TerraMind 与 THOR 系统对比研究发布

一项发表于 arXiv 预印本平台的研究对 TerraMind 和 THOR 两个系统进行了系统比较。该论文由 Frederick Schindlegger 等 8 位作者共同完成，详细分析了两个系统在架构设计、性能表现和应用场景等方面的差异。研究通过实验数据展示了各自优势与局限，为相关领域研究者提供了参考依据。论文目前可通过 arXiv 获取 PDF 全文及 HTML 版本，并支持多种文献管理工具引用。 #arXiv #TerraMind #THOR #系统对比 #学术论文 #计算机科学

熔融沉积建模翘曲检测的自动数据工程与特征选择研究

据arXiv预印本平台显示，一篇题为"Automated Data Engineering and Feature Selection for the Case Study of Warpage Detection in Fused Deposition Modeling"的论文于2026年7月20日提交。该研究由Saleh Valizadeh Sotubadi等人完成，聚焦于熔融沉积建模（FDM）过程中的翘曲检测问题。论文提出了一种自动化的数据工程与特征选择方法，旨在提升翘曲检测的准确性与效率，为3D打印质量控制提供新的技术路径。目前该论文已开放PDF全文下载，相关代码与数据工具链接也已同步发布。 #3D打印 #熔融沉积建模 #翘曲检测 #数据工程 #特征选择 #自动化 #科研论文 #arXiv #机器学习

Signed Rectified Flow 论文提出负性可控生成新方法

近日，一篇题为《Signed Rectified Flow: Negativity-Controlled Generation》的研究论文在 arXiv 预印本平台提交。该论文由 Runlong Liao 等四位作者共同完成，提出了一种名为 Signed Rectified Flow 的新型生成模型方法。整流流（Rectified Flow）是近年来高效的生成模型训练框架，而 Signed Rectified Flow 在其基础上引入符号控制机制，旨在实现对生成内容中负性因素（如负面情绪、消极特征等）的精确调控。这一方法为生成模型的可控性研究提供了新方向，有望在情感计算、安全内容生成等领域发挥作用。论文目前已提供 PDF 和 HTML 版本，并附有相关代码资源链接。 #论文 #生成模型 #AI #负性控制 #整流流 #可控生成 #arXiv

移动核心网故障检测新方法

一篇发表于arXiv的论文提出了一种名为“自适应两阶段在线学习”的新方法，用于移动核心网络中影响服务的故障检测。该方法旨在解决传统故障检测模型难以适应网络动态变化的问题，通过两阶段学习策略，先利用历史数据进行离线训练，再结合实时网络流量进行在线自适应调整。实验结果表明，该方案能有效提升故障检测的准确率和时效性，降低误报率，为保障移动网络服务稳定性提供了新的技术路径。 #移动核心网 #故障检测 #在线学习 #自适应 #网络运维 #机器学习 #论文

面向供应链规划的通用供应商交货时间估计

该研究提出了一种名为“审查感知上下文学习”的新方法，用于供应链规划中的供应商交货时间估计。传统方法常因数据审查（如订单取消或延迟）导致估计偏差，而该方法通过上下文学习机制，动态调整模型对审查数据的敏感度，从而提升估计的准确性与鲁棒性。实验表明，该方法在多个真实供应链数据集上显著优于现有基线模型，尤其适用于数据稀疏或存在大量审查样本的场景。该工作为供应链管理中的不确定性量化提供了新思路，有望帮助企业优化库存与生产计划。 #供应链 #机器学习 #上下文学习 #数据审查 #供应链规划 #AI #物流 #工业工程

循环语言模型中的操作式原始内省：过程质量探针、可执行分支与读出控制边界

一篇题为《循环语言模型中的操作式原始内省：过程质量探针、可执行分支与读出控制边界》的论文于2026年7月20日提交至arXiv预印本平台。该研究由Jan Kirin完成，探讨了在循环语言模型中实现原始内省能力的操作化方法。论文提出了“过程质量探针”概念，用于实时监测模型内部推理过程的质量；引入“可执行分支”机制，允许模型在推理过程中动态调整路径；并界定了“读出控制边界”，即模型内部状态与外部输出之间的关键分界点。这项研究旨在赋予语言模型对其自身计算过程的有限但可操作的认知能力，为构建更透明、可控的AI系统提供了理论框架和技术路径。论文以PDF和HTML格式提供，并附有BibTeX引用信息。 #AI #语言模型 #内省 #arXiv #机器学习 #可解释AI

中国机器人初创公司智元机器人拟采用国产芯片

据智元机器人高级副总裁透露，该公司正积极寻求在其产品中使用国产芯片，以降低对外部供应链的依赖并提升自主可控能力。智元机器人专注于开发通用型智能机器人，其产品已在工业制造、物流配送等领域展开应用。采用国产芯片将有助于公司应对全球芯片供应波动，同时推动国内机器人产业链的协同发展。目前，公司正与多家国产芯片厂商进行技术对接和测试，预计未来新机型将逐步搭载国产核心芯片。 #机器人 #国产芯片 #智元机器人 #供应链 #科技 #智能制造

Phionyx：一种确定性AI运行时架构，具备结构化状态管理与预响应治理

一篇题为《Phionyx: A Deterministic AI Runtime Architecture with Structured State Management and Pre-Response Governance》的学术论文在arXiv上发布。该论文由Ali Toygar Abak撰写，提出了一种名为Phionyx的新型AI运行时架构。该架构的核心特点是确定性执行、结构化状态管理以及预响应治理机制。Phionyx旨在解决当前AI系统在状态管理、响应一致性和安全性方面的挑战，通过预响应治理确保模型输出符合预设规则，从而提升AI应用的可靠性与可控性。论文详细阐述了其设计原理、架构组件及潜在应用场景，为AI系统的高效、安全运行提供了新的理论框架。 #AI #架构 #确定性 #状态管理 #预响应治理 #学术论文 #arXiv

积分微分方程在无人机运动角稳定中的分布式反馈控制应用

一篇题为《积分微分方程在无人机运动角稳定中的分布式反馈控制应用》的学术论文在arXiv上发布。该研究由Alexander Domoshnitsky等人完成，探讨了利用分布式反馈控制方法，通过积分微分方程模型来稳定无人机运动中的角度问题。论文详细分析了相关数学模型的建立与求解，旨在提升无人机在复杂环境下的飞行稳定性。该工作为无人机控制理论提供了新的数学工具，有望推动无人机自主导航和抗干扰能力的进一步发展。 #无人机 #控制理论 #积分微分方程 #分布式反馈 #arXiv #学术论文 #数学建模

MILP-Evo：混合整数线性规划求解器的全自动闭环设计

研究人员提出了一种名为MILP-Evo的全自动闭环设计方法，用于自动生成混合整数线性规划（MILP）求解器。该方法通过进化算法和强化学习技术，在无需人工干预的情况下，自动探索和优化求解器的组件与参数。实验结果表明，MILP-Evo生成的求解器在多个标准测试集上表现优异，性能接近甚至超越人工设计的求解器。这一成果有望大幅降低MILP求解器的开发门槛，推动其在物流、金融、能源等领域的应用。 #MILP #求解器 #自动设计 #进化算法 #强化学习 #人工智能 #运筹学 #论文

超越准确率与成本：面向动态工作负载的延迟感知大模型查询路由

研究人员提出一种新型大模型查询路由方法，在传统准确率和成本指标之外，首次将延迟作为关键优化维度。该方法针对动态工作负载设计，通过实时监测系统负载和模型响应时间，智能分配查询请求到不同规模的大语言模型。实验表明，该路由策略在保持高准确率的同时，可将平均查询延迟降低40%以上，并有效避免高负载下的系统过载。这项研究为大规模部署大模型服务提供了更实用的性能优化方案，尤其适用于需要实时响应的应用场景。 #大模型 #查询路由 #延迟优化 #动态负载 #AI系统 #性能优化 #学术研究

MLIR跨方言泛化新方法

近日，一篇关于MLIR（多级中间表示）的论文在arXiv上发布。论文题为《Cross-Dialect Generalization Without Retraining: Benchmarks and Evaluation of Schema-Derived Constrained Decoding for MLIR》，由Plawan Kumar Rath撰写。该研究提出了一种无需重新训练即可实现跨方言泛化的方法，通过模式派生约束解码，使不同MLIR方言间的代码转换更加高效。论文提供了详细的基准测试与评估，证明该方法在降低训练成本的同时保持了高性能，对编译器基础设施和代码生成领域具有重要参考价值。 #MLIR #编译器 #跨方言泛化 #约束解码 #arXiv #论文 #计算机科学 #编程语言 #代码生成

新论文提出语义合作游戏方法，用于LLM多智能体系统贡献归因

研究人员在arXiv上发表了一项关于基于大语言模型的多智能体系统中贡献归因的研究。论文提出了一种名为“语义合作游戏”的新方法，旨在解决多智能体协作中如何公平、准确地衡量每个智能体贡献的问题。该方法借鉴合作博弈论中的Shapley值思想，并结合语义理解，对智能体在任务中的实际作用进行量化分析。研究团队认为，这一框架有助于提升多智能体系统的透明度和可解释性，为未来更复杂的AI协作系统提供理论基础。 #论文 #AI #多智能体系统 #LLM #合作博弈 #贡献归因 #arXiv

PEARL：自然语言驱动的求解器在环交互式优化建模

2026年5月14日，一篇题为《PEARL: Solver-in-the-Loop Interactive Optimization Modeling from Natural Language》的论文在arXiv预印本平台发布。该论文由Hongliang Lu等五位学者共同撰写，提出了一种名为PEARL的交互式框架，允许用户通过自然语言直接描述优化问题，并在求解器的参与下进行迭代建模与优化。这一方法旨在降低优化建模的专业门槛，使非专家用户也能便捷地构建和求解复杂优化模型，有望推动优化技术在更多领域的普及。论文目前已在arXiv平台开放PDF全文。 #PEARL #优化建模 #自然语言处理 #AI #机器学习 #运筹学 #arXiv

Telegram必备的搜索引擎，极搜JISOU帮你精准找到，想要的群组、频道、视频、音乐

👉 t.me/jisou2?start=a_8247614025

S2T-RLHF

据arXiv最新论文，研究人员提出S2T-RLHF方法，通过分层信用分配机制解决基于人类反馈的强化学习（RLHF）中的稳定性问题。RLHF是AI对齐的核心技术，但传统方法在信用分配上存在模糊性，导致训练波动。S2T-RLHF将信用分配分解为多个层级，分别对应不同时间尺度的贡献，从而提升偏好学习的稳定性和效率。该研究由Wei Chen等人完成，论文已提交至arXiv，为更可靠的AI对齐训练提供了新思路。 #RLHF #强化学习 #AI对齐 #信用分配 #arXiv #论文 #科技 #人工智能

概率概念感知引导方法提升大语言模型推理可信度

一项名为“概率概念感知引导”的新研究提出了一种提升大语言模型推理可信度的方法。该方法通过引入概率概念感知机制，在模型推理过程中动态调整输出方向，从而减少错误和偏见。研究团队在多个基准测试上验证了该方法的有效性，结果显示其能显著提高模型在复杂推理任务中的准确性和可靠性。该工作为构建更值得信赖的AI系统提供了新思路，尤其适用于需要高精度决策的场景。 #大语言模型 #AI安全 #可信AI #推理增强 #概率模型 #概念感知 #arXiv论文

FindStatBench

近日，一篇来自arXiv的论文提出了名为FindStatBench的新基准，专门用于评估大型语言模型在组合代码合成任务上的表现。该基准由Soham Dan等人创建，旨在测试模型在复杂组合逻辑下的代码生成能力。论文提供了完整的PDF文件、TeX源码及相关引用数据，并支持通过多种工具进行文献探索和代码链接访问。研究团队强调，该基准对于推动大模型在算法设计与组合数学领域的应用具有重要意义，目前相关论文已可在arXiv上获取。 #大模型 #代码合成 #组合数学 #AI基准 #arXiv #FindStatBench

研究揭示JSON模式约束无法保证LLM排序代理的语义可靠性

据arXiv预印本平台显示，一篇题为《When JSON Is Not Enough: Semantic Reliability of Schema-Constrained LLM Ordering Agents》的论文近日提交。该研究由Yin Li完成，探讨了在大语言模型（LLM）用于排序任务时，仅依靠JSON模式约束是否足以保证其语义可靠性。研究发现，当前方法在语义理解上存在不足，JSON格式虽能约束输出结构，却无法确保模型生成的排序结果符合预期的语义含义。这一发现对提升LLM在复杂任务中的可靠性和安全性具有重要意义，也为未来改进模式约束方法提供了方向。 #论文 #LLM #JSON #语义可靠性 #AI #排序代理 #arXiv #大模型

ProbSPARQL：支持多维不确定数值数据查询的知识图谱新语言

据arXiv预印本显示，研究人员提出了一种名为ProbSPARQL的新型查询语言，旨在扩展SPARQL以处理知识图谱中的多维不确定数值数据。传统知识图谱查询主要针对确定性信息，难以应对现实世界中广泛存在的概率性和不确定性数值。ProbSPARQL通过引入概率模型与多维概念，允许用户对带有不确定性的数值数据进行灵活、高效的查询。该研究由Jingcheng Wu等人完成，有望推动知识图谱在科学计算、风险评估、金融分析等领域的深度应用，为处理复杂不确定信息提供新的技术路径。 #ProbSPARQL #知识图谱 #不确定数据 #查询语言 #学术研究 #arXiv #计算机科学 #大数据

AI深度伪造研究被指与打击非自愿亲密图像严重错位

据arXiv预印本平台发布的一篇立场论文，Li Qiwei等研究者指出，当前AI/ML深度伪造研究与AI生成的非自愿亲密图像（AIG-NCII）问题之间存在显著错位。论文认为，尽管深度伪造技术发展迅速，但学术界在检测和防范非自愿亲密图像方面的投入严重不足，导致技术滥用对受害者造成持续伤害。研究团队分析了现有研究重心与实际问题之间的差距，指出许多工作聚焦于提升生成质量或通用检测，却忽视了AIG-NCII特有的伦理挑战和取证需求。该论文呼吁重新调整研究方向，将更多资源投入到受害者保护、内容溯源和跨学科合作中，以弥合技术发展与现实危害之间的鸿沟。这一观点可能引发学术界与政策制定者对AI伦理研究优先级的重新审视。 #AI #深度伪造 #非自愿亲密图像 #研究伦理 #arXiv #论文 #科技伦理 #AI安全 #数字暴力