跳到主要内容
检索

University of Virginia

12 篇关联报道

订阅更新
  1. arXiv

    语义先验该在因果发现哪一步介入:方向判断有增益,查询位置与准入证书尚未站住

    观测数据常留下无法定向或不稳定的因果边,大语言模型可凭变量名与描述给出方向建议。研究把语义信息的使用拆成查询分配、建议准入与图保留三步,在Asia、Sachs、Child、Insurance、Alarm五个基准网络上分别检验。语义定向优于随机抛硬币式定向,但按不稳定边挑选查询目标相对等量随机分配没有确立优势;所测准入证书在现有校准任务数下只能完全弃权,学习到的参考图在80个计划任务中仅3个包含真实DAG。

  2. arXiv

    SAM 3 压到 4 比特后不再认错目标:SPQ 把 RefCOCO 命中率从 42.1 拉回 72.5

    把 SAM 3 的图像编码器权重量化到 4 比特、激活保持 8 比特后,模型常出现“提示对齐漂移”:掩码看着合理,却圈错目标或在视频中丢失同一对象。SPQ 在离线校准阶段给影响文本概念分数的参数更高权重、约束低方差残差方向上的特征误差,并用成对视频推演估计记忆接口的均值偏移后折入已有偏置。在 W4A8 设置下,RefCOCO Pr@0.5 由 PTQ4SAM 的 42.1 升到 72.5,同时保留 54.8 COCO mask AP,推理图不增加算子。

  3. Nature Communications

    搜索智能体不再只奖励最终答案:过程监督让检索召回更高,跨域与跨模型都更稳

    面向多跳信息检索的搜索智能体,训练信号从只看最终答案正确与否,改为对每一步搜索动作打分。RAG-Gym把搜索建模为马尔可夫决策过程,并比较架构、参数优化与动作评估三个维度,选出推理反思架构、偏好优化与评论家引导推理的组合,构成Re2Search++。在HotpotQA上训练后,它在未见过的Bamboogle上优于结果监督基线,检索召回更高且搜索步数相当或更少;在Llama-3.1-8B上训练的评论家还能提升GPT-4o-mini的MedQA准确率。

  4. arXiv

    MEA 用奖励驱动多智能体把模型解释的忠实度提升最高 34%

    该工作提出 MEA 多智能体框架:Proposer 智能体按问题与模态选择并配置解释工具,Actor 智能体以忠实度为奖励端到端优化,将输出转为自然语言解释;作者同时引入覆盖特征归因、反事实推理与虚假特征检测的问题类型及基于扰动的忠实度指标,发现前沿大模型会系统性地给出不忠实解释,而 MEA 在六个数据集上优于事后解释器、智能体与闭源基线,相对未训练主干在表格、文本、视觉上分别取得 +28%、+21%、+34% 的忠实度增益。

  5. arXiv

    语音智能体不必逐字解码:冻结大模型读一次隐状态,八条语音的80个判断约0.1秒完成

    全双工语音智能体要回答大量小的封闭式判断,现有系统靠逐步自回归解码,速度慢。DuplexJev把语音识别编码器的隐状态经一个小连接器送入冻结的大语言模型,把每个问题读成选项上的单 token 分布,不做任何解码,8 卡节点对八条语音的 80 个判断约 0.1 秒完成。用末层连接器时语音问答接近读转写文本(90% 对 91%),换成跨注意力连接器后性别与情绪识别准确率均达 90%(分别从 55% 和 28% 提升),语音问答只降 1 个百分点(83% 到 82%)。

  6. arXiv

    DUET让求解器与评分器智能体交替共同进化,在四个智能体基准上同时提升任务执行与评分一致性

    DUET把求解器智能体与评分器智能体都当作优化目标,每轮自适应挑选训练任务、由求解器执行、由评分器打分并给出有证据支撑的评语,再用带工具的更新模块在求解器与评分器之间交替修订其可优化组件(系统提示或技能库),训练不使用参考答案或真值标签;在SpreadsheetBench、GDPval、τ-Bench与Finance Agent Benchmark四个基准上,DUET同时提升求解器与评分器表现,并在求解器指标上超过使用固定评分器的SkillOpt与GEPA,甚至超过它们使用基准参考评估器的版本。

  7. arXiv

    SRFT 让 LLM 智能体从自身失败中学习,AgentDojo 攻击成功率从 7.59% 降至 1.26%

    该工作提出自反思微调(SRFT):在干净专家轨迹中注入攻击指令,让智能体在受攻击上下文中采样自身可能失败的动作,再由专家模型生成对比安全与最优动作的结构化反思推理,用该反思监督微调智能体;在 Llama-3.1-8B-Instruct 与 Qwen3-8B 上实例化为 SR-Agent,AgentDojo 攻击成功率分别从 7.59% 降至 1.26%、从 16.97% 降至 1.05%,并在 RL-Hammer 自适应攻击下保持较低攻击成功率。

  8. arXiv

    MemLife用实体锚定的第一人称文本记忆加时间索引智能体读取器,在四个长时程第一视角视频基准上比最强免训练基线高出4.6–12.0%,MemOpt再以FIRM奖励只训练记忆写入器提升2.7–5.0%

    该工作提出MemLife——一个把第一视角视频压缩为时间与实体锚定的第一人称文本片段、并由时间索引的智能体读取器检索的多模态记忆系统,在无需训练、也无需查询时访问视频的条件下于四个长时程基准上比最强免训练基线提升4.6–12.0%;并进一步提出MemOpt,用忠实、信息量、可检索的FIRM奖励只对记忆写入器做强化学习,使MemLife再提升2.7–5.0%,且增益可跨写入器与读取器骨干、记忆系统以及域外视频与问题分布迁移。

  9. 发表出处待核验

    45人改良德尔菲共识:GLP-1受体激动剂用药前应筛查进食障碍,活动性厌食症与贪食症患者一般应避免使用

    该研究采用三轮改良德尔菲法,由45名糖尿病、肥胖和/或进食障碍领域的临床医生与研究者以及有亲身经历者组成的小组,就GLP-1受体激动剂在进食障碍情境下的使用达成平均91.7%的共识,提出用药前筛查、按风险分层监测、标准化教育材料、合并循证心理治疗等临床建议,并明确在活动性进食障碍(尤其厌食症、非典型厌食症及伴明显饮食限制和/或显著体重抑制的贪食症)中一般应避免使用GLP-1受体激动剂,同时列出流行病学、监管与暴食障碍临床试验的研究优先事项。

  10. arXiv

    CalcSeg用置信度感知课程学习与切片自注意力,在单栈LGE-CMR上把心肌瘢痕分割Dice提升到0.677、低置信病例提升到0.644

    该工作提出CalcSeg,一个置信度感知的潜在3D上下文课程学习框架,用Dice、瘢痕负荷百分比误差与蒙特卡洛Dropout估计的认知不确定性自动为每个样本打分,按阶段从易到难扩展训练集,并用切片级自注意力从单栈2D LGE-CMR推断受试者级3D解剖上下文;在来自四个中心与两个分割挑战(MICCAI 2012 LV Infarct、EMIDEC 2020)共976例患者的LGE-CMR数据上,其心肌瘢痕Dice达0.677±0.24、低置信样本Dice达0.644±0.22、瘢痕误差38.88%、低置信样本瘢痕误差35.03%,优于TransUNet、AttentionUNet、UNETR、ScarN