长时域智能体轨迹的查询条件复用
arXiv 上发布了一篇题为《Beyond Retrieval: Query-Conditioned Reuse of Long-Horizon Agent Trajectories》的论文，作者包括 Yifei Li 等 8 位研究者。该研究提出了一种超越传统检索方法的新思路，通过查询条件来复用长时域智能体轨迹。传统方法通常依赖检索匹配历史轨迹，而该工作则通过条件生成方式，让智能体根据当前查询直接复用和调整已有轨迹，从而提升长期任务中的决策效率与泛化能力。这项研究可能对机器人学习、自动驾驶等需要长期规划的场景具有重要意义，相关论文已在 arXiv 预印本平台公开。 #arXiv #人工智能 #智能体 #轨迹复用 #查询条件 #机器人 #决策规划 #机器学习
arXiv 上发布了一篇题为《Beyond Retrieval: Query-Conditioned Reuse of Long-Horizon Agent Trajectories》的论文，作者包括 Yifei Li 等 8 位研究者。该研究提出了一种超越传统检索方法的新思路，通过查询条件来复用长时域智能体轨迹。传统方法通常依赖检索匹配历史轨迹，而该工作则通过条件生成方式，让智能体根据当前查询直接复用和调整已有轨迹，从而提升长期任务中的决策效率与泛化能力。这项研究可能对机器人学习、自动驾驶等需要长期规划的场景具有重要意义，相关论文已在 arXiv 预印本平台公开。 #arXiv #人工智能 #智能体 #轨迹复用 #查询条件 #机器人 #决策规划 #机器学习
CABS+: 提出高效模型合并新方法，冲突感知稀疏化与自适应权重分配
来自 arXiv 的一篇最新研究论文提出了一种名为 CABS+ 的高效可扩展模型合并方法。该方法通过冲突感知稀疏化（Conflict-Aware Sparsification）和自适应权重分配（Adaptive Weight Allocation）技术，解决了现有模型合并过程中参数冲突与计算开销大的问题。研究团队设计了专门的稀疏化策略，在合并多个预训练模型时自动识别并减少冲突参数，同时根据各模型贡献动态调整权重，从而在保持模型性能的同时显著提升合并效率。实验结果表明，CABS+ 在多种任务上均优于传统合并方法，尤其适用于大规模模型的高效集成。该工作为多模型融合与知识迁移提供了新的思路，有望推动模型压缩与集成学习的发展。 #AI #机器学习 #模型合并 #论文 #arXiv #深度学习 #模型压缩 #知识迁移
来自 arXiv 的一篇最新研究论文提出了一种名为 CABS+ 的高效可扩展模型合并方法。该方法通过冲突感知稀疏化（Conflict-Aware Sparsification）和自适应权重分配（Adaptive Weight Allocation）技术，解决了现有模型合并过程中参数冲突与计算开销大的问题。研究团队设计了专门的稀疏化策略，在合并多个预训练模型时自动识别并减少冲突参数，同时根据各模型贡献动态调整权重，从而在保持模型性能的同时显著提升合并效率。实验结果表明，CABS+ 在多种任务上均优于传统合并方法，尤其适用于大规模模型的高效集成。该工作为多模型融合与知识迁移提供了新的思路，有望推动模型压缩与集成学习的发展。 #AI #机器学习 #模型合并 #论文 #arXiv #深度学习 #模型压缩 #知识迁移
Spatial Memory Agent
近日，一篇发表于arXiv的论文《Spatial Memory Agent: Experience-Grounded Procedure Memory for Spatial Intelligence》提出了一种基于经验驱动的程序记忆方法，用于提升智能体的空间智能。该研究由Haokai Zhang等人共同完成，旨在解决传统空间记忆模型在复杂环境中泛化能力不足的问题。通过构建“经验-程序”记忆框架，智能体能够从过往空间交互经验中提取可复用的程序化知识，从而在导航、路径规划等任务中表现更优。实验表明，该代理在多个模拟环境中显著提升了任务完成效率与鲁棒性，为空间智能在机器人、自动驾驶等领域的应用提供了新思路。论文目前以PDF和HTML形式公开，并支持多种引用工具。 #AI #空间智能 #程序记忆 #机器学习 #论文 #arXiv #机器人
近日，一篇发表于arXiv的论文《Spatial Memory Agent: Experience-Grounded Procedure Memory for Spatial Intelligence》提出了一种基于经验驱动的程序记忆方法，用于提升智能体的空间智能。该研究由Haokai Zhang等人共同完成，旨在解决传统空间记忆模型在复杂环境中泛化能力不足的问题。通过构建“经验-程序”记忆框架，智能体能够从过往空间交互经验中提取可复用的程序化知识，从而在导航、路径规划等任务中表现更优。实验表明，该代理在多个模拟环境中显著提升了任务完成效率与鲁棒性，为空间智能在机器人、自动驾驶等领域的应用提供了新思路。论文目前以PDF和HTML形式公开，并支持多种引用工具。 #AI #空间智能 #程序记忆 #机器学习 #论文 #arXiv #机器人
自然语言理解助力多模态视频登革热诊断研究
一项最新学术研究探讨了自然语言理解在多模态视频登革热诊断中的应用。该研究由Danial Sharifrazi及其合作者共同完成，论文已提交至arXiv预印本平台。研究旨在利用自然语言处理技术结合视频数据，提升登革热诊断的准确性和效率。登革热作为一种由蚊虫传播的急性传染病，传统诊断依赖症状和实验室检测，但在资源有限地区常面临挑战。该研究通过多模态分析，整合视频中的视觉信息与自然语言理解，有望实现更快速、非侵入性的诊断方法。论文目前正在接受同行评议，相关代码和数据可能通过学术平台开放。这一工作为人工智能在医疗诊断领域的应用提供了新思路，尤其对热带病防控具有潜在价值。 #自然语言理解 #多模态 #登革热 #AI诊断 #医学影像 #人工智能 #arXiv
一项最新学术研究探讨了自然语言理解在多模态视频登革热诊断中的应用。该研究由Danial Sharifrazi及其合作者共同完成，论文已提交至arXiv预印本平台。研究旨在利用自然语言处理技术结合视频数据，提升登革热诊断的准确性和效率。登革热作为一种由蚊虫传播的急性传染病，传统诊断依赖症状和实验室检测，但在资源有限地区常面临挑战。该研究通过多模态分析，整合视频中的视觉信息与自然语言理解，有望实现更快速、非侵入性的诊断方法。论文目前正在接受同行评议，相关代码和数据可能通过学术平台开放。这一工作为人工智能在医疗诊断领域的应用提供了新思路，尤其对热带病防控具有潜在价值。 #自然语言理解 #多模态 #登革热 #AI诊断 #医学影像 #人工智能 #arXiv
隐私保护RAG
最新arXiv论文《Privacy-Preserving RAG by Concealing Sensitive Information from External LLMs》提出了一种在检索增强生成（RAG）框架中保护隐私的方法。传统的RAG系统在检索外部知识时，可能将用户敏感信息暴露给第三方大语言模型。该研究通过设计一种机制，在将检索到的文档输入LLM之前，主动识别并隐藏其中的敏感内容，从而在不影响回答质量的前提下，有效防止隐私泄露。该方法适用于金融、医疗等对数据隐私要求严格的场景，为RAG在企业级应用中的安全部署提供了新思路。论文作者包括Saleh Almohaimeed等，目前已在arXiv预印本平台发布。 #隐私保护 #RAG #大模型 #AI安全 #论文 #检索增强生成
最新arXiv论文《Privacy-Preserving RAG by Concealing Sensitive Information from External LLMs》提出了一种在检索增强生成（RAG）框架中保护隐私的方法。传统的RAG系统在检索外部知识时，可能将用户敏感信息暴露给第三方大语言模型。该研究通过设计一种机制，在将检索到的文档输入LLM之前，主动识别并隐藏其中的敏感内容，从而在不影响回答质量的前提下，有效防止隐私泄露。该方法适用于金融、医疗等对数据隐私要求严格的场景，为RAG在企业级应用中的安全部署提供了新思路。论文作者包括Saleh Almohaimeed等，目前已在arXiv预印本平台发布。 #隐私保护 #RAG #大模型 #AI安全 #论文 #检索增强生成
大型零售价格分类新框架：Context
近日，一篇题为《Lines and Ladders: A Context-Aware Multi-Agent Framework for Large-Scale Retail Price Taxonomy》的论文在arXiv预印本平台发布。该研究由Ravi Teja Chunduri等五位作者共同完成，提出了一种面向大规模零售价格分类的上下文感知多智能体框架。该框架通过模拟多个智能体间的协作与竞争，结合上下文信息，旨在提升零售领域价格分类的准确性与效率。论文提交于2026年8月13日，目前可通过arXiv获取全文（HTML/PDF），并支持BibTeX引用及相关文献检索工具。该研究有望为零售数据管理、定价策略优化提供新的技术路径。 #arXiv #多智能体 #零售价格分类 #ContextAware #AI #数据科学 #论文
近日，一篇题为《Lines and Ladders: A Context-Aware Multi-Agent Framework for Large-Scale Retail Price Taxonomy》的论文在arXiv预印本平台发布。该研究由Ravi Teja Chunduri等五位作者共同完成，提出了一种面向大规模零售价格分类的上下文感知多智能体框架。该框架通过模拟多个智能体间的协作与竞争，结合上下文信息，旨在提升零售领域价格分类的准确性与效率。论文提交于2026年8月13日，目前可通过arXiv获取全文（HTML/PDF），并支持BibTeX引用及相关文献检索工具。该研究有望为零售数据管理、定价策略优化提供新的技术路径。 #arXiv #多智能体 #零售价格分类 #ContextAware #AI #数据科学 #论文
论Transformer的表达能力
近日，一篇题为《论Transformer的表达能力》（On the Expressive Power of Transformers）的学术论文在预印本平台arXiv上发布。该论文由Phokion Kolaitis和Rik Sengupta共同撰写，提交于2026年8月13日。研究聚焦于Transformer架构在理论上能够表示的函数范围与计算能力，通过严谨的数学分析，探讨了其表达能力与经典计算模型（如电路复杂度、图灵机等）之间的关系。这项理论工作有助于深入理解Transformer模型的本质能力边界，为未来模型设计、优化及可解释性研究提供理论支撑，对推动深度学习基础理论的发展具有重要意义。 #Transformer #表达能力 #理论计算 #深度学习 #arXiv #论文 #AI #机器学习
近日，一篇题为《论Transformer的表达能力》（On the Expressive Power of Transformers）的学术论文在预印本平台arXiv上发布。该论文由Phokion Kolaitis和Rik Sengupta共同撰写，提交于2026年8月13日。研究聚焦于Transformer架构在理论上能够表示的函数范围与计算能力，通过严谨的数学分析，探讨了其表达能力与经典计算模型（如电路复杂度、图灵机等）之间的关系。这项理论工作有助于深入理解Transformer模型的本质能力边界，为未来模型设计、优化及可解释性研究提供理论支撑，对推动深度学习基础理论的发展具有重要意义。 #Transformer #表达能力 #理论计算 #深度学习 #arXiv #论文 #AI #机器学习
为决策就绪的ITSM智能设计AI管道
一项新研究提出了为IT服务管理（ITSM）构建决策就绪型AI管道的框架。该论文由Archan Dutta等五位作者完成，于2026年8月13日提交至arXiv预印本平台。研究聚焦于如何通过AI管道将原始IT服务数据转化为可直接支持管理决策的智能洞察，涵盖数据采集、特征工程、模型训练与部署等关键环节。论文旨在解决传统ITSM系统中数据孤岛与决策延迟问题，通过自动化流程提升故障响应、资源分配与服务质量管理的效率。该成果有望为企业和组织提供更可靠、实时的IT运维决策支持，推动ITSM向智能化转型。 #AI #ITSM #论文 #arXiv #人工智能 #IT服务管理 #决策智能 #机器学习 #自动化运维
一项新研究提出了为IT服务管理（ITSM）构建决策就绪型AI管道的框架。该论文由Archan Dutta等五位作者完成，于2026年8月13日提交至arXiv预印本平台。研究聚焦于如何通过AI管道将原始IT服务数据转化为可直接支持管理决策的智能洞察，涵盖数据采集、特征工程、模型训练与部署等关键环节。论文旨在解决传统ITSM系统中数据孤岛与决策延迟问题，通过自动化流程提升故障响应、资源分配与服务质量管理的效率。该成果有望为企业和组织提供更可靠、实时的IT运维决策支持，推动ITSM向智能化转型。 #AI #ITSM #论文 #arXiv #人工智能 #IT服务管理 #决策智能 #机器学习 #自动化运维
SteerBench-Work
来自arXiv的最新论文显示，研究人员提出了一个名为SteerBench-Work的新型基准测试，专门用于评估智能体在动作边界处的引导能力。该基准由Oguz Serdar等学者开发，于2026年8月提交。动作边界是智能体决策过程中关键但易忽视的环节，传统基准难以精细衡量智能体在此类场景下的引导表现。SteerBench-Work通过设计特定任务和评估指标，为智能体引导研究提供了标准化测试平台，有望推动相关领域在稳健性、可靠性和人机协作方面的进步。该基准的代码和数据已公开，便于学界复现和扩展。 #AI #智能体 #基准测试 #动作边界 #引导 #arXiv #论文 #机器学习
来自arXiv的最新论文显示，研究人员提出了一个名为SteerBench-Work的新型基准测试，专门用于评估智能体在动作边界处的引导能力。该基准由Oguz Serdar等学者开发，于2026年8月提交。动作边界是智能体决策过程中关键但易忽视的环节，传统基准难以精细衡量智能体在此类场景下的引导表现。SteerBench-Work通过设计特定任务和评估指标，为智能体引导研究提供了标准化测试平台，有望推动相关领域在稳健性、可靠性和人机协作方面的进步。该基准的代码和数据已公开，便于学界复现和扩展。 #AI #智能体 #基准测试 #动作边界 #引导 #arXiv #论文 #机器学习
《Jagged Judges》论文研究法官在沉默、压力与坚持下的认知稳定性
一篇题为《Jagged Judges: Epistemic Stability Under Silence, Pressure, and Persistence》的学术论文近日在arXiv平台预发布。该论文由Justin Zhao等四位作者共同撰写，提交日期为2026年8月12日。研究聚焦于法官在面临沉默、外部压力及持续质疑等不同情境下，其认知判断的稳定性问题。通过理论分析与实验验证，论文探讨了司法决策过程中认知惯性与环境干扰的交互作用，为理解法官如何在复杂信息环境中保持判断一致性提供了新视角。该工作已获得arXiv数据引用DOI，并支持PDF全文及HTML预览。 #arXiv #论文 #认知科学 #司法决策 #心理学 #AI #学术研究
一篇题为《Jagged Judges: Epistemic Stability Under Silence, Pressure, and Persistence》的学术论文近日在arXiv平台预发布。该论文由Justin Zhao等四位作者共同撰写，提交日期为2026年8月12日。研究聚焦于法官在面临沉默、外部压力及持续质疑等不同情境下，其认知判断的稳定性问题。通过理论分析与实验验证，论文探讨了司法决策过程中认知惯性与环境干扰的交互作用，为理解法官如何在复杂信息环境中保持判断一致性提供了新视角。该工作已获得arXiv数据引用DOI，并支持PDF全文及HTML预览。 #arXiv #论文 #认知科学 #司法决策 #心理学 #AI #学术研究
可审计代理式AI助力甲状腺超声诊断与报告
来自arXiv的一项研究提出了一种可审计的代理式人工智能系统，专用于甲状腺超声诊断与报告生成。该系统能够基于临床证据进行推理，并记录每一步决策过程，确保诊断结果可追溯、可审计。研究团队由Haifan Gong等14位作者组成，该工作旨在提升AI在医疗影像诊断中的透明度与可信度，尤其适用于需要严格合规要求的甲状腺结节评估场景。通过将代理式AI与证据锚定机制结合，系统不仅生成诊断结论，还提供支持性证据链，便于医生复核与验证。这一方法有望推动AI辅助诊断从“黑箱”走向可解释、可审计的临床实践。 #AI #医疗 #甲状腺超声 #可审计AI #代理式AI #论文 #arXiv #医学影像
来自arXiv的一项研究提出了一种可审计的代理式人工智能系统，专用于甲状腺超声诊断与报告生成。该系统能够基于临床证据进行推理，并记录每一步决策过程，确保诊断结果可追溯、可审计。研究团队由Haifan Gong等14位作者组成，该工作旨在提升AI在医疗影像诊断中的透明度与可信度，尤其适用于需要严格合规要求的甲状腺结节评估场景。通过将代理式AI与证据锚定机制结合，系统不仅生成诊断结论，还提供支持性证据链，便于医生复核与验证。这一方法有望推动AI辅助诊断从“黑箱”走向可解释、可审计的临床实践。 #AI #医疗 #甲状腺超声 #可审计AI #代理式AI #论文 #arXiv #医学影像
推理陪审团
近期，一篇名为《推理陪审团：多模型共识评估推理轨迹》的论文出现在arXiv预印本平台上。该研究由Congchao Wang等六位作者完成，提出了一种新颖的评估方法，通过集成多个大语言模型的推理结果，形成共识以评判推理过程的质量。传统上，推理轨迹的评估往往依赖单一模型或人工标注，存在主观性强、覆盖不全等问题。该方法模拟“陪审团”机制，综合不同模型的判断，旨在提高评估的客观性和鲁棒性。论文详细介绍了共识形成算法，并展示了在多个推理任务上的实验效果，表明多模型共识能够更准确地识别出合理与错误的推理步骤。这一工作为自动评估复杂推理链提供了新思路，有望推动大模型推理能力的进一步优化。 #arXiv #推理评估 #多模型共识 #大语言模型 #AI研究 #论文
近期，一篇名为《推理陪审团：多模型共识评估推理轨迹》的论文出现在arXiv预印本平台上。该研究由Congchao Wang等六位作者完成，提出了一种新颖的评估方法，通过集成多个大语言模型的推理结果，形成共识以评判推理过程的质量。传统上，推理轨迹的评估往往依赖单一模型或人工标注，存在主观性强、覆盖不全等问题。该方法模拟“陪审团”机制，综合不同模型的判断，旨在提高评估的客观性和鲁棒性。论文详细介绍了共识形成算法，并展示了在多个推理任务上的实验效果，表明多模型共识能够更准确地识别出合理与错误的推理步骤。这一工作为自动评估复杂推理链提供了新思路，有望推动大模型推理能力的进一步优化。 #arXiv #推理评估 #多模型共识 #大语言模型 #AI研究 #论文
面向大规模有限集合约束解码的Trie自动机方法
近日，一篇题为《Trie Automata for Constrained Decoding over Large Finite Sets》的学术论文在arXiv平台发布。该研究由Xingzi Xu等人提出，针对大规模有限集合下的约束解码问题，设计了一种基于Trie自动机的新型解码方法。传统约束解码在处理庞大目标集合时面临计算效率瓶颈，而该方法通过构建Trie树结构，将搜索空间转化为前缀树，有效减少了无效分支的探索，显著提升了解码速度与准确性。论文实验表明，该方法在多个自然语言处理任务中均优于现有方案，为大规模序列生成中的约束解码提供了高效解决方案。相关工作已公开可访问，包括代码、数据及实验复现链接。 #论文 #AI #约束解码 #Trie自动机 #自然语言处理 #机器学习 #arXiv #算法
近日，一篇题为《Trie Automata for Constrained Decoding over Large Finite Sets》的学术论文在arXiv平台发布。该研究由Xingzi Xu等人提出，针对大规模有限集合下的约束解码问题，设计了一种基于Trie自动机的新型解码方法。传统约束解码在处理庞大目标集合时面临计算效率瓶颈，而该方法通过构建Trie树结构，将搜索空间转化为前缀树，有效减少了无效分支的探索，显著提升了解码速度与准确性。论文实验表明，该方法在多个自然语言处理任务中均优于现有方案，为大规模序列生成中的约束解码提供了高效解决方案。相关工作已公开可访问，包括代码、数据及实验复现链接。 #论文 #AI #约束解码 #Trie自动机 #自然语言处理 #机器学习 #arXiv #算法