AI Agent 与大模型中文情报库

本文围绕 HNSW（分层可导航小世界图）在近似最近邻检索中的精度可控问题展开，提出利用图稀疏器（graph spanners）构造带有理论保证的图结构，以提升 HNSW 的可解释性与结果可靠性。传统 HNSW 通常以高效搜索著称，但其召回率与路径质量缺乏严格保证；该技术报告尝试从图论角度为其补足理论基础，在保留低延迟优势的同时，为检索误差、路径长度和邻接结构质量提供更明确的上界约束。这类方法对于向量数据库、语义检索与大规模推荐系统尤具意义。

本文提出一套面向前沿计算物理研究的自主化大模型流水线，目标是在真实文献语料、代码与实验记录之间建立端到端的“从资料到稿件”研究闭环。系统强调 grounded 机制，即让模型输出尽量受检索到的证据、可执行计算与中间结果约束，并通过多阶段规划、检索增强、自动验证和失败回退实现容错与稳定性。作者关注的不只是生成论文文本，而是让 LLM 参与选题、阅读、推导、实现、复核与成稿等科研链路，降低幻觉和流程中断风险。该工作反映了 AI Agent 在科学发现与自动化科研中的新方向。

本文围绕“方向性”这一常被忽视的因素，探讨模型在结构泛化任务中的表现为何会受到输入顺序、依存方向或关系方向的显著影响。作者关注的不只是模型是否学会了规则，更在于其能否把局部模式迁移到新的组合结构中。研究表明，若训练数据中的结构关系呈现不对称或单向偏置，模型更容易形成脆弱的启发式，而难以真正掌握抽象结构。该工作有助于理解大模型在语法、组合推理与符号任务中的泛化边界，也为构造更稳健的训练分布与评测基准提供了思路。

这篇论文提出一种面向线性注意力模型的外部记忆机制，借鉴海马体在生物记忆中的作用，用来精确保存循环状态容易丢失的信息。作者关注的是：线性注意力虽然计算高效、适合长序列，但其递推式状态更新往往会发生信息压缩与遗忘，导致部分关键细节无法被长期保留。为此，论文设计了一个“海马体”式记忆模块，在不破坏高效递推的前提下，对被状态遗忘的内容进行补偿与检索，从而提升长程依赖建模能力与记忆完整性。

本文从强化学习（RL）角度重新审视神经量子态（Neural Quantum States, NQS）这一量子多体问题中的关键表示方法。作者将波函数采样、能量最小化与策略优化联系起来，说明传统 NQS 训练过程可被理解为在高维态空间中的序列决策与奖励搜索。相比仅从生成建模或变分优化解释，RL 视角有助于统一理解探索、信用分配和训练稳定性等问题，并为设计更高效的采样与优化算法提供思路。该工作面向量子计算、量子化学与机器学习交叉领域，强调方法论上的重构与关联，而非仅是技巧性改进。

这篇论文聚焦视觉生成模型的训练优化问题，核心思路是将奖励信号从“单样本打分”提升为“分布级评估”，即不只关注某一张生成图像是否优质，而是考察模型生成结果整体是否更贴近目标分布。作者借此缓解传统奖励优化中容易出现的模式坍塌、偏好过拟合和局部最优等问题。论文提出的分布级奖励框架，强调在多样性、真实性与目标一致性之间取得更稳定的平衡，可用于改进扩散模型、生成式对抗模型等视觉生成系统的训练效果。

本文讨论离线强化学习中的泛化问题，指出模型或算法中“悲观”设计的存在并不自动带来更好的泛化效果，真正决定表现的往往是悲观项所依赖的结构假设是否合理。作者强调，在离线数据分布有限且存在分布外动作风险的场景里，单纯增加保守性可能会压制有效策略改进，反而不利于学习。研究从理论角度分析了不同悲观形式对泛化误差和策略质量的影响，说明结构化约束、表示方式与不确定性建模，比简单提高惩罚强度更重要。

本文研究单层脉冲神经网络中的“树突式上下文学习”能力，关注网络如何在不依赖传统深层结构或显式参数更新的情况下，利用上下文信息快速调整输出行为。作者将树突计算引入脉冲神经元模型，借助局部的非线性整合机制，使网络能够在序列输入中形成类似 in-context learning 的适应性。该工作连接了神经科学中的树突加工理论与机器学习中的上下文学习范式，也为低功耗、事件驱动的神经计算提供了新的实现思路。

西班牙据称已要求公共机构及私营公司将美国数据分析公司 Palantir 列入黑名单，反映出欧洲对关键数据、政府采购与国防技术供应链的安全顾虑正在升温。Palantir 以强大的情报分析、执法与反恐平台闻名，但也长期因隐私、数据主权以及与政府机构深度合作而备受争议。这一举措不仅可能影响其在西班牙的业务扩张，也折射出欧洲各国在“数字主权”与美资科技依赖之间的拉扯。

Enola 是一个面向开发者和 AI Agent 的确定性架构图工具，旨在把软件系统中的组件、依赖关系与架构上下文以结构化方式表达出来，便于检索、推理和协作。与传统依赖文档或手工架构图相比，它更强调可计算、可版本化和可由 Agent 直接消费的表示方式，从而让 AI 更容易理解代码库结构、服务边界与变更影响。对需要在复杂工程中引入大模型助手、自动化分析或系统治理的团队来说，这类架构图有助于把“人能看懂”的架构知识变成“机器也能用”的上下文资产。

AnyGroundBench 是一个面向视频 grounding（视频定位/时序指认）的专门领域基准，重点评估视觉语言模型在真实复杂场景中根据文本描述准确定位视频片段的能力。与通用数据集相比，它更强调专业语境、细粒度事件理解以及跨模态对齐的稳定性，能够暴露模型在长视频推理、时序边界判断和领域知识结合方面的短板。该基准有助于系统衡量当前多模态模型在视频理解与指代定位任务上的泛化能力，也为后续构建更可靠的行业级视频智能应用提供参考。

HERMES提出了一种用于预训练数据混合的新型多粒度标注底座，旨在解决大模型训练中“数据来源复杂、质量标准不一、标签粒度过粗”的问题。该框架允许将同一批语料按不同层级进行统一标注与组织，从文档、段落到样本属性等多个维度刻画数据特征，便于在数据筛选、配比和迭代优化时进行更精细的控制。相比传统只依赖单一质量分或粗粒度分类的方法，HERMES更适合构建可解释、可扩展的预训练数据配方，为后续训练实验提供稳定的数据治理基础。

该研究聚焦检索增强推理中的一个关键问题：模型在利用外部知识作答时，推理过程是否真正与检索到的证据一致。作者提出 CheckRLM，用于有效检查“知识—思维”一致性，帮助识别大模型在引用信息、链式推理与最终结论之间出现的偏差、幻觉或逻辑断裂。与只看答案正确与否不同，该方法更强调推理可追溯性和证据对齐，适用于需要高可靠性的问答、检索增强生成与复杂推理场景。

BamiBERT 是一款专门面向越南语构建的 BERT 系列预训练语言模型，目标是在越南语自然语言理解任务上获得更强表现。论文围绕越南语的语言特点、语料分布与预训练策略进行设计，并在下游任务中验证模型效果。相较于通用多语模型，BamiBERT 更强调对越南语词形、分词歧义与语境表达的适配，体现了为低资源或区域性语言定制基础模型的研究思路。该工作也为越南语 NLP 的模型选择、迁移学习与后续领域微调提供了新的基线。

AgenticSTS 提出一个用于评测长时程大模型智能体的新型测试平台，核心关注点是“有界记忆”条件下的持续推理与任务执行能力。与只看单轮问答或短上下文基准不同，该工作把智能体放入需要跨多步操作、逐步积累信息并在记忆受限时保持决策一致性的环境中，考察其规划、信息保留、回溯与纠错能力。该基准有助于区分“会调用工具的模型”与“真正能在长链路任务中稳定工作的智能体”，也为分析上下文窗口、外部记忆和策略设计对性能的影响提供了实验框架。

这篇论文研究在线学习中的聚合预测问题，核心结论是：在以期望风险为目标时，指数加权聚合（Exponential Weights / Hedge）不仅表现良好，而且在理论上可达到最优。作者从统计学习与决策论角度分析该方法的性能界限，说明其能够在专家建议、模型选择或多预测器融合场景中，以接近最优的方式平衡探索与利用。论文强调，这一最优性结论针对“期望”意义下的表现，而非单次最坏情形，因此更适用于平均效果、风险最小化和稳健集成等任务。

Copewell 提出一种用于心理健康支持的多智能体群体式架构，重点解决传统单体式聊天系统在连续性、个性化与公平性上的局限。该框架将对话理解、风险识别、支持策略生成与资源推荐等能力拆分给不同智能体协同完成，并通过编排机制保持上下文一致与响应稳健。论文强调“equitable”即公平可及，旨在让不同背景、语言能力与心理需求的用户都能获得更一致、可解释的支持体验。作为 arXiv 预印本，它更像是对 AI 驱动心理健康助手的一种系统设计探索，而非临床疗效结论。

本文聚焦“LLM-as-a-Judge”在多语言评测中的适用性，尤其是低资源语言场景下的可靠性问题。作者指出，当前以大模型充当评审的做法在英文环境中已较常见，但一旦扩展到不同语言、不同书写系统和文化语境，便会面临评分偏置、语言理解不一致、翻译引入噪声以及跨语言公平性不足等挑战。文章进一步梳理了构建多语言裁判体系时的关键注意事项，并提出改进建议，包括更严格的提示设计、语言覆盖更均衡的评测集、人工校准与抽检机制，以及面向低资源语言的专门评测流程，以提升结果的可信度与可比性。

本文讨论一种名为 Purified OPSD 的训练方法，核心目标是在保持大模型“会思考”的前提下进行在策自蒸馏。传统自蒸馏或后训练方法往往容易让模型在优化某些表面指标时牺牲推理链条的完整性，出现回答更顺但思维退化的问题。作者提出通过“净化”训练信号，将高质量的在策学习与自蒸馏结合起来，使模型既能从自身生成的轨迹中吸收经验，又尽量避免错误推理被固化。该工作面向大模型对齐与推理增强场景，强调训练稳定性、推理能力保留以及实用性，适合关注推理型 Agent 和后训练优化的研究者。

本文聚焦自动化垃圾分拣在循环经济中的应用，比较了两种常见分类框架——One-Vs-All 与 One-Vs-Rest——在真实分拣场景中的效果差异。研究引入置信度引导机制，将模型预测的不确定样本交由人工介入处理，以降低误分拣风险并提升整体系统可靠性。文章不仅关注分类准确率，也强调人机协同下的效率、可扩展性与实际部署价值，为构建更稳定的智能废弃物分拣系统提供了经验参考。

该论文提出 CoFL-S，一种面向局部导航的空间可查询“扇区流场”表示，用语言指令直接约束机器人在局部环境中的运动决策。与传统依赖离散路径点或全局规划的方法不同，CoFL-S 将可通行方向与空间位置进行连续关联，使模型能够在不同区域快速查询应朝向何处移动，并据此生成更细粒度的行动建议。作者强调这种表示对开放场景中的语言条件导航更灵活，也更适合处理局部可见、动态变化或信息不完整的环境。

这篇论文聚焦语音与文本联合建模中的一个关键问题：大模型能否在没有专门指令微调的情况下，直接表现出较强的指令遵循能力。作者围绕语音-文本组合表示与跨模态推理展开研究，探索如何让语音语言模型在理解口语内容、执行文本式指令以及进行多模态生成时保持稳定能力。论文强调，不依赖传统 instruction tuning 也可能获得可观的交互式能力，这为构建更通用、更高效的语音智能体提供了新思路，并对语音大模型的训练范式与数据组织方式提出了启发。

该论文提出一种加性 MLP-GNN 框架，用于刻画分子水溶性中化学组成与结构特征各自的贡献。作者将多层感知机与图神经网络结合，把可解释的加性分解引入溶解度预测任务，使模型不仅能给出较准确的预测，还能区分不同原子、键和子结构对结果的影响。该方法有助于理解影响水溶性的关键分子因素，为药物发现、材料筛选和分子设计提供更可解释的机器学习工具。

这篇论文聚焦自治电信网络中的AI Agent决策安全问题，提出一种基于“关键性”（criticality）的护栏验证思路，用于判断代理在不同网络情境下的动作是否可接受。作者强调，电信网络一旦进入高度自治阶段，AI代理的配置、路由、故障处置等决策若缺乏分级约束，可能引发大范围服务异常。为此，论文通过对决策影响程度进行建模，将网络状态、任务风险与操作后果纳入验证流程，从而在执行前识别高风险动作并触发更严格的审查或阻断机制。该方法面向运营级场景，旨在提高AI代理部署到关键基础设施时的可靠性与可控性。

这是一个面向开发者的命令行工具，利用代码嵌入模型识别“非精确重复”的代码片段，也就是语义相近、但并非逐字复制的重复实现。相比传统的文本查重或哈希比对，它更适合发现重构不彻底、逻辑重复、变体抄袭等问题，可用于代码审查、技术债治理和仓库清理。项目以 CLI 形式提供，便于集成到本地工作流或自动化脚本中。

作者讨论了开源项目依赖中引入大模型生成代码的隐患：这类代码往往缺乏可追溯的人工理解，可能夹带错误、许可不清、风格不一致，甚至在后续维护中制造难以排查的“黑箱”问题。对于依赖管理而言，真正重要的不只是能否运行，更是代码来源、审计能力和长期可维护性。文章强调，依赖项应尽量保持可解释、可审查和可控，避免把 LLM 产出的片段当作可靠的基础设施直接引入。

Mail Memories 是一款面向桌面的照片整理工具，主打从 Gmail 邮箱中“打捞”散落多年的图片附件，帮助用户把埋在邮件往来里的家庭照、旅行照和截图重新归档。它的思路并不是替代云相册，而是利用邮箱这一常被忽视的存档场景，扫描历史邮件中的图片内容并集中导出，降低用户在海量邮件中手动翻找的成本。对于长期依赖 Gmail 留存附件、但又缺少系统备份的人来说，这类工具提供了一个实用的补救方案，也体现了垂直数据整理工具在 AI 时代之外依然有明确需求。

本文研究反事实决策中的预测集合构造问题，核心目标是在不确定环境下给出一组可行动的候选决策，并保证其覆盖真实最优选择的概率。作者从统计覆盖率、决策最优性与可解释性三方面分析预测集合的性质，探讨如何在有限样本条件下兼顾风险控制与决策效率。论文进一步将保形预测思想引入反事实决策场景，利用分布无关的方式生成具有理论保证的集合，适用于医疗干预、政策评估等需要稳健决策支持的任务。该工作连接了因果推断、稳健优化与保形推断，为不确定性下的决策辅助提供了统一框架。

本文提出一种自解释算子学习框架，用于从函数数据中发现并解释空间模式。与传统算子学习更强调预测精度不同，该方法将“可解释性”直接嵌入模型设计，使模型不仅能学习输入函数到输出函数之间的映射，还能显式揭示影响结果的关键空间结构与局部响应关系。作者通过构建自解释机制，将隐式表示与可读的模式提取相结合，从而帮助研究者理解高维函数数据中的生成规律与空间依赖。该方法适用于科学计算、物理建模和复杂场数据分析等场景，为大模型式算子学习从“黑箱预测”走向“可解释发现”提供了新路径。

本文提出 Eticas AI 风险分类法，旨在为 AI 审计提供一套可复用、可扩展的开放式基础设施。论文聚焦于如何把抽象的风险治理要求转化为实际可操作的审计流程与检查框架，帮助组织在模型开发、部署和运营阶段系统识别偏见、透明度不足、鲁棒性弱、隐私泄露与合规风险。与一般性的原则清单不同，该分类法更强调标准化风险语言、审计工作流对接以及跨场景的一致性，便于企业、审计机构和监管方协同使用。它面向的是 AI 治理“最后一公里”的落地问题。