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
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
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
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
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
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
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
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
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
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
《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
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
《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
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
通信高效的异质多中心生存数据分布式风险差异估计
该论文提出了一种通信高效的分布式风险差异估计方法，专门用于处理异质性多站点生存数据。研究由Ziwen Wang等四位作者完成，于2026年1月提交至arXiv平台，并在后续进行了版本更新。在多中心临床研究中，各站点数据存在异质性且受隐私限制无法直接汇总，传统集中式分析方法面临通信成本高和数据分布差异的挑战。该方法旨在通过优化通信策略，在减少数据传递开销的同时，实现对风险差异的准确估计，并有效应对站点间数据异质性问题。论文涉及分布式统计推断、生存分析和通信效率等交叉领域，为大规模多中心生存数据的协作分析提供了新的技术思路，对推动真实世界医疗数据研究具有参考价值。 #论文 #生存分析 #分布式估计 #通信效率 #异质性 #多中心数据 #统计方法 #arXiv
该论文提出了一种通信高效的分布式风险差异估计方法，专门用于处理异质性多站点生存数据。研究由Ziwen Wang等四位作者完成，于2026年1月提交至arXiv平台，并在后续进行了版本更新。在多中心临床研究中，各站点数据存在异质性且受隐私限制无法直接汇总，传统集中式分析方法面临通信成本高和数据分布差异的挑战。该方法旨在通过优化通信策略，在减少数据传递开销的同时，实现对风险差异的准确估计，并有效应对站点间数据异质性问题。论文涉及分布式统计推断、生存分析和通信效率等交叉领域，为大规模多中心生存数据的协作分析提供了新的技术思路，对推动真实世界医疗数据研究具有参考价值。 #论文 #生存分析 #分布式估计 #通信效率 #异质性 #多中心数据 #统计方法 #arXiv
通用 OOD 检测新方法
近日，一篇题为《General OOD Detection via Model-aware and Subspace-aware Variable Priority》的论文在 arXiv 上发布，作者为 Min Lu 和 Hemant Ishwaran。该研究聚焦分布外（OOD）检测这一机器学习关键问题，提出了一种融合模型感知与子空间感知的变量优先级策略，旨在提升模型对未知或异常样本的识别能力。论文于 2025 年 12 月首次提交，并在 2026 年 8 月更新版本，目前提供 PDF 及 HTML 格式全文。该方法有望为高可靠性场景下的模型安全性提供新的解决思路。 #OOD检测 #机器学习 #arXiv #论文 #模型安全
近日，一篇题为《General OOD Detection via Model-aware and Subspace-aware Variable Priority》的论文在 arXiv 上发布，作者为 Min Lu 和 Hemant Ishwaran。该研究聚焦分布外（OOD）检测这一机器学习关键问题，提出了一种融合模型感知与子空间感知的变量优先级策略，旨在提升模型对未知或异常样本的识别能力。论文于 2025 年 12 月首次提交，并在 2026 年 8 月更新版本，目前提供 PDF 及 HTML 格式全文。该方法有望为高可靠性场景下的模型安全性提供新的解决思路。 #OOD检测 #机器学习 #arXiv #论文 #模型安全
低秩矩阵推断中的稀疏损坏问题新论文在 arXiv 发布
一篇题为“Sparse corruption in low-rank matrix inference: the PCA benchmark”的学术论文近日在 arXiv 预印本平台发布，作者为 Urte Adomaityte 及其他两位合作者。论文聚焦低秩矩阵推断中因稀疏异常值（即少数元素被破坏）所引发的问题，并以主成分分析（PCA）作为研究基准。低秩矩阵推断是机器学习和统计学中的基础性课题，广泛应用于降维、信号处理和推荐系统等领域，而稀疏损坏会干扰模型对潜结构的估计。论文第一版于2025年11月提交，后于2026年8月发布更新版本。目前，读者可通过 arXiv 访问论文的 PDF 和 HTML 全文，并可获取 BibTeX 引用信息。这一研究或为相关领域的鲁棒推断方法提供新的视角。 #学术论文 #arXiv #机器学习 #统计学 #低秩矩阵 #主成分分析 #稀疏异常值
一篇题为“Sparse corruption in low-rank matrix inference: the PCA benchmark”的学术论文近日在 arXiv 预印本平台发布，作者为 Urte Adomaityte 及其他两位合作者。论文聚焦低秩矩阵推断中因稀疏异常值（即少数元素被破坏）所引发的问题，并以主成分分析（PCA）作为研究基准。低秩矩阵推断是机器学习和统计学中的基础性课题，广泛应用于降维、信号处理和推荐系统等领域，而稀疏损坏会干扰模型对潜结构的估计。论文第一版于2025年11月提交，后于2026年8月发布更新版本。目前，读者可通过 arXiv 访问论文的 PDF 和 HTML 全文，并可获取 BibTeX 引用信息。这一研究或为相关领域的鲁棒推断方法提供新的视角。 #学术论文 #arXiv #机器学习 #统计学 #低秩矩阵 #主成分分析 #稀疏异常值
可扩展的给定数据Sobol指数估计器方法研究发布
近期，一篇题为《Scalable extensions to given-data Sobol' index estimators》的学术论文在arXiv平台公开，作者为Teresa Portone等人。该研究聚焦于敏感性分析中的Sobol指数估计问题，提出了一种可扩展的扩展方法，旨在提升在给定数据条件下估计效率与计算性能。Sobol指数是量化模型输入变量对输出方差贡献的重要工具，广泛应用于工程、金融和环境科学等领域。论文针对传统估计器在数据量大或维度较高时计算成本高昂的瓶颈，设计了新的扩展策略，有望进一步推动高维复杂模型的不确定性量化分析。目前该论文已提供PDF、HTML及TeX源码等访问形式，并收录于arXiv的统计与计算机科学相关板块。 #学术论文 #Sobol指数 #敏感性分析 #统计学 #arXiv
近期，一篇题为《Scalable extensions to given-data Sobol' index estimators》的学术论文在arXiv平台公开，作者为Teresa Portone等人。该研究聚焦于敏感性分析中的Sobol指数估计问题，提出了一种可扩展的扩展方法，旨在提升在给定数据条件下估计效率与计算性能。Sobol指数是量化模型输入变量对输出方差贡献的重要工具，广泛应用于工程、金融和环境科学等领域。论文针对传统估计器在数据量大或维度较高时计算成本高昂的瓶颈，设计了新的扩展策略，有望进一步推动高维复杂模型的不确定性量化分析。目前该论文已提供PDF、HTML及TeX源码等访问形式，并收录于arXiv的统计与计算机科学相关板块。 #学术论文 #Sobol指数 #敏感性分析 #统计学 #arXiv
可逆生成模型提出新框架，统一求解正反问题
一篇题为《An invertible generative model for forward and inverse problems》的学术论文已上传至arXiv预印本平台，作者包括Christoph Brune等人。该研究围绕可逆生成模型展开，旨在为正向与逆向问题提供统一的求解框架。在科学计算中，正向问题关注从已知参数生成观测数据，而逆向问题则需从观测中反推未知参数，两者在成像、信号处理等领域具有广泛需求。论文提出的模型或通过可逆网络结构实现双向映射，以提升求解的稳定性和效率。相关预印本已提供PDF、HTML及TeX源码等访问方式，并已获得arXiv分配的DOI。该工作的发布为生成模型在科学计算中的应用提供了新的思路和参考。 #生成模型 #正反问题 #arXiv #科学计算 #机器学习 #预印本
一篇题为《An invertible generative model for forward and inverse problems》的学术论文已上传至arXiv预印本平台，作者包括Christoph Brune等人。该研究围绕可逆生成模型展开，旨在为正向与逆向问题提供统一的求解框架。在科学计算中，正向问题关注从已知参数生成观测数据，而逆向问题则需从观测中反推未知参数，两者在成像、信号处理等领域具有广泛需求。论文提出的模型或通过可逆网络结构实现双向映射，以提升求解的稳定性和效率。相关预印本已提供PDF、HTML及TeX源码等访问方式，并已获得arXiv分配的DOI。该工作的发布为生成模型在科学计算中的应用提供了新的思路和参考。 #生成模型 #正反问题 #arXiv #科学计算 #机器学习 #预印本
neuralGAM：用于拟合广义加性神经网络的R包正式发布
一篇题为《neuralGAM: An R Package for Fitting Generalized Additive Neural Networks》的学术论文于2025年5月提交至arXiv，并于2026年8月更新。该论文介绍了一个名为neuralGAM的R软件包，专门用于拟合广义加性神经网络模型。该模型结合了广义加性模型的可解释性与深度神经网络的灵活性，能够有效捕捉高维数据中的非线性关系和交互效应。论文作者为Ines Ortega-Fernandez等人，相关成果已被《The R Journal》接收发表。该软件包的发布为统计建模和机器学习领域提供了新的工具，有望在生物医学、经济学等复杂数据场景中得到广泛应用。 #R语言 #神经网络 #广义加性模型 #统计建模 #机器学习 #学术论文 #开源软件
一篇题为《neuralGAM: An R Package for Fitting Generalized Additive Neural Networks》的学术论文于2025年5月提交至arXiv，并于2026年8月更新。该论文介绍了一个名为neuralGAM的R软件包，专门用于拟合广义加性神经网络模型。该模型结合了广义加性模型的可解释性与深度神经网络的灵活性，能够有效捕捉高维数据中的非线性关系和交互效应。论文作者为Ines Ortega-Fernandez等人，相关成果已被《The R Journal》接收发表。该软件包的发布为统计建模和机器学习领域提供了新的工具，有望在生物医学、经济学等复杂数据场景中得到广泛应用。 #R语言 #神经网络 #广义加性模型 #统计建模 #机器学习 #学术论文 #开源软件