CMU-Drive 与 V2V-VLA 发布

卡内基梅隆大学研究团队提出 CMU-Drive 与 V2V-VLA 框架，面向多智能体协同驾驶场景，将车辆对车辆通信与视觉语言动作模型相结合。该工作包含一个用于协同驾驶推理的基准测试，旨在评估多车系统在复杂交通环境下的决策与规划能力。研究通过统一多智能体建模，使车辆能共享视觉语义信息并生成协同动作，提升驾驶安全性与效率。相关论文已在 arXiv 预印本平台公开，并提供 PDF 与 HTML 版本供学术界参考。 #自动驾驶 #多智能体 #V2V #视觉语言模型 #CMU #学术论文 #AI

TeXFix-Bench

近日，研究人员提出了一项名为TeXFix-Bench的新基准，用于评估大语言模型在文档源代码修复任务中的性能。该基准基于实证数据构建，涵盖多种文档格式，旨在系统衡量模型修复LaTeX等源文件中错误的能力。研究团队表示，现有评测多聚焦于代码或自然语言，而对学术论文等结构化文档的源级修复关注不足。TeXFix-Bench通过多格式任务设计，为模型训练与评测提供了更贴近实际应用的参考标准，相关论文已提交至arXiv平台。 #TeXFixBench #大模型 #基准测试 #文档修复 #arXiv #AI #科研工具

arXiv 论文提出跨维度几何框架，从导航到黑洞统一描述

一篇题为《场知道：从导航到黑洞的跨维度几何》的论文于2026年8月3日提交至arXiv预印本平台，作者为Chenghao Xu。该论文聚焦于跨维度几何理论，试图构建一个统一的数学框架，将导航定位中的几何问题与黑洞物理中的时空弯曲现象联系起来。论文标题暗示了“场”作为核心概念，可能涉及度量、张量或拓扑结构在不同维度间的映射。尽管论文具体内容尚未公开，但这一研究方向有望为广义相对论、导航算法以及高维时空理论提供新的交叉视角。论文目前以PDF和HTML格式开放查阅，并附有相关引用和工具链接。 #arXiv #论文 #跨维度几何 #导航 #黑洞 #物理学 #理论物理

四足导航研究新框架

arXiv 上近日发布了一篇题为《An AI Scientist that Doesn't Drift: Taste, Structure, and Falsifiable Findings in a Quadruped Navigation Research Loop》的论文，作者为 Yiwen Zhang 及另外三位合作者。该研究提出了一种在四足机器人导航研究循环中运行的“AI科学家”系统，强调通过“品味”与结构约束来避免传统自动化研究循环中常见的假设漂移问题，并确保产出可证伪的发现。论文展示了该系统在闭环实验中持续生成稳定、可验证结果的能力，为自主科学发现与机器人学习相结合提供了新思路。完整论文可通过 arXiv 获取 PDF 与 HTML 版本。 #AI #机器人 #四足导航 #科学发现 #arXiv #机器学习 #自动化研究

TREAT

一篇题为“TREAT: Evaluating Access to Formal Knowledge across Equivalent Mathematical Representations”的论文近日在arXiv上发布。该研究聚焦于评估人工智能系统在等价数学表示之间获取形式知识的能力，旨在衡量模型对数学概念深层理解而非表面模式匹配。论文提出了TREAT基准测试，通过设计多种等价但形式不同的数学问题，检验模型能否跨越符号、图形、文字等不同表示进行推理。实验表明，当前主流大语言模型在等价表示转换中表现不稳定，暴露出对形式知识理解的局限性。该工作为提升AI的数学推理能力提供了新的评估视角，并指出了未来改进方向。 #AI #数学推理 #形式知识 #基准测试 #大语言模型 #arXiv #论文

LLM代理在供应链谈判中的私有信息与动态讨价还价研究

一篇来自arXiv的学术论文深入探讨了大型语言模型（LLM）代理在供应链谈判场景中的行为。该研究由Chen Liang和Fasheng Xu共同完成，聚焦于LLM代理如何在信息不对称（即私有信息）条件下进行动态讨价还价，并分析其对供应链效率的影响。研究通过模拟实验，揭示了LLM代理在谈判策略、信息利用和博弈均衡方面的特性，为理解AI在复杂商业交互中的决策能力提供了新视角。这一成果对供应链管理、自动化谈判系统以及AI经济学领域具有重要参考价值，也引发了关于AI代理在真实商业环境中应用潜力的讨论。 #LLM #AI代理 #供应链 #谈判 #动态博弈 #私有信息 #arXiv #学术研究 #人工智能 #经济学

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

MetaSpace 论文

一项发表于《ACM 程序设计语言进展》OOPSLA 2026 会议的研究提出“MetaSpace”方法，用于对具身智能体的空间认知能力进行蜕变测试。该方法针对具身智能体在环境理解与空间推理中难以验证的问题，通过构造输入之间的蜕变关系，无需人工标注真实结果即可自动检测模型行为中的不一致性。研究由 Gengyang Xu 等人完成，论文已在 arXiv 平台公开，并提供 PDF、HTML 及源代码等访问方式。该工作为评估具身智能体的空间认知可靠性提供了新的测试范式，有望推动相关智能体系统在真实场景中的安全部署。 #MetaSpace #具身智能 #空间认知 #蜕变测试 #AI安全 #OOPSLA #arXiv #学术研究

《基于技能的智能体AI系统中的动态联盟形成与通信定价研究》

一篇题为“Dynamic Coalition Formation and Communication Pricing in Skill-Based Agentic AI Systems”的学术论文近日在arXiv平台发布，作者为Mojtaba Eslami。该研究聚焦于技能型智能体AI系统中，多个具备不同能力的智能体如何通过动态结盟实现协同任务，并探讨了在此类联盟中通信资源的定价机制。论文可能提出相应的模型或算法，以优化智能体间的协作效率与通信成本分配，为多智能体系统的资源管理和激励机制设计提供理论参考。该研究发表于2026年7月，目前可通过arXiv获取全文。 #arXiv #人工智能 #智能体 #多智能体系统 #联盟形成 #通信定价 #AI #论文 #技能型AI

NL2SHACL-Bench

该研究提出，一个用于评估自然语言到SHACL（一种RDF图验证约束语言）翻译任务的基准测试套件。基准包含多样化的自然语言查询及其对应的SHACL约束，旨在推动自然语言接口与知识图谱的交互。研究者提供了标准化的数据集和评估指标，为相关领域的研究提供了重要的评测平台。 #论文 #自然语言处理 #知识图谱 #SHACL #基准测试 #AI #语义网

“知道-说出”差距

一项发表于arXiv的新研究揭示了大型语言模型中的“知道-说出”差距（Knowing-Saying Gap）。论文作者Jyotin Goel等人发现，通过探针（probes）技术可以检测到模型在内部表征中“知道”正确答案，但最终输出时却出现错误的现象。传统的置信度（confidence）指标往往无法捕捉这类错误，因为模型可能对自己的错误答案充满信心。该研究为理解模型内在知识表达与输出行为之间的不一致提供了新视角，有助于改进模型的可解释性和安全性评估。 #AI #大模型 #可解释性 #arXiv #论文 #机器学习 #自然语言处理

arXiv 新论文提出 Data-Centric Parallel 方法，应对变长序列训练挑战

近日，一篇题为《Training Variable Long Sequences with Data-Centric Parallel》的学术论文提交至 arXiv 平台，作者为 Geng Zhang 及其三位合作者。该论文聚焦深度学习模型在训练可变长度序列时面临的计算与内存瓶颈，提出一种以数据为中心的并行策略，有望提升长序列场景下的训练效率和可扩展性。目前论文页面已提供 PDF 全文、HTML 实验预览和 TeX 源码，方便研究者阅读与复现。稿件提交于 2026 年 7 月，属于当年 8 月批次内容。页面还列出了引用、关联论文及代码链接等辅助工具，但具体实验细节和数据集尚未公开。这一研究方向对自然语言处理、语音识别、时间序列预测等领域具有潜在参考价值，也反映出数据并行思路在变长序列建模中的进一步探索。 #arXiv #论文 #深度学习 #长序列 #数据并行 #AI #科技新闻

人类驾驶主动推理模型中的情绪机制研究

一篇题为《人类驾驶主动推理模型中的情绪》的学术论文近日提交至预印本平台arXiv。该研究由Julian F. Schumann与其他五位作者共同完成，于2026年6月9日发布。论文将情绪纳入主动推理框架，用于模拟人类驾驶行为，探讨情绪状态如何影响驾驶决策与感知过程。研究或为自动驾驶系统的人类行为建模提供新视角，相关代码与数据链接已在论文页面公开。 #驾驶行为 #情绪建模 #主动推理 #自动驾驶 #认知科学 #arXiv论文

《结构理论中的确定性：基于闭包、可比性与联合可采纳性的统一框架》

一篇题为“Determinization in Structure Theories: A Unified Framework via Closure, Comparability, and Joint Admissibility”的学术论文已提交至 arXiv 预印本平台。该论文作者为傅海海（Hai Hai Fu），于2026年4月27日首次提交，全文共33KB。论文围绕结构理论中的“确定性”问题展开，提出通过闭包（Closure）、可比性（Comparability）与联合可采纳性（Joint Admissibility）等概念构建统一分析框架。该研究可能为形式化方法、自动机理论或数学结构建模中的确定性判定提供新思路。目前论文提供 PDF、HTML 实验版及 TeX 源码等多种访问方式，并已进入 arXiv 相关浏览类别。 #arXiv #论文 #结构理论 #确定性 #统一框架 #数学 #计算机科学 #预印本

逐流：高损失领域中AI输出治理的内容判断旁路

近日，一篇题为“Flow-by-Flow: Content-Judgment Bypass for Governing AI Output in High-Loss Domains”的研究论文出现在arXiv预印本平台上。该论文作者为Hiroki Naito，于2026年4月26日提交首个版本。论文聚焦高风险应用场景下的AI输出治理问题，提出一种名为“逐流”的内容判断旁路机制，旨在降低高损失领域的决策风险。目前该论文的PDF全文可通过arXiv平台获取，并已获得DOI标识。 #AI #人工智能 #arXiv #论文 #AI安全 #治理 #机器学习

新论文提出评价型AI的论证基础框架

一篇题为《Towards an Argumentative Foundation for Evaluative AI》的学术论文在arXiv平台公开，作者为Xiang Yin及另外四位合作者。论文聚焦“评价型AI”这一研究方向，尝试为评估型人工智能系统建立基于论证方法的基础理论框架。此类系统通常涉及对个体行为、表现或风险进行自动判断，而该研究或为提升其可解释性和可信度提供新的分析工具。目前论文已提供PDF和HTML版本，供研究人员在线阅读。 #AI #论文 #arXiv #评价型AI #论证基础

《揭秘预测驱动推断》论文在arXiv平台发布

一篇题为《Demystifying Prediction Powered Inference》的学术论文在arXiv预印本平台公开，作者为Yilin Song等四人。论文于2026年1月首次提交，同年8月更新至第二版，内容涉及计算机科学与统计学领域。平台提供PDF、HTML及TeX源码等多种访问形式，并配有参考文献引用、关联论文推荐及代码数据链接等辅助工具。该研究围绕“预测驱动推断”这一前沿方法展开，旨在厘清其数学原理与应用边界，为利用机器学习预测提升统计推断效率提供理论支撑与实践指引。 #arXiv #论文 #预测驱动推断 #机器学习 #统计推断 #科研成果