TopoExplore
arXiv 上发布了一篇题为“TopoExplore: Topological Discrimination for Archive-Based Exploration”的研究论文，作者为 Jason Carlson。该论文提出了一种名为 TopoExplore 的新方法，利用拓扑学原理对存档数据进行区分，以增强基于存档的探索过程。该方法通过拓扑学分析识别数据中的结构差异，从而提升探索效率。论文全文以 PDF 格式提供，并附有 HTML 预览、TeX 源码及许可信息，目前可通过 arXiv 平台浏览和引用。该工作涉及计算机科学领域，可借助 NASA ADS、Google Scholar 等工具进行参考与搜索。 #人工智能 #机器学习 #拓扑学 #数据探索 #计算机科学 #学术研究 #arXiv
arXiv 上发布了一篇题为“TopoExplore: Topological Discrimination for Archive-Based Exploration”的研究论文，作者为 Jason Carlson。该论文提出了一种名为 TopoExplore 的新方法，利用拓扑学原理对存档数据进行区分，以增强基于存档的探索过程。该方法通过拓扑学分析识别数据中的结构差异，从而提升探索效率。论文全文以 PDF 格式提供，并附有 HTML 预览、TeX 源码及许可信息，目前可通过 arXiv 平台浏览和引用。该工作涉及计算机科学领域，可借助 NASA ADS、Google Scholar 等工具进行参考与搜索。 #人工智能 #机器学习 #拓扑学 #数据探索 #计算机科学 #学术研究 #arXiv
探索利用代理工作流生成高质量数学视觉教具
一篇题为《Exploring Agentic Workflows for Generating High Quality Math Visual Aids》的预印本论文近日在arXiv平台发布。该研究由Rizwaan Malik等四位学者共同完成，核心聚焦于如何利用智能代理工作流（Agentic Workflows）来自动创建高质量的数学教学视觉辅助工具。论文提出，通过多代理协作框架，可以有效提升数学概念的可视化表达与教学材料生成的效率与质量，为教育技术领域带来新的探索方向。研究尚处于早期阶段，但为未来自动化教具生成提供了有价值的思路。 #arXiv #论文 #AI代理 #数学教育 #视觉辅助 #工作流 #机器学习 #教育技术
一篇题为《Exploring Agentic Workflows for Generating High Quality Math Visual Aids》的预印本论文近日在arXiv平台发布。该研究由Rizwaan Malik等四位学者共同完成，核心聚焦于如何利用智能代理工作流（Agentic Workflows）来自动创建高质量的数学教学视觉辅助工具。论文提出，通过多代理协作框架，可以有效提升数学概念的可视化表达与教学材料生成的效率与质量，为教育技术领域带来新的探索方向。研究尚处于早期阶段，但为未来自动化教具生成提供了有价值的思路。 #arXiv #论文 #AI代理 #数学教育 #视觉辅助 #工作流 #机器学习 #教育技术
AI 新研究提出“自我发现规范”提升代理上下文学习能力
据 arXiv 预印本平台显示，一篇题为《Agentic Context Learning with Self-Discovered Specification》的论文于 2026 年 7 月 9 日提交，由 Jike Zhong 等 11 位作者共同完成，归属计算机科学领域。该论文聚焦于提升智能代理在复杂环境中的上下文学习能力，核心思路是让代理在交互中自主发现并遵循任务规范，从而更高效地适应动态场景。与传统的固定规范或人工预设不同，该方法强调规范的自我生成与动态调整，有望在少样本学习、任务规划和自主决策等方向带来突破。目前论文尚未分配正式 DOI，但已在 arXiv 上提供 PDF 和 HTML 版本供研究者查阅，相关引用工具和讨论平台也已开放。这一工作为自主智能系统的上下文理解提供了新的探索路径。 #arXiv #论文 #AI #机器学习 #代理学习 #上下文学习 #自主智能 #大模型
据 arXiv 预印本平台显示，一篇题为《Agentic Context Learning with Self-Discovered Specification》的论文于 2026 年 7 月 9 日提交，由 Jike Zhong 等 11 位作者共同完成，归属计算机科学领域。该论文聚焦于提升智能代理在复杂环境中的上下文学习能力，核心思路是让代理在交互中自主发现并遵循任务规范，从而更高效地适应动态场景。与传统的固定规范或人工预设不同，该方法强调规范的自我生成与动态调整，有望在少样本学习、任务规划和自主决策等方向带来突破。目前论文尚未分配正式 DOI，但已在 arXiv 上提供 PDF 和 HTML 版本供研究者查阅，相关引用工具和讨论平台也已开放。这一工作为自主智能系统的上下文理解提供了新的探索路径。 #arXiv #论文 #AI #机器学习 #代理学习 #上下文学习 #自主智能 #大模型
PHITSBench基准发布：使用自然语言生成辐射传输输入，AI性能通过执行评分
研究人员Xianglin Ji与Svetlana V. Boriskina在arXiv上提交了一项新工作——PHITSBench，这是一个面向AI辅助的PHITS辐射传输输入生成的执行评分基准。PHITS（粒子与重离子传输系统）是核科学与辐射领域广泛使用的蒙特卡罗模拟工具，但其输入文件编写复杂且耗时。PHITSBench旨在评估大型语言模型等AI系统通过自然语言描述自动生成正确输入的能力。与传统的静态匹配不同，该基准采用执行评分策略：将AI生成的输入送入PHITS实际运行，根据模拟能否成功执行以及结果是否符合物理预期来打分。该基准包含一系列从简单到复杂的辐射传输问题，并提供了数据集与评估框架。这一工作为AI在科学计算代码自动生成领域的应用提供了标准化测试平台，有望降低辐射模拟的使用门槛，提升科研效率。 #PHITSBench #AI #辐射传输 #基准测试 #自然语言 #科学计算 #arXiv #蒙特卡罗 #核科学
研究人员Xianglin Ji与Svetlana V. Boriskina在arXiv上提交了一项新工作——PHITSBench，这是一个面向AI辅助的PHITS辐射传输输入生成的执行评分基准。PHITS（粒子与重离子传输系统）是核科学与辐射领域广泛使用的蒙特卡罗模拟工具，但其输入文件编写复杂且耗时。PHITSBench旨在评估大型语言模型等AI系统通过自然语言描述自动生成正确输入的能力。与传统的静态匹配不同，该基准采用执行评分策略：将AI生成的输入送入PHITS实际运行，根据模拟能否成功执行以及结果是否符合物理预期来打分。该基准包含一系列从简单到复杂的辐射传输问题，并提供了数据集与评估框架。这一工作为AI在科学计算代码自动生成领域的应用提供了标准化测试平台，有望降低辐射模拟的使用门槛，提升科研效率。 #PHITSBench #AI #辐射传输 #基准测试 #自然语言 #科学计算 #arXiv #蒙特卡罗 #核科学
长度惩罚使思维链推理可监控性下降
近日，arXiv上出现一篇题为《Length Penalties Make Chain-of-Thought Less Monitorable》的论文。该论文由Bryce Little撰写，关注大语言模型推理过程中的安全性与透明度问题。论文指出，在链式思维推理中应用长度惩罚技术，会显著降低模型推理过程的可监控性。长度惩罚本用于鼓励模型输出更简洁的推理步骤，但研究发现这一做法可能导致模型的内部决策过程更加不透明，增加了AI系统审计的难度。这一发现对负责任AI的发展提出了新的警示，提醒研究者在追求效率的同时，不能忽视模型行为的可解释性和安全性。该论文于2026年7月提交至arXiv平台。 #长度惩罚 #思维链 #可监控性 #AI安全 #大语言模型 #论文 #arXiv
近日，arXiv上出现一篇题为《Length Penalties Make Chain-of-Thought Less Monitorable》的论文。该论文由Bryce Little撰写，关注大语言模型推理过程中的安全性与透明度问题。论文指出，在链式思维推理中应用长度惩罚技术，会显著降低模型推理过程的可监控性。长度惩罚本用于鼓励模型输出更简洁的推理步骤，但研究发现这一做法可能导致模型的内部决策过程更加不透明，增加了AI系统审计的难度。这一发现对负责任AI的发展提出了新的警示，提醒研究者在追求效率的同时，不能忽视模型行为的可解释性和安全性。该论文于2026年7月提交至arXiv平台。 #长度惩罚 #思维链 #可监控性 #AI安全 #大语言模型 #论文 #arXiv
EvoCUA-1.5：面向多轮计算机操作智能体的在线强化学习框架
一篇题为《EvoCUA-1.5：面向多轮计算机操作智能体的在线强化学习》的论文在arXiv上发布。该研究由Mianqiu Huang等15位作者共同完成，提出了一种名为EvoCUA-1.5的新型代理框架，专注于通过在线强化学习提升多轮计算机操作任务的性能。该框架旨在让智能体能够在复杂的图形用户界面环境中，通过连续交互完成长序列操作任务。论文详细阐述了如何利用强化学习算法优化智能体的决策过程，以使其在面对多步骤、需要协调操作的任务时表现更优。这一研究为开发更智能、更自主的计算机操作助手提供了新的技术路线，有望在自动化测试、流程自动化等领域发挥重要作用。 #arXiv #EvoCUA15 #强化学习 #计算机操作 #智能体 #AI #机器学习
一篇题为《EvoCUA-1.5：面向多轮计算机操作智能体的在线强化学习》的论文在arXiv上发布。该研究由Mianqiu Huang等15位作者共同完成，提出了一种名为EvoCUA-1.5的新型代理框架，专注于通过在线强化学习提升多轮计算机操作任务的性能。该框架旨在让智能体能够在复杂的图形用户界面环境中，通过连续交互完成长序列操作任务。论文详细阐述了如何利用强化学习算法优化智能体的决策过程，以使其在面对多步骤、需要协调操作的任务时表现更优。这一研究为开发更智能、更自主的计算机操作助手提供了新的技术路线，有望在自动化测试、流程自动化等领域发挥重要作用。 #arXiv #EvoCUA15 #强化学习 #计算机操作 #智能体 #AI #机器学习
验证自适应智能控制器的新方法
一篇来自arXiv的学术论文提出了一种名为“有限规则修正”的新方法，用于验证自适应智能控制器的行为。该方法旨在解决智能系统在动态环境中因规则调整而导致的不可预测性问题。论文作者Roberto Garrone详细阐述了该技术如何通过限制规则修正的范围和次数，来确保控制器在适应新环境时仍能保持既定安全性和性能约束。研究指出，这种方法尤其适用于对可靠性要求极高的自动化系统，如自动驾驶和工业机器人。该研究于2026年7月提交，当前可在arXiv上获取全文，并提供了HTML和TeX源文件等多种阅读格式。 #AI #自适应控制 #规则修正 #自动化 #学术论文 #arXiv #智能系统
一篇来自arXiv的学术论文提出了一种名为“有限规则修正”的新方法，用于验证自适应智能控制器的行为。该方法旨在解决智能系统在动态环境中因规则调整而导致的不可预测性问题。论文作者Roberto Garrone详细阐述了该技术如何通过限制规则修正的范围和次数，来确保控制器在适应新环境时仍能保持既定安全性和性能约束。研究指出，这种方法尤其适用于对可靠性要求极高的自动化系统，如自动驾驶和工业机器人。该研究于2026年7月提交，当前可在arXiv上获取全文，并提供了HTML和TeX源文件等多种阅读格式。 #AI #自适应控制 #规则修正 #自动化 #学术论文 #arXiv #智能系统
AI代理规范执行
多智能体系统（MAS）的行为规范问题一直是人工智能研究的关键挑战。近日，Yaowen Ye与Jacob Steinhardt在arXiv发表论文，提出一种针对AI代理的规范执行机制，旨在通过奖惩与引导策略，使多个代理在复杂环境中稳健地遵循预设社会规范。研究指出，在多代理系统中，独立代理可能因自私目标而导致冲突或效率损失，而规范执行框架能够有效协调行为、提升整体系统鲁棒性与安全性。论文通过理论分析与实验验证，展示了该机制在不同场景下对代理行为的塑造效果，为自动驾驶、分布式机器人协作、金融交易等领域的规则落地提供了新思路。 #AI #多智能体系统 #规范执行 #论文 #arXiv #行为塑造 #人工智能 #代理 #研究
多智能体系统（MAS）的行为规范问题一直是人工智能研究的关键挑战。近日，Yaowen Ye与Jacob Steinhardt在arXiv发表论文，提出一种针对AI代理的规范执行机制，旨在通过奖惩与引导策略，使多个代理在复杂环境中稳健地遵循预设社会规范。研究指出，在多代理系统中，独立代理可能因自私目标而导致冲突或效率损失，而规范执行框架能够有效协调行为、提升整体系统鲁棒性与安全性。论文通过理论分析与实验验证，展示了该机制在不同场景下对代理行为的塑造效果，为自动驾驶、分布式机器人协作、金融交易等领域的规则落地提供了新思路。 #AI #多智能体系统 #规范执行 #论文 #arXiv #行为塑造 #人工智能 #代理 #研究
弱智体集群中强校正器的最优配置
一篇题为《正确性代价几何？弱多智能体集群中强校正器的预算配置》的学术论文近日在arXiv平台发布。该研究探讨了在由多个弱人工智能体构成的集群系统中，如何以有限预算成本配置少量高性能的“强校正器”，以提升整个系统的决策与行为正确性。论文提出了一个针对校正器数量与部署位置的优化框架，旨在平衡纠错效果与成本开销。通过理论分析与数值模拟，作者揭示了在资源约束下，对关键故障节点进行精准投入能够显著改善集群整体表现，但校正器配置方案的边际效益随数量增加而递减。这项研究为设计可靠且经济的分布式智能系统提供了新的理论指导。 #多智能体 #机器学习 #AI系统 #预算优化 #纠错 #学术论文 #arXiv
一篇题为《正确性代价几何？弱多智能体集群中强校正器的预算配置》的学术论文近日在arXiv平台发布。该研究探讨了在由多个弱人工智能体构成的集群系统中，如何以有限预算成本配置少量高性能的“强校正器”，以提升整个系统的决策与行为正确性。论文提出了一个针对校正器数量与部署位置的优化框架，旨在平衡纠错效果与成本开销。通过理论分析与数值模拟，作者揭示了在资源约束下，对关键故障节点进行精准投入能够显著改善集群整体表现，但校正器配置方案的边际效益随数量增加而递减。这项研究为设计可靠且经济的分布式智能系统提供了新的理论指导。 #多智能体 #机器学习 #AI系统 #预算优化 #纠错 #学术论文 #arXiv
BatteryLake：基于智能体与物理机理的电池老化数据管理与基准测试
研究人员提出了一种名为BatteryLake的新型数据管理框架，旨在解决异质电池老化数据难以统一应用的问题。该框架采用智能体与物理机理相结合的自动化策展方法，能够有效整合来自不同来源、不同测试条件的电池老化数据。通过将物理模型嵌入数据管理流程，BatteryLake不仅实现了数据的标准化处理，还构建了一套统一的基准测试方案。这一工作为电池寿命预测、材料退化分析等领域提供了高质量的数据基础，有望加速电池技术的研发进程。相关论文已在预印本平台发布，展示了在数据异质性处理上的显著优势。 #电池老化 #数据策展 #智能体 #物理模型 #基准测试 #人工智能 #能源 #电池技术
研究人员提出了一种名为BatteryLake的新型数据管理框架，旨在解决异质电池老化数据难以统一应用的问题。该框架采用智能体与物理机理相结合的自动化策展方法，能够有效整合来自不同来源、不同测试条件的电池老化数据。通过将物理模型嵌入数据管理流程，BatteryLake不仅实现了数据的标准化处理，还构建了一套统一的基准测试方案。这一工作为电池寿命预测、材料退化分析等领域提供了高质量的数据基础，有望加速电池技术的研发进程。相关论文已在预印本平台发布，展示了在数据异质性处理上的显著优势。 #电池老化 #数据策展 #智能体 #物理模型 #基准测试 #人工智能 #能源 #电池技术
LegalFarePlan：非加性票价规则下城市轨道票价透明路径规划新框架
Tanghui Li 在 arXiv 提交题为 LegalFarePlan 的论文，提出一种标签设置框架，用于解决非加性票价规则下的城市轨道交通路径规划问题。传统路径规划通常假设票价可线性叠加，但现实中城市轨道交通常采用分段计费、换乘优惠等非加性规则，导致乘客难以准确预估票价。该框架通过标签设置方法，能够在保证路线最优性的同时实现票价透明，帮助乘客直观了解每段行程的费用构成。研究已以预印本形式发布，为智慧交通和公共交通出行服务提供了新的算法支撑。 #城市轨道交通 #路径规划 #票价透明 #非加性规则 #标签设置 #交通运输 #算法
Tanghui Li 在 arXiv 提交题为 LegalFarePlan 的论文，提出一种标签设置框架，用于解决非加性票价规则下的城市轨道交通路径规划问题。传统路径规划通常假设票价可线性叠加，但现实中城市轨道交通常采用分段计费、换乘优惠等非加性规则，导致乘客难以准确预估票价。该框架通过标签设置方法，能够在保证路线最优性的同时实现票价透明，帮助乘客直观了解每段行程的费用构成。研究已以预印本形式发布，为智慧交通和公共交通出行服务提供了新的算法支撑。 #城市轨道交通 #路径规划 #票价透明 #非加性规则 #标签设置 #交通运输 #算法
任务条件合成数据生成方法提升农业预测机器学习性能
据arXiv平台显示，一篇题为《Task-Conditioned Synthetic Data Generation for Improving Machine Learning Performance in Agricultural Prediction Tasks》的研究论文于2026年7月提交。该论文由Hamid Ebrahimy等三位作者完成，提出了一种任务条件的合成数据生成方法，通过生成与特定农业预测任务相关的高质量合成数据，来增强训练数据的多样性和代表性，从而提升机器学习模型的预测性能。在农业领域，数据采集常受季节、地域和成本等限制，合成数据生成成为一种有效的数据增强手段。该研究创新性地引入任务条件约束，使合成数据更贴合实际应用场景，有望在作物产量预测、病虫害预警等任务中发挥作用。论文已发布于arXiv预印本平台，供科研人员参考。 #农业AI #合成数据 #机器学习 #预测 #arXiv #论文 #数据增强
据arXiv平台显示，一篇题为《Task-Conditioned Synthetic Data Generation for Improving Machine Learning Performance in Agricultural Prediction Tasks》的研究论文于2026年7月提交。该论文由Hamid Ebrahimy等三位作者完成，提出了一种任务条件的合成数据生成方法，通过生成与特定农业预测任务相关的高质量合成数据，来增强训练数据的多样性和代表性，从而提升机器学习模型的预测性能。在农业领域，数据采集常受季节、地域和成本等限制，合成数据生成成为一种有效的数据增强手段。该研究创新性地引入任务条件约束，使合成数据更贴合实际应用场景，有望在作物产量预测、病虫害预警等任务中发挥作用。论文已发布于arXiv预印本平台，供科研人员参考。 #农业AI #合成数据 #机器学习 #预测 #arXiv #论文 #数据增强
论文提出智能体系统从复制数据转向复制信念的研究
一篇题为《复制信念而非比特：面向智能体系统的认知状态复制》的学术论文近日提交至arXiv预印本平台。该研究由Jun He等作者完成，提出一种新的智能体系统设计范式，主张在分布式系统中实现认知状态（即"信念"）的复制，而非传统的数据或比特级精确复制。论文探讨了在智能体协作、信息不一致性和知识共享场景下，如何通过维护智能体对世界状态的信念模型，提升系统的推理能力、适应性与效率。这项工作有望对自主系统、分布式人工智能及智能体通信协议的设计产生重要影响，为构建更鲁棒、更智能的复杂系统提供了理论框架。 #人工智能 #智能体 #认知科学 #分布式系统 #arXiv #论文
一篇题为《复制信念而非比特：面向智能体系统的认知状态复制》的学术论文近日提交至arXiv预印本平台。该研究由Jun He等作者完成，提出一种新的智能体系统设计范式，主张在分布式系统中实现认知状态（即"信念"）的复制，而非传统的数据或比特级精确复制。论文探讨了在智能体协作、信息不一致性和知识共享场景下，如何通过维护智能体对世界状态的信念模型，提升系统的推理能力、适应性与效率。这项工作有望对自主系统、分布式人工智能及智能体通信协议的设计产生重要影响，为构建更鲁棒、更智能的复杂系统提供了理论框架。 #人工智能 #智能体 #认知科学 #分布式系统 #arXiv #论文
SupplyNetPy：开源供应链建模与模拟Python库发布
一篇发表于arXiv的学术论文介绍了SupplyNetPy，一个用于任意供应链和库存网络高保真建模与模拟的开源Python库。该库由Tushar Lone和Neha Karanjkar开发，旨在为研究人员和工程师提供强大工具，以精确模拟复杂供应链的动态行为。论文详细阐述了库的设计架构、核心功能及其在库存管理、物流优化等领域的应用潜力。SupplyNetPy的开源特性有望降低供应链研究的门槛，促进相关领域的协作与创新。该论文于2026年7月3日提交至arXiv，并附有完整的PDF、HTML及TeX源码供公众查阅。 #开源 #供应链 #Python #模拟 #学术 #科技 #人工智能
一篇发表于arXiv的学术论文介绍了SupplyNetPy，一个用于任意供应链和库存网络高保真建模与模拟的开源Python库。该库由Tushar Lone和Neha Karanjkar开发，旨在为研究人员和工程师提供强大工具，以精确模拟复杂供应链的动态行为。论文详细阐述了库的设计架构、核心功能及其在库存管理、物流优化等领域的应用潜力。SupplyNetPy的开源特性有望降低供应链研究的门槛，促进相关领域的协作与创新。该论文于2026年7月3日提交至arXiv，并附有完整的PDF、HTML及TeX源码供公众查阅。 #开源 #供应链 #Python #模拟 #学术 #科技 #人工智能
架构依赖推理在Hotelling空间市场中的策略辅助
该论文题为《Scaffolding the Strategist: Architecture-Dependent Reasoning Interventions in Hotelling Spatial Markets》,由Pratyush Singh提交至arXiv平台。研究聚焦于在霍特林空间市场模型中，不同架构下的推理干预如何影响策略制定。通过架构依赖的推理方法，论文探讨了市场主体在空间竞争中的决策优化，以及如何通过特定干预提升策略效果。该工作为经济学与人工智能交叉领域提供了新视角，可能对市场模拟和智能决策系统产生潜在影响。 #霍特林模型 #策略推理 #空间市场 #架构依赖 #人工智能 #经济学 #论文摘要
该论文题为《Scaffolding the Strategist: Architecture-Dependent Reasoning Interventions in Hotelling Spatial Markets》,由Pratyush Singh提交至arXiv平台。研究聚焦于在霍特林空间市场模型中，不同架构下的推理干预如何影响策略制定。通过架构依赖的推理方法，论文探讨了市场主体在空间竞争中的决策优化，以及如何通过特定干预提升策略效果。该工作为经济学与人工智能交叉领域提供了新视角，可能对市场模拟和智能决策系统产生潜在影响。 #霍特林模型 #策略推理 #空间市场 #架构依赖 #人工智能 #经济学 #论文摘要
新方法Coresets Before Score Sets
近日，一篇题为《Coresets Before Score Sets: Evaluation-Unsupervised Prompt Subset Selection for LLM Benchmarks》的论文提交至arXiv。该研究由Jihan Yao等19位作者完成，提出了一种无监督的提示子集选择方法，旨在降低大语言模型（LLM）基准测试的评估成本。传统评估需要大量测试提示，计算开销巨大。该方法引入核心集（coreset）思想，在完整评估前自动选出最具代表性的提示子集，从而在保持评估准确性的同时大幅减少计算资源消耗。该工作为LLM高效评估提供了新思路。 #LLM #大模型 #基准测试 #提示子集 #无监督学习 #核心集 #高效评估 #arXiv #AI研究
近日，一篇题为《Coresets Before Score Sets: Evaluation-Unsupervised Prompt Subset Selection for LLM Benchmarks》的论文提交至arXiv。该研究由Jihan Yao等19位作者完成，提出了一种无监督的提示子集选择方法，旨在降低大语言模型（LLM）基准测试的评估成本。传统评估需要大量测试提示，计算开销巨大。该方法引入核心集（coreset）思想，在完整评估前自动选出最具代表性的提示子集，从而在保持评估准确性的同时大幅减少计算资源消耗。该工作为LLM高效评估提供了新思路。 #LLM #大模型 #基准测试 #提示子集 #无监督学习 #核心集 #高效评估 #arXiv #AI研究