该工作为构建更安全、粒度可控的编码代理提供了新思路，有望在未来自动化编程和AI代理系统中得到应用。 #arXiv #AI安全 #编码代理 #权限管理 #可撤销能力 #残留权限 #PORTICO #计算机研究
从文化遗产保护视角重新思考印度人工智能
一篇题为《Rethinking Indic AI from a Lens of Cultural Heritage Preservation》（从文化遗产保护视角重新思考印度人工智能）的论文近日在arXiv预印本平台提交。该论文由Aparna Madva与其他三位作者共同撰写，旨在探讨如何从文化遗产保护的角度重新审视印度人工智能的发展路径。论文可能提出了将AI技术与印度丰富的历史文化资源相结合的策略，强调AI在文化保存、数字化传承中的潜力。这一研究方向为人工智能在特定文化语境下的应用提供了新的视角，也引发了关于技术发展与文化遗产保护平衡的讨论。 #人工智能 #文化遗产 #印度 #AI #论文 #arXiv #文化保护 #学术研究
一篇题为《Rethinking Indic AI from a Lens of Cultural Heritage Preservation》（从文化遗产保护视角重新思考印度人工智能）的论文近日在arXiv预印本平台提交。该论文由Aparna Madva与其他三位作者共同撰写，旨在探讨如何从文化遗产保护的角度重新审视印度人工智能的发展路径。论文可能提出了将AI技术与印度丰富的历史文化资源相结合的策略，强调AI在文化保存、数字化传承中的潜力。这一研究方向为人工智能在特定文化语境下的应用提供了新的视角，也引发了关于技术发展与文化遗产保护平衡的讨论。 #人工智能 #文化遗产 #印度 #AI #论文 #arXiv #文化保护 #学术研究
DepthWeave-KV论文发布，提出长上下文KV缓存压缩新方法
近日，一篇题为《DepthWeave-KV: Token-Adaptive Cross-Layer Residual Factorization for Long-Context KV Cache Compression》的论文由Anna Cordoba等7位作者提交至arXiv预印本平台。该研究聚焦大语言模型在处理长文本时面临的关键挑战——KV缓存占用大量显存，导致推理效率下降。为此，团队提出一种名为DepthWeave-KV的压缩方法，通过token自适应的跨层残差分解，在保留关键信息的同时显著减少缓存尺寸。该技术不依赖于特定模型架构，具有良好的泛化性，有望降低长上下文场景下的计算资源需求，推动大模型在对话、文档分析等实际应用中的高效部署。论文已开放全文链接，供学界与工业界进一步探讨。 #arXiv #KV缓存 #长上下文 #大模型 #模型压缩 #深度学习 #残差分解
近日，一篇题为《DepthWeave-KV: Token-Adaptive Cross-Layer Residual Factorization for Long-Context KV Cache Compression》的论文由Anna Cordoba等7位作者提交至arXiv预印本平台。该研究聚焦大语言模型在处理长文本时面临的关键挑战——KV缓存占用大量显存，导致推理效率下降。为此，团队提出一种名为DepthWeave-KV的压缩方法，通过token自适应的跨层残差分解，在保留关键信息的同时显著减少缓存尺寸。该技术不依赖于特定模型架构，具有良好的泛化性，有望降低长上下文场景下的计算资源需求，推动大模型在对话、文档分析等实际应用中的高效部署。论文已开放全文链接，供学界与工业界进一步探讨。 #arXiv #KV缓存 #长上下文 #大模型 #模型压缩 #深度学习 #残差分解
视觉动作结果推理对齐
一篇题为《Bridging Physical Reasoning and Task Generalization via Visual Action Outcome Reasoning Alignment》的论文于2026年7月提交至arXiv预印本平台。该研究由Han-Jun Ko等7位学者共同完成，核心提出“视觉动作结果推理对齐”方法，旨在弥合物理推理能力与任务泛化之间的鸿沟。通过评估视觉反馈中的动作结果，该方法尝试增强机器人在复杂环境下的推理与适应性，为人工智能和机器人领域的交叉研究提供了新视角。目前论文已开放PDF全文链接。 #物理推理 #任务泛化 #视觉推理 #AI #机器人 #arXiv #论文 #前沿研究
一篇题为《Bridging Physical Reasoning and Task Generalization via Visual Action Outcome Reasoning Alignment》的论文于2026年7月提交至arXiv预印本平台。该研究由Han-Jun Ko等7位学者共同完成，核心提出“视觉动作结果推理对齐”方法，旨在弥合物理推理能力与任务泛化之间的鸿沟。通过评估视觉反馈中的动作结果，该方法尝试增强机器人在复杂环境下的推理与适应性，为人工智能和机器人领域的交叉研究提供了新视角。目前论文已开放PDF全文链接。 #物理推理 #任务泛化 #视觉推理 #AI #机器人 #arXiv #论文 #前沿研究
FreqDepthKV：频率引导深度共享助力长上下文LLM缓存压缩
近日，研究者提出一种名为FreqDepthKV的新型KV缓存压缩方法，旨在解决长上下文大语言模型推理中缓存占用过大的问题。该方法通过频率引导的深度共享策略，在不显著牺牲模型性能的前提下显著降低KV缓存大小，尤其适用于处理超长文本序列的场景。实验结果显示，FreqDepthKV在多种长上下文任务中均能实现稳健表现，有效平衡了压缩率与推理质量。这一研究为降低大模型部署成本、提升长文本处理效率提供了新思路，有望推动更经济高效的长上下文LLM应用落地。 #FreqDepthKV #KV缓存压缩 #长上下文 #大模型 #LLM #研究 #AI #深度学习 #算法 #arXiv
近日，研究者提出一种名为FreqDepthKV的新型KV缓存压缩方法，旨在解决长上下文大语言模型推理中缓存占用过大的问题。该方法通过频率引导的深度共享策略，在不显著牺牲模型性能的前提下显著降低KV缓存大小，尤其适用于处理超长文本序列的场景。实验结果显示，FreqDepthKV在多种长上下文任务中均能实现稳健表现，有效平衡了压缩率与推理质量。这一研究为降低大模型部署成本、提升长文本处理效率提供了新思路，有望推动更经济高效的长上下文LLM应用落地。 #FreqDepthKV #KV缓存压缩 #长上下文 #大模型 #LLM #研究 #AI #深度学习 #算法 #arXiv
FootsiesGym：面向二人零和不完美信息博弈的格斗游戏基准测试
近日，由Chase McDonald等人撰写的论文在arXiv上公开，提出了一项名为FootsiesGym的格斗游戏基准测试。该基准测试专为二人零和不完美信息博弈设计，旨在提供一个标准化的评估环境，推动格斗游戏AI及多智能体强化学习领域的研究。格斗游戏因其连续的决策空间和部分可观测性，成为研究竞争性智能体的理想测试床。FootsiesGym的发布为相关算法提供了统一的对比平台，有望促进博弈论与AI交叉领域的发展。论文还附带了代码和数据链接，便于研究者复现和拓展。 #arXiv #论文 #FootsiesGym #格斗游戏 #AI #基准测试 #零和博弈 #不完美信息 #强化学习 #多智能体
近日，由Chase McDonald等人撰写的论文在arXiv上公开，提出了一项名为FootsiesGym的格斗游戏基准测试。该基准测试专为二人零和不完美信息博弈设计，旨在提供一个标准化的评估环境，推动格斗游戏AI及多智能体强化学习领域的研究。格斗游戏因其连续的决策空间和部分可观测性，成为研究竞争性智能体的理想测试床。FootsiesGym的发布为相关算法提供了统一的对比平台，有望促进博弈论与AI交叉领域的发展。论文还附带了代码和数据链接，便于研究者复现和拓展。 #arXiv #论文 #FootsiesGym #格斗游戏 #AI #基准测试 #零和博弈 #不完美信息 #强化学习 #多智能体
LLM智能体回合早期中止新方法
据arXiv预印本显示，由Kai Ruan等研究人员提交的一篇论文提出了一种名为“Recall-Controlled Probe Cascade”的新方法，旨在早期识别LLM智能体执行任务时的失败倾向，并主动中止注定失败的回合。该方法通过级联探针对智能体的内部状态进行实时监控，利用召回信号判断当前决策轨迹是否已失去成功希望，从而避免在无效路径上浪费计算资源。实验结果表明，这一机制能在几乎不影响成功任务的前提下，显著缩短失败回合的持续时间，提升整体系统的运行效率与鲁棒性。该研究为优化大语言模型驱动的智能体在复杂环境中的部署提供了新思路。 #LLM #智能体 #AI #机器学习 #arXiv #学术 #效率优化
据arXiv预印本显示，由Kai Ruan等研究人员提交的一篇论文提出了一种名为“Recall-Controlled Probe Cascade”的新方法，旨在早期识别LLM智能体执行任务时的失败倾向，并主动中止注定失败的回合。该方法通过级联探针对智能体的内部状态进行实时监控，利用召回信号判断当前决策轨迹是否已失去成功希望，从而避免在无效路径上浪费计算资源。实验结果表明，这一机制能在几乎不影响成功任务的前提下，显著缩短失败回合的持续时间，提升整体系统的运行效率与鲁棒性。该研究为优化大语言模型驱动的智能体在复杂环境中的部署提供了新思路。 #LLM #智能体 #AI #机器学习 #arXiv #学术 #效率优化
Show HN: Tools and skills to build better sites with AI
Style Share Export Preset Default Logo Paste Upload URL Paste Light mode logo Apply logo Primary color Tailwind Custom Neutral Primary foreground White Dark Background color scheme Default Foreground color scheme Default Custom Border color scheme Default Custom Base color Neutral Font size Small Default Large Heading font 500 Medium Font 400 Regular Tagline Style Default Radius ! Buttons style Default Forms style Default Body style Default Rulers Gap Line Reset style
Style Share Export Preset Default Logo Paste Upload URL Paste Light mode logo Apply logo Primary color Tailwind Custom Neutral Primary foreground White Dark Background color scheme Default Foreground color scheme Default Custom Border color scheme Default Custom Base color Neutral Font size Small Default Large Heading font 500 Medium Font 400 Regular Tagline Style Default Radius ! Buttons style Default Forms style Default Body style Default Rulers Gap Line Reset style
开源模拟器Topaz：15个月构建Azure本地开发环境，AI加速但协议实现仍需人工
一名开发者历时15个月构建了开源Azure模拟器Topaz，旨在提供类似LocalStack的统一本地模拟体验。项目始于2025年4月，初始阶段依赖手动编码与IDE模板搭建基础服务（Table Storage、ARM、Key Vault）。为提升效率，他引入LLM自动生成API响应模型，虽偶有幻觉但大幅加快了开发进度。然而在实现AMQP协议（Event Hub/Service Bus）时，AI完全失效，必须依据协议规范纯手工编写。这一实践揭示了AI在代码生成中的辅助价值，以及面对严格规范时的局限性。Topaz目前仍在迭代，力图填补Azure生态中统一模拟器的空缺。 #开源 #Azure #模拟器 #Topaz #AI #LLM #开发工具 #软件工程 #协议 #云服务
一名开发者历时15个月构建了开源Azure模拟器Topaz，旨在提供类似LocalStack的统一本地模拟体验。项目始于2025年4月，初始阶段依赖手动编码与IDE模板搭建基础服务（Table Storage、ARM、Key Vault）。为提升效率，他引入LLM自动生成API响应模型，虽偶有幻觉但大幅加快了开发进度。然而在实现AMQP协议（Event Hub/Service Bus）时，AI完全失效，必须依据协议规范纯手工编写。这一实践揭示了AI在代码生成中的辅助价值，以及面对严格规范时的局限性。Topaz目前仍在迭代，力图填补Azure生态中统一模拟器的空缺。 #开源 #Azure #模拟器 #Topaz #AI #LLM #开发工具 #软件工程 #协议 #云服务
物理信息神经网络框架模拟双材料弹性动波传播
2026年7月7日，Sonal Ankush Chibire等人在arXiv预印本平台提交了一篇论文，提出了一种物理信息神经网络（PINN）框架，专门用于求解双材料系统中的弹性动波传播问题。该框架将波动方程等物理定律直接嵌入神经网络训练过程，使模型能够在不依赖大量标注数据的情况下，精确模拟波在异质材料界面处的传播行为。这一方法克服了传统数值方法在处理复杂界面波传播时计算成本高昂的局限，为计算力学和工程波动分析提供了高效、灵活的新工具。目前论文已开放PDF全文，可供学术社区下载引用。 #物理信息神经网络 #PINN #弹性动波 #双材料 #计算力学 #arXiv #深度学习 #学术前沿
2026年7月7日，Sonal Ankush Chibire等人在arXiv预印本平台提交了一篇论文，提出了一种物理信息神经网络（PINN）框架，专门用于求解双材料系统中的弹性动波传播问题。该框架将波动方程等物理定律直接嵌入神经网络训练过程，使模型能够在不依赖大量标注数据的情况下，精确模拟波在异质材料界面处的传播行为。这一方法克服了传统数值方法在处理复杂界面波传播时计算成本高昂的局限，为计算力学和工程波动分析提供了高效、灵活的新工具。目前论文已开放PDF全文，可供学术社区下载引用。 #物理信息神经网络 #PINN #弹性动波 #双材料 #计算力学 #arXiv #深度学习 #学术前沿
Danus
一篇题为《Danus: Orchestrating Mathematical Reasoning Agents with Fact-Graph Memory》的论文在arXiv预印本平台发布。该研究由Jihao Liu等11位作者共同完成，提出了Danus框架，通过构建事实图记忆来协调多个数学推理智能体。事实图作为一种结构化知识库，能够存储推理过程中的事实、关系与中间结果，使多个智能体在共享记忆的基础上分工协作，从而提升复杂数学问题的推理效率与准确性。这一工作为多智能体系统与数学推理的结合提供了新思路。 #Danus #事实图记忆 #数学推理 #智能体 #arXiv #人工智能 #多智能体 #知识图谱
一篇题为《Danus: Orchestrating Mathematical Reasoning Agents with Fact-Graph Memory》的论文在arXiv预印本平台发布。该研究由Jihao Liu等11位作者共同完成，提出了Danus框架，通过构建事实图记忆来协调多个数学推理智能体。事实图作为一种结构化知识库，能够存储推理过程中的事实、关系与中间结果，使多个智能体在共享记忆的基础上分工协作，从而提升复杂数学问题的推理效率与准确性。这一工作为多智能体系统与数学推理的结合提供了新思路。 #Danus #事实图记忆 #数学推理 #智能体 #arXiv #人工智能 #多智能体 #知识图谱
多智能体系统从胃活检报告中自动发现幽门螺杆菌
近日，一篇名为《Finding H. pylori in the Fine Print: Evidence-Linked Multi-Agent Case Finding from Gastric Biopsy Reports》的论文在arXiv预印本平台提交。该研究由Yufan Wang等十位学者共同完成，提出了一种基于证据链接的多智能体病例发现方法，能够从非结构化的胃活检病理报告中自动识别幽门螺杆菌感染。幽门螺杆菌是导致胃炎、消化性溃疡甚至胃癌的关键病原体，但其诊断往往依赖病理医生对报告逐字审阅，效率较低且易遗漏。该研究借助自然语言处理与多智能体协作技术，从报告文本中提取细微证据，并与临床知识库进行交叉验证，从而实现对阳性病例的精准定位。这一方法有望显著提升幽门螺杆菌感染的筛查速度与准确性，减轻病理科工作负担，并为消化道疾病的自动化诊断提供新思路。 #幽门螺杆菌 #多智能体 #病理报告 #自然语言处理 #医学AI #arXiv #智能诊断
近日，一篇名为《Finding H. pylori in the Fine Print: Evidence-Linked Multi-Agent Case Finding from Gastric Biopsy Reports》的论文在arXiv预印本平台提交。该研究由Yufan Wang等十位学者共同完成，提出了一种基于证据链接的多智能体病例发现方法，能够从非结构化的胃活检病理报告中自动识别幽门螺杆菌感染。幽门螺杆菌是导致胃炎、消化性溃疡甚至胃癌的关键病原体，但其诊断往往依赖病理医生对报告逐字审阅，效率较低且易遗漏。该研究借助自然语言处理与多智能体协作技术，从报告文本中提取细微证据，并与临床知识库进行交叉验证，从而实现对阳性病例的精准定位。这一方法有望显著提升幽门螺杆菌感染的筛查速度与准确性，减轻病理科工作负担，并为消化道疾病的自动化诊断提供新思路。 #幽门螺杆菌 #多智能体 #病理报告 #自然语言处理 #医学AI #arXiv #智能诊断
ExplAIner
据arXiv预印本显示，由Marcelo Arenas等六位学者共同完成的论文《ExplAIner: A Declarative Query Language for Explaining Classification Models》于2026年7月提交。该研究针对机器学习分类模型的可解释性问题，提出了一种名为ExplAIner的声明式查询语言。该语言允许用户以结构化、可复现的方式对模型内部逻辑进行查询与解析，旨在提升黑盒模型的透明度和可信度，为领域专家和开发者提供更直观的模型行为分析工具。目前论文已开放PDF和HTML全文访问。 #ExplAIner #声明性查询语言 #分类模型解释 #可解释AI #机器学习 #arXiv #模型透明度
据arXiv预印本显示，由Marcelo Arenas等六位学者共同完成的论文《ExplAIner: A Declarative Query Language for Explaining Classification Models》于2026年7月提交。该研究针对机器学习分类模型的可解释性问题，提出了一种名为ExplAIner的声明式查询语言。该语言允许用户以结构化、可复现的方式对模型内部逻辑进行查询与解析，旨在提升黑盒模型的透明度和可信度，为领域专家和开发者提供更直观的模型行为分析工具。目前论文已开放PDF和HTML全文访问。 #ExplAIner #声明性查询语言 #分类模型解释 #可解释AI #机器学习 #arXiv #模型透明度
新论文提出TopoBrick方法，用于建筑物联网零样本预测
近日，一篇题为“TopoBrick: Agentic Topology Sampling of Exogenous Variables for Zero-Shot Building IoT Forecasting”的研究论文在arXiv预印本平台发布。该论文由Xiachong Lin等9位作者共同完成，提交时间为2026年7月7日。论文聚焦建筑物联网的零样本预测问题，创新性地提出TopoBrick方法，通过对影响建筑系统的外生变量进行代理拓扑采样，使模型能够在无目标域标注数据的情况下实现准确预测。该方法有望解决建筑数据标注困难、场景迁移性差等痛点，为建筑节能与智能运维提供新思路。目前论文全文及代码链接已在arXiv上开放。 #论文 #arXiv #建筑物联网 #零样本学习 #预测 #TopoBrick #AI
近日，一篇题为“TopoBrick: Agentic Topology Sampling of Exogenous Variables for Zero-Shot Building IoT Forecasting”的研究论文在arXiv预印本平台发布。该论文由Xiachong Lin等9位作者共同完成，提交时间为2026年7月7日。论文聚焦建筑物联网的零样本预测问题，创新性地提出TopoBrick方法，通过对影响建筑系统的外生变量进行代理拓扑采样，使模型能够在无目标域标注数据的情况下实现准确预测。该方法有望解决建筑数据标注困难、场景迁移性差等痛点，为建筑节能与智能运维提供新思路。目前论文全文及代码链接已在arXiv上开放。 #论文 #arXiv #建筑物联网 #零样本学习 #预测 #TopoBrick #AI
端到端自动驾驶模型可解释性新研究
一篇题为《Driving the Wrong Way: Leveraging Interpretability in End2End Autonomous Driving Models》的论文近日在arXiv上提交。该论文由Franz Motzkus等人撰写，提交日期为2026年7月7日。研究针对端到端自动驾驶模型普遍存在的“黑箱”问题，提出利用可解释性技术来解析模型为何会出现逆向行驶等错误决策。论文探讨了通过分析模型内部表征来理解其行为机制，旨在识别导致不良驾驶策略的关键因素，进而提升自动驾驶系统的安全性和可靠性。这项工作为在复杂驾驶环境中部署更可信赖的端到端模型提供了新的思路和有价值的参考。 #自动驾驶 #端到端 #可解释性 #AI #机器学习 #arXiv #模型安全 #科技前沿
一篇题为《Driving the Wrong Way: Leveraging Interpretability in End2End Autonomous Driving Models》的论文近日在arXiv上提交。该论文由Franz Motzkus等人撰写，提交日期为2026年7月7日。研究针对端到端自动驾驶模型普遍存在的“黑箱”问题，提出利用可解释性技术来解析模型为何会出现逆向行驶等错误决策。论文探讨了通过分析模型内部表征来理解其行为机制，旨在识别导致不良驾驶策略的关键因素，进而提升自动驾驶系统的安全性和可靠性。这项工作为在复杂驾驶环境中部署更可信赖的端到端模型提供了新的思路和有价值的参考。 #自动驾驶 #端到端 #可解释性 #AI #机器学习 #arXiv #模型安全 #科技前沿