自回归语言模型可处理层次控制研究提出新框架
一篇题为“Tractable Hierarchical Control of Autoregressive Language Models”（自回归语言模型的可处理层次控制）的论文于2026年6月1日提交至arXiv预印本平台。该研究由Maximilian Scribner（Max Scribner）与其他两位作者合作完成，目前论文的PDF和HTML版本已开放预览。论文聚焦自回归语言模型
一篇题为“Tractable Hierarchical Control of Autoregressive Language Models”（自回归语言模型的可处理层次控制）的论文于2026年6月1日提交至arXiv预印本平台。该研究由Maximilian Scribner（Max Scribner）与其他两位作者合作完成，目前论文的PDF和HTML版本已开放预览。论文聚焦自回归语言模型
语言模型期望对齐
近日，一篇名为《Expectation Alignment of Language Models for Real-World User Expectations》的论文在预印本平台arXiv提交。该论文由Miaomiao Li等六位研究者完成，主要探讨如何让语言模型更好地与真实用户的期望保持一致。研究指出，当前模型虽在各类基准上表现优异，但实际应用中常出现与用户预期偏差的问题。为此，作者提出“期望对齐”这一概念，从数据、训练和
近日，一篇名为《Expectation Alignment of Language Models for Real-World User Expectations》的论文在预印本平台arXiv提交。该论文由Miaomiao Li等六位研究者完成，主要探讨如何让语言模型更好地与真实用户的期望保持一致。研究指出，当前模型虽在各类基准上表现优异，但实际应用中常出现与用户预期偏差的问题。为此，作者提出“期望对齐”这一概念，从数据、训练和
OPTScientist：多智能体自动发现Transformer预训练优化器程序
一篇发表在arXiv上的论文提出了一种名为OPTScientist的新方法，利用多智能体系统自动发现针对Transformer预训练的类型化优化器程序。该方法通过多个智能体协同搜索，在优化器程序空间中进行探索，旨在提升大规模语言模型预训练的效率与性能。研究团队表示，这种方法能够自动生成比传统手工设计优化器更优的程序，并已在多个预训练任务上验证了其有效性。这项研究为自动化机器学习在优化器发现领域提供了新的思路，有望减少人工调参成本并加速Transformer模型的训练过程。 #arXiv #机器学习 #Transformer #优化器 #多智能体 #预训练 #AutoML #AI研究
一篇发表在arXiv上的论文提出了一种名为OPTScientist的新方法，利用多智能体系统自动发现针对Transformer预训练的类型化优化器程序。该方法通过多个智能体协同搜索，在优化器程序空间中进行探索，旨在提升大规模语言模型预训练的效率与性能。研究团队表示，这种方法能够自动生成比传统手工设计优化器更优的程序，并已在多个预训练任务上验证了其有效性。这项研究为自动化机器学习在优化器发现领域提供了新的思路，有望减少人工调参成本并加速Transformer模型的训练过程。 #arXiv #机器学习 #Transformer #优化器 #多智能体 #预训练 #AutoML #AI研究
定向幻觉
据arXiv上的一篇论文《Directional Hallucinations: Ideological Drift in News-Grounded LLM Question Answering》指出，大型语言模型在基于新闻内容进行问答时，会产生具有方向性的意识形态偏见，而非随机错误。研究发现，模型在处理政治、社会等敏感议题时，其回答会系统性向特定意识形态偏移，形成“定向幻觉”。这种漂移可能源自训练数据中的潜在偏见，并在新闻理解任务中被进一步放大，进而威胁信息传播的客观性与公正性。该研究为揭示大模型中的偏见形成机制提供了新视角，同时警示在新闻解读、公共信息传播等关键领域需警惕模型带来的意识形态扭曲风险。 #学术研究 #大模型 #意识形态 #定向幻觉 #新闻问答 #人工智能 #偏见 #LLM #信息传播
据arXiv上的一篇论文《Directional Hallucinations: Ideological Drift in News-Grounded LLM Question Answering》指出，大型语言模型在基于新闻内容进行问答时，会产生具有方向性的意识形态偏见，而非随机错误。研究发现，模型在处理政治、社会等敏感议题时，其回答会系统性向特定意识形态偏移，形成“定向幻觉”。这种漂移可能源自训练数据中的潜在偏见，并在新闻理解任务中被进一步放大，进而威胁信息传播的客观性与公正性。该研究为揭示大模型中的偏见形成机制提供了新视角，同时警示在新闻解读、公共信息传播等关键领域需警惕模型带来的意识形态扭曲风险。 #学术研究 #大模型 #意识形态 #定向幻觉 #新闻问答 #人工智能 #偏见 #LLM #信息传播
自主拓扑突变
近日，一篇题为《自主拓扑突变：具有能力、状态和影子不变量的多智能体LLM系统安全运行时重构》的论文在arXiv平台提交。该研究提出一种创新方法，使多智能体大语言模型系统能够在运行时动态调整网络拓扑结构，并通过能力不变量、状态不变量与影子不变量三重机制确保重构过程的安全性。传统多智能体系统多采用固定拓扑，难以灵活应对动态任务与环境变化；而该方法允许各智能体根据任务需求自主重组，在保持系统一致性的前提下提升整体效率与鲁棒性。论文为自适应多智能体协作系统提供了新的理论基础，有望推动更灵活、可靠的大模型集群应用发展。 #论文 #多智能体 #大语言模型 #安全重构 #拓扑突变 #运行时优化 #自适应系统 #arXiv
近日，一篇题为《自主拓扑突变：具有能力、状态和影子不变量的多智能体LLM系统安全运行时重构》的论文在arXiv平台提交。该研究提出一种创新方法，使多智能体大语言模型系统能够在运行时动态调整网络拓扑结构，并通过能力不变量、状态不变量与影子不变量三重机制确保重构过程的安全性。传统多智能体系统多采用固定拓扑，难以灵活应对动态任务与环境变化；而该方法允许各智能体根据任务需求自主重组，在保持系统一致性的前提下提升整体效率与鲁棒性。论文为自适应多智能体协作系统提供了新的理论基础，有望推动更灵活、可靠的大模型集群应用发展。 #论文 #多智能体 #大语言模型 #安全重构 #拓扑突变 #运行时优化 #自适应系统 #arXiv
EvoSQL 论文提出记忆增强评论-生成器协同进化方法用于 Text-to
一篇题为《EvoSQL: Memory-Augmented Critic-Generator Co-Evolution for Text-to-SQL》的研究论文已于 2026 年 6 月 4 日提交至 arXiv 预印本平台。该论文由 Jiawei Zhou 等六位作者共同完成，旨在提升自然语言到 SQL 查询的转换性能。研究人员提出一种融合记忆增强机制与生成器-评论器协同进化的框架：外部记忆模块存储历史转换案例及反馈，帮助模型从成功或失败的先例中学习；生成器负责产生候选 SQL 语句，评论器则评估其准确性与语义匹配度，两者通过相互博弈与迭代优化共同进化。这种设计有效缓解了传统端到端模型中语义歧义和结构复杂性等问题。论文还探讨了在多个标准数据集上的适用性，为文本到 SQL 任务提供了新的解决思路，有望降低数据库交互门槛，推动自然语言与结构化查询之间的无缝衔接。 #EvoSQL #TextToSQL #自然语言处理 #数据库 #人工智能 #机器学习 #arXiv #论文 #记忆增强 #协同进化
一篇题为《EvoSQL: Memory-Augmented Critic-Generator Co-Evolution for Text-to-SQL》的研究论文已于 2026 年 6 月 4 日提交至 arXiv 预印本平台。该论文由 Jiawei Zhou 等六位作者共同完成，旨在提升自然语言到 SQL 查询的转换性能。研究人员提出一种融合记忆增强机制与生成器-评论器协同进化的框架：外部记忆模块存储历史转换案例及反馈，帮助模型从成功或失败的先例中学习；生成器负责产生候选 SQL 语句，评论器则评估其准确性与语义匹配度，两者通过相互博弈与迭代优化共同进化。这种设计有效缓解了传统端到端模型中语义歧义和结构复杂性等问题。论文还探讨了在多个标准数据集上的适用性，为文本到 SQL 任务提供了新的解决思路，有望降低数据库交互门槛，推动自然语言与结构化查询之间的无缝衔接。 #EvoSQL #TextToSQL #自然语言处理 #数据库 #人工智能 #机器学习 #arXiv #论文 #记忆增强 #协同进化
CRAWO
arXiv最新收录论文《CRAWO: Custom Resources for Adaptive Workload Orchestration》提出了一种基于自定义资源（Custom Resources）的框架，用于在云原生环境中实现自适应工作负载编排。该论文由Eugênio Santos等多位学者共同撰写，旨在解决传统Kubernetes编排器在处理动态、异构工作负载时的局限性。CRAWO通过扩展Kubernetes API，引入新的自定义资源定义（CRD），使得工作负载能够根据实时监控指标、资源利用率及业务策略自动调整部署和调度策略。实验表明，该方法能显著提升集群资源利用效率，降低响应延迟，并增强系统弹性。论文详细介绍了CRAWO的设计架构、实现细节及其在多个典型场景下的性能评估结果，为云原生编排领域提供了新的解决方案。 #论文 #arXiv #CRAWO #工作负载编排 #自适应 #Kubernetes #云原生
arXiv最新收录论文《CRAWO: Custom Resources for Adaptive Workload Orchestration》提出了一种基于自定义资源（Custom Resources）的框架，用于在云原生环境中实现自适应工作负载编排。该论文由Eugênio Santos等多位学者共同撰写，旨在解决传统Kubernetes编排器在处理动态、异构工作负载时的局限性。CRAWO通过扩展Kubernetes API，引入新的自定义资源定义（CRD），使得工作负载能够根据实时监控指标、资源利用率及业务策略自动调整部署和调度策略。实验表明，该方法能显著提升集群资源利用效率，降低响应延迟，并增强系统弹性。论文详细介绍了CRAWO的设计架构、实现细节及其在多个典型场景下的性能评估结果，为云原生编排领域提供了新的解决方案。 #论文 #arXiv #CRAWO #工作负载编排 #自适应 #Kubernetes #云原生
基于注意力的经验回放框架提出，用于未知时间序列预测模型的持续学习
该论文被提交至arXiv，并被CAp & RFIAP 2026国际会议接收。研究针对通用型时间序列预测模型在持续学习场景中的灾难性遗忘问题，提出了一种基于注意力的经验回放框架。传统经验回放方法对所有历史样本一视同仁，难以适应不断变化的数据分布。新框架通过注意力机制动态评估各样本的重要性，优先选择关键旧样本参与回放，从而在保持模型稳定性的同时提升对新任务的适应能力。实验表明，该框架能够显著降低遗忘率，并在多个真实数据集上取得更优的持续学习表现。论文由团队合作完成，旨在为智能系统在动态环境中的长期预测任务提供更高效的解决方案。 #arXiv #持续学习 #时间序列预测 #注意力机制 #经验回放 #CApRFIAP #学术论文 #人工智能 #灾难性遗忘
该论文被提交至arXiv，并被CAp & RFIAP 2026国际会议接收。研究针对通用型时间序列预测模型在持续学习场景中的灾难性遗忘问题，提出了一种基于注意力的经验回放框架。传统经验回放方法对所有历史样本一视同仁，难以适应不断变化的数据分布。新框架通过注意力机制动态评估各样本的重要性，优先选择关键旧样本参与回放，从而在保持模型稳定性的同时提升对新任务的适应能力。实验表明，该框架能够显著降低遗忘率，并在多个真实数据集上取得更优的持续学习表现。论文由团队合作完成，旨在为智能系统在动态环境中的长期预测任务提供更高效的解决方案。 #arXiv #持续学习 #时间序列预测 #注意力机制 #经验回放 #CApRFIAP #学术论文 #人工智能 #灾难性遗忘
SPECTRA：用于概率性能源预测的状态空间外生上下文与时频分辨率架构
据arXiv预印本平台信息，一篇题为《SPECTRA: State-Space Exogenous Context and Temporal-Frequency Resolution Architecture for Probabilistic Energy Forecasting》的论文于2026年7月22日提交。该论文由Hang Ye等7位作者联合完成，提出了一种名为SPECTRA的新型深度学习架构，旨在提升概率性能源预测的准确性。该架构融合了状态空间模型、外生上下文以及时频分辨率技术，有望在电力负荷、可再生能源发电等能源领域的概率预测任务中发挥重要作用。目前论文已提供PDF全文及HTML版本供研究者查阅，相关代码与数据资源可通过学术社区获取。 #SPECTRA #能源预测 #概率预测 #状态空间模型 #时频分析 #深度学习 #机器学习 #学术论文 #arXiv #能源AI
据arXiv预印本平台信息，一篇题为《SPECTRA: State-Space Exogenous Context and Temporal-Frequency Resolution Architecture for Probabilistic Energy Forecasting》的论文于2026年7月22日提交。该论文由Hang Ye等7位作者联合完成，提出了一种名为SPECTRA的新型深度学习架构，旨在提升概率性能源预测的准确性。该架构融合了状态空间模型、外生上下文以及时频分辨率技术，有望在电力负荷、可再生能源发电等能源领域的概率预测任务中发挥重要作用。目前论文已提供PDF全文及HTML版本供研究者查阅，相关代码与数据资源可通过学术社区获取。 #SPECTRA #能源预测 #概率预测 #状态空间模型 #时频分析 #深度学习 #机器学习 #学术论文 #arXiv #能源AI
平滑加性模型中自动节点选择的新方法
近日，arXiv上预印了一篇题为《平滑加性模型中的自动节点选择》的论文，作者为Nicolás Carrizosa等。平滑加性模型是统计学与机器学习中广泛使用的非参数回归工具，节点位置的选择直接影响模型拟合与解释能力。该研究提出了一种自动选取节点的算法，无需人工设定节点数量或位置，能够根据数据自适应地确定最优节点分布。通过理论分析与数值实验，作者证明了该方法在降低模型复杂度的同时保持了良好的预测精度，并具备计算效率优势。这项工作为高维数据下的加性建模提供了实用解决方案，有望推动在生物信息学、经济学等领域的应用。 #统计 #机器学习 #平滑加性模型 #自动节点选择 #非参数回归 #算法 #大数据
近日，arXiv上预印了一篇题为《平滑加性模型中的自动节点选择》的论文，作者为Nicolás Carrizosa等。平滑加性模型是统计学与机器学习中广泛使用的非参数回归工具，节点位置的选择直接影响模型拟合与解释能力。该研究提出了一种自动选取节点的算法，无需人工设定节点数量或位置，能够根据数据自适应地确定最优节点分布。通过理论分析与数值实验，作者证明了该方法在降低模型复杂度的同时保持了良好的预测精度，并具备计算效率优势。这项工作为高维数据下的加性建模提供了实用解决方案，有望推动在生物信息学、经济学等领域的应用。 #统计 #机器学习 #平滑加性模型 #自动节点选择 #非参数回归 #算法 #大数据
基于Transformer的扩散模型用于水文时间序列概率插补与预测
近日，一篇由Ferdinand Bhavsar等人提交至arXiv的论文提出了一种基于Transformer架构的扩散模型，专门用于水文时间序列的概率插补与预测。该模型结合了Transformer在序列建模上的优势与扩散模型在生成不确定性量化上的能力，旨在解决水文数据中常见的缺失值和预测不确定性问题。研究团队在多个水文数据集上进行了验证，结果表明该模型在插补精度和预测可靠性上均优于传统方法，为水资源管理和洪水预警等应用提供了更稳健的建模工具。论文已通过arXiv预印本形式发布，并附有完整的PDF和TeX源码供研究者参考。 #Transformer #扩散模型 #水文 #时间序列 #概率插补 #预测 #AI #arXiv #机器学习 #水文学
近日，一篇由Ferdinand Bhavsar等人提交至arXiv的论文提出了一种基于Transformer架构的扩散模型，专门用于水文时间序列的概率插补与预测。该模型结合了Transformer在序列建模上的优势与扩散模型在生成不确定性量化上的能力，旨在解决水文数据中常见的缺失值和预测不确定性问题。研究团队在多个水文数据集上进行了验证，结果表明该模型在插补精度和预测可靠性上均优于传统方法，为水资源管理和洪水预警等应用提供了更稳健的建模工具。论文已通过arXiv预印本形式发布，并附有完整的PDF和TeX源码供研究者参考。 #Transformer #扩散模型 #水文 #时间序列 #概率插补 #预测 #AI #arXiv #机器学习 #水文学
ConfidenceBench 发布
一篇题为《ConfidenceBench: Evaluating Confidence Calibration in Large Language Models》的论文于2026年7月10日提交至 arXiv 预印本平台。该研究由 Matthew ffrench-Constant 等学者完成，聚焦于大语言模型（LLM）输出置信度的校准问题。随着 LLM 在各类任务中广泛应用，模型对其预测的置信度与实际正确率之间的匹配程度（即校准能力）直接影响系统的可靠性与安全性。ConfidenceBench 旨在构建一个标准化基准，系统性地评估不同模型在多种场景下的置信度校准表现，为提升模型的可解释性和可信度提供参考。该工作对 AI 安全、模型评估及下游应用部署具有潜在价值。 #大语言模型 #置信度校准 #AI安全 #模型评估 #arXiv #ConfidenceBench
一篇题为《ConfidenceBench: Evaluating Confidence Calibration in Large Language Models》的论文于2026年7月10日提交至 arXiv 预印本平台。该研究由 Matthew ffrench-Constant 等学者完成，聚焦于大语言模型（LLM）输出置信度的校准问题。随着 LLM 在各类任务中广泛应用，模型对其预测的置信度与实际正确率之间的匹配程度（即校准能力）直接影响系统的可靠性与安全性。ConfidenceBench 旨在构建一个标准化基准，系统性地评估不同模型在多种场景下的置信度校准表现，为提升模型的可解释性和可信度提供参考。该工作对 AI 安全、模型评估及下游应用部署具有潜在价值。 #大语言模型 #置信度校准 #AI安全 #模型评估 #arXiv #ConfidenceBench
CLOE: 基于 Christoffel 损失的自编码器异常检测方法
一篇题为《CLOE: Christoffel Loss Autoencoder for Anomaly Detection》的学术论文发表于 arXiv 预印本平台，并已被第16届信息科学与技术国际会议录用。该研究提出了一种新型自编码器架构，通过引入 Christoffel 损失函数来增强异常检测能力。与传统自编码器不同，CLOE 利用 Christoffel 符号在几何流形上的特性，更有效地学习正常数据的局部结构，从而在异常检测任务中取得更优性能。论文来自法国 LAAS 实验室等多位作者，展示了该方法在多个基准数据集上的竞争力，为异常检测领域提供了新的理论视角与实用工具。 #CLOE #异常检测 #自编码器 #Christoffel损失 #机器学习 #人工智能 #学术论文
一篇题为《CLOE: Christoffel Loss Autoencoder for Anomaly Detection》的学术论文发表于 arXiv 预印本平台，并已被第16届信息科学与技术国际会议录用。该研究提出了一种新型自编码器架构，通过引入 Christoffel 损失函数来增强异常检测能力。与传统自编码器不同，CLOE 利用 Christoffel 符号在几何流形上的特性，更有效地学习正常数据的局部结构，从而在异常检测任务中取得更优性能。论文来自法国 LAAS 实验室等多位作者，展示了该方法在多个基准数据集上的竞争力，为异常检测领域提供了新的理论视角与实用工具。 #CLOE #异常检测 #自编码器 #Christoffel损失 #机器学习 #人工智能 #学术论文
Fisher Widths
近日，一篇题为“Fisher Widths: Local Learning Geometry and Anisotropic Recovery”的论文在arXiv上提交。该论文由学者Vu Khac Ky撰写，研究了Fisher宽度理论在局部学习几何与各向异性恢复中的应用，为理解机器学习模型的泛化能力与几何特性提供了新视角。Fisher宽度是统计学习理论中的重要概念，论文可能探讨了如何利用该理论分析数据分布的各向异性，以及其在低维恢复和模型选择中的潜力。相关研究对深度学习的理论基石具有潜在影响。 #机器学习 #Fisher宽度 #学习几何 #各向异性恢复 #arXiv #统计学习
近日，一篇题为“Fisher Widths: Local Learning Geometry and Anisotropic Recovery”的论文在arXiv上提交。该论文由学者Vu Khac Ky撰写，研究了Fisher宽度理论在局部学习几何与各向异性恢复中的应用，为理解机器学习模型的泛化能力与几何特性提供了新视角。Fisher宽度是统计学习理论中的重要概念，论文可能探讨了如何利用该理论分析数据分布的各向异性，以及其在低维恢复和模型选择中的潜力。相关研究对深度学习的理论基石具有潜在影响。 #机器学习 #Fisher宽度 #学习几何 #各向异性恢复 #arXiv #统计学习
递归何时变为算法？权重共享循环Transformer的收敛选择
一篇题为《When Does Recurrence Become an Algorithm? Convergence Selection in Weight-Tied Looped Transformers》的学术论文引起关注。该研究由Tong Zhang等人完成，聚焦于权重共享的循环Transformer结构，深入探讨了在递归过程中，系统何时能够从简单的重复计算转变为具有真正算法性质的稳定收敛行为。论文通过理论分析与实验验证，揭示了循环Transformer在参数共享条件下实现收敛的条件与机制，为理解深层Transformer的泛化能力与计算特性提供了新视角。该成果对改进大模型架构、提升推理效率具有潜在参考价值。 #AI #机器学习 #Transformer #递归 #算法 #收敛 #权重共享 #大模型
一篇题为《When Does Recurrence Become an Algorithm? Convergence Selection in Weight-Tied Looped Transformers》的学术论文引起关注。该研究由Tong Zhang等人完成，聚焦于权重共享的循环Transformer结构，深入探讨了在递归过程中，系统何时能够从简单的重复计算转变为具有真正算法性质的稳定收敛行为。论文通过理论分析与实验验证，揭示了循环Transformer在参数共享条件下实现收敛的条件与机制，为理解深层Transformer的泛化能力与计算特性提供了新视角。该成果对改进大模型架构、提升推理效率具有潜在参考价值。 #AI #机器学习 #Transformer #递归 #算法 #收敛 #权重共享 #大模型
高斯过程高最小值研究
近日，研究人员Enkelejd Hashorva与Svyatoslav Novikov在预印本平台arXiv上提交了一篇题为《高斯过程的高最小值：过冲与极小值位置》的数学论文。该工作聚焦于高斯随机过程在极值理论中的关键问题，深入探讨了高最小值（即过程在足够高阈值上的极值）的过冲分布特征，以及极小值出现位置的统计规律。研究不仅从理论上刻画了过冲量的渐近行为，还分析了极小值位置在空间或时间上的聚集性质。相关成果对于理解随机过程的极端事件、优化理论及统计推断具有潜在应用价值。论文已通过arXiv平台发布，并提供了PDF和HTML版本供学界参考。 #高斯过程 #极值理论 #随机过程 #数学 #统计 #arXiv #论文 #过冲 #极小值
近日，研究人员Enkelejd Hashorva与Svyatoslav Novikov在预印本平台arXiv上提交了一篇题为《高斯过程的高最小值：过冲与极小值位置》的数学论文。该工作聚焦于高斯随机过程在极值理论中的关键问题，深入探讨了高最小值（即过程在足够高阈值上的极值）的过冲分布特征，以及极小值出现位置的统计规律。研究不仅从理论上刻画了过冲量的渐近行为，还分析了极小值位置在空间或时间上的聚集性质。相关成果对于理解随机过程的极端事件、优化理论及统计推断具有潜在应用价值。论文已通过arXiv平台发布，并提供了PDF和HTML版本供学界参考。 #高斯过程 #极值理论 #随机过程 #数学 #统计 #arXiv #论文 #过冲 #极小值