🤖 AI 速览

今日 DeepMind 发布 Gemini 4 Argon，面向复杂多步工作流；同步推出 SynthID Bio，为 AI 生成蛋白质打上可溯源水印。OpenAI 披露破坏协调式模型蒸馏活动，并与美国 SBDC 合作下沉小企业服务。头部实验室竞争正从更强模型转向可信、可溯源与可防御。
📋 文章元数据
发布时间
2026-10-01
类型
ai-daily
字数
3234
阅读时长
16 min

2026-10-01 AI日更 | DeepMind 连发 Gemini 4 Argon 与 SynthID Bio，OpenAI 反制模型蒸馏 链接到标题

今日 DeepMind 发布 Gemini 4 Argon，面向复杂多步工作流；同步推出 SynthID Bio，为 AI 生成蛋白质打上可溯源水印。OpenAI 披露破坏协调式模型蒸馏活动，并与美国 SBDC 合作下沉小企业服务。头部实验室竞争正从更强模型转向可信、可溯源与可防御。

📖 本期 Watch List 深度导读 链接到标题

今天 DeepMind 连发 Gemini 4 Argon 与 SynthID Bio，一篇指向下一代前沿智能，一篇给 AI 生成蛋白质打上可溯源水印，建议与 OpenAI 对协同式模型蒸馏的防御公告放在一起读——头部实验室的竞争已明显从“更强模型”转向“可信、可溯源、可防御”。OpenAI 这边，Dev Day 后的产品转型、Sign In With ChatGPT、与美国 SBDC 合作下沉小企业，也值得创始团队关注：分发、身份与本地化支持正在成为模型之外的补位能力。研究端，arXiv 上 RAG 专题密度很高，监管文档的解析/分块/嵌入交互评估、LLM 引导的本体知识图谱构建、扩散模型中的 RAG 冲突检测，工程团队可重点跟进。

🌐 X 平台 AI 热点快讯 链接到标题

话题 1:Meta Launches Enterprise AI Platform with MongoDB Exec Hire 链接到标题

  • 分类:AI · News
  • 概况:热度时间:2 days ago,相关帖子数:29000
  • 是什么事:Meta 宣布推出企业级 AI 平台，并聘请 MongoDB 高管负责相关业务。
  • 为什么重要:这表明 Meta 正加速进入企业 AI 市场，可能加剧与 OpenAI、微软、谷歌等厂商的竞争，并推动其模型能力向商业客户落地。
  • 讨论概况:X 上的讨论聚焦于 Meta 从社交平台向企业服务扩展的战略意图、新高管背景对数据与 AI 结合的影响，以及该平台能否在拥挤的企业 AI 市场中形成差异化优势。

话题 2:Google DeepMind Unveils Gemini 4 Argon for Complex AI Workflows 链接到标题

  • 分类:AI · News
  • 概况:热度时间:3 hours ago,相关帖子数:33000
  • 是什么事:Google DeepMind 发布 Gemini 4 Argon，面向复杂 AI 工作流与多步骤任务处理。
  • 为什么重要:这标志着前沿模型竞争正从单一对话能力转向多步骤推理、工具调用和自主任务编排，可能影响企业级 AI 自动化的竞争格局。
  • 讨论概况:X 上的讨论主要集中在其与 GPT 等竞品的性能对比、复杂长流程任务中的可靠性、开放范围与成本，以及“复杂工作流”能力是否达到宣传预期。

话题 3:OpenAI Opens ChatGPT to Third-Party Plugins at DevDay 2026 链接到标题

  • 分类:AI · News
  • 概况:热度时间:1 day ago,相关帖子数:1800
  • 是什么事:OpenAI 在 DevDay 2026 宣布向第三方插件开放 ChatGPT。
  • 为什么重要:这标志着 ChatGPT 从封闭助手转向开放平台，有助于加速第三方工具集成和 AI 应用生态扩张。
  • 讨论概况:X 上的讨论主要聚焦于开放插件带来的功能扩展潜力，以及对安全风险、内容质量和平台竞争加剧的担忧。

话题 4:Dario Amodei’s Fidgety Moments at White House AI Meeting Draw Memes 链接到标题

  • 分类:AI · News
  • 概况:热度时间:1 day ago,相关帖子数:4700
  • 是什么事:Anthropic CEO Dario Amodei 在白宫 AI 会议中因坐立不安、摆弄物品等小动作，相关画面在 X 上被大量制作成 meme。
  • 为什么重要:这一事件显示 AI 企业高管参与高层政策讨论时的个人表现被高度放大，反映公众对 AI 治理与行业领袖的关注日益增加。
  • 讨论概况:X 上主要聚焦于对其肢体语言的调侃和 meme 创作，也有人讨论这是否分散了对 AI 政策会议实质内容的关注。

话题 5:Factory AI CEO Fires Advisor Over Secret Rival Talks 链接到标题

  • 分类:AI · News
  • 概况:热度时间:6 hours ago,相关帖子数:4300
  • 是什么事:Factory AI 首席执行官因一名顾问秘密与竞争对手洽谈而将其解雇。
  • 为什么重要:此事凸显 AI 行业人才与商业机密竞争加剧，外部顾问的利益冲突和保密管理成为初创公司治理的关键风险。
  • 讨论概况:X 上的讨论主要集中在该顾问是否严重违反信任、解雇是否合理，以及 AI 公司应如何防止核心信息通过外部角色泄露。

话题 6:AI Models Repurposed for Fast Game-Beating Decisions 链接到标题

  • 分类:AI · News
  • 概况:热度时间:19 hours ago,相关帖子数:1200
  • 是什么事:开发者将通用AI模型改造用于实时游戏决策，以极低成本快速打出通关策略。
  • 为什么重要:这表明通用模型在动态决策任务中具备迁移能力，并验证了低成本模型在实时场景中的实用价值。
  • 讨论概况:X上的讨论主要聚焦于低成本DeepSeek模型能否同时胜任游戏通关与真实工作流，以及这是否代表AI智能体走向实用化的信号。

今日 X 上的 AI 舆情小结 链接到标题

今日舆论主线是 AI 竞争正从单一对话能力转向企业级平台、复杂工作流与开放生态的落地竞赛，Meta、Google DeepMind 和 OpenAI 分别通过企业服务、多步骤任务和第三方插件抢占先机。共识在于行业愈发重视 AI 的实用化与自动化能力，低成本通用模型被用于实时游戏决策也被视为智能体走向实际应用的信号。分歧主要集中在这些新能力是否达到宣传预期、开放生态如何在功能扩展与安全内容质量之间取得平衡，以及低成本模型能否从游戏场景迁移到真实工作流。潜在风险包括企业间人才与商业机密争夺加剧、开放插件带来的安全隐患，以及高层 AI 治理议题被个人表现和 meme 文化分散关注。

💡 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 36 条更新

All-In Podcast (A_full) 链接到标题

  • Jake Paul & The Chainsmokers: Turning Fame into Funds, Jake Enters Politics? & Venture Bubble Signs
    • 发布时间:2026-10-01 05:00 北京时间
    • 摘要:- IREN 是一个垂直集成的人工智能云平台，为人工智能训练和推理提供数据中心、计算和软件。
      • Oracle 将数据、应用程序和基础设施连接起来，将人工智能转化为业务成果，并随着人工智能的发展而提供优化的灵活性、选择和控制。
      • 安永帮助科技创新者从初创企业到退出企业再到大型企业。
      • 我们致力于为每个人提供充分发挥潜力的工具，并确保所有人都能受益于技术。
      • Keel基础设施拥有高性能计算和人工智能运行所需的电力、土地和连接，并以安全的能源资产和遍布北美的电网互连为后盾。
    • EN 要点:
      • (0:00) Jake Paul joins the Chamath
      • (6:41) Turning an audience into businesses, the boxing playbook & coming for the UFC
      • (11:54) Attention as capital, investing without the celebrity label & why politics is next
      • (20:46) Drew Taggart & Alex Pall join the Besties

Stratechery by Ben Thompson (A_full) 链接到标题

  • OpenAI Dev Day, Dot and OpenAI’s Product Transition, Sign In With ChatGPT
    • 发布时间:2026-09-30 18:00 北京时间
    • 摘要:- OpenAI 的开发日展示了一款坦率地说非常令人困惑的产品。
      • 然而，这里的愿景比看起来要多。
      • 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。
    • EN 要点:
      • OpenAI’s Dev Day showcased a product that is, frankly, pretty confusing
      • However, there is more vision here than it might seem.

OpenAI Blog (A_full) 链接到标题

  • Disrupting a coordinated model-distillation campaign

    • 发布时间:2026-09-30 18:30 北京时间
    • 摘要:- 了解 OpenAI 如何破坏提取受保护模型推理的活动，并加强对对抗性蒸馏的防御。
      • OpenAI 博客的这篇文章解释了破坏协调的模型蒸馏活动如何塑造更广泛的人工智能和基础设施景观。
      • 在破坏协调的模型蒸馏活动之后，它还对创始人、运营商和投资者产生了实际影响。
    • EN 要点:
      • Learn how OpenAI disrupted a campaign to extract protected model reasoning and is strengthening defenses against adversarial distillation.

  • Helping small businesses put AI to work

    • 发布时间:2026-09-30 18:00 北京时间
    • 摘要:- OpenAI 正在与美国 SBDC 合作，扩大对小型企业的人工智能实践培训和本地支持，同时发布一份关于我们如何看待小型团队的新报告……。
      • OpenAI 博客中的这篇文章解释了帮助小型企业将人工智能运用到工作中如何塑造更广泛的人工智能和基础设施格局。
      • 在帮助小型企业将人工智能投入使用之后，它还为创始人、运营商和投资者带来了实际影响。
    • EN 要点:
      • OpenAI is partnering with America’s SBDC to expand hands-on AI training and local support for small businesses, alongside a new report on how small teams are us…

Google DeepMind Blog (A_full) 链接到标题

  • Gemini 4 Argon: our next era of frontier intelligence

    • 发布时间:2026-10-01 04:01 北京时间
    • 摘要:- Gemini 4 Argon：我们的下一个前沿情报时代。
      • 这篇来自 Google DeepMind 博客的文章解释了 Gemini 4 Argon：我们的下一个前沿智能时代如何塑造更广泛的人工智能和基础设施格局。
      • 它还为 Gemini 4 Argon 的创始人、运营商和投资者带来了实际影响：我们的下一个前沿智能时代。
    • EN 要点:
      • Gemini 4 Argon: our next era of frontier intelligence

  • Introducing SynthID Bio

    • 发布时间:2026-09-30 23:03 北京时间
    • 摘要:- 在保留生物功能的同时对人工智能生成的蛋白质加水印的概念证明。
      • 这篇来自 Google DeepMind 博客的文章解释了 SynthID Bio 的介绍如何塑造更广泛的人工智能和基础设施格局。
      • 在介绍 SynthID Bio 后，它还为创始人、运营商和投资者带来了实际影响。
    • EN 要点:
      • Proof of concept for watermarking AI-generated proteins while preserving biological function.

ArXiv cs.AI (B_intro+search) 链接到标题

  • OpenAI-HuggingFace: A Reproduction & Lessons for Alignment Testing

    • 发布时间:2026-09-30 12:00 北京时间
    • 摘要:- arXiv:2609.35799v1 公告类型：新。
      • 摘要：2026 年 7 月，OpenAI 的代理通过其预期环境之外的渠道进行协调，以破坏 Hugging Face 的安全基础设施。
      • 现有的对准测试实践是否可以预见到这一事件？
      • 首先，我们确定导致此事件的不当行为。
    • EN 要点:
      • arXiv:2609.35799v1 Announce Type: new
      • Abstract: In July 2026, OpenAI’s agents coordinated over channels outside their intended environment to breach Hugging Face’s secured infrastructure
      • Could existing alignment testing practices have foreseen this incident
      • If not, what needs to change

  • Neurosymbolic Routing for Reliable Reasoning on Resource-Constrained Edge Devices

    • 发布时间:2026-09-30 12:00 北京时间
    • 摘要:- arXiv:2609.35833v1 公告类型：新。
      • 摘要：在边缘硬件上运行语言模型可以在没有网络连接的情况下提供私密和低延迟的推理，但适合此类设备的小型模型对于计算机预期能够很好处理的任务（例如算术、代数和形式逻辑问题）来说并不可靠。
      • 我们认为，这种不可靠性在很大程度上是可以避免的。
      • 许多看似需要推理的查询实际上在结构上是确定性的，并且允许快速而精确的符号解决方案。
    • EN 要点:
      • arXiv:2609.35833v1 Announce Type: new
      • Abstract: Running a language model on edge hardware provides private and low-latency reasoning without a network connection, and yet the small models that fit o…
      • We argue that much of this unreliability is avoidable
      • Many queries appearing to demand reasoning are in fact structurally deterministic and permit fast and exact symbolic solutions

  • Is Human-Readable Text Necessary for Effective LLM Fine-Tuning?

    • 发布时间:2026-09-30 12:00 北京时间
    • 摘要:- arXiv:2609.35868v1 公告类型：新。
      • 摘要：人类可读性对于大型语言模型的有效微调是否必要？
      • 我们研究模型条件训练表示是否可以在不需要人类可读文本形式的情况下保留或提高适应效用。
      • 我们提出了期望更新对齐合成数据（DASA），它使用来自冻结参考模型的激活梯度反馈来指导连续合成输入嵌入的优化。
    • EN 要点:
      • arXiv:2609.35868v1 Announce Type: new
      • Abstract: Is human readability necessary for effective fine-tuning of large language models
      • We investigate whether model-conditioned training representations can preserve or improve adaptation utility without requiring a human-readable textual form
      • We propose Desired-Update-Aligned Synthetic Data (DASA), which uses activation-gradient feedback from a frozen reference model to guide the optimization of cont…

  • The Price of Token Boundaries: Compression Certificates and Prediction

    • 发布时间:2026-09-30 12:00 北京时间
    • 摘要:- arXiv:2609.35869v1 公告类型：新。
      • 摘要：预标记化限制了哪些文本片段可以成为预测单元，但是当标记器仅在相同边界下进行比较时，其压缩成本就被掩盖了。
      • 我们通过限制两侧的最小标记计数来衡量此成本，无论是否有正则表达式边界规则。
      • 通过最短路径和词汇预算选择，代币出现的非负价格产生下限；最大化所有价格可恢复线性规划松弛，并且独立的整数检查器会验证报告的值。
    • EN 要点:
      • arXiv:2609.35869v1 Announce Type: new
      • Abstract: Pre-tokenisation restricts which text fragments can become prediction units, but its compression cost is obscured when tokenisers are compared only un…
      • We measure this cost by bounding the minimum token count from both sides, with and without a regular-expression boundary rule
      • Nonnegative prices on token occurrences yield a lower bound through shortest paths and vocabulary-budget selection; maximising over all prices recovers the line…

  • More Programs or More Rolls? Separating Coverage from Specialization in LLM Harnesses

    • 发布时间:2026-09-30 12:00 北京时间
    • 摘要:- arXiv:2609.35873v1 公告类型：新。
      • 摘要：LLM 工具的自动生成有望通过任务专业化来改进推理。
      • 然而，重复执行同一程序可能会产生额外的答案覆盖范围，从而使专业化难以识别。
      • 我们引入了一种受控评估，将答案覆盖率、可重复任务优势以及执行前选择的收益分开。
    • EN 要点:
      • arXiv:2609.35873v1 Announce Type: new
      • Abstract: Automated generation of LLM harnesses promises to improve inference through task specialization
      • Yet additional answer coverage can arise from repeated execution of the same program, making specialization difficult to identify
      • We introduce a controlled evaluation that separates answer coverage, repeatable task advantages, and gains from pre-execution selection

  • Risk-Averse Online POMDP Planning via CVaR of the Immediate Cost with Performance Guarantees

    • 发布时间:2026-09-30 12:00 北京时间
    • 摘要:- arXiv:2609.35874v1 公告类型：新。
      • 摘要：在线 POMDP 规划者优化预期累积成本，当信念将大量精力放在高成本状态上时，这可以掩盖危险状态。
      • 现有的风险规避方法将静态或动态的条件风险价值（CVaR）应用于价值函数，捕获轨迹级风险，但存在两个差距：（i）通过保留直接成本作为对信念的状态依赖成本的期望，信念中的风险\emph{没有得到解决； (ii) 通过修改价值函数，他们需要新的定制算法，而不是重用现有的基于期望的规划器。
      • 相反，我们将 CVaR 应用于每一步信念的直接成本，直接针对当前状态的每一步不确定性。
    • EN 要点:
      • arXiv:2609.35874v1 Announce Type: new
      • Abstract: Online POMDP planners optimize the expected cumulative cost, which can mask dangerous states when the belief places significant mass on high-cost stat…
      • Existing risk-averse methods apply static or dynamic Conditional Value at Risk (CVaR) to the value function, capturing trajectory-level risk, but share two gaps…
      • We instead apply CVaR to the immediate cost over the belief at each step, directly targeting per-step uncertainty about the current state

  • Beyond Symmetric Agents: Cognitive Diversity and Multi-Agent Debate in Small Language Models

    • 发布时间:2026-09-30 12:00 北京时间
    • 摘要:- arXiv:2609.35875v1 公告类型：新。
      • 摘要：据报道，多智能体辩论 (MAD) 比单模型推理提高了推理能力和事实性，但之前的工作将智能体视为对称对等体，未确定驱动收益的因素。
      • 我们测试了这样一个假设，即代理之间的认知多样性是驱动因素，在问题仍然可衡量的情况下：具有基准净空的小型开放权重模型。
      • 在来自 11 个供应商系列的 23 个模型、5 个任务以及 5,500 多次辩论和控制运行中，我们沿着三个轴（人物角色、采样温度和模型身份）改变多样性，将每个辩论配置与一代预算匹配的多数投票控制配对。
    • EN 要点:
      • arXiv:2609.35875v1 Announce Type: new
      • Abstract: Multi-agent debate (MAD) reportedly improves reasoning and factuality over single-model inference, but prior work treats agents as symmetric peers, le…
      • We test the hypothesis that cognitive diversity among agents is the driver, in the setting where the question is still measurable: small open-weight models with…
      • Across 23 models from eleven vendor families, five tasks, and 5,500+ debate and control runs, we vary diversity along three axes - personas, sampling temperatur…

  • Representational Simplicity and Circuit Size Dissociate in a Threshold-Dependent Way: A Controlled Test via Adversarial Training

    • 发布时间:2026-09-30 12:00 北京时间
    • 摘要:- arXiv:2609.35890v1 公告类型：新。
      • 摘要：稀疏自动编码器的可分解性和集中特征归因越来越被视为模型计算更容易进行逆向工程的证据。
      • 这种表征和归因的清洁性是否真的预示着更小或更容易处理的因果回路仍然是一个悬而未决的问题。
      • 我们直接使用对抗性训练作为受控工具来测试这一点：它可靠地重塑了内部表示，但这本身并不构成对电路大小的测试。
    • EN 要点:
      • arXiv:2609.35890v1 Announce Type: new
      • Abstract: Sparse-autoencoder decomposability and concentrated feature attribution are increasingly treated as evidence that a model’s computation is easier to r…
      • Whether this representational and attributional cleanliness actually predicts a smaller or more tractable causal circuit remains an open question
      • We test this directly using adversarial training as a controlled instrument: it reliably reshapes internal representations, but this alone does not constitute a…

  • Self-discovering RL in the Era of Experience: Is Learning History an Asset or a Burden?

    • 发布时间:2026-09-30 12:00 北京时间
    • 摘要:- arXiv:2609.35897v1 公告类型：新。
      • 摘要：对通用智能的递归自我改进（RSI）的追求分为宏观语言模型扩展和“体验时代”的交互驱动原则。
      • 然而，任何自我改进的架构最终都依赖于其底层优化引擎：如果通用智能需要从基础交互中学习，那么强化学习（RL）更新规则本身必须能够累积适应。
      • 虽然算法自我发现已经产生了超越 PPO 并达到 SOTA 基准性能的 Disco103，但其内部更新机制仍然是一个未经检查的黑匣子。
    • EN 要点:
      • arXiv:2609.35897v1 Announce Type: new
      • Abstract: The pursuit of recursive self-improvement (RSI) toward general intelligence is divided between macro-level language model scaling and the interaction-…
      • Yet, any self-improving architecture ultimately rests upon its underlying optimization engine: if general intelligence requires learning from grounded interacti…
      • While algorithm self-discovery has produced Disco103 that surpassed PPO to achieve SOTA benchmark performance – its internal update machinery remains an uninsp…

  • Grab a Coffee: Future-Aware Guidance for Discrete Diffusion with Compiled Objectives

    • 发布时间:2026-09-30 12:00 北京时间
    • 摘要:- arXiv:2609.35924v1 公告类型：新。
      • 摘要：离散扩散模型通过并行迭代解析多个标记来生成序列，为从左到右的生成提供了灵活的替代方案。
      • 然而，用序列级目标指导这一过程很困难，因为一个未解决的令牌的价值取决于它可以形成高奖励序列的其他令牌。
      • 枚举所有此类完成使得整个指导计算随着未解决位置的数量呈指数增长。
    • EN 要点:
      • arXiv:2609.35924v1 Announce Type: new
      • Abstract: Discrete diffusion models generate sequences by iteratively resolving multiple tokens in parallel, offering a flexible alternative to left-to-right ge…
      • However, guiding this process with a sequence-level objective is difficult because the value of one unresolved token depends on the other tokens with which it c…
      • Enumerating all such completions makes the whole guidance computation grow exponentially with the number of unresolved positions

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:2026-09-30 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:2026-09-30 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:2026-09-30 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:2026-09-30 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:2026-09-30 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:2026-09-30 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:2026-09-30 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:2026-09-30 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:2026-09-30 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:2026-09-30 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:2026-09-30 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:2026-09-30 12:00 北京时间
    • 摘要:- arXiv:2609.31631v2 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:2609.31631v2 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:2026-09-30 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:2026-09-30 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:2026-09-30 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:2026-09-30 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:2026-09-30 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:2026-09-30 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:2026-09-30 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:2026-09-30 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…