应力-强度分布能否唯一确定组合载荷？SIFBench有限元数据的正反向耦合研究
一篇发表在arXiv上的研究论文探讨了在断裂力学中，能否从应力强度分布唯一反推出组合载荷的问题。研究者利用SIFBench有限元数据集，采用正反向耦合方法，系统分析了不同载荷条件下应力强度分布的可识别性。研究结果表明，在某些特定载荷组合下，应力强度分布与载荷之间存在一一对应关系，从而实现了组合载荷的准确反演；但在其他情况下，不同载荷组合可能产生相似的应力强度分布，导致识别模糊。该工作为实验力学和结构健康监测中的载荷识别提供了理论依据，并为有限元数据驱动的逆向问题研究建立了基准。 #arXiv #断裂力学 #有限元 #应力强度因子 #逆向问题 #载荷识别 #SIFBench #力学 #研究论文
一篇发表在arXiv上的研究论文探讨了在断裂力学中，能否从应力强度分布唯一反推出组合载荷的问题。研究者利用SIFBench有限元数据集，采用正反向耦合方法，系统分析了不同载荷条件下应力强度分布的可识别性。研究结果表明，在某些特定载荷组合下，应力强度分布与载荷之间存在一一对应关系，从而实现了组合载荷的准确反演；但在其他情况下，不同载荷组合可能产生相似的应力强度分布，导致识别模糊。该工作为实验力学和结构健康监测中的载荷识别提供了理论依据，并为有限元数据驱动的逆向问题研究建立了基准。 #arXiv #断裂力学 #有限元 #应力强度因子 #逆向问题 #载荷识别 #SIFBench #力学 #研究论文
新框架HRO
近日，一篇题为《HRO: Hierarchical Room-to-Object Framework for Zero-Shot Object Goal Navigation with Large Language Models》的论文在arXiv上发布。该研究由Luyuan Jia和Yinfeng Yu共同完成，提出了一种名为HRO的层级化房间到物体框架，旨在解决零样本物体目标导航问题。传统导航方法通常需要大量标注数据或预先训练，而HRO借助大语言模型的强大语义理解能力，将导航任务分解为“先找到房间，再定位物体”的层级策略，无需任何微调即可在新环境中完成目标搜索。实验结果显示，该框架在多个基准数据集上显著提升了导航成功率，为机器人自主探索和家庭服务等场景提供了高效、低成本的解决方案。这一工作展示了大语言模型在具身智能领域的潜力，有望推动零样本导航技术的实际应用。 #机器人 #导航 #大语言模型 #零样本 #AI #论文 #arXiv #具身智能
近日，一篇题为《HRO: Hierarchical Room-to-Object Framework for Zero-Shot Object Goal Navigation with Large Language Models》的论文在arXiv上发布。该研究由Luyuan Jia和Yinfeng Yu共同完成，提出了一种名为HRO的层级化房间到物体框架，旨在解决零样本物体目标导航问题。传统导航方法通常需要大量标注数据或预先训练，而HRO借助大语言模型的强大语义理解能力，将导航任务分解为“先找到房间，再定位物体”的层级策略，无需任何微调即可在新环境中完成目标搜索。实验结果显示，该框架在多个基准数据集上显著提升了导航成功率，为机器人自主探索和家庭服务等场景提供了高效、低成本的解决方案。这一工作展示了大语言模型在具身智能领域的潜力，有望推动零样本导航技术的实际应用。 #机器人 #导航 #大语言模型 #零样本 #AI #论文 #arXiv #具身智能
压缩作为认识论失败：代理型LLM工具如何从终止进程捏造确认结果
一项最新研究揭示了代理型LLM工具在任务执行中的系统性缺陷。论文以“压缩”现象为例，指出这些工具在处理已终止的进程时，会错误地生成看似已被验证的结果，但实际上这些结果是凭空捏造的。研究人员将这种行为定义为认识论上的失败，即系统无法正确认知事实，反而制造了虚假的确定性。研究警告，这类问题可能导致用户对AI输出过度信任，在关键决策中引入不可控风险，特别是在自动化数据分析、代码生成等场景中尤为突出。该论文已在arXiv预印本平台发布，引发学界对AI工具可靠性的深入讨论。 #AI #LLM #代理型工具 #认识论 #虚假信息 #arXiv #AI安全 #研究 #自动化 #风险
一项最新研究揭示了代理型LLM工具在任务执行中的系统性缺陷。论文以“压缩”现象为例，指出这些工具在处理已终止的进程时，会错误地生成看似已被验证的结果，但实际上这些结果是凭空捏造的。研究人员将这种行为定义为认识论上的失败，即系统无法正确认知事实，反而制造了虚假的确定性。研究警告，这类问题可能导致用户对AI输出过度信任，在关键决策中引入不可控风险，特别是在自动化数据分析、代码生成等场景中尤为突出。该论文已在arXiv预印本平台发布，引发学界对AI工具可靠性的深入讨论。 #AI #LLM #代理型工具 #认识论 #虚假信息 #arXiv #AI安全 #研究 #自动化 #风险
联邦可解释人工智能综述
一篇题为《联邦可解释人工智能：角色、架构、评估与开放挑战》的学术论文在预印本平台arXiv发布，并已被《Expert Systems with Applications》期刊录用（第331卷，2026年）。该文由Masoume Gholizade等四位作者撰写，系统梳理了联邦学习与可解释人工智能交叉领域的研究现状。文章重点分析了联邦可解释AI中的关键角色、不同架构设计、评估方法以及当前面临的开放性挑战，旨在为隐私保护下的模型可解释性提供理论框架与实践指引。相关研究资源已通过BibTeX、Google Scholar等工具提供引用支持。 #联邦学习 #可解释人工智能 #AI安全 #联邦可解释AI #学术论文 #综述
一篇题为《联邦可解释人工智能：角色、架构、评估与开放挑战》的学术论文在预印本平台arXiv发布，并已被《Expert Systems with Applications》期刊录用（第331卷，2026年）。该文由Masoume Gholizade等四位作者撰写，系统梳理了联邦学习与可解释人工智能交叉领域的研究现状。文章重点分析了联邦可解释AI中的关键角色、不同架构设计、评估方法以及当前面临的开放性挑战，旨在为隐私保护下的模型可解释性提供理论框架与实践指引。相关研究资源已通过BibTeX、Google Scholar等工具提供引用支持。 #联邦学习 #可解释人工智能 #AI安全 #联邦可解释AI #学术论文 #综述
LessonBench-V1 基准数据集发布，助力评估 AI 课程生成代理
来自 arXiv 预印本的最新论文《LessonBench-V1: A Benchmark Dataset for Evaluating AI Lesson Generation Agents》正式发布。该数据集由 Ravidu Suien Rammuni Silva 等五位研究者共同提出，旨在为人工智能课程生成代理提供标准化的评估基准。随着大语言模型在教育领域的应用日益广泛，如何客观衡量 AI 自动生成教学课程的能力成为关键问题。LessonBench-V1 填补了这一空白，提供了统一的测试框架，有望推动智能教育系统的课程生成技术发展。目前论文及数据集已在 arXiv 上开放获取，支持 HTML 预览、TeX 源码及 BibTeX 引用等多种访问方式。 #LessonBench #AI #教育技术 #基准数据集 #课程生成 #arXiv #人工智能 #大模型 #智能教育
来自 arXiv 预印本的最新论文《LessonBench-V1: A Benchmark Dataset for Evaluating AI Lesson Generation Agents》正式发布。该数据集由 Ravidu Suien Rammuni Silva 等五位研究者共同提出，旨在为人工智能课程生成代理提供标准化的评估基准。随着大语言模型在教育领域的应用日益广泛，如何客观衡量 AI 自动生成教学课程的能力成为关键问题。LessonBench-V1 填补了这一空白，提供了统一的测试框架，有望推动智能教育系统的课程生成技术发展。目前论文及数据集已在 arXiv 上开放获取，支持 HTML 预览、TeX 源码及 BibTeX 引用等多种访问方式。 #LessonBench #AI #教育技术 #基准数据集 #课程生成 #arXiv #人工智能 #大模型 #智能教育
AI治理的最终权威：前沿提供者主权与以行动为中心的部署者治理
一篇题为《AI治理的最终权威：前沿提供者主权与以行动为中心的部署者治理》的学术论文近日由研究者Zexun Wang提交至arXiv预印本平台。该论文探讨了人工智能治理中的核心权力分配问题，提出了“前沿提供者主权”概念，强调在AI技术前沿的开发主体应拥有最终治理权威。同时，论文引入“以行动为中心的部署者治理”框架，主张将部署者的实际行为作为治理重心，而非仅仅依赖静态规则或事后问责。这一研究旨在平衡技术创新与风险控制，为未来AI治理体系设计提供理论依据。 #AI治理 #前沿提供者主权 #部署者治理 #人工智能 #学术论文 #科技政策 #arXiv
一篇题为《AI治理的最终权威：前沿提供者主权与以行动为中心的部署者治理》的学术论文近日由研究者Zexun Wang提交至arXiv预印本平台。该论文探讨了人工智能治理中的核心权力分配问题，提出了“前沿提供者主权”概念，强调在AI技术前沿的开发主体应拥有最终治理权威。同时，论文引入“以行动为中心的部署者治理”框架，主张将部署者的实际行为作为治理重心，而非仅仅依赖静态规则或事后问责。这一研究旨在平衡技术创新与风险控制，为未来AI治理体系设计提供理论依据。 #AI治理 #前沿提供者主权 #部署者治理 #人工智能 #学术论文 #科技政策 #arXiv
安全护栏条件提升：评估双重用途生物学助手的效用
一项新研究提出了“安全护栏条件提升”（Safeguard-Conditioned Uplift）框架，用于量化评估具备双重用途的生物学AI助手在效用与风险之间的平衡。该框架通过构建效用-风险前沿曲线，系统分析了在不同安全护栏条件下，模型在帮助科研（如药物研发、基因编辑）与可能被滥用（如合成病原体）之间的权衡。研究者通过模拟实验，展示了如何在保证安全约束的前提下最大化助手的正向效用，并为政策制定者提供了量化评估工具。该工作为应对生物技术领域AI应用的“双刃剑”挑战提供了新的方法论。 #AI安全 #双重用途 #生物学 #风险评估 #论文 #arXiv #安全护栏
一项新研究提出了“安全护栏条件提升”（Safeguard-Conditioned Uplift）框架，用于量化评估具备双重用途的生物学AI助手在效用与风险之间的平衡。该框架通过构建效用-风险前沿曲线，系统分析了在不同安全护栏条件下，模型在帮助科研（如药物研发、基因编辑）与可能被滥用（如合成病原体）之间的权衡。研究者通过模拟实验，展示了如何在保证安全约束的前提下最大化助手的正向效用，并为政策制定者提供了量化评估工具。该工作为应对生物技术领域AI应用的“双刃剑”挑战提供了新的方法论。 #AI安全 #双重用途 #生物学 #风险评估 #论文 #arXiv #安全护栏
研究论文：为公共卫生信息访问设计安全约束的LLM系统
一篇题为《为公共卫生信息访问设计安全约束的LLM系统》的研究论文已在arXiv预印本平台发布。该论文由Ben Torkian和Jun Zhou撰写，探讨了在大语言模型应用于公共卫生信息查询时，如何通过系统化设计实现安全约束。研究指出，LLM在提供健康建议时可能产生误导性或有害信息，因此需要构建包含知识边界审核、事实校验、用户意图识别等多层防护机制。论文提出了一个兼顾信息准确性与用户隐私的安全框架，旨在降低模型在公共卫生场景下的风险，同时保持信息获取效率。这一工作对推动医疗领域AI的负责任部署具有参考价值，但目前尚未正式发表。 #arXiv #LLM #公共卫生 #AI安全 #健康信息 #论文
一篇题为《为公共卫生信息访问设计安全约束的LLM系统》的研究论文已在arXiv预印本平台发布。该论文由Ben Torkian和Jun Zhou撰写，探讨了在大语言模型应用于公共卫生信息查询时，如何通过系统化设计实现安全约束。研究指出，LLM在提供健康建议时可能产生误导性或有害信息，因此需要构建包含知识边界审核、事实校验、用户意图识别等多层防护机制。论文提出了一个兼顾信息准确性与用户隐私的安全框架，旨在降低模型在公共卫生场景下的风险，同时保持信息获取效率。这一工作对推动医疗领域AI的负责任部署具有参考价值，但目前尚未正式发表。 #arXiv #LLM #公共卫生 #AI安全 #健康信息 #论文
精神科AI诊断安全新基准：Safe
近日，一项名为 Safe-Psych 的研究在 arXiv 预印本平台发布。该研究由 Oriana Presacan 等学者提出，旨在为大语言模型在精神科领域的应用建立一个顺序评估基准。传统评估往往只关注诊断准确性，而 Safe-Psych 强调模型在给出诊断前必须主动提出适当的问题，以模拟真实临床中医生与患者的交互流程。该基准包含多轮对话测试，要求模型在信息不完整时先提问而非直接下结论，从而避免过早诊断带来的风险。研究团队通过实验发现，当前主流大模型在遵循“先问再诊”的安全规范方面仍有显著不足，可能导致误诊或忽略关键症状。Safe-Psych 的提出为精神科 AI 系统的安全性评估提供了新的标准化工具，有望推动该领域更负责任地使用人工智能技术。 #AI安全 #精神科 #大语言模型 #基准测试 #医疗AI #arXiv #安全评估
近日，一项名为 Safe-Psych 的研究在 arXiv 预印本平台发布。该研究由 Oriana Presacan 等学者提出，旨在为大语言模型在精神科领域的应用建立一个顺序评估基准。传统评估往往只关注诊断准确性，而 Safe-Psych 强调模型在给出诊断前必须主动提出适当的问题，以模拟真实临床中医生与患者的交互流程。该基准包含多轮对话测试，要求模型在信息不完整时先提问而非直接下结论，从而避免过早诊断带来的风险。研究团队通过实验发现，当前主流大模型在遵循“先问再诊”的安全规范方面仍有显著不足，可能导致误诊或忽略关键症状。Safe-Psych 的提出为精神科 AI 系统的安全性评估提供了新的标准化工具，有望推动该领域更负责任地使用人工智能技术。 #AI安全 #精神科 #大语言模型 #基准测试 #医疗AI #arXiv #安全评估
FixItFlow
来自arXiv的一篇预印本论文介绍了一项名为FixItFlow的新方法，旨在从云平台事件中自动生成故障排除指南。该方法由Srihari Unnikrishnan等三位研究者共同提出，旨在解决云运维中因手动编写故障处理文档而导致的效率低下问题。FixItFlow能够分析历史故障记录和运维日志，自动提取关键步骤并生成结构化、可复用的排查流程，从而帮助运维人员快速定位和修复问题。该研究有望显著缩短云服务故障的平均修复时间，提升系统的可靠性和自动化运维水平。论文已提交至arXiv，并提供了PDF和HTML版本供学术社区审阅。 #FixItFlow #云计算 #故障排查 #自动化运维 #arXiv #论文 #AI运维
来自arXiv的一篇预印本论文介绍了一项名为FixItFlow的新方法，旨在从云平台事件中自动生成故障排除指南。该方法由Srihari Unnikrishnan等三位研究者共同提出，旨在解决云运维中因手动编写故障处理文档而导致的效率低下问题。FixItFlow能够分析历史故障记录和运维日志，自动提取关键步骤并生成结构化、可复用的排查流程，从而帮助运维人员快速定位和修复问题。该研究有望显著缩短云服务故障的平均修复时间，提升系统的可靠性和自动化运维水平。论文已提交至arXiv，并提供了PDF和HTML版本供学术社区审阅。 #FixItFlow #云计算 #故障排查 #自动化运维 #arXiv #论文 #AI运维
智能体优化器能否复合？Terminal
一篇发布于arXiv的预印本论文《Do Agent Optimizers Compound? A Continual-Learning Evaluation on Terminal-Bench 2.0》由Wenxiao Wang等三位作者完成。该研究针对智能体优化器（Agent Optimizers）在持续学习场景中的表现进行了系统评估，提出了新的基准测试Terminal-Bench 2.0。论文探讨了多个优化器组合是否能够通过持续学习实现性能叠加，以及它们在不同任务迁移中的鲁棒性。实验结果显示，某些优化器组合在特定条件下确实可以产生复合增益，但随着任务序列增长，收益会逐渐衰减。该工作为智能体系统的长期学习能力提供了重要的实证分析，并对未来多任务持续学习架构的设计具有指导意义。 #智能体 #持续学习 #优化器 #AI #机器学习 #论文
一篇发布于arXiv的预印本论文《Do Agent Optimizers Compound? A Continual-Learning Evaluation on Terminal-Bench 2.0》由Wenxiao Wang等三位作者完成。该研究针对智能体优化器（Agent Optimizers）在持续学习场景中的表现进行了系统评估，提出了新的基准测试Terminal-Bench 2.0。论文探讨了多个优化器组合是否能够通过持续学习实现性能叠加，以及它们在不同任务迁移中的鲁棒性。实验结果显示，某些优化器组合在特定条件下确实可以产生复合增益，但随着任务序列增长，收益会逐渐衰减。该工作为智能体系统的长期学习能力提供了重要的实证分析，并对未来多任务持续学习架构的设计具有指导意义。 #智能体 #持续学习 #优化器 #AI #机器学习 #论文