选择透镜

一篇题为《选择透镜：上下文依赖论证中的策略性视角激活》的学术论文近日在arXiv预印本平台发布。该研究由Albert Sadowski和Jarosław A. Chudziak共同完成，探讨在论证过程中如何根据上下文策略性地激活不同视角，以增强说服力或逻辑一致性。论文提出“透镜选择”概念，分析论证者如何在多种可能的解释框架中做出选择，从而影响论证效果。该工作对计算论证、自然语言处理及人工智能中的推理机制具有潜在参考价值。论文于2026年5月29日提交，目前可通过arXiv获取全文。 #学术论文 #论证理论 #视角激活 #上下文依赖 #AI推理 #arXiv #计算语言学

LinTree 论文提出结构化搜索历史提升 LLM 推理能力

近日，一篇题为《LinTree: Improving LLM Reasoning with Explicitly Structured Search Histories》的论文在 arXiv 上发布。该研究由 Liwei Kang 等人完成，提出了一种名为 LinTree 的新方法，旨在通过显式结构化搜索历史来增强大语言模型的推理能力。传统 LLM 在复杂推理任务中常因缺乏对搜索路径的有效记录而陷入局部最优或逻辑混乱，LinTree 通过构建结构化的搜索历史树，让模型能够回溯、比较和整合不同推理分支，从而提升多步推理的准确性和可解释性。该方法有望在数学推理、代码生成、科学问题求解等需要深度思考的场景中发挥重要作用。目前论文已开放 PDF 和 HTML 版本供学术社区查阅。 #LLM #推理 #结构化搜索 #LinTree #AI #论文 #arXiv #大模型

AutoSci：面向完整科学生命周期的以记忆为中心的智能体系统

一篇题为《AutoSci: A Memory-Centric Agentic System for the Full Scientific Research Lifecycle》的论文近日在arXiv上发布。该研究由Weitong Qian等18位作者共同完成，提出了一种以记忆为中心的智能体系统，旨在覆盖从文献调研、实验设计到论文撰写的完整科学研究生命周期。系统通过构建持久化记忆模块，使AI能够持续积累领域知识并跨任务复用，从而提升科研效率与连贯性。论文展示了该系统在多个科研场景下的应用潜力，为自动化科研工具的发展提供了新思路。 #AutoSci #智能体系统 #科研自动化 #AI #arXiv #论文 #科学研究

基于回答集编程的强化学习抽象方法

这篇论文提出了一种基于回答集编程（ASP）的强化学习抽象方法。强化学习在复杂环境中面临状态空间爆炸问题，抽象技术可降低问题复杂度。作者利用ASP的逻辑推理能力，自动构建状态抽象，将原始状态映射到更简洁的抽象状态，从而提升学习效率。该方法在多个基准任务上进行了验证，实验结果表明，相比传统方法，基于ASP的抽象能够更有效地提取关键特征，加速策略收敛。该研究为强化学习与符号推理的结合提供了新思路，有望应用于机器人控制、游戏AI等领域。 #强化学习 #回答集编程 #抽象 #AI #机器学习 #符号推理 #论文 #arXiv

FAM-Bench

研究者Mingyang Mao等人近日在arXiv上发布了FAM-Bench，这是一个针对条件感知的“食物即药物”推理任务的多模态基准。该基准旨在评估AI系统在考虑具体健康状况（如疾病、营养缺乏等）下对食物与药物之间关系的理解能力。FAM-Bench涵盖多种模态数据，包括图像、文本和营养信息，要求模型根据用户的身体条件推荐合适的饮食方案。这一工作有望推动多模态大模型在个性化营养指导及辅助医疗等领域的应用，为“食药同源”理念的智能化落地提供标准化测试平台。 #AI #多模态 #基准测试 #食物即药物 #医疗健康 #arXiv #FAMBench

HypoAgent

近日，一篇题为《HypoAgent: An Agentic Framework for Interactive Abductive Hypothesis Generation over Knowledge Graphs》的论文提交至arXiv预印本平台。该研究由Yisen Gao等四位作者共同完成，提出了一种名为HypoAgent的智能体框架，旨在实现知识图谱上的交互式溯因假设生成。传统溯因推理面临理解深层因果关系和探索假设空间的挑战，HypoAgent通过将大语言模型与知识图谱结构化知识相结合，利用多轮交互机制引导模型逐步生成并验证假设。该框架不仅能处理不完整信息下的逻辑推断，还可动态融合用户反馈，提升假设的合理性与可解释性。研究团队展示了在生物医学、科学发现等领域的应用潜力，为自动化科学假设形成提供了新思路。目前论文已提供HTML预览、BibTeX引用及代码链接，相关成果有望推动知识驱动的AI推理发展。 #AI #知识图谱 #HypoAgent #溯因推理 #arXiv #科技论文 #大模型 #交互式框架

学习适应：通过认知感知探索实现自我改进的网络代理

该论文提出了一种名为“认知感知探索”的新型框架，旨在让网络代理在动态环境中实现自我改进。传统网络代理通常依赖静态规则或预训练数据，难以适应复杂多变的真实任务。研究团队通过引入认知感知机制，使代理能够主动识别自身知识盲区，并针对性地进行探索与学习，从而逐步提升任务执行能力。实验表明，该方法在多个基准测试中显著优于现有基线，尤其在需要长期规划和自适应调整的场景中表现突出。这一工作为构建更智能、更自主的网络代理提供了新思路，有望推动自动化任务处理和人机交互等领域的发展。 #AI #机器学习 #网络代理 #自我改进 #认知感知 #探索 #arXiv #论文 #自动化 #智能体

诊断资源受限视觉智能体中共享状态协作的失败模式

一篇来自arXiv的学术论文聚焦于资源受限视觉智能体在共享状态协作中的失败模式诊断。研究指出，在计算资源有限的环境下，多个视觉智能体通过共享状态进行协作时，常出现通信瓶颈、状态不一致及决策冲突等问题。论文系统分析了这些失败模式的成因，包括状态更新延迟、信息冗余以及智能体间协调失效等，并提出了相应的诊断框架。该工作对于提升多智能体系统在边缘计算、机器人集群等场景下的鲁棒性具有重要参考价值，有助于推动视觉智能体在真实世界中的可靠部署。 #arXiv #论文 #视觉智能体 #共享状态 #协作失败 #资源受限 #多智能体系统 #AI研究

TraceGraph

来自arXiv的最新论文《TraceGraph: Shared Decision Landscapes for Diagnosing and Improving Agent Trajectories》由Junjie Nian等五位作者共同完成。该研究提出了一种名为TraceGraph的新方法，通过构建共享决策景观来诊断和优化智能体（Agent）的决策轨迹。传统方法在分析多智能体或复杂任务中的行为路径时往往缺乏全局视角，而TraceGraph将不同轨迹映射到统一的结构化空间中，使得研究人员能够直观地比较、识别失败模式并发现改进方向。论文展示了该方法在多个基准任务上的有效性，为提升智能体系统的鲁棒性和可解释性提供了新工具。该工作已于2026年5月29日提交至arXiv预印本平台。 #TraceGraph #智能体 #决策轨迹 #AI #机器学习 #arXiv #论文

GLIDE 库发布：工业化预测驱动推理，助力生成式 AI 与智能体系统可靠评估

arXiv 上发布了一篇题为《Industrializing Prediction-Powered Inference: The GLIDE Library for Reliable GenAI and Agentic Systems Evaluation》的论文。该论文由 Grégoire Martinon 等人撰写，提出了一种名为 GLIDE 的库，旨在将预测驱动推理方法工业化，用于对生成式 AI 和智能体系统进行可靠评估。GLIDE 库通过整合统计推断与预测模型，解决了传统评估方法在复杂 AI 系统中置信度不足的问题，为开发者提供了更稳健的评估工具。论文详细介绍了库的设计原理、实现方式及在多种场景下的应用效果，展示了其在提升评估准确性和效率方面的潜力。该研究于 2026 年 5 月 29 日提交至 arXiv，目前处于待注册状态。 #GLIDE #预测驱动推理 #生成式AI #智能体系统 #评估 #arXiv #论文 #AI可靠性

新研究提出自动AI技能生成方法，基于专家知识蒸馏

一篇题为《 : Automated AI Skill Generation via Expert Knowledge Distillation》的研究论文近期在arXiv平台提交，作者包括Tianyi Zhou等五人。该研究聚焦于通过专家知识蒸馏技术实现AI技能的自动化生成，旨在提升大模型在复杂任务中的专项能力。论文尚未正式发布DOI，但已提供PDF和HTML预览版本。这一方法或将为AI系统的自适应学习与技能迁移提供新思路，引发学界关注。 #AI #知识蒸馏 #大模型 #技能生成 #arXiv #机器学习

罕见事件因果路径的形式化与证伪

一项新研究尝试对罕见事件的因果路径进行形式化建模与验证。由Anahita Haghighat等学者完成的论文《Formalizing and falsifying causal pathways of rare events》于2026年5月29日提交至arXiv预印本平台。该工作旨在解决因果推断中罕见事件路径难以被严格检验的问题，通过引入形式化语言和可证伪性标准，为复杂系统中的稀有现象提供更可靠的因果归因框架。研究有望在机器学习、流行病学等领域产生应用价值，帮助研究人员从有限数据中识别真正具有因果意义的路径，避免虚假关联。目前论文可通过arXiv获取全文及HTML版本。 #因果推断 #罕见事件 #形式化方法 #机器学习 #论文 #arXiv #因果路径

LLM-FACETS：保护隐私的大模型透明度与问责性评估框架

研究人员提出了一种名为LLM-FACETS的隐私保护框架，旨在系统评估大语言模型的透明度和问责性。该框架通过设计隐私安全的评估指标，在不泄露敏感数据的前提下，衡量模型在可解释性、决策可追溯性和责任归属等方面的表现。这为AI审计和监管提供了新的技术路径，尤其适用于需要保护用户隐私的商业部署场景。论文已在arXiv上发布，其方法有望推动大模型治理的标准化进程。 #大模型 #隐私保护 #AI透明度 #问责性 #LLM #隐私计算 #AI治理 #arXiv

跨模型局部等距一致性实现向量链接

据arXiv预印本网站显示，研究人员近日提交了一篇题为《Vector Linking via Cross-Model Local Isometric Consistency》的论文。该研究提出一种通过跨模型局部等距一致性进行向量链接的方法，旨在提升不同模型间向量表示的匹配与对齐能力。论文作者包括Ziying Chen等，目前论文以PDF和HTML格式公开，尚待数据正式注册。 #arXiv #论文 #向量链接 #跨模型 #等距一致性 #AI #机器学习 #科技

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

GraphARC

近日，研究人员在arXiv上发布了名为GraphARC的综合性基准测试，旨在评估人工智能系统在图结构数据上的抽象推理能力。该基准由Saku Peltonen等四位作者共同提出，专注于测试模型在图形化抽象推理任务中的表现，涵盖多模态理解与复杂逻辑推理。GraphARC的推出填补了现有基准在基于图的抽象推理领域的空白，有望推动AI在科学问题解决、代码生成等场景中的进步。目前论文已开放访问，并提供PDF及HTML版本供研究者参考。 #GraphARC #抽象推理 #图神经网络 #AI基准 #arXiv #人工智能 #科研进展

HADT：异构多智能体差分Transformer助力自主地球观测卫星集群

近日，一篇题为《HADT: A Heterogeneous Multi-Agent Differential Transformer for Autonomous Earth Observation Satellite Cluster》的论文在arXiv预印本平台发布。该研究由Mohamad A. Hady等学者提出，旨在解决地球观测卫星集群在自主任务规划中的协同决策难题。HADT模型采用异构多智能体架构，结合差分Transformer机制，使各卫星能够根据自身能力和环境动态调整策略，提升集群的整体观测效率与鲁棒性。这一工作为未来大规模卫星星座的自主运行提供了新的技术路径，有望在遥感、灾害监测等领域发挥重要作用。 #论文 #arXiv #卫星 #多智能体 #Transformer #地球观测 #AI #机器学习 #自主系统

基于角色的生成式AI多元对齐评估框架

一篇来自arXiv的预印本论文提出了一种基于角色的评估框架，用于衡量生成式AI在多元对齐方面的表现。该研究由Atahan Karagöz等人完成，旨在解决当前AI系统在价值观对齐中难以兼顾不同用户群体偏好的问题。框架通过模拟多种用户角色，评估模型在伦理、文化、社会观点等方面的响应差异，从而更全面地检验AI的多元包容性。这一方法有望为AI安全评估提供更细致的工具，推动生成式AI在复杂社会场景中的负责任部署。 #AI #生成式AI #多元对齐 #评估框架 #arXiv #人工智能安全 #角色模拟

BilliardPhys-Bench

多模态大语言模型（MLLMs）在视觉理解与语言生成上取得显著进展，但其对物理世界动态与因果推理的能力仍缺乏系统评估。为此，研究团队提出BilliardPhys-Bench基准，专门测试MLLMs在台球物理场景中的推理与视觉动态理解能力。该基准包含多种涉及碰撞、轨迹预测、动量守恒等物理现象的视觉问答任务，要求模型不仅能识别物体，还需理解隐含的物理规律。实验表明，当前主流MLLMs在该基准上表现远低于人类水平，尤其在复杂多步推理和反事实推断方面存在明显短板。该工作为评估MLLMs的物理常识提供了标准化工具，并指出未来改进方向。相关论文已提交arXiv，代码与数据将开源。 #多模态大模型 #物理推理 #基准测试 #AI #计算机视觉 #台球 #arXiv #机器学习