大模型arXiv cs.AI4 天前
Confidence-Calibrated Inference Expansion for Evaluator-Guided Test-Time Reasoning
该论文将评估器引导的推理建模为计算感知的三动作控制器（信任答案、回退、继续扩展），通过预测答案成功率与基于 rollout 的续推成功率来打分，并显式计入算力成本。方法学习并校准动作级置信度，在宽度扩展与修订任务上提升效用，同时将在线算力分别降低约 30% 和 16%。
已过时译
AI 与各行业落地的前沿信号寻行业之脉
寻行业之脉
接真实之需
每日自动追踪全球权威信源，模型生成中文摘要与有效期判断，人工抽检把关。 不追热点，只留经得起推敲的那一部分。
249
累计条目
0
今日新增
12
权威信源
采集中每日 02:00 · UTC+8
L1 摘要
全量
L2 深度
0
人工抽检
每日
按领域浏览
AI 与可被 AI 赋能的行业方向，每个领域独立成脉
筛选结果
共 63 条符合条件
当前筛选大模型×
大模型arXiv cs.AI4 天前
Temporal Specification Guidance for Text-to-Video Generation
该论文提出时序规范引导（TSG），将文本到视频生成中的顺序、时序与持续要求形式化为时序逻辑规范，在推理阶段无需训练即可将规范转化为可微目标，通过视频-文本注意力轨迹的梯度构造去噪方向，增强CFG。在220条提示上，五个模型的规范满足准确率提升9.5-20个百分点，内存开销极小。
大模型arXiv cs.AI4 天前
Open-world AI: a Tale of Three Requirements
论文提出开放世界AI的三项要求：推理时学习、丰富表征、预测性解耦，并预测需要一致的内学习器与长上下文。在8B语言模型上验证：满足要求的模型随相关任务数据积累而提升，其余则退化，规模与层交错无法修复。
已过时译
大模型arXiv cs.AI4 天前
When Reality Outpaces Cognition: A New Scaling Principle for Reliable Intelligence
论文提出「有效连贯认知速度」S_C^eff 这一新指标，衡量现实变化速度超过系统认知能力时智能体能否保持可靠行为。作者在固定算力下将现实速度提升至50倍测试强化学习智能体，发现受细胞机制启发的 Co^4 架构显著优于 Transformer 和门控 MLP 基线，为可靠 AI 提供新基准与扩展原则。
大模型arXiv cs.AI4 天前
L2G-SR: Learning to Guide LLM-based Symbolic Regression
L2G-SR 提出用学习到的结构验证器引导基于 LLM 的符号回归搜索，利用树编辑距离构建结构监督信号，弥补纯数值误差偏好近似解而非正确结构的问题。在 LLM-SRBench 上取得数值拟合、方程级准确率和 TED 的最优结果，展示了结构引导对 LLM 符号回归的价值。
大模型arXiv cs.AI4 天前
Counterfactual Neighborhood Risk Fields: Evidence-Grounded Selective Safety for Vision-Language Models
提出 CNRF 框架，通过构建上下文匹配的良性-有害反事实对，将表征差异作为风险方向，并独立估计邻域支持度，从而区分'不熟悉'与'有害'，实现选择性干预而非一刀切拒绝。在三个 VLM 和五类多模态越狱攻击上达到 86.06-89.30% 宏观防御成功率，同时保留良性任务效用。
大模型arXiv cs.AI4 天前
When Correctness Feedback Erases Evidence: Phase-Separated Completeness Auditing in Verus
论文发现：在 Verus/Rust 形式化验证中，正确性反馈会抑制规范完整性审计所需的证据。无反馈独立发现产生的认证见证率（59.0%）远超纠正反馈循环（27.1%），且该优势跨模型家族成立。保留这些见证可显著提升规范修复成功率（81.3% vs 62.5%），提示审计与修复目标相悖，应先保留并认证失败证据再修复。
大模型arXiv cs.AI4 天前
Value-Informed Schedule Trimming for Accelerated Sequential Monte Carlo Guidance in Discrete Diffusion
VISTA 是一种免训练方法，用于离散扩散模型的奖励引导生成：它把稀疏 SMC 引导的步数选择建模为对理想全引导概率路径的近似，通过少量全引导预热生成估计路径偏差上界，再用动态规划精确求解最优引导时间表。在文本、生物序列和图像任务上，它自动发现任务相关的时间表，多数场景优于手工稀疏方案，并在毒性文本生成中实现 5.35 倍加速（204.23s 降至 38.16s），毒性比接近全引导。
已过时译
大模型arXiv cs.AI4 天前
Evaluating Model Capabilities After Benchmark Saturation
论文研究基准饱和后如何继续评估模型能力：利用模型解题的完整转录文本而非仅分数。通过历史数据模拟饱和，发现配对评判法预测误差比仅用饱和分数降低5.3倍，信息集中在推理与工具调用等通道，但跨分布迁移时预测力不稳定。