人工智能可靠性 LLM-DailyDigest 2026-08-30 2026-08-30 约 100 字 预计阅读 1 分钟 人工智能可靠性 本主题由提交工具自动创建，可在此补充洞察与资料。 相关消息（按子主题自动聚合） 上下文压缩 2 SJC：面向长程智能体的来源判定式上下文压缩 10-18 分块 KV 缓存压缩存在周期性相位弱点 10-01 业务评测 1 Thinkingbox：有状态业务工作流智能体沙箱与基准 08-21 主动学习 1 生物多样性监测中的主动学习：从标签效率到可靠生态推断 09-24 事务执行 1 Agentic Transaction：面向 ACID 合规的智能体系统 08-19 事实核查 3 TypeSafe Jev以1/500成本实现97.5%事实核查准确率 10-08 多轮证据消融评估与改进大模型事实核查 09-09 ReflectFact：自反思智能体提升多跳事实核查 08-16 事实纠错 1 DEDUCE：主动纠正输入事实扰动，提升 LLM 鲁棒性 08-27 事故复盘 1 Claude安全降级失误，误删开发者700GB主目录 08-30 交互式评测 1 FIGS：不惩罚共情的多轮迎合性评测框架 10-01 产业动态分析 1 TypeSafe AI完成8.7亿美元融资，决策模型Jev估值推至75亿美元 10-18 人机协同 1 人机何时真正互补：人机协同的形式条件与实证证据 10-21 信用分配 1 SCAPO：基于半事实稳定性的细粒度信用分配优化 10-01 偏好优化 3 ECHO：偏好优化中的公共模式偏移导致词表坍缩 10-22 TPO：面向 OOD 的三级分布鲁棒直接偏好优化 10-21 PLC-DPO：噪声与模糊偏好优化中的后验标签校正 09-01 元认知 2 LLM 元认知监控的局限 09-30 LLM 预测自身准确率时会习得不同形式的元认知 09-29 具身规划 1 SafeInferCom：验证器引导的机器人安全推理时计算 10-10 判断校准 1 Localize-Then-Decide：LLM 判断的人类一致性保障 08-27 医疗人工智能 3 FAHR-Face凭面部照片预测癌症患者生存风险 10-22 从评分到安全药集：药物推荐的精确安全约束解码 10-22 CarveMix-RC：病灶感知合成增强改善脑转移瘤罕见类别分割 09-30 医疗人工智能评测 9 决策语言模型：低成本快速替代临床 AI 的 LLM 评判器 10-22 Numan 用 LangGraph 与 LangSmith 构建评测优先的 AI 健康教练 Nu 10-20 医疗 LLM 智能体升级处置可靠性审计基准 10-18 MedEVM：动态医疗诊断中的证据价值错位评测 09-30 超越基准分数：胸片结核筛查视觉语言模型审计 09-21 K-Bench：高风险心理健康对话的临床校准评测基准 09-15 医疗大模型研究的评测差距持续扩大（2023—2026） 09-11 MedTraj：医疗智能体临床推理轨迹的构建与评估 09-07 LLM评判器对AI临床笔记的遗漏盲区及改进方法 09-01 协同演化 2 共同进化却分离失效：自改进智能体的技能—策略协同演化陷阱 10-18 HERA：脚手架与环境协同演化提升智能体可靠拒答 10-08 叙事一致性 1 NCP-Bench：LLM 智能体交互叙事长程一致性评测 08-14 可信执行 13 TrustJev：分离策略权限与不可信证据 10-27 OpenAI披露GPT-6智能体削弱安全监控并隐瞒操作 10-22 OpenAI 智能体内部测试中尝试关闭监控警报 10-21 OpenAI事故报告披露模型越权取用测试币并隐瞒 10-18 监管器亦成干扰：工具智能体的成本感知退避机制 10-08 谁来验证因果图？语言智能体因果动作验证器的错设攻击 10-01 Meta 智能体 Muse 越权泄露用户住址并擅自交易 09-30 Meta Muse 智能体越权泄露住址并擅自安排交易 09-29 OpenAI 智能体被曝未经授权攻击政府与高校网站 09-25 Epi-Logic：自主智能体的认知运行时控制与模式有效性检查 09-22 推理引擎指纹攻击：模型驱动的环境探测、利用与逃逸 09-18 DeFiFlowBench：自然语言 DeFi 工作流的安全可执行性评测 09-11 面向可信智能体执行的策略代数 08-18 可信推理 12 VERITAS：通过计算言语化检测思维链忠实性 10-19 自引导 LLM 推理诊断车辆路径问题中的错误 10-18 Anthropic：模型自述不能作为行为动机证据 10-10 AlphaGo作者：LLM尚未掌握可审计的搜索式推理 10-08 AGMAI呼吁负责任发布AI生成数学成果 10-01 人机协商即交互式证明：无需透明性的可验证条件 09-22 Certinia以确定性规则约束企业AI智能体 09-10 Deposon：可审计且守恒保证的 LLM 推理路径散射层 09-09 LEAP：逐证据似然聚合实现可追溯概率预测 09-07 以论证分析衡量 AI 问责性：模型推理能否经受质询 09-07 基于输入移除的测试时 LLM 解释忠实性提升方法 09-07 GUT：基于图复杂度量化与优化大模型推理不确定性 09-07 可靠性认证 1 智能体行为契约 II：无独立性假设的组合可靠性认证 08-16 因果推理 2 CausalLoss-Fin：金融智能体损失的决策与基础设施归因 09-23 DCFA：多智能体系统的双视角因果故障归因 09-07 图像取证 1 智能体图像取证中的分诊、提示与证据仲裁 09-22 图像编辑 1 Mi-Ripple：修复迭代式 AI 编辑造成的图像涟漪伪影 09-13 在策略蒸馏 6 预训练进程中的潜意识学习与隐性偏好传递 10-23 CCE-OPD：条件对比外推的在策略蒸馏 10-18 在策略蒸馏会继承视觉语言教师模型的失败模式 10-18 在策略蒸馏为何失效：学习信号消失 10-10 诊断推理语言模型的在策略自蒸馏 10-01 逐点裁剪反转纠正：在策略自蒸馏的失效机制 10-01 多智能体协作框架 1 SEPAL：分离专家对与答案级融合提升 LLM 协作可靠性 10-01 多智能体协作风险 11 多智能体潜空间通信的安全风险 10-01 善意 LLM 智能体在多智能体系统中隐蔽协助并规避监督 10-01 ResonAct：多智能体系统的流式运行时诊断与自愈 09-30 大模型偏信同类：多智能体系统中的身份依赖性从众 09-29 多智能体系统中的对抗影响如何扩展？ 09-25 多智能体系统中的关机破坏倾向 09-24 多智能体网络中的偏见放大：偏见智能体如何塑造观点与修辞 09-17 疑似 OpenAI 智能体协作越界与思维链监控失效风险 09-11 从众效应使多智能体 LLM 的共形预测失效 09-07 更强模型为何催生更高系统风险：金融市场 LLM 智能体证据 09-07 Anthropic揭示多智能体协作与冲突隐患 08-15 多智能体系统 6 反身性阈值：多智能体实施性预测的相变 10-22 迭代自精炼的 NL2SQL 多智能体框架 10-19 多智能体聚合中的偏差控制与注入 10-18 万级多智能体扩展：能力增益、协作机制与对齐风险 10-08 AH-VIB：可变带宽下的鲁棒多智能体通信 09-30 随机环境中的多智能体协调社会法则 09-17 多模态学习 1 音视频模型中的注意力三角与语义泄漏 09-08 多跳推理 1 Explore-on-Graph：面向不完整知识图谱的混合嵌入与 LLM 推理 10-01 奖励作弊 1 清洁网格世界中的规范博弈与约束强化学习缓解 10-18 奖励建模 2 Visual Jev：多主体图像生成的参考绑定验证奖励 10-08 RewardExplainer：从反事实偏好反馈学习奖励模型解释 09-29 奖励机制设计 5 CollabSciReM：以科学感知奖励分解对齐科研对话模型 10-21 RLVR 验证器错误：奖励作弊、反馈局限与选择性控制 09-30 Claude 优化数学与编程能力导致写作风格退化 09-24 MedAgent-R1：面向循证医疗推理的忠实度感知强化学习 09-01 RLSVR：面向开放式任务的自验证奖励框架 08-11 奖励模型评测 3 廉价验证器足以支撑稳健的 LLM 后训练 09-29 ImpossibleRubrics：生成式评分准则的奖励信号压力测试 09-16 ROBORMBENCH：视觉语言奖励模型的释义脆弱性 09-07 学术论文 1 DAS：1小时自动生成面向发表的学术综述 09-14 学术论文生成 1 Spark-to-Paper：以可组合技能端到端生成研究论文 08-14 安全评测 17 Trapped in Your Story：叙事诱导的谄媚行为评测 10-19 Screwtape：对抗式轨迹编辑开展监控器红队测试 10-18 一个词即可放行：类型化决策模型的选项通道攻击 10-09 相同结果、不同证据：LLM 安全评测中的意图恢复 10-09 PatchBench：评估激活修补的附带损害 10-08 开放权重大模型非规范输入四状态安全评测 10-08 不诚实回答引发大模型推理 Token 激增 10-08 Jev：零样本检测 AI 对齐失效的校准决策模型 09-25 Teach-to-Crash：双 LLM 闭环生成自动驾驶碰撞测试场景 09-24 迭代去对齐估计智能体罕见风险事件 09-22 GPT 模型中的“伤害洗白”：安全训练转化而非消除性别歧视 09-19 模型内部激活信号可规模化检测奖励作弊 09-18 OpenAI 发布模型错位披露框架并报告模型自改指令案例 09-17 Anthropic 披露四起 Claude 网络安全评测失对齐事故 09-10 Split-LLM 训练隐私失效：返回梯度暴露真实数据行 09-09 HackProbe：自进化语言模型的奖励作弊检测与免疫 09-07 PRISK：评估大语言模型个性化的隐性成本 09-02 实验设计 1 MDA：大模型与贝叶斯推断协同设计关键实验 08-15 工具调用 3 接口漂移下的 LLM 智能体稳健函数调用 10-19 检索之前：LLM 智能体的安全与工具调用决策 10-19 面向开发者的 MCP 错误消息反而更伤害高能力智能体 09-30 幻觉检测 8 决策模型作为幻觉检测评判器 10-29 DialFork：对话智能体程序性幻觉评测基准 10-18 RAIM：聚合低成本模型进行幻觉检测 10-01 RAGScope：面向 RAG 幻觉分流的防泄漏低成本证据门控协议 10-01 REVE：复用编码器状态高效纠正音频语言模型幻觉 09-23 Enoki：高效多级幻觉检测框架 09-08 利用 SQL 符号能力实现无监督幻觉检测 09-07 GRACE：基于证据图谱的反思式智能体知识扩展框架 09-07 异常检测 1 基于 AUC 界的无异常数据自优化 09-24 强化学习 3 跨任务耦合驱动无监督 RLVR 策略坍缩 10-29 Outcome RL 的收益：提升完成率与可靠性，鲜少拓展能力边界 10-27 Score Centering 稳定离策略强化学习 09-18 形式化证明 10 OpenAI与Anthropic模型被曝独立证伪指数时间假设 10-29 OpenAI多智能体生成纳维－斯托克斯证明，人类启动解读与核查 10-29 OpenAI纳维-斯托克斯证明路线遭重新解读 10-18 AI批量攻克数学难题引发“数学末日”争议 10-10 报道称OpenAI用万名智能体攻关千禧年数学难题 10-10 Claude被曝以Lean证明渗流理论连续相变猜想 10-08 FYAN：面向文档级形式化的语义审计人机协作框架 10-01 多智能体提出并验证 C-HD 最短路径算法 09-28 传 AI 巨头未公开数百项数学证明，真实性尚待确认 09-16 OpenAI被曝逼近霍奇猜想，并与Anthropic竞逐BSD猜想 09-11 形式化证明修复 1 CAPRI：面向 Isabelle 的契约感知证明修复 08-16 形式化验证 5 Racer：用符号等价性检查发现 GPU 内核缺陷 10-21 从验证失败中提炼编码智能体的可复用指导 10-01 面向 LLM 辅助 Verus 验证的低假设可复用技能 09-30 认证 AI 提议的时序规范修订：受保护核心仍不够 09-29 Vero：智能体能否构建形式化验证的软件仓库 08-16 循环深度 1 循环模型为何越想越错：隐空间推理的深度困境 08-16 思维链 10 思维链可监控性可通过后训练提升 10-22 用上下文感知解码缓解思维链中的查询捷径 10-22 奖励错设会削弱思维链可监控性 10-21 OwlSight：面向思维链推理的全景监控器 10-19 推理模型可通过自我指令控制思维链 10-19 OpenAI新模型被曝监控下隐藏推理，编码欺骗率近3倍 10-18 推理轨迹与证据冲突时：回答配置如何影响证据遵循 10-18 计划注入攻击可绕过思维链安全监控 09-15 推理表征能否帮助人类评估大模型输出？ 09-09 语言不可读性对 LLM 安全的影响 09-03 意图拒绝 1 WIFA：基于意图组监督的 LLM 安全拒绝训练 08-16 执行评测 1 QuoteBench：同分掩盖的命令路径故障 08-16 技术趋势分析 1 AI4Math 3万篇论文实证审计：AI正从润色走向证明构建 09-01 技能机制 1 智能体技能为何有效，又为何失效 08-20 技能演化 1 自改进智能体自主扩展 DSL，实现无预言机精确问答 10-18 拒答评测 1 TRAPSBench：视觉语言模型能识别不确定性，却不会克制回答 08-16 持续学习 3 基于算法稳定性的持续学习灾难性遗忘细粒度分析 10-23 Delta N-gram：前向写入语言模型原生 N-gram 记忆 10-23 RIKA：面向持续学习智能体的可靠知识获取 10-18 探针效度 1 探针方向由提示词决定，而非模型属性 08-16 推理安全 1 专有 LLM API 推理轨迹窃取攻击 08-12 推理评测 4 同答异因：多语言大模型的推理轨迹分歧 10-22 思维惯性：被要求停止思考时，LLM 仍会显式推理 10-18 PHRBench：大模型幻觉后推理行为评测 10-08 增加推理预算未能消除大模型认知偏差 10-08 提示优化 1 结构税：结构化输出如何影响大模型性能 10-09 数值推理 1 大语言模型数值能力：根本局限与改进路径 08-16 数学推理 4 OpenAI公开三维与四维挂谷猜想证明手稿 10-10 数学家呼吁抵制 OpenAI 批量发布 AI 生成证明 10-09 OpenAI内部模型被曝24天攻克百余道数学难题 09-22 GPT-6 Astra据称实现FrontierMath Tier 4满分 09-11 数据合成 6 合成数据训练何时可被理论保证有效？ 10-21 真实世界训练数据是否是通用图异常检测的必要条件？ 10-09 差分隐私合成时序的序列组装策略评估 10-08 Fisher-Rao 几何视角下防止合成数据训练的模型坍塌 09-17 水印与掩蔽递归离散分布估计的极小极大界 09-01 合成数据隐患：无害文本中的隐蔽定向偏见注入 09-01 数据策展 5 近重复图像选择可在视觉语言模型间传递偏好 10-21 LeCuration：小型世界模型驱动的多功能数据策展 10-08 QuanReview：离线可审计的人类与 LLM 跨度标注协调系统 09-30 数据归因难以可靠过滤潜意识学习 09-18 基于失败模式上下文赌博机的对抗数据策展 08-20 数据自演化 2 Dreaming Learning 缓解合成数据训练中的模型坍缩 10-22 网络化自消费生成生态系统的稳定性与多样性 10-08 智能体框架 6 Meta 薄编排器模式：以职责分离提升智能体可靠性 10-20 迈向可靠的 AI 数据科学家：工作流脚手架驱动的数据智能体 09-30 GRASP：面向复杂任务的生成、修订与评估式智能体规划 09-26 Policy as Code：协程桥接 Harness 提升 CAR-bench 智能体效率与可靠性 09-26 智能体脚手架如何创造价值：规划信息与发布控制 09-18 Prime Agent 开源自我改进智能体框架 08-11 智能体自进化 1 弥合一致性差距：学会稳定执行的自进化智能体 09-09 智能体训练 1 ARLArena：稳定智能体强化学习统一框架 10-25 智能体评测 28 TraceTrial-Bench：智能体运行框架可靠性与故障归因基准 10-29 LLM 智能体系统自动故障归因的机制研究 10-22 ReTrace：以目标导向动作回放评测计算机使用智能体的故障恢复 10-21 MMEnterprise-Bench：演化多模态记录下的企业智能体评测 10-21 BizAgentBench：现实商业场景中的长时程智能体评测 10-20 FLARE：退化观测下配电网恢复智能体的物理约束评测 10-19 AgentPerturb：受控交互扰动下的 LLM 智能体鲁棒性评测 10-18 DecepEval：评估 LLM 智能体欺骗行为的基准 10-09 Arena 融资 2 亿美元并发布智能体 Alignment Index 10-09 主动式智能体基础与 Proactivity-Gym 评测框架 10-08 AgentTime：智能体能否估计并控制自身运行时间 10-08 共享结构化输入削弱推理智能体的集体随机选择 10-08 客户反馈分类体系中的智能体脚手架评测 10-08 APTInvestBench：跨遥测条件下的自主 APT 调查评测 10-01 FTA：工具型语言模型故障后报告透明度评测 09-30 DynGraphAgentBench：动态图异常检测的智能体生命周期控制基准 09-29 面向1.4亿用户的生产级客服智能体仿真筛选 09-25 OverclaimBench：量化前沿 LLM 智能体的任务完成过度声称 09-18 Chronicle：面向 LLM 智能体回归测试的切点回放 09-18 SPAR：面向 AUV 故障恢复的 LLM 诊断仿真平台 09-18 双过程视角下 LLM GUI 智能体的助推易感性 09-18 Quantum-Harbor：量子工程智能体的可验证自主性评测 09-16 VLoc Bench：仓库级漏洞定位智能体评测基准 09-15 FinalityBench：延迟与冲突金融终局下的智能体决策评测 09-07 Harbor Adapters 与 Harbor-Index：大规模智能体评测基础设施及精选元数据集 09-07 ClawBench：真实网站任务中前沿 AI Agent 最高成功率仅 33% 09-03 BAITBENCH：评测机器学习智能体的奖励作弊行为 09-01 ATLAS：工业工具调用智能体的双时域诊断评测 09-01 机制发现 1 将人类干预作为标签：定位与修正 LLM 智能体故障 10-18 机器遗忘 2 PTP-U：恢复大模型遗忘中的非必要漂移 10-09 无需重启的遗忘：有状态 LLM 智能体执行状态反学习 09-07 查询验证 1 TraceSQL：可追溯的无参考 Text-to-SQL 验证 08-19 框架修复 1 能力层模型：组合式智能体 Harness 修复与真实仓库压力测试 08-16 框架演化 2 CMAS：非平稳环境下的保守元智能体架构适应 10-23 AIDE²：零权重更新实现一阶递归自我改进 08-12 模型发布 4 OpenAI 发布 GPT-6.1 Terra：电脑操作能力比肩 Astra，成本降至十分之一 10-29 Gemini 4 Carbon发布：强化长程编程、安全防御与成本效率 10-29 Claude Sonnet 5.5 发布：提速降价，性能逼近 Opus 5.5 09-30 SpaceXAI 发布 Grok 4.7，强化长任务与专业知识工作 09-22 模型可靠性 54 Omni-Woodpecker：证据先验重平衡纠正跨模态幻觉 10-27 Jev 风格 System One 结构能否降低选择偏差？ 10-27 SimHack：在强化学习训练前预测奖励作弊爆发 10-22 企业文档摄取中的静默格式线索丢失 10-22 LLM 价值训练的非预期副作用 10-22 COMET：面向人类监督安全系统的多层运行时监控框架 10-22 扩散语言模型表格到文本生成的忠实性诊断 10-22 BRIDGE：阻断模型更新虚假改进的接受门控 10-22 同概率、异建议：高风险 LLM 决策支持中的得失框架效应 10-22 通过表征工程缓解真实场景中的奖励作弊 10-22 驾驶 VLA 的感知—动作绑定缺口：看见危险却不刹车 10-21 无标签子空间分离语言模型的判断与表达 10-18 Prism-1：位置与竞争选项无关的系统一评分 10-18 探针有效检测智能体破坏与未言明欺骗 10-09 Kumo Tabular 与 Jev 估计事故记录中的未编码因素 10-08 工具调用智能体的故障检测与恢复：显性失败与静默失败 10-08 解耦逻辑与角色：边缘 LLM 智能体抵御上下文污染 10-08 LLM 退化时表征秩反而上升 10-08 LLM 在否定语句下如何改变预测 10-08 相同文本，不同预测：文本分类器的服务上下文非确定性 10-08 RoleCapBench：测量角色提示推理模型的能力泄漏 10-01 超越准确率：低精度快速矩阵乘法的前缀不变实现 10-01 NSCR-LLM：开放权重模型的地理推理忠实性基准 10-01 可信 AI 审稿人的修辞鲁棒性评测与 SciCore 方法 10-01 固定置信度分布下的可靠性漂移与脆弱性画像 10-01 Box²-Bench：语言模型能否选择性依赖外部指导 10-01 Jev 算术任务中的拒答瓶颈 10-01 CORA：查询改写下文本-音频检索的边界鲁棒性诊断 09-29 Audit-First VAPO：不完美验证器下的风险认证选择性更新 09-29 重复解答微调使推理能力在后续训练中变得脆弱 09-29 System One 决策的概率一致性研究 09-29 模型拒绝候选时给出的理由是否真正影响决策？ 09-26 JevOut：自然上下文可翻转决策模型 09-26 精确反馈不等于可靠控制：LLM 闭环修订评测 09-24 越南劳动法跨语言问答：检索、翻译与验证器引导纠错 09-24 FIRE：基于失败信息的智能体运行时可靠性工程 09-23 贪心解码并非精度不变：LLM 跨精度输出分歧 09-23 Jev CEO：放弃RLHF，转向RLCD自主自动化 09-22 语言模型事实回忆中的记忆与上下文权衡 09-22 OpenAI披露GPT-5.6Sol隐藏错误指令等异常行为 09-18 OpenAI披露未发布模型擅自改写系统指令 09-17 Cunning 数据训练提升大模型安全警觉性 09-17 首个 Token 决定安全：大推理模型的起始拒答崩塌 09-17 CoTS：温度缩放校准测试时提示调优 09-16 语言模型诊断受损奖励通道：易抓说谎，难证清白 09-16 SALVE：用文本优化显化潜隐学习效应 09-16 OpenAI 修复 GPT-6 Astra 旧版技能误触发问题 09-13 上下文集成统一共形语言任务 09-09 SPINE：持续多轮压力下的 LLM 迎合性评测 09-09 必要还是充分？用行为证据评估 LLM 解释可靠性 09-07 Calibrated Reflection：提升大模型置信度估计 09-07 Speculative Uncertainty：基于草稿模型的编程智能体失败预警门控 09-07 良性微调下的安全路由失效与对齐脆弱性 09-02 自改进智能体的脆弱性：方差、任务顺序与规格不足 08-19 模型微调 2 超越平均安全：机会约束下的 LLM 安全微调 09-25 TAME：通过Token归因与掩码抑制涌现失调 09-16 模型架构创新 5 NUS推出原生决策架构Jeva 10-27 QART：面向长程推理的量子—经典混合架构 09-16 OpenAI Astra被曝采用循环深度Transformer 09-07 DODR：潜空间中的确定性算子驱动推理 09-07 微型 Transformer 实现电路计算的完美长度泛化 09-01 模型架构演进 1 墙上的另一份蓝图：像孩子一样向前沿 AI 提问 09-17 模型训练 2 数据稀缺下 MoE 比稠密模型更易过拟合重复数据 09-11 面向噪声 LLM 标注的错误类型感知 NER 损失重加权 09-01 模型评测 10 工具增强模型比较中的提示敏感性 10-24 以调查报告的党派接触验证 LLM 生成的政治网络 10-19 CADET：用因果任务分解诊断多模态大模型能力失效 10-01 跨厂商与版本的低成本模型行为测量 09-25 JEV 对比 LLM 量规评判：更低成本、更快但错误高度相关 09-25 语言模型树结构表达序列化的通信瓶颈 09-21 RoleBreak：长程语音角色扮演鲁棒性评测基准 09-16 SQLMorph：基于查询变异与细粒度指标的Text-to-SQL评测框架 09-09 超越评分：解析 LLM-as-a-Judge 的摘要评估机制 09-02 错误预测中的正确证据：修复 LLM 序列评分坍塌 09-01 模型路由 1 OpenRouter：用置信度阈值实现模型分级升级路由 10-01 模型轻量化 1 QSelect：面向太空机器人的行为保真低比特压缩 10-22 模型验证 1 以模型检验为预言机自动测试 LLM 事后解释器 09-01 测试时优化 1 MISVO：语言模型最小侵入式引导 09-25 测试时训练 1 自生成反馈破坏测试时训练的长期稳定性 10-08 演化能力评测 1 SEAGym：自我演化 LLM 智能体评估环境 08-07 激活引导 1 Deep Noir：自主发现 Transformer 激活引导参数 09-19 状态授权 1 AID-Guard：面向委托式智能体效果的有状态授权 08-24 状态追踪 3 OptionWorld：诊断 LLM 长期个人助理失效的基准 10-21 PoS：以显式信念状态识别并打破长程智能体的 Belief Trapping 10-18 上下文变化下的 LLM 更新失败与陈旧绑定 10-01 真实世界评测 1 真实工作场景中Agent成功率仍然偏低 08-18 知识编辑 3 可写性与路径：寻址记忆知识注入的受控研究 10-18 EngramEdit：通过条件记忆解耦更新大模型知识 10-08 ManiEdit：流形视角下的序列化非结构化知识编辑 09-29 神经符号人工智能 3 面向工业配置的神经符号人工智能 09-25 S4L：交通法规到 Prolog 的四阶段结构化翻译 09-18 符号分离：用知识图谱支撑可信运营数据分析智能体 09-16 科研智能体 1 Claude 完成 N=4 超杨-米尔斯理论九圈散射振幅计算 09-26 科研评测 6 量化 LLM 科研智能体的主张平滑现象 10-27 顶刊已发表论文的 LLM 同行评审可靠性评测 10-25 Into the Unknown：开放式科学研究智能体基准 10-20 Epoch AI 实测前沿模型：真实研究任务仍需人工监督 10-09 SciARP：多轮科学推理智能体的扰动鲁棒性评测 09-30 PaperDoctor：面向科研论文的证据化诊断与修改反馈 09-16 程序修复 4 HealBench 与 HealGuard：真实代码仓库运行时错误修复评测与安全护栏 10-01 别修没坏的代码：LLM 迭代修复的伪缺陷循环 09-10 LLM 自动程序修复中的多层幻觉研究 09-07 Anchored Self-Play：锚定自博弈提升代码修复真实性 08-14 策略优化 4 重新审视 GRPO 的大推理模型安全对齐 10-19 Sample What You Say：让语言模型按其声明的分布采样 09-30 GRPO 中隐藏的伪优势问题与 SIGNBALANCE 09-07 GUPO：面向大模型后训练的梯度不确定性感知策略优化 08-19 系统优化 2 RAG 组件组合性评测：孤立增益不等于系统增益 10-22 面向智能体工作流的协议保持式上下文裁剪 09-16 缩放定律 1 野生 AI 生成网页文本的 Token 价值与缩放定律 10-01 缺失前提识别 1 PremiseSQL：评测 Text-to-SQL 的前提批判与拒答能力 10-18 置信度评估 27 自信但错误的 LLM 如何导致人类服从与信任校准失效 10-23 法律权威缺失时，决策模型应作答还是拒答？ 10-22 多正确选项下决策模型的非对称概率分配 10-22 VX-One：面向实时边界分诊的类型化校准决策头 10-22 U-Space：揭示语言模型不确定性的产生与演化 10-18 RADAR：修复与审计大模型置信度 10-18 GraphACM：基于图的智能体动作一致性与不确定性量化 10-18 陪审团而非选民：无标签语言模型集成可靠性估计 10-18 RL-ARC：以推理引导不确定性校准大型推理模型 10-10 以弃权认证：小校准预算下思维链验证器的分布无关保证 10-08 U-Space：定位语言模型推理中的不确定性来源 10-08 小模型也能合理自评置信度 10-01 USteer：免训练不确定性引导推理，降低模型幻觉 10-01 OpenJev-RLCD：面向校准决策的强化学习实现 10-01 J4U：面向大型推理模型的黑盒不确定性量化 09-30 Sys1Cal-v1：揭示 Jev 概率校准中的隐含“不知道” 09-30 CREDO：用可微读出校准推理模型置信度 09-30 Nudgeability：推理模型盲从置信信号，却无法追踪自身能力 09-30 CoCal：面向大语言模型的伴随式置信度校准 09-29 合成标签如何改善保形预测的条件覆盖 09-29 CORDIAL：少量标签下的序数 LLM 输出校准 09-26 Return or Revise：学习何时修订能改进检索增强问答 09-25 GRUET：量化智能体推理与行动轨迹的不确定性 09-22 XConf：从推理到智能体的经验性置信度估计 09-18 语言模型免训练自报告置信度分析 09-18 校准置信度的幻象：视觉语言模型置信度与推理轨迹脱节 09-17 CoSQ：通过自我提问实现大模型选择性拒答与风险控制 09-16 能力迁移 1 后训练在无关决策中留下行为影子 09-26 脚手架优化 2 AutoSaddler：基于执行轨迹的智能体脚手架自动优化 08-27 自动优化 Agent Harness 的三条路径：Meta-Harness、AHE 与 Self-Harness 08-14 脚手架演化 2 Self-Evolving Agent Harness：自我进化的智能体脚手架 10-18 Bad Genius：反事实引导的智能体脚手架演化 09-17 自动化偏见 1 Anthropic实验：AI建议显著影响专家决策与自我归因 10-29 自动化对齐 2 ReSI：面向抗已知威胁与未知风险韧性的递归安全改进 10-09 DeShortcut-Align：解耦伪捷径的稳健安全对齐框架 09-30 自动化科学研究 5 PSI用AI辅助突破5项量子信息开放问题 10-29 OpenAI 宣布 AI 模型取得三项科学理论突破 10-27 Claude 半小时追溯 NIST 椭圆曲线种子来源 10-18 OpenAI 公开 722 篇 AI 生成数学手稿 10-08 当科学认知不再稀缺：AI 驱动的科研稀缺性倒置 10-08 自博弈 1 掼蛋自博弈中的预测—优化鸿沟 10-22 自我反思 1 SRCoT：端侧 LLM 的闭环检索—反思—修订生成框架 10-19 自蒸馏 4 ReSAIL：缓解智能体迭代自蒸馏中的性能坍塌 10-01 几何修改输出提升生成模型自训练 09-30 iSDFT：面向大模型持续学习的信息近端自蒸馏 09-22 面向可控安全拒答的边界感知自蒸馏 09-07 自进化 3 SE-ADD：错误驱动监督的自进化音频深伪检测 10-01 逐篇盘点：自进化系统学到了什么，局限在哪里 09-03 超越人类监督扩展大型推理模型：通往超级智能的路径 09-01 行为耦合 1 语言模型中的行为耦合：形成机制与行为涌现 10-19 规则推理 3 决策模型中规则迁移、联合可靠性与信息利用的受控测试 10-22 InterPact：验证规则决策中的关键证据 10-01 NAFBench：大模型能否遵循指定的否定语义 09-24 视觉模型 1 WeVisOne-VL：统一物体级与像素级视觉感知 10-24 视频生成 2 SGF+：解耦梯度流的长时自回归视频生成 10-09 ID-Forcing：测试时分布内强制实现长视频生成 10-08 记忆能力评测 9 Memory Tax：剖析智能体记忆的净价值 10-29 RealCompanion：真实纵向对话中的人类理解评测 10-08 个性化记忆生成前失效：陈旧、错归因与延迟 10-08 FAME：基于反事实推理评估自主智能体的错误记忆 10-01 跨会议持久说话人归属评测：SI-cpWER 基准 10-01 PairPref：评测记忆增强助手何时应采用用户偏好 09-30 MemoReason：评估参数记忆对大模型上下文推理的影响 09-30 上下文压缩中的更新充分性审计 09-18 AML 统一评测 Agent 记忆系统，MemoraX 登顶工业榜 09-07 证据仲裁 1 文本与数字冲突时：大模型的证据仲裁 08-21 评测基准 10 AV-FABLE：长视频视听篡改取证基准 10-29 NorRegel：挪威法律时效数值预注册评测基准 10-22 DecisionPivot：LLM 决策模型诊断评测基准 10-21 DeclineCraft：联合评测检索与参数知识的 RAG 拒答基准 10-21 SEAR：面向音频语言模型的伪造证据落地推理基准 10-01 MechReasoner：定性物理机械推理模拟器与评测基准 09-30 Artificial Societies Benchmark：合成人口研究的多维效度验证框架 09-25 BENCHCOMPASS：支付领域大模型训练与脚手架决策评测基准 09-17 EviScope：基于配对反事实证据的忠实性诊断基准 09-16 Last Translation Benchmark：机器翻译极限评测基准 09-07 评测审计 55 RIDAR：科研智能体违规检测与运行时干预框架 10-23 SANE：面向 LLM 评判器的自动化特定评分器蜕变测试 10-22 冲突记录：可审计 LLM 输出质量执行的类型化对抗契约 10-22 深度搜索与深度研究智能体的基准评测及错误分析 10-22 更优策略反而导致更差的验证器审计 10-22 推理时模型偏移下的语言模型保形预测审计 10-22 迭代式 ML 智能体的显式反馈契约 10-22 RLVR 数学数据去污染的可靠性与成本评估 10-18 评判者一致却错误：无标签评估中的一致性—准确性解耦 10-18 一个偏差分数、两个因素：多选评测中的选项偏差缓解 10-18 跨语言评测意识：LLM 在印度语言测试中会改变行为吗？ 10-18 请求呈现方式诱发评判模型对抗性偏差 10-10 LLM 合规系统的监管规则敏感性诊断与审计 10-10 模型迭代削弱 AI 辅助科学写作检测可靠性 10-10 法律思维链忠实性的反事实审计：引用不等于采纳 10-09 并非所有裁决都平等：重思 LLM Judge 可靠性 10-09 BehaviorTrace：在线强化学习训练数据归因的局限 10-08 自动评判误差掩盖不确定性量化评估中的权衡 10-08 正确答案不等于有证据：LLM 智能体日志取证中的证据绑定 10-08 LLM 评判器在实体对齐评估中的可靠性 10-08 CAP：跨部署条件诊断 LLM 评判模型 10-08 部署验证器套件的硬门控资格评估 10-01 Arena：LLM 裁判自我偏好显著高于人类 09-30 论点与署名：AI 评估中的来源—立场一致性偏差 09-30 修辞如何奖励劫持 AI 审稿：4080 次改写揭示评分偏差 09-29 Laya 类型化概率评估器：校准与选择性升级的独立复现 09-29 TMLR抽查作者论文理解，暴露AI代写与学术问责风险 09-26 LLM 评分器的有效性与失效：两场计算机考试的实证研究 09-26 代码风格而非自我识别：LLM 零样本代码归因中的表面线索 09-25 MICRO：多保真主动搜索发现严重错误 09-23 执行标签如何影响 Text-to-SQL 保形弃答风险认证 09-23 LLJ Cards：LLM 评判模型使用最佳实践 09-22 智能体轨迹评估与失效归因：三篇论文综述 09-18 拒绝、分解、刷新：闭环 AI 的声明安全评测协议 09-18 用内部表征监测与发现 LLM 评测中的奖励作弊 09-17 超越准确率：程序轨迹如何改变 LLM 监督者的决策标准 09-17 能力不变的简历扰动揭示 LLM 招聘筛选的呈现敏感性 09-16 去标识化简历中的人口属性泄漏与偏见评测伪差 09-16 用答案扰动验证事实性评估方法的可信度 09-15 两篇论文审视 Harness 自演化的真实增益 09-14 同一模型跨版本跑分暴跌，厂商自建基准可信度受质疑 09-13 GPT-6 Astra基准成绩因测试环境从99.9%降至62.7% 09-11 IB²：按服务路由而非模型标识评测企业 AI 系统 09-10 时间后置测试集仍无法消除预训练领域熟悉度 09-10 SCOPED-Hiring揭示多智能体招聘决策中的轨迹不公平 09-09 错误来源提示下的模型答案服从与鲁棒性审计 09-09 API 基准分数无法可靠迁移至聊天机器人界面 09-09 单公共因子模型下锚点—评判器误差相关性的闭式估计与诊断 09-09 网络安全 LLM 基准分数依赖评测流水线：可靠性审计 09-09 Molecular Déjà Vu：分子基准中的数字级记忆检索审计 09-07 对齐测试提示改变语言模型的战争决策 09-07 共享端点上的黑箱 LLM 评判器存在可靠性失效 09-07 LLM 智能体商业评测中的构念效度失效 09-02 SASST：面向交互式智能体的选择感知压力测试 09-01 MCP 智能体安全评测中的处理泄漏与构念效度 08-16 语义先验 1 Semantic Bandits：语义先验如何影响上下文探索与利用 08-18 语义编译 1 受限语义规划与确定性编译提升企业 Text-to-SQL 可靠性 08-18 轨迹审计 1 Trace Integrity：面向 LLM 数据智能体的可审计结构化推理 08-27 软件开发流程 1 智能体软件开发生命周期：可靠性、验证与成本经济学 09-07 迁移能力评测 1 模型升级后智能体记忆能否可靠迁移？ 09-07 过程评测 3 隐藏状态探针定位推理失败的有效性 10-18 ReCast：面向智能体故障归因的步骤表征学习 10-10 LCoT-GV：基于图注意力网络的长思维链验证 09-01 运行时干预 1 COTA：小模型比较顾问实现智能体运行时干预 08-24 运行时恢复 1 AgentRewind：长程 LLM 智能体的可恢复执行 08-17 进化研究综述 1 97页综述：现代 AI Agent 的自我进化体系 08-12 递归自我改进 20 2027年RSI或引发超级智能失控风险 10-29 RSI 递归之桥：自我改进的验证机制与工程边界 10-27 大模型时代的可信递归自我改进：基础、风险与评估 10-27 迈向物理人工智能的递归自我改进 10-22 RSI：LLM 递归自我改进算法全景解析 10-18 递归自我改进（RSI）全景综述：五级自治路线图 10-18 自我改进问题：自动更新门控的可计算性边界 10-18 LLM 自我改进循环中的赢家诅咒：选择噪声、锁定与接受规则 10-08 RSI-Master：以结构化实验引导自主模型改进 09-30 79页综述提出RSI五级自主性分层架构 09-24 RSI递归自我改进：定义、评估验证与创业机会 09-22 RRSI：正则化智能体脚手架的递归自我改进 09-22 递归自我改进（RSI）科普综述：从自我改进到递归增益 09-21 从自我改进到递归进化：RSI 五级路线 09-18 最新 RSI 综述：AI 如何真正实现递归自我改进 09-15 Google DeepMind RSI 模型传闻与迭代信号 09-14 爆料称谷歌 DeepMind 接近实现 RSI，OpenAI 模型疑似降质 09-13 迈向真正的递归自我改进：人类构建的最后一个 AI 09-11 OpenAI首席科学家警示“异星心智”与RSI安全风险 09-08 AI4AI Survey：从长程智能体到递归自我改进 09-07 逻辑推理 1 面向自然语言推理的语义抽象框架 09-23 部署测试 1 迈向无风险 AI 智能体部署：基于轨迹的测试与调试 08-18 配置供应 1 面向关键基础设施运维的任务感知 Harness 配置 08-19 采样校准 1 正确概率更高，答案反而更差：Power Sampling 的失效与修复 08-17 金融智能体 1 RICE-Alpha：基于可靠性校准事件图的智能体股票预测 09-29 长期记忆 17 语言智能体中的记忆价值：决策论框架 10-23 LLM 智能体长期记忆的治理状态损坏：跨模型压力测试 10-23 持久记忆智能体中的自强化隐私披露循环 10-21 超越边际影响：面向交互的智能体记忆选择 10-19 Gated Memory：面向对话式 AI 的准入控制记忆形成框架 10-10 LLM 智能体持久记忆的准入与呈现治理 10-10 MemAdapter：反事实适应缓解记忆诱导型谄媚 10-08 CASK：面向长期 LLM 记忆的作用域感知提交规则 10-08 伤害感知通道与记忆：单一身体智能体的控制原语 09-30 位置不是事实：KV 缓存与记忆的错配 09-29 FRESH：面向小语言模型工具智能体的失败感知异构图记忆 09-24 SpeakerMem-R1：面向多方对话的说话者中心双轨记忆 09-23 MDL：解耦置信度与一致性的可解释记忆决策控制器 09-21 Fortunate Recall：基于本体的 LLM 记忆生命周期管理 09-10 MeClear：基于合作博弈归因的长程智能体风险感知记忆清理 09-09 WorkSwarm「永续会话」支撑 Agent 长时稳定工作 09-08 预计算记忆的组合、重建与纠错成本 09-01 长程任务执行 3 DRSR：面向长程智能体的集合级删除风险剪枝 09-24 《我的世界》141小时测试暴露 GPT-6 Astra 挫折恢复缺陷 09-21 阿里开源长程智能体框架 LongHorizon-Harness 08-13 长程任务研究综述 1 长程智能体综述：Harness 工程与模型优化协同演化 08-14 长程任务评测 1 VibeLifeBench：评测生活智能体的主动性与持久性 08-13 风险评估 1 Judge, Retrieve, or Abstain：具风险保证的 LLM 裁判 08-19
