AI Agent 与大模型中文情报库

本文从谱图理论出发，重新审视图卷积中的注意力机制，讨论其如何在图结构上同时实现去噪与扩散。作者将注意力权重解释为对不同频率成分的自适应滤波，说明其不仅影响邻居信息的聚合方式，也决定了信号在图上的平滑、保留边界与抑制噪声的平衡。文章进一步把该视角与图扩散过程联系起来，分析注意力在传播范围、稳定性和过平滑问题中的作用。该研究为理解图神经网络的表达能力提供了更统一的理论框架，也为设计更稳健的图学习模型提供了启发。

这项工作聚焦大模型长上下文推理中的核心瓶颈——KV Cache 过大导致显存与吞吐受限。作者提出 DepthWeave-KV，一种 token 自适应的跨层残差分解方法，通过在不同层之间重构并压缩键值缓存，尽量保留对注意力计算最关键的信息，同时显著降低缓存开销。相比单纯按层裁剪或量化，这种方法更强调跨层信息复用与残差信号建模，适合长文本问答、代码补全和多轮对话等场景。整体思路兼顾压缩率与推理质量，为长上下文高效部署提供了新的工程路径。

本文聚焦具身智能中的一个核心难题：模型往往能在训练场景中完成动作，却难以将对物理世界的理解迁移到新任务与新环境。作者提出一种“视觉动作结果推理对齐”思路，把对动作后果的视觉推断与物理推理能力进行显式对齐，使模型不仅判断“该怎么做”，还学习“做完会发生什么”。这种机制有助于把局部感知、动作选择与结果预测统一起来，从而提升对未见任务的泛化能力。研究强调，真正稳健的任务执行不只依赖表面模式匹配，而需要可迁移的物理因果理解。

这篇工作聚焦大模型长上下文推理中的KV Cache膨胀问题，提出 FreqDepthKV，一种结合“频率信息”与“深度共享”的缓存压缩方法。其核心思路是：并非所有注意力头或层对上下文记忆同等重要，可以利用表示频率特征来判断哪些KV更值得保留，并通过跨层共享降低冗余存储。相比传统只按重要性裁剪或简单量化的做法，FreqDepthKV更强调在压缩率与推理稳定性之间取得平衡，目标是在尽量少损失生成质量的前提下显著降低显存占用，提升长文本推理的可扩展性。

本文提出 Pitwall，一套将实时蒙特卡洛仿真与自然语言生成结合的赛车策略简报系统。它面向比赛中的战术决策场景，先通过校准后的概率模型持续评估安全车、进站、胎况与名次变化等关键变量，再把数值结果转写为面向工程师和车队的自然语言建议。与只输出分数或概率的传统系统不同，Pitwall 强调“忠实表达”——生成内容必须严格对应仿真结果，避免夸大、遗漏或不一致。研究重点在于把实时推演、置信度校准和可读性三者统一起来，从而为高时效、高风险的赛车策略提供可解释、可执行的语言化支持。

本文提出 AirflowAttack，一种针对红外遥感视觉语言模型的物理对抗攻击方法。与传统像素级扰动不同，该方法利用热气流在红外成像中的传播与扰动效应，通过构造可在真实环境中产生影响的热-气流扰动，干扰模型对遥感场景的视觉理解与语言对齐能力。研究表明，这类扰动不仅具有更强的环境可实现性，也能在红外遥感任务中显著降低模型的识别、描述与推理表现。该工作揭示了红外视觉语言模型在物理世界攻击面上的新脆弱性，并为后续开展鲁棒训练、传感器防护与对抗检测提供了参考。

这项研究聚焦大语言模型在真实数据分析场景中的表现，而不仅是标准化基准题。作者围绕现实世界数据常见的复杂性——如噪声、缺失值、格式不一致、异常点、混合类型字段以及多步骤推理需求——设计或整理了相应评测框架，用于检验模型在数据理解、清洗、分析与结论生成上的可靠性。研究强调，传统静态基准往往高估了模型能力，难以反映实际工作流中的脆弱性与误差累积。该工作有助于识别大模型在数据分析任务中的优势边界，也为构建更贴近生产环境的评测方法和智能数据工具提供参考。

这篇论文研究如何从有限观测数据中学习量子多体系统的时间演化，并给出一个“可证明的学习分离”结果：对于某些时间演化预测任务，经典学习方法在样本或计算效率上会遭遇根本限制，而利用更合适的量子表征或假设则能够实现有效预测。作者围绕量子多体动力学中的可学习性，分析了模型表达、数据获取与泛化误差之间的关系，揭示了预测未来量子态演化并不只是工程问题，而是与系统结构和学习范式密切相关的理论问题。这一结论对量子模拟、量子控制以及量子机器学习中的动态建模具有参考价值。

这篇论文提出 WordVoice，一种面向基于大语言模型的文本转语音（TTS）系统的词级控制框架，重点解决语音生成中“想控制但控不准、多个属性互相干扰”的问题。作者将语音可控维度拆解为多个彼此解耦的词级属性，并通过显式建模让用户能够在词语粒度上分别控制语速、韵律、情感或强调等表现方式，而不是依赖粗粒度的整句指令。相比传统方法，WordVoice 更强调可解释性和组合式控制能力，适合需要精细口语化表达的场景，如有声内容制作、虚拟人播报和交互式语音助手。

本文聚焦 BioASQ 14b 生物医学问答任务，探讨如何依据问题的答案类型，构建更高效的大模型处理流水线。不同于传统依赖简单投票或统一提示词的做法，作者提出将问题按答案形式进行感知式路由，并进一步引入多智能体协作机制，让不同模型或代理分别承担检索、候选生成、证据整合与最终裁决等角色。该方法旨在提升复杂生物医学问题的覆盖率、准确性与可解释性，同时减少单一模型在长链推理和领域术语理解上的偏差。研究体现了从“多模型投票”向“协同式Agent系统”演进的趋势。

本文研究视觉语言模型（VLM）在“条件编码器”模式下是否会保留可用于空间定位的内部信号。作者提出分析-by-proxy的视角：虽然模型并非显式训练来输出框或掩码，但在条件生成、理解或约束推理过程中，其表征可能已隐含对象位置与区域边界信息。通过探测不同层级与不同条件设置下的激活，研究揭示VLM中存在稳定的定位线索，并分析这些线索如何受提示词、视觉上下文和任务形式影响。该工作为理解多模态模型的空间感知能力、提升可解释性，以及将VLM用于弱监督定位与开放词汇视觉任务提供了新的依据。

这篇工作聚焦一个长期被视觉模型忽视的感知维度：气味。作者指出，图像很难直接表达嗅觉信息，因此提出借助语言作为桥梁，学习更具语义可迁移性的嗅觉表征。方法上，模型通过文本描述对气味概念进行对齐与组织，把分散、主观的嗅觉体验映射到统一的表示空间中，从而支持检索、分类与跨模态理解等任务。该研究为多模态学习补上“嗅觉”这一稀缺通道，也为未来面向环境感知、数字气味和感官交互的AI系统提供了基础。

本文研究组合学习（compositional learning）中的函数空间选择问题，指出常见的神经切线核（NTK）训练范式在此类任务上会出现显著的表达与优化失配。作者构建了一种“函数空间二分”视角：一类目标函数更适合在参数空间中通过深度神经网络逐层形成结构化表示；另一类则可被核方法较好刻画，但对组合结构的学习能力有限。论文进一步证明，在具有层级组合结构的学习任务上，NTK 可能表现出指数级次优性，即即使拥有足够宽的网络和充分的训练过程，其学习效率与样本复杂度仍可能远逊于能够进行特征重组的深度模型。该结果从理论上解释了为何核化近似在复杂组合泛化中会失效。

这篇论文关注视觉-语言-动作（VLA）模型在机器人控制中的推理效率问题，提出一种无需重新训练即可加速生成动作序列的方法。核心思路是将历史决策中重复出现或可复用的动作片段进行缓存，在新任务或连续决策时优先复用这些高置信动作，从而减少模型逐步推理的开销；同时引入动作精修机制，对缓存结果或初始输出进行局部修正，兼顾速度与控制精度。该方法面向实际部署场景，尤其适合需要低延迟响应的机器人系统，有望降低大模型在交互式执行中的算力成本与时延。

该研究聚焦云安全合规场景中的“控制项到证据/配置”的自动映射问题，尝试用领域适配的 Sentence Transformers 提升语义匹配能力。相比依赖人工规则或通用文本嵌入的方法，模型在理解云平台术语、合规条款表达及安全配置描述方面更具针对性，可用于缩短合规审查、控制项对齐和持续监测的人工成本。论文体现了大模型时代之外，轻量级语义检索与领域微调在企业安全治理中的实用价值，也为自动化合规、审计辅助和安全运营流程编排提供了可落地思路。

本文提出TopoBrick，一种面向楼宇物联网时序预测的智能体式方法，核心目标是在几乎没有目标楼宇历史数据的情况下，完成零样本预测。方法不再把外生变量简单拼接输入，而是通过“拓扑采样”在变量关系空间中搜索更合适的依赖结构，并借助Agentic机制自动选择、重组和验证候选拓扑。该思路尤其适合楼宇传感器分布复杂、跨楼宇迁移困难、变量相关性随场景变化明显的任务。相较传统固定结构或纯黑箱建模，TopoBrick强调对外部驱动因素的结构化建模，从而提升泛化能力与可迁移性，为智能楼宇能耗、环境与设备状态预测提供了更稳健的零样本方案。

本文讨论人机交互中的“个性化”如何在提升体验与效率的同时，引入新的风险与责任问题。作者指出，机器人或智能系统若依据用户偏好、情境与历史行为进行适配，确实能增强可用性、信任感与协作效果；但同样可能带来隐私泄露、操控偏见、过度依赖以及对弱势群体的不公平对待。文章强调，面向真实场景的个性化不应只追求“更懂用户”，还需要将透明性、可解释性、用户控制权与安全边界纳入设计流程，形成“负责任个性化”的原则框架。

本研究聚焦端到端自动驾驶模型的安全与调试瓶颈，探讨如何利用可解释性技术破解黑盒决策难题。针对复杂路况下模型可能出现的“误行”或反直觉行为，文章系统引入可解释AI方法，包括注意力机制可视化、特征重要性评估及决策路径追踪。通过实证分析，这些技术不仅有效揭示模型错误根源，还辅助优化控制策略的鲁棒性。研究成果为提升自动驾驶系统的透明度与可靠性提供了实用框架，对推动行业标准制定和工程部署具有重要参考价值。

DT-Guard提出一种面向大模型安全护栏的新训练范式，核心目标是在不显式依赖复杂推理链的前提下，提升模型对用户意图的识别与安全响应能力。该方法通过“意图驱动”的方式组织训练数据，并引入“推理激活”机制，让模型在面对潜在风险请求时能够更稳定地触发安全判断，而不是仅靠表层关键词过滤。论文聚焦于Reasoning-Free LLM Safety Guardrail场景，试图兼顾拦截效果、响应效率与部署简洁性，为低延迟、安全对齐型应用提供更实用的防护方案。

本文提出一种面向乳腺癌分类的双视图融合框架，利用大型视觉模型（Large Vision Models）对不同成像视角中的互补信息进行建模。方法以token为基本交互单元，在保持各视图语义特征完整性的同时，实现跨视图信息对齐、融合与任务自适应，从而提升对乳腺病灶细粒度差异的识别能力。相较于传统早期或晚期融合策略，该方法更强调视图间关系建模与大模型特征迁移，适用于医学影像中数据有限、标注成本高、视角差异显著的场景。研究结果表明，该框架在乳腺癌分类任务上具有较好的鲁棒性与泛化潜力。

本文聚焦低资源语音识别场景下的跨语言迁移问题，以上下相关、语音结构存在一定相似性的僧伽罗语作为源语言，探索向目标语言迪维希语迁移的可行性。研究通过预训练与微调相结合的方式，利用源语言数据缓解目标语言标注稀缺带来的训练瓶颈，并分析不同迁移策略对识别性能的影响。结果表明，借助语言间的共享声学特征与表示学习能力，模型能够在迪维希语上取得显著优于从零开始训练的效果，为南亚及岛屿语言等极低资源语种的语音技术落地提供了方法参考。

这篇论文关注智能体在执行复杂任务时，如何更准确地从技能库中检索出可用能力。作者提出一种“任务分解引导的重排序”方法：先将用户任务拆解为若干子目标，再利用这些子目标对候选技能进行重新排序，从而让最终选出的技能更贴近任务结构与执行顺序。相较于仅依据语义相似度的检索方式，该方法更强调任务层面的可分解性与阶段性匹配，因而更适合开放环境中的自适应智能体。论文的核心价值在于把“任务理解—技能选择”更紧密地连接起来，为工具调用、技能库管理和长程规划提供了更稳健的检索策略。

Canopy提出了一种面向代谢工程的异构图基础模型，将基因、酶、代谢物与反应等多类生物实体统一建模到同一图结构中，以捕捉代谢网络中的复杂关系与层级依赖。相较于传统只依赖单一序列或静态通路的方法，Canopy更适合处理跨模态、跨尺度的生物信息整合任务，可用于预测代谢改造效果、辅助靶点筛选与路径设计。该工作体现了大模型与知识图谱在合成生物学中的结合趋势，也为面向生物制造的智能设计提供了新的基础设施。

本文提出一种面向多轮大模型智能体的自适应树状回放框架，用信息增益来优化 rollout policy 的选择与展开。与传统固定深度或随机采样的推理搜索不同，该方法会根据当前状态下不同动作带来的信息价值，动态决定哪些分支更值得继续探索，从而在有限计算预算内更高效地找到高质量决策路径。作者将该思路用于多轮交互场景，强调在复杂任务中兼顾探索广度与推理深度，降低无效搜索与错误传播。整体上，这是一种把树搜索、策略优化与信息论指标结合起来的智能体推理改进方案。

本文提出一个用于分析“人机好奇生态”的玩具框架，分别讨论单智能体与多智能体场景下，AI系统如何通过好奇心驱动探索、信息获取与交互学习。作者试图用简化模型刻画人类反馈、智能体策略与环境动态之间的耦合关系，从而解释在开放式任务中，AI为何会表现出不同程度的主动提问、协作探索与自我纠错。该框架更偏概念与机制梳理，适合用于理解人机协同、群体智能和探索型Agent设计中的基本规律，也为后续构建更复杂的多智能体学习系统提供了理论起点。

Pluralis v0.1 是一个面向 AI 风险与可靠性评测的新基准，强调在文化、多模态与多语言三个维度上的覆盖，试图弥补现有测试集主要集中于英语和单一文化语境的不足。该基准关注模型在真实使用环境中可能出现的安全、偏差、稳健性与可靠性问题，旨在为不同地区、不同语言和不同表达方式下的模型表现提供更公平的衡量框架。论文定位于“多文化”评测的早期探索，意在推动建立更能反映全球用户场景的 AI 评价体系。

该论文提出 TriA Pipeline，一套面向特定场景音频分类的大规模自动音频标注流水线，目标是在人工标注成本高、场景语义复杂且类别边界不清的条件下，持续构建可用于训练与评测的高质量音频数据。作者将自动化标注拆解为若干可组合步骤，围绕音频片段筛选、候选标签生成、置信度控制与结果校验展开，并强调在具体应用场景中比通用音频任务更能发挥其作用。该方法旨在提升标注效率、扩大数据规模，同时尽量保持标签一致性与可用性。

X-FEMR 提出一种面向电子病历基础模型的 token 级可解释框架，结合 Transformer 模型分析临床事件、诊断与用药记录在预测中的贡献。与传统仅给出整体结果的黑箱方法不同，该方法尝试将模型决策细化到具体病历片段，便于临床人员理解模型为何做出某一判断。论文围绕电子健康记录中的长序列、稀疏信号与复杂时间依赖等难点，探索如何在保持预测性能的同时提升可解释性。该方向有助于增强医疗 AI 的可信度，也为病历基础模型的临床落地提供了更可审计的分析工具。

该文面向工业过程推断中的传感测量不可信问题，提出一种由大语言模型（LLM）引导的测量可信度校正框架，用于提升复杂工业场景下的预测稳健性与可解释性。方法核心是结合领域知识、变量关系与历史工况，对异常、漂移或缺失的测量信号进行可信度评估与动态修正，再将校正后的信息输入推断模型，从而降低错误测量对状态识别、质量预测和故障诊断的影响。与传统仅依赖数值统计的鲁棒方法相比，该框架更强调语义层面的过程理解和知识约束，适合多变量耦合、机理复杂且标注稀缺的工业系统。

EcoVision提出一套结合无人机航拍与人工智能分析的盐沼生态监测方案，面向植被长势评估、空间分布识别与优势种制图等任务。系统通过高分辨率影像采集盐沼区域的细粒度植被纹理和覆盖差异，再利用AI模型进行自动分类与空间分析，减少传统人工样方调查在效率、成本和尺度上的限制。该研究强调将遥感、计算机视觉与生态学方法融合，用更高频率、更一致的方式跟踪盐沼植被变化，为湿地保护、退化预警和生态修复决策提供数据支持。