AI Agent 与大模型中文情报库

该论文提出了一种新型混合架构——Distribution-Aware Diffusion-LLM（DAD-LLM），将扩散模型的概率建模能力与大语言模型（LLM）的序列理解优势深度融合，专为超长期（如数百步）时间序列预测设计。不同于传统方法对单点预测或高斯假设的依赖，DAD-LLM显式建模目标变量的完整条件分布，并通过LLM驱动的扩散先验引导生成过程，在电力负荷、交通流量等真实场景中显著提升预测鲁棒性与不确定性校准能力。作者还构建了首个面向超长期预测的分布评估基准，涵盖分位数误差、CRPS及预测区间覆盖率等多维指标，验证了模型在数据稀疏、突变和非平稳性下的泛化优势。

本文针对大型语言模型（LLM）在多语种刑事法律场景中因过度追求指令遵循或训练数据分布而产生的‘过对齐’（over-alignment）问题展开研究。作者提出一套可量化评估框架，涵盖判决一致性、法域适配性与跨语言逻辑连贯性三维度，并在覆盖12种语言的跨国判例数据集上验证其有效性。研究发现：过度对齐会导致模型在法条解释中牺牲实质正义，盲目迎合表面合规性；通过引入反事实微调与基于法律原则的约束解码机制，可在保持专业准确率的同时显著降低偏差率（平均下降37.2%）。该工作为AI在高风险司法辅助应用中的可信部署提供了方法论基础与实证依据。

该论文提出一种新型物理信息神经网络（PINN）框架——自适应硬-软混合约束机制，旨在提升边界条件强约束下的PDE求解鲁棒性。传统PINN常因软约束权重调优困难导致边界误差显著；本文通过动态切换硬约束（显式嵌入边界几何）与软约束（损失加权）策略，在训练过程中依据残差梯度自适应调整约束强度。在泊松方程、不可压纳维–斯托克斯方程等多类问题上验证表明，该方法较标准PINN降低边界误差达47%，且对噪声扰动和复杂几何域更具泛化能力。研究为科学计算中高精度、低人工干预的神经求解器提供了新范式。

该研究首次系统揭示大型语言模型（LLM）内部存在一种与任务无关、跨层稳定的抽象表征几何结构——即神经活动在高维空间中按语义类别形成可分簇、具层级距离关系的流形构型。作者通过表征相似性分析（RSA）与几何不变量测量发现，这种结构在微调前后保持高度一致，且与人类行为数据中的概念距离显著相关；更重要的是，其几何完整性直接预测模型在零样本和少样本推理任务上的表现。研究挑战了‘LLM仅依赖表面统计’的传统观点，为理解其隐式知识组织机制及提升可控推理能力提供了新的几何视角与可解释性路径。

本文批判性指出，当前开发者普遍将 Agent Skills（智能体技能）误用为通用函数调用接口——例如直接封装数据库查询或外部 API，却忽视其本质是面向目标导向、具备上下文感知与自主决策能力的高层行为模块。作者强调，Skills 应封装「意图完成」而非「操作执行」，需内置重试逻辑、失败回退、多步协调等代理特性；若仅做薄包装，反而会削弱 LLM 的规划能力，并导致可观测性与可调试性下降。文中以 LangChain 和 AutoGen 生态中的典型反模式为例，呼吁回归「Skill = 可组合、可验证、带语义契约的行为单元」的设计本源，并建议通过显式状态管理与技能契约文档化来提升系统可靠性。

PaperClaw提出一种新型AI代理架构，支持从文献检索、关键信息抽取、假设生成到实验设计的全流程自主科研闭环。其核心创新在于引入‘人类在环’（human-in-the-loop）动态反馈机制——研究者可通过自然语言指令实时干预代理决策链，修正推理偏差或调整探索方向；系统还内置可解释性模块，可视化代理每步推理依据与置信度。作者在跨学科科研任务（如材料发现、生物通路推断）上验证了该框架相较传统RAG或纯LLM方法提升37%的假设有效性，并显著降低幻觉率。该工作标志着AI从‘辅助工具’向‘科研协作者’范式的实质性演进。

该研究构建了首个面向古巴比伦泥板文献的规模化楔形文字符号检测数据集，覆盖EBL（Electronic Babylonian Library）中逾10万张高分辨率泥板图像。作者提出一套端到端OCR流程：融合多尺度特征提取与注意力引导的符号定位模块，并针对楔形文字特有的压印纹理、断裂粘连及低对比度问题，设计了专用于泥板图像的预处理与后处理策略。模型在跨时期（古巴比伦至新亚述）、跨地域（乌尔、尼普尔等）样本上实现86.3%的符号级检测准确率，显著优于传统模板匹配与通用OCR工具。该工作为古代近东文本数字化与语文学研究提供了可复现的技术基线与开放数据资源。

该论文提出一种完全免训练的任务分类框架，用于指导多任务模型融合（Multi-Task Model Merging）——即在不微调、不引入额外参数的前提下，仅通过分析各任务对应模型的权重空间几何特性（如梯度方向一致性、参数扰动敏感性），自动识别任务间语义相似性并构建最优融合子集。作者设计了基于余弦相似度与谱归一化的轻量级度量协议，在多个视觉与语言基准（如MTL-Bench、Taskonomy）上验证其有效性，显著优于随机融合与启发式分组策略，且推理开销可忽略。该工作填补了模型融合领域中‘任务关系先验缺失’这一关键空白，为高效、可解释的零样本模型协同提供了新范式。

该论文提出Text2DSL框架，利用经过领域适配微调的大语言模型（LLM），将自然语言描述直接转化为高精度、可执行的领域特定语言（DSL）代码。作者针对金融规则引擎、网络策略配置等典型DSL场景构建了结构化指令数据集，并引入语法感知解码与DSL运行时反馈强化机制，在多个真实DSL任务上显著超越传统Code LLM基线（如CodeLlama、DeepSeek-Coder）。研究强调语义对齐与语法合法性双重约束，解决了LLM在DSL生成中常见的幻觉与语法错误问题，为低代码/无代码平台及垂直领域自动化编程提供了新范式。

本文提出一种概念约束的提示学习框架（CCPL），专为少样本场景下的CLIP模型高效适配而设计。区别于传统提示微调仅优化视觉/文本侧可学习向量，CCPL在提示生成过程中显式引入语义概念先验——通过预定义的概念词典与注意力门控机制，动态约束提示词的语义分布，防止在小样本下偏离目标类别语义空间。在ImageNet-1K及多个细粒度数据集上的实验表明，该方法较CoOp、PromptSRC等基线提升3.2–5.7个百分点，且对噪声标签和跨域迁移展现出更强鲁棒性。研究还揭示了概念粒度与提示泛化能力间的非线性关系，为视觉-语言模型的轻量级适配提供了新范式。

该研究提出一种新型深度材料网络（Deep Material Network, DMN）框架，用于高效、高精度预测压电复合材料的有效本构响应。传统均匀化方法在处理强非线性、多尺度耦合（如力-电耦合）时面临计算成本高与泛化能力弱的瓶颈；本文将微观结构图像与物理约束嵌入神经网络架构，通过端到端学习直接映射微结构至宏观压电张量，避免显式求解控制方程。在多种相分布与边界条件下验证表明，该方法较传统FFT或有限元均质化提速两个数量级，且保持<3%的预测误差。研究为智能材料数字孪生与逆向设计提供了可解释、可微分的AI代理新范式。

该论文系统探究了多模态思维链（Multimodal Chain-of-Thought, MCoT）推理在视觉-语言任务中的实际效能与根本局限。作者通过构建细粒度评测基准，发现MCoT虽能提升模型对复杂图文关系的理解与可解释性，但在跨模态语义对齐、长程逻辑依赖及噪声鲁棒性方面存在显著瓶颈；尤其当图像信息隐含歧义或需常识外推时，生成的推理步骤常出现幻觉或断裂。研究还指出，当前MCoT高度依赖高质量标注的中间推理监督，缺乏真正端到端的自驱式推理能力。论文并非否定MCoT价值，而是呼吁从‘可验证性’和‘因果一致性’出发重构评估范式，为下一代具身AI与多模态认知架构提供方法论警示。

该论文提出一种名为“Imagine to Ensure Safety”（I2ES）的新框架，旨在解决分层强化学习（HRL）中高层策略与底层执行之间因抽象失配导致的安全隐患。作者引入可学习的、轻量级的‘安全想象模块’，在策略决策前对潜在动作序列进行前向模拟与风险评估，无需依赖精确环境模型或额外安全监督信号。该模块与典型选项（options）框架兼容，在多个高风险连续控制任务（如机器人导航避障、机械臂操作）中显著降低未授权状态进入率，同时保持策略性能不下降。研究还理论证明了该机制对安全约束满足性的提升边界，并开源了基准测试代码，为HRL的安全落地提供了可扩展、可解释的技术路径。

本文提出“具身可扩展性”（Grounded Scaling）新范式，指出当前大模型驱动的AI智能体在开放、随机环境中难以实现可靠的能力扩展。作者系统论证：非确定性环境中的噪声、不可复现性与状态模糊性，会严重干扰智能体的策略学习、因果推理与长期规划能力；而构建可控、可观测、可重放的确定性环境（如高保真仿真平台或受限真实世界沙盒），是验证智能体泛化性、调试决策链路、实现可复现评估的关键前提。文章还对比了强化学习、程序合成与自主代理三类典型范式在不同环境确定性水平下的表现衰减曲线，并呼吁学界建立面向智能体的新型基准体系——该体系应将环境可控性作为一级评估维度，而非仅关注任务完成率。

SCOPE 提出一种新型符号化世界建模范式，通过动态演化符号表征（而非固定规则或端到端黑箱）支持长程、多步推理与跨任务泛化。其核心包含三层架构：感知层将原始观测映射为离散符号；演化层利用可微符号操作器持续优化符号语义与关系结构；规划层基于符号图执行逻辑推理与动作序列生成。在 ProcGen、BabyAI 及自定义开放世界仿真环境中，SCOPE 显著优于 LLM-based planner 和经典符号 AI 方法，尤其在零样本迁移与稀疏奖励场景下展现出强鲁棒性。该工作 bridging symbolic AI 与 emergent world modeling，为具身智能体在未知环境中的自主规划提供了新路径。

该研究提出一种新型人机协同框架，用于提升肺结节在CT影像中的分割精度与临床可用性。不同于传统端到端AI模型，系统将放射科医生的交互式修正（如点击、擦除、边界微调）实时融入分割流程，通过轻量级反馈编码器将医生意图转化为模型自适应信号，并结合不确定性感知机制动态分配人机分工。在LUNA16与NLST多中心数据集上验证表明，仅需平均2.3次交互即可将Dice系数提升至0.912，显著优于纯AI基线（0.867）及现有交互式方法；同时降低医生标注耗时约68%。研究还探讨了协作过程中的认知负荷与信任校准问题，为可解释、可信赖的AI辅助诊断系统提供了临床落地新范式。

VADAOrchestra 是一种新型神经符号（neurosymbolic）架构，旨在动态编排大语言模型（LLM）与符号化推理模块（如规则引擎、形式验证器、知识图谱查询器）的协作流程。该框架引入可学习的‘指挥器’（Conductor）模块，基于任务状态实时评估各子模块置信度与成本效益，自主调度执行路径，并支持在线反馈驱动的流程演化。不同于静态提示链或固定Agent工作流，VADAOrchestra 在数学推理、多跳问答与合规性检查等任务中展现出更强的鲁棒性与可解释性，其设计呼应了当前AI社区对可控性、可追溯性及混合智能范式的迫切需求。

该论文提出FACTOR（Fact-Adaptive Claim Verification with Risk-aware Orchestration）框架，针对大语言模型生成长篇幅文本时事实错误分布不均的问题，首次将‘风险感知’引入验证流程——通过细粒度主张抽取、风险评分（结合语义重要性、可验证性与上下文依赖度）及动态资源分配机制，实现对高风险主张的优先核查。实验表明，相比统一验证策略，FACTOR在保持生成流畅性的同时，将关键事实错误率降低37.2%（在NewsRoom与QMSum数据集上），且验证开销减少41%。研究填补了长文本生成中‘按需验证’方法论的空白，为构建可信AI写作系统提供了新范式。

该论文提出一种名为Adaptive Recurrent Message Passing（ARMP）的新框架，专为图神经网络在测试阶段动态计算（Test-Time Computing）而设计。传统GNN通常在训练后冻结参数，难以应对测试时分布偏移或未见拓扑结构；ARMP则通过可学习的循环门控机制，在推理阶段持续迭代更新节点表征，并依据局部图结构自适应调整消息聚合策略。作者在多个基准图任务（如节点分类、链接预测）上验证了其鲁棒性与泛化能力，尤其在低标签率与噪声边场景下显著优于静态GNN及现有TTT方法。工作填补了图学习中测试时自适应建模的理论与实践空白，为部署于动态社交网络、分子建模等真实场景的GNN提供了新范式。

该研究提出一种专为肺栓塞（PE）风险评估设计的轻量级多模态临床问答系统，融合结构化电子病历（EHR）、自由文本报告（如影像描述、病程记录）及关键医学影像（如CT肺动脉造影）特征。作者构建了首个聚焦PE诊断推理的多模态临床QA数据集PE-MedQA，并引入分层注意力融合机制与任务自适应微调策略，在保持低推理延迟（<800ms）的同时，于临床专家标注的测试集上达到92.3%的准确率，显著优于单模态基线。研究强调临床部署可行性，已通过三甲医院初步验证其对放射科与急诊科医生决策支持的有效性。

该论文针对双层优化在非稳态、重尾噪声或分布偏移场景下的鲁棒性不足问题，提出一种新型两时间尺度随机逼近框架。核心创新在于引入分位数引导机制动态调整Huber损失的截断阈值，使内层优化对异常梯度更具韧性，同时保障外层超参数更新的渐近无偏性。理论分析证明其在广义强凸-强单调假设下具备几乎必然收敛性与最优收敛速率O(1/√T)，并在元学习与超参数优化任务中显著优于标准SGD和现有鲁棒双层方法。工作填补了分布偏移下双层随机优化的理论空白，并为AI Agent中自适应超参数调节提供了新范式。

双层优化（如超参数调优、元学习）常因内层优化梯度估计的高方差而陷入训练不稳定与收敛缓慢的“方差陷阱”。本文提出Jacobian-Free Dynamics（JFD），一种不显式计算或反向传播雅可比矩阵的新型根求解框架，通过构造隐式动力系统直接逼近双层问题的最优解映射不动点。该方法规避了传统隐函数定理展开或自动微分带来的数值误差与内存开销，在理论层面保证局部收敛性，并在超参优化与神经架构搜索任务中显著降低方差、提升鲁棒性与计算效率。作者开源了PyTorch实现，为资源受限场景下的双层优化提供了轻量替代方案。

该论文提出Graph-aware LoRA（GA-LoRA），一种专为图结构数据优化的大语言模型轻量微调方法。不同于传统LoRA在全参数空间上统一注入低秩适配器，GA-LoRA通过分析输入图的拓扑特征（如节点度、子图模式、邻接关系）动态生成LoRA权重，使适配器具备显式图感知能力。作者在多个图推理基准（如GraphQA、GraphText、KGQA）上验证其有效性，在仅增加0.1%可训练参数的前提下，相较标准LoRA平均提升8.7%准确率，并显著改善模型对图结构变化的鲁棒性。研究还开源了GA-LoRA框架及配套图特征编码模块，为LLM与图神经网络（GNN）的协同建模提供了新范式。

该论文提出QeHDC（Quantum-enhanced Hyperdimensional Computing）新范式，将量子计算原理融入高维计算（HDC）核心机制——通过量子态叠加与纠缠实现更鲁棒的符号绑定（binding），并引入‘超类’（SuperClass）结构统一表征多粒度语义类别，显著提升小样本学习与噪声环境下的模式泛化能力。作者在图像分类、脑电信号解码等任务上验证其相较传统HDC及轻量级神经网络的优越性，同时保持极低内存开销与可解释性。该工作为边缘AI与神经符号系统提供了兼顾能效、鲁棒性与认知对齐的新路径，呼应了当前AI界对‘绿色智能’与‘可信推理’的双重诉求。

该研究通过严格控制实验设计，系统评估知识图谱（KG）作为外部知识源对大语言模型在临床问答任务中的作用。作者构建了覆盖训练内（in-distribution）与训练外（out-of-distribution）两类临床问题的基准测试集，并统一剥离模型微调、提示工程等混杂变量。结果表明：KG增强显著提升模型对未见疾病、罕见药物或新指南类训练外知识的回答准确率（+12.3%），但对训练数据中高频出现的常见临床问题几乎无增益（提升<0.8%）。进一步分析揭示，KG的价值主要体现在弥补模型参数化知识的时效性与覆盖度缺陷，而非替代其内在推理能力。该发现为医疗AI中知识增强策略的精准部署提供了实证依据。

该研究提出一种计算高效、可部署性强的卷积神经网络架构，专为多癌种（如肺癌、乳腺癌、结直肠癌等）病理图像联合检测而设计。作者在ResNet-18主干上引入通道注意力与空间稀疏卷积模块，并结合分层迁移学习策略：先在大型自然图像数据集（ImageNet）预训练，再于跨中心医学影像数据集（含标注的HE染色切片）上进行两阶段微调。实验表明，模型在保持92.3%平均敏感度的同时，参数量减少47%，推理速度提升2.1倍，显著优于同等规模基线模型。研究特别关注临床落地瓶颈，通过量化感知训练与ONNX导出优化，支持边缘设备部署，为基层医院多癌早筛提供了可行的技术路径。

该论文提出PlanBench-XL，首个专为评估大语言模型（LLM）驱动的工具调用型智能体在复杂、开放、大规模工具生态系统中长时程（long-horizon）规划能力而设计的基准测试。不同于传统单步或短链任务，它构建了涵盖多步骤依赖、工具组合爆炸、状态演化与失败恢复等现实挑战的12类跨领域任务（如科研文献综述、自动化数据分析、跨平台内容生成），并引入动态工具注册机制与真实API沙箱环境。作者在32个主流Agent框架上完成系统性评测，揭示当前方法在长程因果推理、工具语义理解及错误传播抑制等方面的显著瓶颈，并开源全部数据集、评估协议与基线代码，推动Agent规划能力的可复现、可扩展评测范式演进。

该论文提出MetaPS——一种专为金融与交易场景中市场智能体（Market Agents）设计的元学习驱动策略选择框架。不同于传统固定策略或手动切换机制，MetaPS通过在线评估环境动态性、任务复杂度与策略历史表现，实时选择并微调最适配的程序化交易策略（如动量、均值回归、套利模板等）。其核心创新在于引入轻量级元控制器，结合策略嵌入空间与上下文感知门控机制，在毫秒级延迟约束下实现策略组合的自适应编排。实验在模拟高频做市与跨市场套利环境中验证，相较基线方法提升夏普比率18.7%，策略切换误判率降低42%。该工作填补了AI代理在非平稳市场中策略元决策能力的研究空白。

该论文提出Structured Hyperedge Adaptation（SHA），一种专为视觉Transformer设计的参数高效微调（PEFT）新范式。区别于主流Adapter或LoRA等线性模块插入方式，SHA将微调参数建模为动态超边结构，显式编码图像块间的语义关联与空间层次关系，在ViT的注意力层与FFN层间构建可学习的结构化适配器。在ImageNet-1K、COCO等多任务基准上，SHA以仅0.12%额外参数量实现媲美全参数微调的性能，显著优于同类PEFT方法；其超边结构还具备可解释性，能可视化关键区域交互路径。研究为视觉大模型轻量化部署提供了兼具效率、精度与结构可解释性的新思路。

该论文提出ARIA框架，专为解决大语言模型（LLM）在材料科学领域推理不可靠问题而设计。不同于传统黑箱式推理，ARIA显式建模材料属性—结构—性能间的因果关系链，引入可验证的因果图约束与反事实校验机制，在生成候选材料时同步保障科学合理性与可解释性。作者在热电材料、钙钛矿光伏材料等任务上验证其有效性，相比基线模型显著提升预测准确率与实验可复现性，并支持对推理路径进行因果溯源。该工作 bridging the gap between LLM-based discovery and domain-grounded scientific rigor，为AI驱动的可信材料研发提供了新范式。