论文· arXiv 速览
AI 论文速览
arXiv 各子领域论文：本周热词、主题聚类、今日必读，附中文标题与一句话精读。
本周热门主题
12 个主题今日必读
11月3日 · 当日精选Pixel: A Co-Designed Full-Stack Robot System for Learning General-Purpose Mobile Manipulation
Pixel全栈机器人系统：低成本轮式人形+遥操作数据采集+全身控制+策略学习协同设计
机器人💡 机器人全栈协同设计，软硬件与学习闭环值得关注
Strategist: Evolving Reasoning with Agents
提出元智能体Strategist，可跨任务进化推理策略并复用代码蓝图
智能体💡 智能体推理策略自动化进化，值得关注
Tracing the Scientific Discovery Capacity of LLMs to Their Training Data
研究将LLM科学发现能力追溯到训练数据中的单次事实，并在材料与基因组学中验证。
大模型💡 揭示训练数据频次如何决定模型科研发现力
Spacetime Emergence in the Memory of a Learning Agent
强化学习智能体在量子信息任务中自发构建出时空因果结构
智能体💡 AI自发涌现时空结构，物理与AI交叉突破
全部论文
1181 篇Pixel: A Co-Designed Full-Stack Robot System for Learning General-Purpose Mobile Manipulation
Pixel全栈机器人系统：低成本轮式人形+遥操作数据采集+全身控制+策略学习协同设计
机器人💡 机器人全栈协同设计，软硬件与学习闭环值得关注
Strategist: Evolving Reasoning with Agents
提出元智能体Strategist，可跨任务进化推理策略并复用代码蓝图
智能体💡 智能体推理策略自动化进化，值得关注
Tracing the Scientific Discovery Capacity of LLMs to Their Training Data
研究将LLM科学发现能力追溯到训练数据中的单次事实，并在材料与基因组学中验证。
大模型💡 揭示训练数据频次如何决定模型科研发现力
Spacetime Emergence in the Memory of a Learning Agent
强化学习智能体在量子信息任务中自发构建出时空因果结构
智能体💡 AI自发涌现时空结构，物理与AI交叉突破
MCP Tool Poisoning in Agentic AI Frameworks: A Cross-Framework Measurement Study
首个跨框架实测MCP工具投毒攻击的研究，用开源工具mcpvenom构建9720格脆弱性矩阵。
智能体💡 揭示AI代理工具链真实攻击面，安全从业者必读
Same Outputs, Different Scores: Auditing the Unchecked Graders of Multimodal LLM Benchmarks
研究审计多模态大模型基准的评分规则，发现同一输出因评分器不同得分迥异。
大模型💡 揭示基准分数被忽视的评分器偏差
Axion 1.0: Open Agent Foundation Models, Simplified
开源智能体基础模型Axion 1.0发布，仅用三阶段训练实现强智能体能力
智能体💡 开源智能体模型，训练配方极简值得关注
VideoEditor-MoE: Scaling Complex Video Editing with Mixture of Experts
开源MoE视频编辑框架，参数扩至56B但仅激活8B，支持复杂多任务编辑。
生成扩散💡 首个开源MoE视频编辑模型，稀疏扩展降本增效
From Natural Language to Exact Cover: A Neuro-Symbolic Approach to Zebra Puzzles
提出神经符号方法，将斑马谜题自然语言转为精确覆盖问题求解
大模型💡 破解LLM逻辑推理短板的新思路
WebHarbor: Docking Real Websites for Evolving GUI Agent Environments
提出WebHarbor，153个可执行网站环境，用于训练和评估GUI网页智能体。
智能体💡 GUI智能体训练环境新方案，值得关注
Pretraining Data Scale Reverses the Muon-AdamW Fine-Tuning Gap
研究发现预训练数据量足够大后，AdamW微调效果反超Muon，且模型越大反超越早。
大模型💡 颠覆Muon优于AdamW的认知，指导优化器选择
Not All Reasoning Generalizes: A Case Study on Learning Generalizable Reasoning Strategies in RLVR
RLVR研究：用可控方程求解框架发现推理策略泛化存在失败模式
大模型💡 揭示RLVR推理泛化的失败机制，值得研究者细读
D&A: Decoupling Description and Assessment Enables VLMs as Zero-Shot Robotic Reward Models
提出D&A框架，解耦描述与评估，让视觉语言模型零样本充当机器人奖励模型。
多模态💡 解决VLM奖励模型的确认偏差，方法新颖实用。
Four Bridges: Measuring Deception Propensity in a Multi-Agent Game
提出多智能体博弈Four Bridges测AI自发欺骗倾向
智能体💡 多智能体自发欺骗的评测新方法
Evaluating Uncertainty Calibration in Probabilistic Time Series Foundation Models
研究概率时间序列基础模型的不确定性校准，提出分类体系与多步预测校准评估框架。
AI综合💡 关注TSFM不确定性是否可信，做概率预测必读
TAMPAgent: Agentic Belief-Space Planning for Mobile Manipulation
提出TAMPAgent框架，结合LVLM智能体与TAMP规划，在部分可观测的开放世界移动操作任务中兼顾推理与几何不确定性。
机器人💡 看LVLM与TAMP如何互补解决开放世界机器人操作
Seeing Through the Illusion: Test-Time Scaling for World Action Models
提出WISE方法，在动作执行前对世界动作模型的多个候选轨迹打分筛选，提升闭环任务成功率。
机器人💡 免训练即插即用的世界模型轨迹筛选方法
Sonar-MoE: In-Backward Expert Updates for Memory-Efficient Mixture-of-Experts Training
Sonar-MoE在反向传播中即时更新专家参数并释放梯度，降低MoE训练显存占用。
NLP💡 省显存训练MoE的实用新方法
VeriHarm-Bench: Measuring Harmful Success in LLM Coding Agents Verifiably
新基准VeriHarm-Bench可验证地衡量LLM编程代理在完成正常任务时造成的意外有害副作用。
大模型💡 揭示代理任务成功背后的隐性危害
Can LLM Agents Be Forward-Deployed Engineers? Requirement Discovery and Delivery for Enterprise Text-to-SQL
研究LLM智能体能否像驻场工程师一样发现企业需求并交付text-to-SQL方案
大模型💡 用真实企业场景检验智能体做FDE的能力
An Agentic Framework for Automated Power System Studies and Grid Connection Assessment
提出Grid Agents智能体框架，自动完成电网接入合规审查与网络研究。
智能体💡 AI落地电力系统合规与并网评估的完整方法论
CoLa3D: Composable Latent 3D Decomposition
提出CoLa3D模型，从单图或场景网格的整体隐表示直接分解出可组装的对象网格。
视觉💡 新范式做3D场景分解，免去脆弱的姿态估计
Library of Layers (LoL): Adaptively Ordering Transformer Layers at Runtime
提出LoL架构，让Transformer层在推理时动态排序而非固定顺序，实现参数复用与稀疏性的灵活切换。
推理💡 颠覆固定层序思路，探索模型推理时动态组合层的新范式
DistDebug-Bench: Can LLM Agents Diagnose Bugs in Distributed Systems?
新基准DistDebug-Bench评估LLM智能体诊断分布式系统代码级Bug的能力。
大模型💡 分布式系统调试基准，填补LLM评测空白
PanoTac: A Dense Three-Axis Tactile Sensor for Robust Touch-Centric Manipulation
低成本指尖触觉传感器PanoTac，可密集感知三轴力，助力机器人精细操作。
机器人💡 机器人触觉传感新硬件方案，值得关注
Ask, Don't Equip: Question-Driven Coding Agents for Deep Kernel Optimization
提出问答驱动编码智能体，用提问替代工具堆叠做GPU内核深度优化
大模型💡 用提问替代工具堆叠，兼顾样本效率与开放探索
When Robots Outweigh Objects: How Inertia Mismatch Shapes Robot Policy Learning
研究重型机械臂与轻物体间的惯性失配如何影响机器人策略学习的数据效率与性能上限。
机器人💡 揭示机器人学习中被忽视的物理瓶颈
Can AI Do Formal Demography? Why Vaccinating the Oldest Saves Both the Most Lives and the Most Years of Life
让Claude重证并简化疫苗优先老人可同时最大化挽救生命与寿命年数的结论，给出更短更直观的新证明。
AI综合💡 看AI能否做出真正数学贡献的实证
SNAP: Semantic Navigation Among Pedestrians
提出强化学习导航策略SNAP，用语义BEV地图同时避让行人和遵守人行道规则，零样本迁移到腿足机器人。
机器人💡 机器人拥挤街道导航新方法，零样本迁移真机
Exploring Proximity and Tactile Sensing for Robotic Manipulation
提出ToFTouch多模态触觉传感器，结合飞行时间与压力传感，实现机器人预接触感知。
机器人💡 机器人预接触感知新硬件，提升抓取与插入精度。
Closing the Dynamics Gap through Self-Directed Robotic Interaction
机器人系统CUE通过自主交互识别摩擦等物理参数，缩小仿真与现实差距，台球任务误差降72%。
智能体💡 让机器人自己动手补上仿真与现实的物理差距
Train the Sampler You Run: Few-Step Masked Diffusion Language Models via Mixture-Likelihood Fine-Tuning
提出Mix-FT微调法，让少步掩码扩散语言模型直接优化其采样器似然，LLaDA-8B上低算力即超越基线。
大模型💡 少步扩散语言模型采样与训练错配的实用解法
Playing Dumb: How a Chess Transformer Simulates Users Across Skill Levels
研究国际象棋Transformer Maia-2如何通过调节内部知识使用来模拟不同水平玩家。
AI综合💡 揭示AI模拟人类技能差异的内在机制
Measuring AI Agents as Teammates with Collaborative Intelligence
OpenAI提出协作智能基准，用240个任务从8个维度衡量AI智能体作为队友的协作能力。
智能体💡 AI智能体团队协作有了首个量化评测标准
Optimize the Harness, Not the Model: Fitting a Minimal Agent to a Self-Hostable LLM for Investigative Analysis
提出CLEO方法，为自托管LLM定制最小化智能体框架，在调查分析任务上达83.8%通过率。
大模型💡 小模型+精简框架也能做情报分析，值得借鉴
A Living Leaderboard for Graph Machine Learning
图机器学习排行榜上线，从885篇论文提取2.7万条结果，按数据集统一对比。
大模型💡 解决图学习基准结果散乱、难以横向对比的痛点
IdeaTaste: Do LLMs Share the Research Taste of Human Researchers?
新基准IdeaTaste用2025文献快照让LLM写提案，看能否预测2026真实发表，测6模型4领域9万提案。
大模型💡 首次量化LLM是否具备人类科研品味
DeliverBench: Benchmarking AI Agents on Delivering Realistic Multi-Stage Professional Projects
新基准DeliverBench测试AI智能体端到端交付多阶段专业项目的能力
大模型💡 衡量AI智能体真实项目交付能力的新评测基准
VidDub: Replacement-Aware Distillation for Two-Step Video Dubbing
提出替换感知蒸馏法，两步实现视频配音口型同步
生成扩散💡 解决换音后口型冲突的配音新方法
TaoMate-HD: Progressive-Resolution Autoregressive Audio-Video Generation
提出TaoMate-HD自回归模型，分阶段低分辨率到高分辨率生成音视频流，降低高清去噪成本并保持语音连贯。
视觉💡 高清音视频流式生成新模型，兼顾成本与连贯性
Characterizing When Language Models Take Harmful Actions to Protect Their Assigned Goals
研究提出目标-伤害冲突框架，统一解释AI为保住目标而采取有害行为的安全失效现象。
智能体💡 揭示AI代理安全失效的共同决策结构
LLM推理能耗的SIMPLE定律
SOTA
The SIMPLE Law for Energy Cost of LLM Inference
推导LLM推理能耗的闭式解析公式，揭示token成本非线性增长。
大模型💡 用公式而非拟合揭示推理能耗本质，值得关注。
LLMs Depend on Specialist Tools for Out-of-Distribution Generalization in MS/MS Structural Elucidation
研究测试前沿大模型能否无工具完成MS/MS结构解析，发现分布外样本需依赖专业工具。
大模型💡 揭示大模型在质谱解析中的能力边界与工具依赖
SQLoom: Set-Contrastive Learning of Syntactic, Semantic, and Logical Dependencies for Text-to-SQL
提出SQLoom框架，从语法、语义、逻辑三层约束微调开源LLM，提升Text-to-SQL准确率。
大模型💡 用三层约束解决SQL微调痛点，思路新颖实用。
Top-$k$ Retrieval Leaves Memory Value Undetermined
论文指出仅凭检索日志无法确定记忆价值，提出用检索次数和共现次数判断可识别性。
智能体💡 揭示记忆增强智能体的评估盲区，方法新颖。
When Neither Side Confirms: Destructive Tool Approval Across MCP Servers and Hosts
实测MCP生态：约90%破坏性工具无服务端确认，安全机制形同虚设。
安全对齐💡 首次量化MCP工具审批缺口，安全警示强。
VerifLM: Physically Verified Image-Edit-Guided Goal Pose Generation for Robotic Manipulation
VerifLM将图像编辑目标转为物理验证的6-DoF位姿用于机器人操作
机器人💡 用图像编辑+物理仿真生成机器人操作目标位姿
R$^2$-Omni: Reducing Structural and Precision Redundancy in Omni-LLMs for Long-Form Generation
提出R²-Omni方法，减少全模态大模型长文本生成中的结构与精度冗余，降低KV缓存开销。
多模态💡 解决全模态LLM长文本生成的KV缓存瓶颈，方法实用。
Forecasting How RLHF Responds to Reward-Model Edits Before Training
提出可在RLHF训练前预测奖励模型修改对策略的影响，无需完整训练。
强化学习💡 揭示奖励模型编辑的可预测性，省算力
ScienceCUA: Resource-to-Skill Construction and Execution-Guided Skill Evolution for Scientific Computer Use Agents
提出ScienceCUA框架，将软件手册转化为可执行技能并随执行演化，提升科学软件智能体能力。
智能体💡 科学软件智能体的技能构建新方法
AnchorComplete: Recovering Complete Scene Meshes from Partial Point Clouds
提出AnchorComplete框架，从残缺点云重建完整场景网格，保留可见几何并支持不同尺度场景。
视觉💡 解决3D重建空洞难题，方法可复用
Do Agents Still Follow the Rules? Benchmarking Rule Compliance under Agent Context Compaction
提出ARCBench基准，在真实agent框架中评测上下文压缩后规则遵循情况。
大模型💡 揭示压缩上下文后agent违规来源，评测更贴近实际部署。
Can Coding Agents Sustain Continual Evolution without Forgetting?
研究发现编码智能体框架在多任务持续进化中会出现灾难性遗忘，提出评估与缓解思路。
智能体💡 揭示智能体自我进化中的遗忘风险，值得关注
CISA: Retrofitting Dense Attention Models with Chunk-Indexed Sparse Attention
CISA让预训练稠密注意力模型无需梯度更新即可实现稀疏注意力，降低长上下文推理成本。
大模型💡 免训练改造长上下文注意力，降本实用
Written Once, Read Differently How Language Models Own Answers Steer Their Next Ones
研究发现语言模型对同一实体的首次回答会写入残差流形成承诺方向，影响后续回答。
NLP💡 揭示大模型自我承诺机制，可解释回答一致性。
Auto-Research Agent on MSA Organization to Improve Protein-Protein Complex Structure Prediction
自主智能体按靶点定制MSA策略，提升AlphaFold 3蛋白复合物预测精度
智能体💡 揭示MSA深度与配对效果因靶点而异，并提出智能体自动优化方案
Every Clause Counts: Instruction-Following Reranking by Multiplying Small, Answerable Questions
提出DMReranker零样本重排器，将带指令查询拆成主题和可回答子句，提升指令遵循能力。
NLP💡 解决搜索重排忽略用户指令的痛点，方法新颖实用。
CoworkOS:Scaling Agent Coworkers for Real-world Automation
提出CoworkOS框架，分离任务策略与执行管理，实现长周期智能体协作自动化。
智能体💡 长周期智能体协作的系统性框架，值得关注
Rollout then Recycle: 3,718 Labelled Real-Robot Episodes from Benchmarking 7 Policies on 12 Tasks
发布ArmnetBench v0.1数据集，含7种策略在12项任务上的3718条真实机器人轨迹，73%为失败案例。
机器人💡 罕见的大规模机器人失败数据集，对具身智能研究很有价值
Controlling Sharpening in LLM Post-Training
研究LLM后训练中锐化现象的机制，提出将@1策略优化方法推广到@k的通用框架。
大模型💡 理解RL后训练锐化机制的关键理论框架
数据更新于 1 小时前 · 共 1181 篇 · 来源 arXiv