LLM遗忘学习在网络安全防御中的应用
一篇发表于arXiv的综述论文系统探讨了大型语言模型（LLM）的“遗忘学习”技术在网络安全防御领域的研究现状。该论文由Saptarshi Sengupta等五位学者共同撰写，主要梳理了当前用于移除模型中特定知识（如敏感数据、恶意指令）的方法，分析了其面临的技术挑战，如遗忘效果与模型性能之间的平衡、遗忘的鲁棒性验证等，并指出了新兴威胁，例如对抗性遗忘攻击和遗忘技术的滥用风险。研究认为，随着LLM在安全场景中的广泛应用，遗忘学习有望成为保护隐私、抵御恶意利用的关键工具，但现有方法仍存在诸多局限，亟需更安全、可解释的解决方案。 #LLM遗忘学习 #网络安全 #人工智能安全 #综述论文 #大模型 #隐私保护 #对抗攻击 #arXiv
一篇发表于arXiv的综述论文系统探讨了大型语言模型（LLM）的“遗忘学习”技术在网络安全防御领域的研究现状。该论文由Saptarshi Sengupta等五位学者共同撰写，主要梳理了当前用于移除模型中特定知识（如敏感数据、恶意指令）的方法，分析了其面临的技术挑战，如遗忘效果与模型性能之间的平衡、遗忘的鲁棒性验证等，并指出了新兴威胁，例如对抗性遗忘攻击和遗忘技术的滥用风险。研究认为，随着LLM在安全场景中的广泛应用，遗忘学习有望成为保护隐私、抵御恶意利用的关键工具，但现有方法仍存在诸多局限，亟需更安全、可解释的解决方案。 #LLM遗忘学习 #网络安全 #人工智能安全 #综述论文 #大模型 #隐私保护 #对抗攻击 #arXiv
Operator-Aware Mixed-Precision Tolerance Calibration for Tensor Kernels
该论文由Dipankar Sarkar提交至arXiv，标题为《Operator-Aware Mixed-Precision Tolerance Calibration for Tensor Kernels》，主要研究张量内核计算中的混合精度容差校准问题。论文提出一种面向算子感知的校准方法，通过分析不同算子对精度的敏感度，动态调整混合精度的容差阈值，从而在保持计算准确性的前提下显著提升张量运算的效率。该方法适用于深度学习、科学计算等依赖大规模张量操作的场景，有望降低计算成本并加速模型训练与推理。论文于2026年6月23日首次提交，目前已开放PDF全文浏览。 #arXiv #论文 #混合精度 #张量计算 #机器学习 #高性能计算 #算法
该论文由Dipankar Sarkar提交至arXiv，标题为《Operator-Aware Mixed-Precision Tolerance Calibration for Tensor Kernels》，主要研究张量内核计算中的混合精度容差校准问题。论文提出一种面向算子感知的校准方法，通过分析不同算子对精度的敏感度，动态调整混合精度的容差阈值，从而在保持计算准确性的前提下显著提升张量运算的效率。该方法适用于深度学习、科学计算等依赖大规模张量操作的场景，有望降低计算成本并加速模型训练与推理。论文于2026年6月23日首次提交，目前已开放PDF全文浏览。 #arXiv #论文 #混合精度 #张量计算 #机器学习 #高性能计算 #算法
RouteCost：面向电商预售订单运费估算的生产启发式多阶段框架
由Xianling Zeng等四位作者提交的论文《RouteCost: A Production-Inspired Multi-Stage Framework for Pre-Order Shipping Cost Estimation in E-Commerce》已在arXiv平台发布。该研究针对电商场景中预售订单的运费估算难题，提出一种名为RouteCost的多阶段框架。框架的设计灵感来源于实际生产环境中的物流经验，通过分阶段建模和优化，旨在提升运费预测的准确性与稳健性。论文详细介绍了框架的结构、训练方法以及在实际数据集上的评估结果，为电商物流成本管理提供了新的技术思路。目前论文全文可在arXiv上获取。 #电商 #运费估算 #机器学习 #多阶段框架 #arXiv #物流 #学术论文
由Xianling Zeng等四位作者提交的论文《RouteCost: A Production-Inspired Multi-Stage Framework for Pre-Order Shipping Cost Estimation in E-Commerce》已在arXiv平台发布。该研究针对电商场景中预售订单的运费估算难题，提出一种名为RouteCost的多阶段框架。框架的设计灵感来源于实际生产环境中的物流经验，通过分阶段建模和优化，旨在提升运费预测的准确性与稳健性。论文详细介绍了框架的结构、训练方法以及在实际数据集上的评估结果，为电商物流成本管理提供了新的技术思路。目前论文全文可在arXiv上获取。 #电商 #运费估算 #机器学习 #多阶段框架 #arXiv #物流 #学术论文
正交梯度约束塑造噪声标签记忆动力学
一篇题为《正交梯度约束塑造噪声标签记忆动力学》的研究论文于2026年6月24日提交至预印本平台arXiv。该论文由Richard Mai独立完成，主要探讨在深度学习训练过程中，如何通过正交梯度约束来调控模型对噪声标签的记忆行为。研究发现，引入正交梯度约束能够有效抑制模型过度拟合错误标签，从而缓解记忆噪声样本带来的泛化下降问题。这一机制为理解标签噪声下的模型训练动力学提供了新视角，并可能推动更鲁棒的学习算法设计。论文目前已在计算机科学领域内公开，并可通过arXiv获取全文。 #深度学习 #标签噪声 #梯度约束 #记忆动力学 #机器学习 #算法鲁棒性 #arXiv论文
一篇题为《正交梯度约束塑造噪声标签记忆动力学》的研究论文于2026年6月24日提交至预印本平台arXiv。该论文由Richard Mai独立完成，主要探讨在深度学习训练过程中，如何通过正交梯度约束来调控模型对噪声标签的记忆行为。研究发现，引入正交梯度约束能够有效抑制模型过度拟合错误标签，从而缓解记忆噪声样本带来的泛化下降问题。这一机制为理解标签噪声下的模型训练动力学提供了新视角，并可能推动更鲁棒的学习算法设计。论文目前已在计算机科学领域内公开，并可通过arXiv获取全文。 #深度学习 #标签噪声 #梯度约束 #记忆动力学 #机器学习 #算法鲁棒性 #arXiv论文
从权重到语言
一篇发表于arXiv的预印本论文提出了一种新方法，旨在将机器学习中的偏好模型内部推理过程转化为可理解的自然语言，并允许用户进行编辑。该研究由Zachary Wojtowicz等人完成，于2026年6月提交。传统偏好模型通常以权重参数形式表示，难以直接解释和调整。这项研究通过将模型推断“翻译”为文本，使得非技术用户也能理解模型偏好背后的逻辑，并且能够以自然语言指令直接修改模型行为。这一成果有望提升人工智能系统的可解释性和可控性，尤其在推荐系统、对话助手等依赖用户偏好的应用场景中具有重要价值。论文目前以PDF和HTML形式开放获取。 #AI #可解释性 #偏好模型 #自然语言处理 #arXiv #论文 #机器学习 #人工智能
一篇发表于arXiv的预印本论文提出了一种新方法，旨在将机器学习中的偏好模型内部推理过程转化为可理解的自然语言，并允许用户进行编辑。该研究由Zachary Wojtowicz等人完成，于2026年6月提交。传统偏好模型通常以权重参数形式表示，难以直接解释和调整。这项研究通过将模型推断“翻译”为文本，使得非技术用户也能理解模型偏好背后的逻辑，并且能够以自然语言指令直接修改模型行为。这一成果有望提升人工智能系统的可解释性和可控性，尤其在推荐系统、对话助手等依赖用户偏好的应用场景中具有重要价值。论文目前以PDF和HTML形式开放获取。 #AI #可解释性 #偏好模型 #自然语言处理 #arXiv #论文 #机器学习 #人工智能
Token级跨模态Transformer模型应用于乳腺癌分类与生存预测
近日，一项发表在arXiv上的研究提出了Token-Level Cross-Modal Transformer模型，结合对比多任务学习框架，用于乳腺癌亚型分类与生存预测。该模型通过将不同模态的医学数据（如病理图像、基因组数据等）在Token级别进行跨模态融合，并利用对比学习增强特征表示能力，从而提升分类精度和预测可靠性。研究表明，该方法在多个公开数据集上取得了优于传统模型的性能，为乳腺癌的个性化诊疗提供了新的技术路径。该工作由Suxing Liu等人完成，目前论文已上线供学术社区探讨。 #乳腺癌 #AI医疗 #Transformer #多任务学习 #跨模态 #医学影像 #生存预测 #深度学习 #精准医疗
近日，一项发表在arXiv上的研究提出了Token-Level Cross-Modal Transformer模型，结合对比多任务学习框架，用于乳腺癌亚型分类与生存预测。该模型通过将不同模态的医学数据（如病理图像、基因组数据等）在Token级别进行跨模态融合，并利用对比学习增强特征表示能力，从而提升分类精度和预测可靠性。研究表明，该方法在多个公开数据集上取得了优于传统模型的性能，为乳腺癌的个性化诊疗提供了新的技术路径。该工作由Suxing Liu等人完成，目前论文已上线供学术社区探讨。 #乳腺癌 #AI医疗 #Transformer #多任务学习 #跨模态 #医学影像 #生存预测 #深度学习 #精准医疗
HantaWatch 论文提出联邦学习用于汉坦病毒基因组监测
由 Shanika Iroshi Nanayakkara 和 Shiva Raj Pokhrel 合作撰写的论文《HantaWatch: Federated Learning for Hantavirus Genomic Surveillance》近日在 arXiv 预印本平台发布。该研究首次将联邦学习框架引入汉坦病毒基因组监测领域，旨在通过分布式机器学习方法，在保护各地医疗机构数据隐私的前提下，实现跨区域的病毒变异追踪与疫情预警。传统基因组监测依赖集中式数据处理，面临数据共享瓶颈与隐私合规挑战。HantaWatch 方案允许各参与方在不共享原始数据的情况下协同训练模型，从而提升对病毒进化动态的响应效率。这一方法有望为全球公共卫生监测体系提供更安全、高效的技术支撑。 #联邦学习 #汉坦病毒 #基因组监测 #arXiv #AI医疗 #疫情预警 #数据隐私
由 Shanika Iroshi Nanayakkara 和 Shiva Raj Pokhrel 合作撰写的论文《HantaWatch: Federated Learning for Hantavirus Genomic Surveillance》近日在 arXiv 预印本平台发布。该研究首次将联邦学习框架引入汉坦病毒基因组监测领域，旨在通过分布式机器学习方法，在保护各地医疗机构数据隐私的前提下，实现跨区域的病毒变异追踪与疫情预警。传统基因组监测依赖集中式数据处理，面临数据共享瓶颈与隐私合规挑战。HantaWatch 方案允许各参与方在不共享原始数据的情况下协同训练模型，从而提升对病毒进化动态的响应效率。这一方法有望为全球公共卫生监测体系提供更安全、高效的技术支撑。 #联邦学习 #汉坦病毒 #基因组监测 #arXiv #AI医疗 #疫情预警 #数据隐私
OpenMHC
一篇题为《OpenMHC: Accelerating the Science of Wearable Foundation Models》的论文于2026年6月25日提交至arXiv平台。该论文由Narayan Schuetz等18位作者共同撰写，旨在通过开源框架OpenMHC推动可穿戴设备基础模型领域的科学研究。可穿戴基础模型是人工智能与健康监测交叉的前沿方向，OpenMHC的提出有望为相关研究人员提供标准化工具与基准，加速模型在生理信号分析、行为识别等场景中的应用探索。论文目前以PDF形式开放获取，并附有代码、数据链接及引用工具，为学界共享成果提供了便利。 #论文 #可穿戴 #基础模型 #AI #开源 #arXiv #科研 #健康监测
一篇题为《OpenMHC: Accelerating the Science of Wearable Foundation Models》的论文于2026年6月25日提交至arXiv平台。该论文由Narayan Schuetz等18位作者共同撰写，旨在通过开源框架OpenMHC推动可穿戴设备基础模型领域的科学研究。可穿戴基础模型是人工智能与健康监测交叉的前沿方向，OpenMHC的提出有望为相关研究人员提供标准化工具与基准，加速模型在生理信号分析、行为识别等场景中的应用探索。论文目前以PDF形式开放获取，并附有代码、数据链接及引用工具，为学界共享成果提供了便利。 #论文 #可穿戴 #基础模型 #AI #开源 #arXiv #科研 #健康监测
递归推理模型量化研究论文发布
一篇题为《量化递归推理模型》的学术论文近日在arXiv预印本平台公开。该研究由Thorir Mar Ingolfsson等六位学者共同完成，主要探讨如何对递归推理模型进行量化处理。递归推理模型在复杂推理任务中具有重要价值，但计算开销较大。论文可能提出了一种通过模型量化技术降低参数精度、压缩模型体积并加速推理的方法，同时力求保持原有性能。该工作有望推动递归推理模型在边缘设备等资源受限场景下的实际部署。论文全文已提供PDF和HTML版本，并附有BibTeX引用信息，供学术界参考。 #AI #机器学习 #模型量化 #递归推理 #学术论文 #arXiv #深度学习 #模型压缩 #边缘计算
一篇题为《量化递归推理模型》的学术论文近日在arXiv预印本平台公开。该研究由Thorir Mar Ingolfsson等六位学者共同完成，主要探讨如何对递归推理模型进行量化处理。递归推理模型在复杂推理任务中具有重要价值，但计算开销较大。论文可能提出了一种通过模型量化技术降低参数精度、压缩模型体积并加速推理的方法，同时力求保持原有性能。该工作有望推动递归推理模型在边缘设备等资源受限场景下的实际部署。论文全文已提供PDF和HTML版本，并附有BibTeX引用信息，供学术界参考。 #AI #机器学习 #模型量化 #递归推理 #学术论文 #arXiv #深度学习 #模型压缩 #边缘计算
扩散校正自回归傅里叶神经算子实现液滴演化精确预测
近日，来自多所机构的研究团队在arXiv上预发布了一项新成果，提出了一种名为“扩散校正自回归傅里叶神经算子”（Diffusion-corrected Autoregressive Fourier Neural Operator）的深度学习模型，用于液滴演化的高效预测。该模型结合傅里叶神经算子的频谱学习能力与扩散过程校正机制，能够准确模拟微流体中液滴的形变、破裂与合并等复杂动态行为。相比传统数值方法，该模型在保持高精度的同时大幅降低计算成本，为工业喷雾、生物液滴分析及海洋环境模拟等领域提供了新的工具。研究团队已在多种工况下验证了模型的鲁棒性和泛化能力，相关代码与数据已公开。 #深度学习 #物理仿真 #傅里叶神经算子 #液滴演化 #计算流体力学 #AI4Science
近日，来自多所机构的研究团队在arXiv上预发布了一项新成果，提出了一种名为“扩散校正自回归傅里叶神经算子”（Diffusion-corrected Autoregressive Fourier Neural Operator）的深度学习模型，用于液滴演化的高效预测。该模型结合傅里叶神经算子的频谱学习能力与扩散过程校正机制，能够准确模拟微流体中液滴的形变、破裂与合并等复杂动态行为。相比传统数值方法，该模型在保持高精度的同时大幅降低计算成本，为工业喷雾、生物液滴分析及海洋环境模拟等领域提供了新的工具。研究团队已在多种工况下验证了模型的鲁棒性和泛化能力，相关代码与数据已公开。 #深度学习 #物理仿真 #傅里叶神经算子 #液滴演化 #计算流体力学 #AI4Science
BACON 方法：预算有限的人类校准用于多AI评审建模与评估
一篇题为《BACON: Budgeted Human Calibration for Modeling and Evaluation with Multiple AI Judges》的论文近日在arXiv上发布。该研究提出了一种名为BACON的预算有限的人类校准方法，用于在多个AI评审参与评估的场景下，通过有限的人类反馈来校准和建模AI评审的偏差。论文探讨了如何用最小的人力成本提升多AI评审系统的一致性和可靠性，涉及统计建模与评估理论。该方法有望应用于AI对齐、大模型评估等需要多评委投票或打分的关键领域。目前论文已通过arXiv平台公开，提供PDF和HTML版本供下载。 #AI评估 #人类校准 #多评委 #BACON #arXiv #机器学习 #大模型 #预算约束
一篇题为《BACON: Budgeted Human Calibration for Modeling and Evaluation with Multiple AI Judges》的论文近日在arXiv上发布。该研究提出了一种名为BACON的预算有限的人类校准方法，用于在多个AI评审参与评估的场景下，通过有限的人类反馈来校准和建模AI评审的偏差。论文探讨了如何用最小的人力成本提升多AI评审系统的一致性和可靠性，涉及统计建模与评估理论。该方法有望应用于AI对齐、大模型评估等需要多评委投票或打分的关键领域。目前论文已通过arXiv平台公开，提供PDF和HTML版本供下载。 #AI评估 #人类校准 #多评委 #BACON #arXiv #机器学习 #大模型 #预算约束
KernelBench-Verified: LLM生成的Kernel能否真正超越PyTorch？
一篇发表于arXiv的新论文《KernelBench-Verified: Do LLM-Generated Kernels Actually Beat PyTorch?》提出了一个标准化基准测试，旨在系统评估大语言模型生成的计算内核在实际运行中是否真的比PyTorch框架的现有实现更快、更高效。研究通过构建验证方法，对LLM生成内核的加速比、正确性等关键指标进行对比分析，为AI代码生成领域的性能评测提供了新的参考。该基准有望推动LLM在底层算子优化方面的发展，但其结论仍需更多实际场景验证。 #arXiv #LLM #Kernel #PyTorch #AI代码生成 #基准测试 #深度学习 #机器学习 #AI
一篇发表于arXiv的新论文《KernelBench-Verified: Do LLM-Generated Kernels Actually Beat PyTorch?》提出了一个标准化基准测试，旨在系统评估大语言模型生成的计算内核在实际运行中是否真的比PyTorch框架的现有实现更快、更高效。研究通过构建验证方法，对LLM生成内核的加速比、正确性等关键指标进行对比分析，为AI代码生成领域的性能评测提供了新的参考。该基准有望推动LLM在底层算子优化方面的发展，但其结论仍需更多实际场景验证。 #arXiv #LLM #Kernel #PyTorch #AI代码生成 #基准测试 #深度学习 #机器学习 #AI
TRACE: 基于轨迹的安全补丁学习实现大模型后训练重新对齐
近日，一篇名为《TRACE: Trajectory-Based Safety Patch Learning for LLM Post-Training Realignment》的论文在arXiv上提交。该研究由Changyue Li等七位作者共同完成，提出了一种基于轨迹的安全补丁学习方法，旨在解决大语言模型在后续微调或部署中可能出现的安全对齐退化问题。TRACE通过追踪模型行为轨迹，针对性地学习安全补丁，从而在不损害核心能力的前提下恢复或增强模型的安全性。该方法为LLM后训练阶段的实时安全维护提供了新思路，有望提升大模型在实际应用中的可靠性。 #LLM #大模型 #安全对齐 #AI安全 #论文 #arXiv #机器学习
近日，一篇名为《TRACE: Trajectory-Based Safety Patch Learning for LLM Post-Training Realignment》的论文在arXiv上提交。该研究由Changyue Li等七位作者共同完成，提出了一种基于轨迹的安全补丁学习方法，旨在解决大语言模型在后续微调或部署中可能出现的安全对齐退化问题。TRACE通过追踪模型行为轨迹，针对性地学习安全补丁，从而在不损害核心能力的前提下恢复或增强模型的安全性。该方法为LLM后训练阶段的实时安全维护提供了新思路，有望提升大模型在实际应用中的可靠性。 #LLM #大模型 #安全对齐 #AI安全 #论文 #arXiv #机器学习
CIGPO：面向多轮证据阅读的LLM智能体上下文信息增益策略优化
Hao Dou等人近日在arXiv上提交了一篇题为《CIGPO: Contextual Information-Gain Policy Optimization for Multi-Turn Evidence-Reading LLM Agents》的论文。该研究提出了一种名为上下文信息增益策略优化（CIGPO）的新框架，旨在提升大语言模型（LLM）智能体在多轮证据阅读场景中的表现。传统方法往往在多次交互中无法有效积累和利用上下文信息，而CIGPO通过引入信息增益作为优化目标，引导智能体在每一步选择最有助于推理的证据，从而显著提高复杂问答任务的准确性。这项工作为构建更高效的检索增强生成系统提供了理论基础，有望推动LLM在知识密集型应用中的实际部署。 #人工智能 #大语言模型 #策略优化 #信息检索 #论文 #CIGPO #LLM #多轮交互
Hao Dou等人近日在arXiv上提交了一篇题为《CIGPO: Contextual Information-Gain Policy Optimization for Multi-Turn Evidence-Reading LLM Agents》的论文。该研究提出了一种名为上下文信息增益策略优化（CIGPO）的新框架，旨在提升大语言模型（LLM）智能体在多轮证据阅读场景中的表现。传统方法往往在多次交互中无法有效积累和利用上下文信息，而CIGPO通过引入信息增益作为优化目标，引导智能体在每一步选择最有助于推理的证据，从而显著提高复杂问答任务的准确性。这项工作为构建更高效的检索增强生成系统提供了理论基础，有望推动LLM在知识密集型应用中的实际部署。 #人工智能 #大语言模型 #策略优化 #信息检索 #论文 #CIGPO #LLM #多轮交互
Let the Data Decide：离线策略蒸馏助力大模型持续预训练自适应路由
最新arXiv论文《Let the Data Decide: Supervision Analysis, Capability Trade-offs, and Adaptive Objective Routing in Continued Pre-Training via Off-Policy Distillation》提出一种基于离线策略蒸馏的持续预训练方法。该研究聚焦于如何让数据本身决定监督信号，通过分析不同监督方式的能力权衡，实现自适应目标路由。论文由Jiangan Yuan等作者共同完成，旨在解决大模型在持续预训练过程中面临的监督信号选择与能力平衡问题。方法通过离线策略蒸馏技术，使模型能够根据数据特征自动切换训练目标，从而在保持原有能力的同时高效获取新知识。这一工作为提升大模型持续学习效率和泛化能力提供了新思路。 #大模型 #持续预训练 #离线策略蒸馏 #自适应路由 #监督学习 #AI前沿 #arXiv
最新arXiv论文《Let the Data Decide: Supervision Analysis, Capability Trade-offs, and Adaptive Objective Routing in Continued Pre-Training via Off-Policy Distillation》提出一种基于离线策略蒸馏的持续预训练方法。该研究聚焦于如何让数据本身决定监督信号，通过分析不同监督方式的能力权衡，实现自适应目标路由。论文由Jiangan Yuan等作者共同完成，旨在解决大模型在持续预训练过程中面临的监督信号选择与能力平衡问题。方法通过离线策略蒸馏技术，使模型能够根据数据特征自动切换训练目标，从而在保持原有能力的同时高效获取新知识。这一工作为提升大模型持续学习效率和泛化能力提供了新思路。 #大模型 #持续预训练 #离线策略蒸馏 #自适应路由 #监督学习 #AI前沿 #arXiv
Self-Evolving Just-In-Time Memory for Proactive Embodied Safety
一篇题为《Self-Evolving Just-In-Time Memory for Proactive Embodied Safety》的研究论文在 arXiv 预印本平台发布。该论文由 Bingrui Sima 等五位作者共同撰写，提交日期为 2026 年 6 月 26 日。论文聚焦于具身智能体的主动安全问题，提出了一种自进化的即时记忆机制，旨在让机器人在动态环境中能够预判风险并做出实时响应。这一方法有望提升未来自主系统在复杂场景中的安全性和适应性。论文目前以 PDF 和 HTML 形式开放获取，并提供了 BibTeX 引用数据及相关工具链接。 #arXiv #论文 #AI安全 #具身智能 #记忆机制 #机器人 #预印本 #学术研究
一篇题为《Self-Evolving Just-In-Time Memory for Proactive Embodied Safety》的研究论文在 arXiv 预印本平台发布。该论文由 Bingrui Sima 等五位作者共同撰写，提交日期为 2026 年 6 月 26 日。论文聚焦于具身智能体的主动安全问题，提出了一种自进化的即时记忆机制，旨在让机器人在动态环境中能够预判风险并做出实时响应。这一方法有望提升未来自主系统在复杂场景中的安全性和适应性。论文目前以 PDF 和 HTML 形式开放获取，并提供了 BibTeX 引用数据及相关工具链接。 #arXiv #论文 #AI安全 #具身智能 #记忆机制 #机器人 #预印本 #学术研究