AI Agent 与大模型中文情报库

本文关注一种新型训练风险：看似无害的样本中可能隐藏着会误导模型的“有害监督”信号，使大模型在对齐、偏好学习或后训练阶段逐步学到错误行为。作者围绕这一威胁提出防御思路，重点讨论如何识别数据中的隐蔽操控、降低模型对异常监督的敏感性，并提升训练流程对污染样本的鲁棒性。该研究对数据安全、对齐训练和高质量数据筛选具有直接意义，也提示在大模型时代，风险不只来自显式恶意内容，还可能来自表面正常但带有策略性偏置的样本。

该论文提出 KnowsTFM，一种面向小型表格基础模型的知识引导微调框架，旨在弥补表格数据场景中标注稀缺、结构复杂与泛化能力不足的问题。作者将外部知识与任务相关先验融入微调过程，使模型不仅学习表格中的数值与结构关系，还能利用领域知识提升特征理解、推理与预测稳定性。实验表明，这种知识感知的微调方式相较于直接微调更能提升小模型在多类表格任务上的表现，并在数据有限时展现出更好的鲁棒性与效率。

这篇论文提出“Inoculation Adapters（接种式适配器）”方法，目标是在微调或能力注入时，让模型只学到期望能力，而尽量避免把不相关、甚至危险的行为一并带入。作者关注大模型中常见的“选择性泛化”问题：模型在掌握某项新能力时，可能会对意外触发模式、隐藏后门或错误关联产生泛化。该方法通过更有针对性的适配器训练与约束机制，提升所需能力的迁移效果，同时减少“surprising backdoors”（意外后门）出现的概率。整体上，这项工作兼顾能力增强与安全可控，为模型定制、对齐和后门缓解提供了新的工程思路。

本文提出 Shell-LCC，用于提升文本到视频生成的对齐质量。作者指出，生成任务中的数据流形本身可以被视作一种隐式奖励模型：如果生成结果更贴近真实数据分布中的高密度区域，通常也更符合人类偏好与语义一致性。基于这一观察，Shell-LCC 通过在数据流形外层构造“壳层”式约束，并结合局部几何信息与对比学习信号，引导视频生成模型远离低质量区域、向更优样本分布收敛。该方法无需依赖显式人工奖励标注，强调利用数据本身的结构来完成偏好建模，适合高维、复杂且标注昂贵的文生视频场景。

Clarus 提出一种面向大规模科学研究协作的多智能体协调框架，目标是让多个自治研究代理在开放网络环境中分工协作、共享发现并持续迭代，而不是各自独立完成局部任务。该系统强调研究流程编排、任务分解、信息汇聚与跨代理对齐，试图把检索、阅读、分析、验证和写作等环节连接成可扩展的端到端研究管线。与单一研究助手相比，Clarus 更关注如何在网页规模的信息空间中维持协作效率、降低冗余探索，并提升复杂科学问题的发现与整合能力。

本文介绍了 CaresAI 团队在 CT-DEB26 任务中的方法，目标是在临床试验相关文本或记录中自动识别给药错误。作者将临床与试验场景中的专业语义引入建模，采用领域特定的 Transformer 嵌入表示，再结合分类模型进行错误检测与判别。相比通用文本分类方案，这类方法更能捕捉药物剂量、用药频次、给药途径及试验流程中的细粒度差异。研究体现了大模型/预训练表示在临床试验质量控制中的应用潜力，可为试验审查、风险预警和数据清洗提供辅助。

本文提出一种用于逆问题学习重建的分布鲁棒优化框架，核心目标是在训练分布与真实测试分布存在偏移时，提升重建模型的稳定性与泛化能力。不同于只追求经验风险最小化的方法，该框架显式考虑“最坏情形”下的分布扰动，通过在不确定集合内优化性能，缓解深度重建模型对数据采样偏差、噪声变化和物理建模误差的敏感性。作者将该思想应用于常见成像逆问题，并讨论其与传统正则化、学习式先验以及鲁棒优化的联系。实验表明，该方法在分布外数据上通常更可靠，能够在保持较好重建质量的同时降低退化风险。

本文提出 B3O（Boltzmann Batch Bayesian Optimization），面向需要一次提出多个候选点的批量贝叶斯优化场景，重点解决传统方法在高维、昂贵评估和并行采样中的可扩展性不足问题。该方法将后验采集函数转化为 Boltzmann 形式的概率分布，并据此构造批量候选集，从而兼顾探索与利用，同时降低对复杂组合优化的依赖。作者进一步设计了可扩展的近似与采样策略，使其在大规模搜索空间中仍能保持较好的效率与优化效果。实验表明，B3O 在多种基准任务上相较现有批量 BO 方法具有更稳定的性能和更高的并行利用率。

本文聚焦多模态大模型在视觉推理中的计算浪费问题：很多样本其实只需轻量处理，却常被一视同仁地送入完整推理链路。作者提出主动路由（Proactive Routing）框架，在“思考”之前先做一次决策，根据输入图像与问题的复杂度、信息充分性和不确定性，动态选择直接回答、轻量推理或深度推理路径。这样既能尽量保留复杂样本上的准确率，又能显著减少不必要的推理开销。该工作反映出视觉语言系统正从“统一深推理”走向“按需计算”的趋势，为构建更高效、更可部署的多模态智能体提供了思路。

本文聚焦 RGB-T 目标检测中的计算冗余与跨模态信息利用不充分问题，提出一种稀疏跨模态融合方法，在保留红外与可见光互补优势的同时，尽量减少不必要的特征交互与参数开销。该方法通过选择性融合关键区域与有效通道，降低多模态检测中的噪声干扰和计算成本，从而提升整体推理效率。相较于传统的密集融合策略，这类思路更适合实时感知场景，如夜间监控、自动驾驶和复杂环境下的视觉检测。

这项研究聚焦视觉强化学习中的域偏移问题：当目标环境可用数据很少时，策略很难从源域迁移到目标域。作者提出一种“自适应想象”（Adaptive Imagination）式域适配框架，通过在训练中生成更贴近目标域分布的虚拟视觉经验，缓解源目标差异带来的性能退化。方法核心在于根据目标数据的有限信息，动态调整想象样本的生成与使用方式，让策略既能保留源域学到的任务能力，又能更好地适应目标域外观变化与观测扰动。整体思路适用于样本稀缺、环境外观变化明显的视觉控制任务，可提升迁移效率与鲁棒性。

这篇论文探讨了一个核心问题：智能体如何从“能感知自己在起作用”进一步走向“能稳定地产生有目的的行为”。作者在一个极简的脉冲神经智能体中引入“自因信用”（self-caused credit）机制，即让系统将某些结果归因于自身先前动作，并据此形成可持续的行为偏好。研究表明，这种信用分配并不只是帮助识别主体性，而是能够逐步构建出一种更稳定的“行为自我”，使智能体在没有复杂架构的情况下也能学会持续做事。该工作将主体性感知、行动控制与学习中的归因机制联系起来，为理解自主智能的起源提供了新的计算视角。

DAIN提出一种动态的智能体协作框架，将多模态推理任务拆解为可协同处理的交互网络，而非依赖单一模型端到端完成。该方法通过按需组织不同能力的智能体参与推理，并在过程中动态调整信息流与协作关系，以提升复杂场景下的效率与准确性。与静态流水线或固定角色编排相比，DAIN更强调任务驱动的弹性协作，适用于需要跨模态理解、分工推理和结果整合的场景。论文重点关注如何在控制计算开销的同时，实现更稳健的多模态推理表现。

Dynamo 提出一种面向视觉语言智能体的动态扩展框架，核心思路是在任务执行过程中持续学习并演化“技能”和“工具”，而不是依赖预先固定的能力集合。该方法强调智能体应能根据新场景、新任务与失败经验自动补充可复用的操作模块，从而提升长程任务的适应性与泛化能力。相较于静态工具库或手工编排工作流，Dynamo 更关注在线迭代、能力复用与组合式推理，使智能体在复杂视觉环境中能够逐步形成更强的自我改进机制。这类研究反映了大模型智能体从“会用工具”走向“会生长工具”的趋势。

这篇 arXiv 论文提出了 Nanotechnology Molecular Optimization（NMO）基准，旨在把分子优化从传统药物发现场景扩展到更广泛的纳米技术应用。作者关注的不只是“找到能用的分子”，而是考察模型在多目标约束下对分子结构进行持续改造的能力，例如在稳定性、可合成性、功能表现与任务相关性质之间做权衡。该基准希望为大模型和分子生成式 AI 提供一个更贴近真实研发流程的评测框架，检验其在复杂设计空间中的泛化、搜索效率与优化可靠性。

本文聚焦DNA语言模型在预训练之后，对下游微调任务究竟能带来多大收益。作者围绕不同预训练策略、模型规模与任务类型展开评估，考察模型在序列分类、功能预测等生物信息任务中的迁移能力。文章核心关注点不是单纯提升预训练损失，而是检验其是否真正改善实际应用表现，并分析哪些设置更适合DNA序列这一高度结构化但语义稀疏的领域。研究结果有助于理解基因组基础模型的有效性边界，也为后续设计更具生物学针对性的预训练方案提供参考。

本文提出一种面向三维形状匹配的无监督方法，将经典的 Functional Maps 思路与神经表示及超网络结合，学习在不同形状之间更稳定的对应关系。与依赖人工标注或强监督的匹配方法相比，该框架通过神经函数映射直接建模形状间的变换，并借助超网络生成更具适应性的映射参数，从而提升对噪声、非刚性变形和局部缺失的鲁棒性。方法在无需逐点标注的条件下实现高质量对应，适用于形状检索、变形分析与几何理解等任务。

这篇论文重新审视“大模型推理越长越好”的常见假设，聚焦链式思维（Chain-of-Thought, CoT）在分布内任务上的真实收益。作者通过对比不同长度但信息质量不同的推理过程发现，模型表现的提升主要来自推理内容是否包含关键中间步骤、有效约束与正确归纳，而不是单纯把思考过程写得更长。换言之，冗长并不等于更强，简洁但高密度的推理往往同样甚至更有效。论文的结论对 CoT 提示设计、推理数据构造和蒸馏策略都有直接启发：应优先优化推理信息密度与结构，而非追求表面长度。

本文延续“从状态方程构造引力对偶”的研究框架，讨论如何借由物质系统的状态方程在引力侧生成相应的几何描述。论文重点分析了两类在高能理论中极具代表性的现象：尺度间的巨大层级结构，以及假真空与真空跃迁问题。作者展示了在适当的状态方程设计下，双重引力背景可以自然呈现出多尺度分离，并支持亚稳态真空结构，从而为理解层级问题、真空稳定性及其在全息对应中的实现提供了新的模型化路径。

本文提出 SA-VLA，一种面向视觉-语言-动作（VLA）模型的状态感知分词器，目标是缓解现有方法在机器人操作与具身任务中的状态建模不足。作者强调，传统将视觉、语言与动作简单离散化的方式，往往难以准确表达环境状态变化、物体关系以及任务进度，从而影响模型规划与执行的稳定性。SA-VLA 通过引入状态相关的 token 设计，将环境上下文与动作决策更紧密地耦合，提升模型对当前任务阶段和场景变化的感知能力。实验结果表明，该方法能在若干 VLA 基准上改善任务完成率与泛化表现，为构建更可靠的具身智能系统提供了新的表示学习思路。

这篇论文聚焦于具身智能体（embodied agents）架构的自动化设计问题，核心是在机器人、仿真体或其他与物理/环境交互的智能体中，如何让系统根据任务需求自动生成、调整并优化其内部结构。作者讨论了传统手工设计架构在可扩展性、适配性和迭代效率上的局限，并尝试把架构搜索、模块组合与任务约束结合起来，形成更系统的设计流程。这类研究有助于降低具身智能体开发门槛，提升在复杂环境中的泛化能力，也与AI Agent、自主规划和具身AI的发展方向密切相关。

这项研究围绕脑电（EEG）基础模型中的时序特征提取器展开，重点比较不同结构在统一实验条件下的表现，并特别引入一个预训练时间序列模型作为对照。作者通过受控设置分析，各类特征提取器在EEG表示学习中的能力差异，考察其对下游任务性能、泛化潜力与迁移价值的影响。研究有助于厘清：在构建EEG foundation model时，时序建模是否应优先采用专门为生理信号设计的模块，还是可直接借用通用时间序列预训练架构。该工作为EEG大模型组件选型提供了更具可比性的依据。

这篇论文聚焦检索增强生成（RAG）中的效率瓶颈，提出利用词元共现图来组织和筛选检索到的上下文，以降低推理时的冗余计算。作者不再仅依赖传统的向量相似度或粗粒度片段排序，而是显式建模词元之间的共现关系，从结构上识别更相关、更紧凑的信息子集。该方法旨在在尽量保持生成质量的同时，减少需要送入大模型的上下文规模与噪声，提升检索与生成链路的整体效率。对于需要高吞吐、低延迟的问答、知识助手和企业检索场景，这类结构化压缩思路具有较强应用价值。

本文面向《星际争霸》微操这一典型多智能体实时决策问题，探讨分层强化学习如何与启发式控制策略结合，以提升单位级战斗表现。作者将影响地图用于刻画战场空间态势与局部威胁，并以基于聚类的脚本策略为高层决策提供可解释的动作先验，再由强化学习在低层执行具体操控与时序协调。该方法试图缓解纯端到端学习在高维状态、稀疏奖励和长时序信用分配上的困难，同时保留一定战术灵活性。研究聚焦于微操场景中的协同集火、走位与局部避险，为复杂即时战略游戏中的层级控制设计提供了可复用思路。

本文提出 ACPO（Agent-Chained Policy Optimization），用于解决多智能体强化学习中的协同学习与策略更新难题。与传统将多个智能体独立优化的方法不同，ACPO 通过“智能体链式”设计，将各智能体的策略改进过程串联起来，使后续智能体能够显式利用前序智能体的行为信息与优化结果，从而缓解多智能体环境中的非平稳性与信用分配问题。该方法旨在提升协作效率、训练稳定性与整体回报表现，尤其适用于需要紧密配合的任务场景。作为一项 arXiv 预印本工作，它体现了将策略优化机制与多智能体协同结构相结合的研究思路。

本文提出一种面向持续学习的新视角：把模型在不同任务间的知识更新，理解为对表征子空间的检索与重分配。方法核心是将有限的模型容量视作“子空间记忆”，在新任务到来时，不仅学习新知识，还通过检索已有子空间并重新分配其使用方式，尽量减少对旧任务表征的干扰。相比传统依赖参数隔离、正则约束或经验回放的持续学习方案，这一框架更强调表示空间层面的结构管理，有助于在保持旧知识的同时提高对新任务的适应性。该思路为大模型在长时间、多阶段训练中的稳定更新提供了新的理论与方法基础。

本文围绕能量基学习的一个重要方向展开，提出利用层次结构上的 Gibbs 测度来进行数据驱动建模与学习。相较于直接在平坦空间中拟合分布，这种方法把数据的多尺度依赖、局部相互作用与全局组织关系纳入同一框架，便于刻画复杂结构化数据。文章强调通过能量函数与概率测度之间的对应关系，将学习问题转化为对样本统计特征的匹配与优化，从而为生成建模、表示学习和结构推断提供统一视角。该工作对理解分层数据中的稳定性、可解释性与可扩展学习具有参考价值。

这篇论文聚焦海事监控中的浓雾场景，指出传统图像复原方法往往只优化视觉清晰度，却未必真正提升航行安全判断所需的“能见度”信息。作者提出一种新的能见度估计指标，用于把图像复原结果与船舶导航安全需求直接关联起来，帮助评估在雾霾条件下目标轮廓、距离感知和风险识别的有效性。该指标旨在弥补图像质量评价与实际海上安全应用之间的鸿沟，为海事监视、低能见度预警和自主航行系统提供更贴近任务目标的评估工具。

本文提出一种用“两阶段蒸馏”训练多任务智能体大模型的方法，目标是在尽量保留大模型推理与工具使用能力的同时，显著降低部署成本。第一阶段侧重把教师模型在不同任务中的通用决策模式、规划能力和行动策略迁移给学生模型；第二阶段则围绕具体任务与交互轨迹进行精炼，使模型更稳定地完成多任务切换、分解复杂目标并调用外部工具。该思路面向智能体LLM在执行任务、对话协作和环境交互中的统一建模，强调通过蒸馏整合能力而非单纯扩展参数规模。

这篇论文聚焦金融时间序列中具有厚尾分布的收益预测问题，指出模型性能往往并不主要由主干网络决定，而是更受输出头设计影响。作者系统比较了不同架构组件在厚尾回报建模中的作用，发现当数据存在极端波动和分布不稳定时，输出层对预测校准、尾部刻画与最终效果的贡献显著高于常被强调的 backbone。研究由此提醒业界：在面向金融等重尾场景构建模型时，不能只堆叠更大的表征网络，更要重视任务头、损失函数与输出参数化方式的设计。