跳到主要内容
检索

Tsinghua University

99 篇关联报道

订阅更新
  1. arXiv

    化学家只写目标,VibeSyn智能体跑完十步全合成:人工主动输入仅占7.3%

    浙江大学等团队构建了分层智能体系统 VibeSyn,把化学家给出的分子目标转成随实验证据调整的合成决策,并驱动计算工具与自动化装置执行。在十步长春质碱全合成中,系统记录722条动作,其中智能体推理占69.7%、工具与装置结果占18.8%,主动人工输入与人工确认分别占7.3%和4.2%,最终从29.8 mmol 3-乙基吡啶得到160 mg产物。含非天然氨基酸环肽的三项合成中,主动人工输入与确认分别占7.5%和5.2%。

  2. arXiv

    只看重建残差会漏掉漂移传感器:CLOSURE 另学一路通道互证,SMD 上 Aff-F1 达 88.13

    多变量时间序列异常检测长期依赖重建残差,但残差只说明一段观测能被还原,不说明各通道之间是否仍像正常时那样互相解释。CLOSURE 把可重建性与跨通道一致性拆成两个各自用正常数据训练的预测任务:一路用离散正常基记忆条件化的扩散重建器打分,另一路让每个通道只由其余通道预测,再用正常数据校准把两路分数合成。在 SMD、MSL、SMAP、SWaT、PSM 五个公开基准上,其 Aff-F1 均高于所列方法,其中 SMD 为 88.13。

  3. arXiv

    动作生成不再按块拼接:ODEAction 用常微分方程连续演化动作,EBench 平均成功率相对提升 61.8%

    视觉-语言-动作模型通常一次预测一整段未来动作,相邻动作块之间缺少显式的时间一致性约束,容易在衔接处出现动作突变。ODEAction 把动作生成改写为从当前动作出发的连续演化:学习一个动作转移场,用常微分方程积分逐步生成后续动作,不再联合预测固定长度的动作块。在 LIBERO 上平均成功率由 96.85% 升到 98.25%,在 EBench 上由 15.28% 升到 24.72%,即 61.8% 的相对提升;在 RoboTwin 五个任务上与 RTC、Legato 对比,平均成功率 84.4%,高于基线的 82.4%。

  4. arXiv

    低比特智能体不再丢任务:SteerDistill用教师闭环纠错,W4A16平均分距BF16不到1分

    低比特量化能压低大模型智能体的推理成本,却常让智能体漏看任务要求或环境条件,在工具调用中走错步骤。SteerDistill 让全精度教师定位学生第一次行为偏离,给出结构化纠错提示,学生执行后由环境反馈验证,教师据此反复修正提示,直到修正被局部验证。随后学生不带提示地学习这些修正,在五个智能体基准、三个模型上,W4A16 平均分比最强量化基线高 1.67–2.18 分,距 BF16 不到 1 分。

  5. arXiv

    多轮强化学习让智能体在长预算下越过基座模型,预算收紧后优势却会消失甚至反转

    多轮智能体强化学习常被用来提升大语言模型智能体的长程能力,但轨迹级成功率掩盖了它对单步决策的实际影响。研究在DeepCoder-MT、BFCL、InterCode-SQL与FrozenLake四个交互任务上,用采样广度与交互深度两个维度评估GRPO训练后的模型:采样轨迹越多,强化学习模型越稳定地超过基座模型;但把每条轨迹的交互轮数压紧,这一优势会缩小、消失,在部分任务上甚至反转。逐状态比较显示,强化学习模型只在46.8%的DeepCoder-MT状态和42.8%的FrozenLake状态上给出更优的下一步动作,其增益主要来自错误恢复与轨迹后段。

  6. arXiv

    视觉验证器不再只答对错:OmniVerifier-C1把提示拆成子问题,ViVerBench总分升到0.684

    视觉验证器长期只输出真或假的二值判断,难以区分不同程度的部分正确。OmniVerifier-C1把复杂提示或环境规则拆成细粒度子问题,逐项做二值判断后按满足比例给出连续分数,并用解耦强化学习同时优化子问题判断与全局对齐打分。在ViVerBench上,以Qwen3-VL-8B为基座、经分级监督微调再加分级强化学习的版本总体得分为0.684,高于仅用二值强化学习的0.671。

  7. arXiv

    工具输出不必再转成文字:Coca-Cola 把检索结果压成隐向量,网页搜索智能体省下七成以上 token

    网页搜索智能体每调用一次工具,返回的长文本都会原样追加进上下文,多步之后上下文迅速膨胀并稀释注意力。Coca-Cola 改把这些观察压成少量连续隐向量,直接嵌入智能体的输入嵌入空间,并用动作保持训练让压缩前后下一步动作分布对齐。在四个问答基准和两组模型上,总 token 消耗降低 70.01%–89.24%,端到端运行时间降低 24.45%–55.97%,EM 与 F1 在各设置下均高于未压缩智能体。

  8. arXiv

    酶与反应配对不再只靠序列相似:RIVER 用多智能体汇总证据,在 667 个候选蛋白中把四个目标酶全部排进前列

    RIVER 是一个无需训练的多智能体检索框架,把大语言模型、生化计算工具和外部知识库组织成可追溯的证据链,用于酶到反应和反应到酶的双向检索。在来自大肠杆菌代谢组学文献的四个实验支持的酶—反应案例中,它需要在 667 个候选蛋白里排序,使用 Qwen3.6-35B-A3B 时平均倒数排名为 0.833,使用 GPT-5.6 Luna 时为 0.750,均高于表中列出的通用编码智能体组合与领域方法。在公开基准上,它在 Enzyme-405 上的 Top-1 查询成功率为 82.3%,在 Orphan-335 上为 72.8%。

  9. arXiv

    ElecLoad把事件影响变化当作分段依据:多事件叠加时,PJM的WAPE从4.31%降到3.69%

    ElecLoad把天气预报、电网通知和新闻里的事件描述与历史负荷一起读,先判断每个事件对目标负荷的相关性、影响时段以及事件之间是相互加强还是抵消,再决定整段直接预测还是按事件影响变化切段。切段后各子智能体独立给出初稿,主智能体检查并只对选中的段反馈修正。在GEFCom2014、PJM、LCL等小时级负荷数据上,它在多数评测场景排名靠前;PJM多事件条件下WAPE为3.69%,同一模型与输入的仅直接预测变体为4.31%。

  10. arXiv

    SecureGARD给工具调用加语义闸门:三个基准、两种骨干上观测攻击成功率均为0%

    工具型大模型智能体把模型输出变成真实操作,间接提示注入因此成为执行安全问题。SecureGARD在规划与工具执行之间插入一层可执行本体,把异构工具调用归一到共享的语义动作,再结合当前任务状态判定为就绪、等待或禁止。在AgentDojo、ASB与AgentDyn的良性及间接注入设置下,两种骨干上的观测攻击成功率均为0%,受攻击时的任务效用优于所比较的基线。