🤖 AI 速览

OpenAI DevDay 发布 GPT-6.1 Sol，以 Astra 五分之一价格补齐编码与专业工作智能，并以 Sign in with ChatGPT 让订阅身份跨 16 个工具流动。Manus 2.0 给个人代理配置独立邮箱、电话与钱包，代理从工具走向自主执行体。Stratechery 认为 Meta 的机会在消费者代理，而非企业平台。
📋 文章元数据
发布时间
2026-09-30
类型
ai-daily
字数
3062
阅读时长
15 min

2026-09-30 AI日更 | GPT-6.1 Sol 五分之一价锚定代理成本，ChatGPT 身份可携带，Manus 2.0 代理获钱包 链接到标题

OpenAI DevDay 发布 GPT-6.1 Sol，以 Astra 五分之一价格补齐编码与专业工作智能，并以 Sign in with ChatGPT 让订阅身份跨 16 个工具流动。Manus 2.0 给个人代理配置独立邮箱、电话与钱包，代理从工具走向自主执行体。Stratechery 认为 Meta 的机会在消费者代理，而非企业平台。

📖 本期 Watch List 深度导读 链接到标题

今天最值得跟进的是 OpenAI DevDay 2026 与 GPT-6.1 Sol 的组合更新：Sol 以 Astra 五分之一价格逼近编码、计算机使用和专业工作智能，相当于为智能体应用的成本结构定下新锚点，创始人和工程团队值得精读 API、Codex 与安全条款的落地含义。另一条 Meta 相关评论同样值得注意，作者直言 Meta 的机会在消费者代理而非企业平台，这与 OpenAI 生态形成路线对照，适合关注智能体分发的人对照阅读。学术侧，RAG 与知识工程有多篇论文可挑读：一篇联合评估解析器、分块与嵌入的交互，一篇用轨迹方差检测扩散模型中的 RAG 冲突；ChestPheNoT 与 OMP-MoE 则分别从可审计小模型和专家剪枝角度回应医疗文本与端侧部署需求。

🌐 X 平台 AI 热点快讯 链接到标题

话题 1:OpenAI Launches GPT-6.1 Sol and AI Collaboration Tools at DevDay 2026 链接到标题

  • 分类:AI · News
  • 概况:热度时间:,相关帖子数:5000
  • 是什么事:OpenAI在DevDay 2026发布GPT-6.1 Sol及多项AI协作工具，推动从聊天机器人向AI同事转型。
  • 为什么重要:新模型以接近Astra的智能水平和更低价格、更高速度降低高性能AI使用门槛，并强化智能体执行、云端开发与团队协作能力，可能加速AI在生产环境中的落地。
  • 讨论概况:X上的讨论聚焦于GPT-6.1 Sol的性价比与速度提升、Dots等智能体功能，以及Codex云和Agents API带来的工作流变化；分歧主要在于不同功能在各订阅层级可用性差异明显，以及从对话工具转向代理系统是否真正改变日常工作。

话题 2:Manus Launches Manus 2.0 with Independent AI Agents in Cue App 链接到标题

  • 分类:AI · News
  • 概况:热度时间:1 day ago,相关帖子数:8800
  • 是什么事:Manus 发布 Manus 2.0 及独立应用 Cue，用户可创建拥有独立邮箱、电话、钱包和计算环境的个人 AI 代理。
  • 为什么重要:这表明 AI 代理正从被动工具转向拥有身份与资源的自主执行体，可能推动个人 AI 助手和代理经济竞争。
  • 讨论概况:X 上主要讨论 AI 代理的自主性与安全边界、个人代理是否会取代传统应用入口，以及 Manus 在中美科技竞争下的独立发展前景。

话题 3:ChatGPT Plus and Pro Now Work Across 16 Partner Apps 链接到标题

  • 分类:AI · News
  • 概况:热度时间:5 hours ago,相关帖子数:2500
  • 是什么事:OpenAI 在 DevDay 宣布推出“Sign in with ChatGPT”，ChatGPT Plus 和 Pro 订阅现可跨 Devin、Notion、Vercel 等 16 个合作伙伴应用使用。
  • 为什么重要:这标志着 ChatGPT 的订阅身份开始具备可携带性，显示其正从独立聊天机器人向跨工具的 AI 工作平台和生态入口演进，可能改变 AI 应用的分发与用户访问方式。
  • 讨论概况:X 上的讨论聚焦于 OpenAI 的生态整合野心，包括插件、代理、Codex 和工作空间等发布；分歧集中在 500 美元 Pro 定价是否合理、平台是否在锁定用户与开发者，以及这是否代表 ChatGPT 从对话工具升级为“AI 工作操作系统”的关键转折。

话题 4:Meta Launches Enterprise AI Platform with MongoDB CEO 链接到标题

  • 分类:AI · News
  • 概况:热度时间:1 day ago,相关帖子数:26000
  • 是什么事:Meta宣布推出企业AI平台，并聘请MongoDB CEO Chirantan Desai负责向企业和开发者提供Muse智能体及全套AI工具。
  • 为什么重要:这标志着Meta正式把AI堆栈商业化并进入企业AI市场，与微软、OpenAI、Anthropic等争夺企业客户，可能改变企业AI竞争格局。
  • 讨论概况:讨论焦点包括Meta能否借MongoDB高管经验打开企业市场、Muse企业版落地前景，以及CEO被挖后MongoDB股价大跌；对Meta能否挑战现有企业AI厂商也存在分歧。

今日 X 上的 AI 舆情小结 链接到标题

今日舆论主线是 AI 正从聊天机器人加速转向具备身份、资源与跨应用协作能力的“代理型工作平台”：OpenAI 以 GPT-6.1 Sol 和“Sign in with ChatGPT”推动低价高性能模型与订阅身份跨工具流动，Manus 2.0 让个人代理拥有独立邮箱、钱包和计算环境，Meta 也正式进入企业代理市场。共识在于降低高性能模型门槛、让 AI 代理进入实际生产和个人工作流已成为共同方向。分歧主要集中在订阅分层与 500 美元 Pro 定价是否合理、平台是否借生态整合锁定用户与开发者、代理自主执行是否会取代传统应用入口，以及 Meta 等后发者能否真正挑战现有企业 AI 格局。潜在风险是代理自主性与安全边界尚未形成共识，一旦身份、支付和计算资源进一步放开，可能放大误操作、滥用和平台集中化依赖。

💡 大佬观点(Influencer Insights) 链接到标题

今日大佬观点暂缺,推荐阅读 Watch List 深度内容。

📚 附录:今日 Watch List 更新源列表 链接到标题

时间窗口:最近 3 天;覆盖 22 个源;共 34 条更新

Stratechery by Ben Thompson (A_full) 链接到标题

  • One More Note on Agents, Meta Connect, Meta Enterprise Platform
    • 发布时间:2026-09-29 18:00 北京时间
    • 摘要:- Meta有机会拥有消费者代理空间；去企业是一个很大的错误。
      • 15 美元/月或150 美元/年。
      • 通过每周三封电子邮件或播客对当天新闻进行实质性分析。
      • 策略采访。
      • 采访领先的上市首席执行官、私营公司创始人，并与分析师同行进行讨论。
    • EN 要点:
      • Meta has the chance to own the consumer agentic space; going for enterprise is a big mistake.

OpenAI Blog (A_full) 链接到标题

  • Introducing GPT-6.1 Sol

    • 发布时间:2026-09-29 18:00 北京时间
    • 摘要:- 满足 GPT-6.1 Sol：以 Astra 标准 API 输入和输出代币价格的五分之一，实现接近 Astra 的编码、计算机使用和专业工作智能。
      • OpenAI 博客中的这篇文章解释了 GPT-6.1 Sol 的推出如何塑造更广泛的人工智能和基础设施格局。
      • 在推出 GPT-6.1 Sol 后，它还为创始人、运营商和投资者带来了实际影响。
    • EN 要点:
      • Meet GPT-6.1 Sol: near-Astra intelligence for coding, computer use, and professional work at one-fifth of Astra’s standard API input and output token prices.

  • DevDay 2026 Recap

    • 发布时间:2026-09-29 18:00 北京时间
    • 摘要:- 探索 OpenAI DevDay 2026 的 20 多项公告，包括 GPT-6 Astra、ChatGPT、Codex、API、安全性和面向构建者的新工具。
      • OpenAI 博客的这篇文章解释了 DevDay 2026 Recap 如何塑造更广泛的人工智能和基础设施格局。
      • 在 DevDay 2026 回顾之后，它还为创始人、运营商和投资者带来了实际影响。
    • EN 要点:
      • Explore more than 20 announcements from OpenAI DevDay 2026, including GPT-6 Astra, ChatGPT, Codex, APIs, security, and new tools for builders.

  • Introducing dots

    • 发布时间:2026-09-29 08:00 北京时间
    • 摘要:- OpenAI 的 Dots 是一个积极主动的助手，可以在复杂的项目和日常任务中持续工作。
      • 了解点如何帮助您在工作进展的同时保持控制。
      • OpenAI 的 Dots 是一个积极主动的助手，可以在复杂的项目和日常任务中继续工作了解 dots 如何帮助您在工作进展的同时保持控制。
    • EN 要点:
      • Dots by OpenAI are a proactive assistant that can keep working across complex projects and everyday tasks
      • Learn how dots help you stay in control while work moves forward.

ArXiv cs.AI (B_intro+search) 链接到标题

  • SMARtCARE: Privacy-Preserving Agentic AI Systems for Bounded-Autonomy Clinical Decision Support

    • 发布时间:2026-09-29 12:00 北京时间
    • 摘要:- arXiv:2609.31763v1 公告类型：新。
      • 摘要：当先前的入院情况超出主动推理背景时，长背景临床人工智能系统可能会错过相关的患者病史。
      • 在 ICU 监测中，这可能会导致早期生命体征漂移显得非特异性，即使它类似于先前的恶化模式。
      • SMARTCARE 通过四状态临床决策支持架构解决了这一差距：稳定、元认知、辅助和监管（撤销）。
    • EN 要点:
      • arXiv:2609.31763v1 Announce Type: new
      • Abstract: Long-context clinical AI systems can miss relevant patient history when prior admissions fall outside the active reasoning context
      • In ICU monitoring, this can cause early vital-sign drift to appear nonspecific even when it resembles a prior deterioration pattern
      • SMARtCARE addresses this gap through a four-state clinical decision-support architecture: Stable, Meta-cognitive, Assisted, and Regulated (Revoked)

  • Witeness Overlap: Directional Provenance Inside Open-Weight Model Families

    • 发布时间:2026-09-29 12:00 北京时间
    • 摘要:- arXiv:2609.31784v1 公告类型：新。 -摘要：开放权重模型经常被发布、微调、对齐、合并和重新发布，使得来源审计不仅询问检查点是否相关，还询问哪个检查点先出现。
      • 许多现有的模型来源方法是为基础已知的审核设置而设计的：给定受害者或源模型，它们测试可疑模型是否与其相关。
      • 尽管这些审计被设计为从源到可疑的测试，但它们的基础证据通常是对称的，依赖于表示相似性、权重相似性、行为指纹或相关统计。
    • EN 要点:
      • arXiv:2609.31784v1 Announce Type: new
      • Abstract: Open-weight models are often released, fine-tuned, aligned, merged, and re-released, making provenance audits ask not only whether checkpoints are rel…
      • Many existing model-provenance methods are designed for a base-known audit setting: given a victim or source model, they test whether a suspect model is related…
      • Although these audits are framed as source-to-suspect tests, their underlying evidence is often symmetric, relying on representation similarity, weight similari…

  • CP-Agent: A Harness-Engineered Agent for Crystal Plasticity Simulation Workflows

    • 发布时间:2026-09-29 12:00 北京时间
    • 摘要:- arXiv:2609.31790v1 公告类型：新。
      • 摘要：晶体塑性 (CP) 模拟可以预测多晶金属的机械行为，但其日常使用受到配置异构工具、编排多步骤数据管道以及根据实验校准本构参数等手动操作的阻碍。
      • 这些瓶颈阻碍了系统参数研究的生产力，激发了人们对自动化工作流程的兴趣。
      • 这项研究提出了 CP-Agent，这是一种基于 LLM 的线束工程代理，可以根据自然语言任务自主执行完整的 CP 建模工作流程。
    • EN 要点:
      • arXiv:2609.31790v1 Announce Type: new
      • Abstract: Crystal plasticity (CP) simulations predict the mechanical behavior of polycrystalline metals, yet their routine use is hindered by the manual effort…
      • These bottlenecks impede productivity in systematic parameter studies, motivating interest in automated workflows
      • This study presents CP-Agent, a harness-engineered LLM-based agent that autonomously executes complete CP modeling workflows from natural-language tasks

  • ConflictVLA-Bench: Benchmarking Behavioral Responses of Vision-Language-Action Models to Premise Conflicts

    • 发布时间:2026-09-29 12:00 北京时间
    • 摘要:- arXiv:2609.31792v1 公告类型：新。
      • 摘要：虽然视觉-语言-动作（VLA）模型在操作任务上表现强劲，但它们对无效任务前提的响应仍未得到充分研究。
      • 现有的前提冲突评估通常侧重于最终任务结果，但任务失败本身无法区分行为脱离和执行错误后的持续追求。
      • 我们将后一种模式称为失败持久性。
    • EN 要点:
      • arXiv:2609.31792v1 Announce Type: new
      • Abstract: While Vision-Language-Action (VLA) models perform strongly on manipulation tasks, their responses to invalid task premises remain underexplored
      • Existing evaluations of premise conflicts often focus on terminal task outcomes, yet task failure alone cannot distinguish behavioral disengagement from continu…
      • We call the latter pattern Failed Persistence

  • Working with AI: A Design Framework for Human-AI Collaboration

    • 发布时间:2026-09-29 12:00 北京时间
    • 摘要:- arXiv:2609.31793v1 公告类型：新。
      • 摘要：人工智能（AI），特别是 GenAI，正在成为现代工作中越来越重要的一部分。
      • 在工业环境中，人工智能可以支持决策、自动化日常活动、协助人类并提高生产力。
      • 然而，人工智能的成功采用不仅仅取决于技术的能力。
    • EN 要点:
      • arXiv:2609.31793v1 Announce Type: new
      • Abstract: Artificial Intelligence (AI), particularly GenAI, is becoming an increasingly important part of modern work
      • In industrial settings, AI can support decision-making, automate routine activities, assist humans, and improve productivity
      • However, successful AI adoption depends on more than what the technology can do

  • DriveHierarchy: A Benchmark for Diagnosing VLM Driving Capabilities from Open-Loop Understanding to Closed-Loop Execution

    • 发布时间:2026-09-29 12:00 北京时间
    • 摘要:- arXiv:2609.31814v1 公告类型：新。
      • 摘要：评估基于 VLM 的自动驾驶仍然很困难，因为驾驶能力是复合的，一个有能力的系统必须地面交通参与者和危险，整合跨视图和时间的背景，推理未来的演变，并在闭环交互下采取适当的行动。
      • 现有的基准通常评估开环理解或闭环驱动，但提供有限的结构来解释这些能力如何组织、如何相互关联以及它们如何为模型诊断和改进提供信息。
      • 我们提出 \textsc{DriveHierarchy}，这是一个分层基准，它将基于 VLM 的自动驾驶分为四个等级，涵盖感知基础、情境记忆、心理推理和闭环执行。
    • EN 要点:
      • arXiv:2609.31814v1 Announce Type: new
      • Abstract: Evaluating VLM-based autonomous driving remains difficult because driving competence is composite, where a capable system must ground traffic particip…
      • Existing benchmarks usually assess either open-loop understanding or closed-loop driving but provide limited structure for explaining how these abilities are or…
      • We present \textsc{DriveHierarchy}, a hierarchical benchmark that organizes VLM-based autonomous driving into four ranks, spanning perceptual grounding, context…

  • LLM Judge Validation Under Sparse Overlap: From Inference to Design

    • 发布时间:2026-09-29 12:00 北京时间
    • 摘要:- arXiv:2609.31857v1 公告类型：新。 -摘要：验证法学硕士作为法官需要估计其与人类的一致性，但注释预算很少允许每个项目都被多重标记。
      • 我们证明这个 \emph{重叠稀疏性} 是错误部署决策的一阶决定因素：在 5% 成对重叠时，错误决策率达到 25%，并且在 10 个候选者中选择错误的最佳判断的概率为 65%。
      • 两个可操作的杠杆是重叠\emph{数量}和\emph{分配}。
    • EN 要点:
      • arXiv:2609.31857v1 Announce Type: new
      • Abstract: Validating an LLM-as-a-judge requires estimating its agreement with humans, yet annotation budgets rarely allow every item to be multiply labeled
      • We prove that this \emph{overlap sparsity} is the first-order determinant of wrong deployment decisions: at 5% pairwise overlap, wrong-decision rates reach 25\…
      • The two actionable levers are overlap \emph{quantity} and \emph{allocation}

  • Metro-WM: Long-Horizon Latent Planning with Realisable Sub-Goals

    • 发布时间:2026-09-29 12:00 北京时间
    • 摘要:- arXiv:2609.31868v1 公告类型：新。
      • 摘要：采用联合嵌入预测架构（JEPA）的模型预测控制提供了强大的零样本目标达成规划器，但它仅在短期规划范围内有效。
      • 分层扩展试图通过学习宏观规划器来预测中间潜在子目标来指导微观规划器来弥补这一差距。
      • 在这项工作中，我们证明不受约束的潜在子目标预测存在根本缺陷。
    • EN 要点:
      • arXiv:2609.31868v1 Announce Type: new
      • Abstract: Model-predictive control with Joint-Embedding Predictive Architectures (JEPAs) provides a strong zero-shot goal-reaching planner, but it is only effec…
      • Hierarchical extensions attempt to bridge this gap by learning a macro planner to predict intermediate latent sub-goals to guide the micro planner
      • In this work, we demonstrate that unconstrained latent sub-goal prediction is fundamentally flawed

  • IndustryLLM: Failure-Driven LLM Training for Industrial Procurement

    • 发布时间:2026-09-29 12:00 北京时间
    • 摘要:- arXiv:2609.31871v1 公告类型：新。
      • 摘要：工业采购需要语言模型来弥合非正式买家术语、稀疏的市场属性和严格安全容限下的权威工程标准。
      • 我们提出了 IndustryLLM，一种从 Qwen3.5-35B-A3B-Base 训练的开放权重工业语言模型（总参数 35B，每个令牌激活约 3B，视觉编码器冻结）。
      • 我们不依赖通用文本缩放，而是引入了涵盖持续预训练（CPT）和监督微调（SFT）的故障驱动适应方法。
    • EN 要点:
      • arXiv:2609.31871v1 Announce Type: new
      • Abstract: Industrial procurement requires language models to bridge informal buyer jargon, sparse marketplace attributes, and authoritative engineering standard…
      • We present IndustryLLM, an open-weight industrial language model trained from Qwen3.5-35B-A3B-Base (35B total parameters with ~3B activated per token, with the…
      • Rather than relying on generic text scaling, we introduce a failure-driven adaptation recipe spanning continued pre-training (CPT) and supervised fine-tuning (S…

  • COUNTERMEM: World-Model Verified Counter-Factual Memory for Language Agents

    • 发布时间:2026-09-29 12:00 北京时间
    • 摘要:- arXiv:2609.31874v1 公告类型：新。 -摘要：现有的代理记忆框架主要通过代理与事实世界的交互来创建记忆，例如，记住为提高未来任务的性能而采取的行动的反馈。
      • 然而，这些框架在内存构建过程中很少提出“假设”问题：如果采取不同的操作，反馈会发生变化吗？这种反馈如何成为有用的内存？
      • 在活跃环境中直接获取此类反馈可能成本高昂，并且可能会改变比较所需的状态。
    • EN 要点:
      • arXiv:2609.31874v1 Announce Type: new
      • Abstract: Existing agent memory frameworks mainly create memory through an agent’s interaction with the factual world, e.g., remembering feedback from actions t…
      • However, these frameworks seldom ask the “what if” question during memory construction: what if a different action had been taken, would the feedback have chang…
      • Obtaining such feedback directly in an active environment can be expensive and can alter the state needed for comparison

ArXiv cs.CL (B_intro+search) 链接到标题

  • ChestPheNoT: Deployable, Auditable Label-Status-Evidence Extraction from Radiology Reports

    • 发布时间:2026-09-29 12:00 北京时间
    • 摘要:- arXiv:2609.31629v1 公告类型：新。 -摘要：从放射学报告中提取结构化表型支持队列构建、质量审核和临床分析，但实际部署需要本地推理和可审核的预测，而专家注释仍然稀缺。
      • 传统的标签提供结构化的发现和断言状态，但没有支持证据，而当临床文本无法离开机构基础设施时，API 托管的大型语言模型可能不适合。
      • 我们提出了 CHESTPHENOT，一种紧凑的 0.5-3B 语言模型，可联合提取发现标签、三级状态（存在/不存在/不确定）以及逐字支持证据范围。
    • EN 要点:
      • arXiv:2609.31629v1 Announce Type: new
      • Abstract: Structured phenotype extraction from radiology reports supports cohort construction, quality auditing, and clinical analytics, but practical deploymen…
      • Conventional labelers provide structured findings and assertion states but no supporting evidence, while API-hosted large language models may be unsuitable when…
      • We present CHESTPHENOT, a compact 0.5-3B language model that jointly extracts finding labels, three-class status (present/absent/uncertain), and verbatim suppor…

  • A literature-guided descriptor-based framework for filtering composition search spaces

    • 发布时间:2026-09-29 12:00 北京时间
    • 摘要:- arXiv:2609.31650v1 公告类型：新。
      • 摘要：科学文献包含有关材料行为的潜在知识，但其中大部分知识是通过文字、上下文和反复出现的关联来表达的，而不是通过明确的设计原则来表达的。
      • 这就提出了一个核心问题：如何将大规模科学语料库用于材料发现的实际问题？
      • 在这里，我们提出了一种基于文献引导的基于描述符的过滤框架，用于减少构图搜索空间。
    • EN 要点:
      • arXiv:2609.31650v1 Announce Type: new
      • Abstract: Scientific literature contains latent knowledge about materials behavior, but much of this knowledge is expressed through words, contexts, and recurri…
      • This raises a central question: how can large-scale scientific corpora be used for practical problems in materials discovery
      • Here, we present a literature-guided descriptor-based filtering framework for reducing composition search spaces

  • Distributional sentiment modeling and anomaly detection for consumer complaint assessment

    • 发布时间:2026-09-29 12:00 北京时间
    • 摘要:- arXiv:2609.31653v1 公告类型：新。
      • 摘要：情感分析是金融和风险管理中将非结构化文本转换为定量信号的常用工具。
      • 然而，大多数应用程序将输出减少为离散极性标签或单个预测特征，忽略了消费者投诉叙述中情绪强度的分布结构。
      • 在本文中，我们将消费者投诉中的负面情绪视为有界连续变量，并研究其完整分布而不是单个标签。
    • EN 要点:
      • arXiv:2609.31653v1 Announce Type: new
      • Abstract: Sentiment analysis is a common tool for converting unstructured text into quantitative signals in finance and risk management
      • Yet most applications reduce the output to a discrete polarity label or a single predictive feature, overlooking the distributional structure of sentiment inten…
      • In this paper we treat negative sentiment in consumer complaints as a bounded continuous variable and study its full distribution rather than a single label

  • Parser, Chunking, and Embedding Interactions in Retrieval-Augmented Generation over Indian Government Regulatory Documents

    • 发布时间:2026-09-29 12:00 北京时间
    • 摘要:- arXiv:2609.31660v1 公告类型：新。 摘要：检索增强生成（RAG）管道通常由独立选择的组件（文档解析器、分块策略和嵌入模型）组装而成，但这些选择很少被联合评估，并且将它们组合起来的评估通常在单个文档或语料库上运行。
      • 我们提出了一项受控因子研究，涉及 3 个解析器、3 个分块策略和 5 个密集嵌入模型，以及稀疏 BM25 基线，针对 800 个问题实例进行评估，每个问题实例都有一个或多个所需的证据字符串，证据字符串根据源文本自动验证，并手动审查 10% 随机样本，涉及四个结构不同的印度中央政府监管文件。
      • 我们将具有文档查询级随机截取的线性混合效应模型拟合到生成的 72,000 行结果集，在匹配的密集和稀疏配置之间运行 Holm 校正配对比较，并报告所有 54 个独特检索器配置的集群引导置信区间。
    • EN 要点:
      • arXiv:2609.31660v1 Announce Type: new
      • Abstract: Retrieval-augmented generation (RAG) pipelines are typically assembled from independently-chosen components – a document parser, a chunking strategy,…
      • We present a controlled factorial study of 3 parsers, 3 chunking strategies, and 5 dense embedding models, together with a sparse BM25 baseline, evaluated again…
      • We fit linear mixed-effects models with document-query-level random intercepts to the resulting 72,000-row result set, run Holm-corrected paired comparisons bet…

  • LLM-Guided Ontology-Driven Knowledge Graph Construction from Unstructured Text

    • 发布时间:2026-09-29 12:00 北京时间
    • 摘要:- arXiv:2609.31663v1 公告类型：新。
      • 摘要：由于文档的领域特殊性、注释资源的稀缺性以及本体工程工作流程的复杂性，从工业文本构建本体驱动的知识图谱仍然具有挑战性。
      • 本文提出并研究了本体学习管道的适用性，该管道结合了紧凑的开源大型语言模型（LLM）、可重用的提示策略和开放的知识库，以支持从文本语料库中提取、结构化、丰富和评估知识。
      • 使用范围从 7B 到 32B 参数的本地可部署开源 LLM，在法国私人电网事件报告语料库上对该方法进行了测试和评估。
    • EN 要点:
      • arXiv:2609.31663v1 Announce Type: new
      • Abstract: Ontology-driven knowledge graph construction from industrial text remains challenging due to the domain specificity of documents, the scarcity of anno…
      • This paper presents and investigates the applicability of an ontology learning pipeline that combines compact open-source Large Language Models (LLMs), reusable…
      • The approach is tested and evaluated on a private French corpus of power-grid incident reports, using locally deployable open-source LLMs ranging from 7B to 32B…

  • What Drives Dialectal Jailbreaks? An Ablation of Surface Form, Cultural Framing, and Strategy Banks

    • 发布时间:2026-09-29 12:00 北京时间
    • 摘要:- arXiv:2609.31664v1 公告类型：新。
      • 摘要：最近的工作表明，模糊的语言寄存器可以削弱大型语言模型的拒绝行为，特别是与黑盒提示优化配合使用时。
      • 目前尚不清楚失败是否源于非标准的表面形式、基于文化的框架或对富有表现力的即时策略空间的优化。
      • 我们通过将古典中文红队框架扩展到上海话和粤语，并在表面形式、策略库变体和两个目标模型上运行 36 单元消融来研究中文语域。
    • EN 要点:
      • arXiv:2609.31664v1 Announce Type: new
      • Abstract: Recent work suggests that obscure language registers can weaken large language model refusal behavior, especially when paired with black-box prompt op…
      • It remains unclear whether failures stem from non-standard surface form, culturally grounded framing, or optimization over an expressive prompt-strategy space
      • We study Chinese registers by extending a classical-Chinese red-teaming framework to Shanghainese and Cantonese and running a 36-cell ablation across surface fo…

  • Age-Adaptive Handwriting Reconstruction from an IMU-Based Digital Pen through Shared Representations and Domain-Specific Heads

    • 发布时间:2026-09-29 12:00 北京时间
    • 摘要:- arXiv:2609.31666v1 公告类型：新。
      • 摘要：数字笔广泛用于捕捉数字设备上的笔迹，实现精确的痕迹记录并增强人机交互。
      • 然而，大多数都与平板电脑捆绑在一起，缺乏跨品牌兼容性。
      • 最近出现了配备运动传感器的数字笔，专为在任何表面上使用而设计。
    • EN 要点:
      • arXiv:2609.31666v1 Announce Type: new
      • Abstract: Digital pens are widely used to capture handwriting on digital devices, enabling precise trace recording and enhancing human-computer interaction
      • However, most are bundled with tablets and lack cross-brand compatibility
      • Recent digital pens equipped with kinematic sensors have emerged, designed for use on any surface

  • An Evaluation of AI-Supported Evidence-Based Learning for Public Speaking Skill Development

    • 发布时间:2026-09-29 12:00 北京时间
    • 摘要:- arXiv:2609.31676v1 公告类型：新。
      • 摘要：公开演讲是学术和专业环境中的一项基本技能，但它常常引起焦虑。
      • 尽管存在多种基于人工智能的语音辅导工具，但它们通常提供通用反馈并且缺乏用于学习的模型语音。
      • 这项研究通过开发一个系统来解决这些差距，该系统将语音上下文纳入评估标准，从而实现更有针对性的反馈。
    • EN 要点:
      • arXiv:2609.31676v1 Announce Type: new
      • Abstract: Public speaking is an essential skill in academic and professional contexts, but it often causes anxiety
      • Although several AI-based speech coaching tools exist, they typically provide generic feedback and lack model speeches for learning
      • This study addresses these gaps by developing a system that incorporates speech context into evaluation criteria, enabling more tailored feedback

  • The Temporal Tug-of-War: Visualizing and Detecting RAG Conflicts in Diffusion Models via Trajectory Variance

    • 发布时间:2026-09-29 12:00 北京时间
    • 摘要:- arXiv:2609.31684v1 公告类型：新。
      • 摘要：检索增强生成（RAG）在离散​​扩散语言模型中引入了一种特定的失败模式：当检索到的上下文与参数知识相矛盾时，迭代去噪过程成为竞争知识源之间的可见战场。
      • 我们将时间语义分歧确定为检测这些冲突的可观察值，并引入轨迹方差分数（TVS），这是一种简单且可解释的分歧衡量标准。
      • TVS 计算独立随机去噪轨迹上答案嵌入的平均成对余弦距离，捕获参数吸引子和上下文吸引子之间的时间拉锯战。
    • EN 要点:
      • arXiv:2609.31684v1 Announce Type: new
      • Abstract: Retrieval-Augmented Generation (RAG) introduces a specific failure mode in discrete diffusion language models: when retrieved context contradicts para…
      • We identify temporal semantic divergence as an observable for detecting these conflicts and introduce the Trajectory Variance Score (TVS), a simple and interpre…
      • TVS computes the mean pairwise cosine distance of answer embeddings across independent stochastic denoising trajectories, capturing the temporal tug of war betw…

  • Verification of PETSc with CIVL using LLM-generated ACSL contracts and deterministic driver generation

    • 发布时间:2026-09-29 12:00 北京时间
    • 摘要:- arXiv:2609.31687v1 公告类型：新。
      • 摘要：并行数值库（例如 PETSc）广泛应用于科学和工程应用中，错误的结果可能会产生代价高昂的后果。
      • 尽管如此，数字库很少得到正式验证。
      • 挑战之一是需要专家手写规范并手动应用验证工具，通常需要开发线束或驱动程序，所有这些都可能包含额外的错误，导致验证期间出现误报或误报。
    • EN 要点:
      • arXiv:2609.31687v1 Announce Type: new
      • Abstract: Parallel numerical libraries such as PETSc are widely used in science and engineering applications where wrong results can have costly consequences
      • Despite this, numerical libraries are rarely formally verified
      • One of the challenges is the need for an expert to hand-write a specification and manually apply a verification tool, often requiring the development of a harne…

ArXiv cs.LG (B_intro+search) 链接到标题

  • Replay in the Silent Degrees of Freedom: Continual Learning Without an Offline Phase

    • 发布时间:2026-09-29 12:00 北京时间
    • 摘要:- arXiv:2609.31630v1 公告类型：新。
      • 摘要：基于重放的持续学习几乎总是在专用的离线阶段或通过将重放的样本与输入流交织来进行巩固，而大脑也在清醒期间通过局部睡眠、单个电路的短暂依赖于使用的关闭期来进行巩固。
      • 我们询问受本地生物约束规则训练的网络是否可以在完全没有离线阶段的情况下进行整合。
      • 隔离规则将重播更新限制为在 k-winner-take-all 动态下对当前输入不可见的隐藏突触，优化器状态仅在掩码内先进；难控制的轮换规则使得刚刚发射的单位无法参加下一场比赛，从而扩大了可整合的范围；稳态压力和相对新颖的门决定重播何时爆发以及轮换何时运行。
    • EN 要点:
      • arXiv:2609.31630v1 Announce Type: new
      • Abstract: Replay-based continual learning almost always consolidates in a dedicated offline phase or by interleaving replayed samples with the input stream, whe…
      • We ask whether a network trained by local, biologically constrained rules can consolidate with no offline phase at all
      • An isolation rule confines replay updates to hidden synapses invisible to the current input under k-winner-take-all dynamics, with optimiser state advanced only…

  • OMP-MoE: Efficient Expert Pruning for Mixture-of-Experts LLMs via Orthogonal Matching Pursuit

    • 发布时间:2026-09-29 12:00 北京时间
    • 摘要:- arXiv:2609.31631v1 公告类型：新。
      • 摘要：专家混合 (MoE) 模型可以有效扩展大型语言模型，但由于大量内存需求，面临着严峻的部署挑战。
      • 现有的修剪方法要么导致高昂的搜索成本，要么忽视专家之间的动态相互依赖性。
      • 为了应对这些挑战，我们提出了 OMP-MoE，这是一种新颖的免训练压缩框架，用于减少基于 MoE 的法学硕士中的专家冗余。
    • EN 要点:
      • arXiv:2609.31631v1 Announce Type: new
      • Abstract: Mixture-of-Experts (MoE) models enable efficient scaling of large language models but face critical deployment challenges due to massive memory requir…
      • Existing pruning methods either incur prohibitive search costs or neglect the dynamic interdependencies between experts
      • To address these challenges, we present OMP-MoE, a novel training-free compression framework for reducing expert redundancy in MoE-based LLMs

  • EEGAgentBench: Benchmarking LLM Agents on Short- and Long-Horizon EEG Analysis

    • 发布时间:2026-09-29 12:00 北京时间
    • 摘要:- arXiv:2609.31632v1 公告类型：新。
      • 摘要：脑电图 (EEG) 分析正在从短片段分类发展到长视野解释，这需要迭代证据积累、多步骤推理以及专业信号处理工具的协调使用。
      • 尽管大语言模型（LLM）最近显示出作为脑电图分析自主代理的前景，但现有的脑电图代理评估仍然分散，覆盖了狭窄时间范围内的有限任务，协议不一致，并且没有提供对代理推理、工具使用和工作流程构建能力的全面评估。
      • 为了解决这一差距，我们提出 \textbf{EEGAgentBench}，这是一个统一的基准，用于系统地评估 LLM 代理的短期和长期脑电图分析。
    • EN 要点:
      • arXiv:2609.31632v1 Announce Type: new
      • Abstract: Electroencephalography (EEG) analysis is evolving from short-segment classification toward long-horizon interpretation that demands iterative evidence…
      • Although large language models (LLMs) have recently shown promise as autonomous agents for EEG analysis, existing EEG agentic evaluations remain fragmented, cov…
      • To address this gap, we propose \textbf{EEGAgentBench}, a unified benchmark for systematically evaluating LLM agents on short- and long-horizon EEG analysis

  • Enhancing generalization in endwall film cooling prediction: Incorporating the superposition principle into transformer-based neural operators

    • 发布时间:2026-09-29 12:00 北京时间
    • 摘要:- arXiv:2609.31633v1 公告类型：新。
      • 摘要：在这项研究中，提出了一种物理增强的神经算子框架，以增强具有可变数量膜孔的涡轮端壁冷却布局的泛化预测能力。
      • 具体而言，受气膜冷却叠加原理的启发，我们提出了一种气膜冷却预测模型，即基于叠加的深度神经算子（SDNO），它将端壁温度场预测分为两个阶段。
      • 在第一阶段，涡轮机端壁的冷却布局被分为几个具有随机分配的膜孔的子部分，并设计基于Transformer的神经算子网络（即Calculate Net）来预测每个子部分的温度场。
    • EN 要点:
      • arXiv:2609.31633v1 Announce Type: new
      • Abstract: In this study, a physics-enhanced neural operator framework is proposed to enhance the generalization prediction ability of the cooling layout of a tu…
      • Specifically, inspired by the film cooling superposition principle, we propose a film cooling prediction model, namely superposition-based deep neural operator…
      • In the first stage, the cooling layout of a turbine endwall is divided into several sub-parts with randomly assigned film holes, and a Transformer-based neural…

  • Symmetry-quotient Flatness and Generalization

    • 发布时间:2026-09-29 12:00 北京时间
    • 摘要:- arXiv:2609.31634v1 公告类型：新。
      • 摘要：本文在对称商设置中开发了一个定理级管道：商线性稳定性意味着商平坦度，商平坦度意味着输入平滑度，输入平滑度在局部覆盖假设下产生泛化。
      • 平坦度通常与泛化相关，随机梯度下降 (SGD) 通常被视为隐含地偏向平坦解决方案。
      • 然而，标准平坦度测量通常在原始参数空间中定义，因此在函数保持对称性（例如正重新缩放）下不是不变的。
    • EN 要点:
      • arXiv:2609.31634v1 Announce Type: new
      • Abstract: This paper develops a theorem-level pipeline in symmetry-quotient settings: quotient linear stability implies quotient flatness, quotient flatness imp…
      • Flatness is often associated with generalization, and Stochastic Gradient Descent (SGD) is frequently viewed as implicitly biased toward flat solutions
      • However, standard flatness measures are typically defined in the raw parameter space and are therefore not invariant under function-preserving symmetries such a…

  • What Next-Event Accuracy Cannot See: Closed-Loop Evaluation of Emergency Department Trajectory Simulators

    • 发布时间:2026-09-29 12:00 北京时间
    • 摘要:- arXiv:2609.31635v1 公告类型：新。
      • 摘要：临床轨迹模型通常通过观察历史的下一事件准确性来评估。
      • 模拟不同：模型必须以自己生成的事件为条件，从而允许错误复合。
      • 尽管这个问题在序列建模中众所周知，但尚未针对临床轨迹模拟器进行系统量化。
    • EN 要点:
      • arXiv:2609.31635v1 Announce Type: new
      • Abstract: Clinical trajectory models are usually evaluated by next-event accuracy on observed histories
      • Simulation is different: models must condition on their own generated events, allowing errors to compound
      • Although this problem is well known in sequence modelling, it has not been systematically quantified for clinical trajectory simulators

  • Grounding Vision-Language Models in Driving Semantics: A Multi-Dataset Predicate Framework for Explainable Reasoning

    • 发布时间:2026-09-29 12:00 北京时间
    • 摘要:- arXiv:2609.31636v1 公告类型：新。 -摘要：视觉语言模型越来越多地用于驾驶场景理解，但其输出中表达的语义关系通常很难根据底层交通状况进行验证。
      • 本文介绍了一种确定性多数据集谓词框架，该框架从可测量的几何、运动学、时间、地图和交通控制证据中导出驾驶场景语义。
      • 数据集特定的接口仅用于恢复所需的场景信息，而谓词定义在 nuPlan 和 nuScene 中保持不变，并在通用谓词知识图中具体化。
    • EN 要点:
      • arXiv:2609.31636v1 Announce Type: new
      • Abstract: Vision-language models are increasingly used for driving-scene understanding, yet the semantic relations expressed in their outputs are often difficul…
      • This paper introduces a deterministic multi-dataset predicate framework that derives driving-scene semantics from measurable geometric, kinematic, temporal, map…
      • Dataset-specific interfaces are used only to recover the required scene information, while predicate definitions remain unchanged across nuPlan and nuScenes and…

  • FIDAL: Diversity-Aware Federated Active Learning Under Real-World Distribution Shifts

    • 发布时间:2026-09-29 12:00 北京时间
    • 摘要:- arXiv:2609.31637v1 公告类型：新。 -摘要：联邦学习可以在不集中数据的情况下跨机构进行协作模型训练，但高注释成本、领域转移和类别不平衡仍然是主要障碍，特别是当不相关的分布外（OOD）样本稀释标记数据时。
      • 现有的主动学习方法针对分布内 (ID) 数据中的不确定性或多样性，并忽略联合临床环境中的未知样本。
      • 我们提出 FIDAL，一种开放集联合主动学习框架，结合了校准的全局-局部证据不确定性、支持集多样性权重和自适应 OOD 拒绝。
    • EN 要点:
      • arXiv:2609.31637v1 Announce Type: new
      • Abstract: Federated learning enables collaborative model training across institutions without centralizing data, yet high annotation costs, domain shifts, and c…
      • Existing active learning methods target uncertainty or diversity within in-distribution (ID) data and overlook unknown samples in federated clinical settings
      • We propose FIDAL, an open-set federated active learning framework that combines calibrated global-local evidential uncertainty, support-set diversity weighting,…

  • Energy-aware frugal Bayesian optimization

    • 发布时间:2026-09-29 12:00 北京时间
    • 摘要:- arXiv:2609.31638v1 公告类型：新。
      • 摘要：现代设计优化框架的首要目标是在不平衡计算开销的情况下提供最准确的预测模型。
      • 即使使用样本高效的贝叶斯优化器，这仍然是规模化架构和多学科设计优化问题难以解决的一个原因。
      • 在本文中，在贝叶斯优化框架中引入了量化计算能量足迹的指标，以指导模型的参数设置达到平衡性能和节俭的配置。
    • EN 要点:
      • arXiv:2609.31638v1 Announce Type: new
      • Abstract: Modern design optimization frameworks aim first and foremost for models with the most accurate predictions without balancing computational overhead
      • It remains a reason why scaled architecture and multidisciplinary design optimization problems are difficult to address, even with sample-efficient Bayesian opt…
      • In this paper, a metric quantifying the computational energy footprint is introduced within a Bayesian optimization framework to guide the parameter setting of…

  • When Does Domain Adaptation Help on Physical Vibration Sensors? A Held-Out-Bearing Study of Neural-Operator and Convolutional Models

    • 发布时间:2026-09-29 12:00 北京时间
    • 摘要:- arXiv:2609.31639v1 公告类型：新。
      • 摘要：通过振动诊断滚动轴承故障是一项典型的物理传感任务，也是工况变化下领域适应的广泛使用的基准。
      • 通常报告的准确度超过 99%，但在评估时会在训练和测试中采用相同的物理方位。
      • 我们重新审视了保持轴承协议下的任务，将每个轴承单元完全分配给训练集或测试集，并发现仅源传输远弱于这些数字所暗示的：在轴速度变化时，它仅达到 0.36 美元，而目标监督上限为 0.97。
    • EN 要点:
      • arXiv:2609.31639v1 Announce Type: new
      • Abstract: Diagnosing rolling-element bearing faults from vibration is a canonical physical-sensing task and a widely used benchmark for domain adaptation under…
      • Accuracies above 99 percent are commonly reported, but under evaluation splits that place the same physical bearing in both training and test
      • We revisit the task under a held-out-bearing protocol, assigning every bearing unit entirely to either the training or the test set, and find that source-only t…